商业智慧 -06 技术工具

CHAPTER6技術工具商業智慧的工具程式從簡單查詢到高級分析第六章內容大綱查詢和報告工具線上分析處理企業商業智慧套件商業智慧平臺資料採礦高級分析工具商業智慧工具程式選用標準商業智慧技術的未來趨勢前言商業智慧工具程式是指幫助不精通電腦的使用者能夠上手、分析資訊並從而做出行動的一系列軟體。商業智慧工具程式能夠大大地增強使用者與資料互動的能力，幫助他們做出各式各樣的分析。大一點的企業需要許多產品的組合，其中不同的工具用於不同的目的，有策略性的，營運性的，也有操作性的；不過，所有這些工具的根本目的是為打贏爭取客戶、提高利潤的戰爭，提供準確的情報和高明的參謀。商業智慧工具程式的重要性商業智慧工具程式能夠幫助使用者上手、操縱並控制與資料間的互動。因而，使用者不再需要資訊部門的支援來滿足分析和報表需求，不再需要技術人員編寫固定的程式，但是只使用商業智慧工具的分析功能還不能夠回答更加策略性的問題，因為商業智慧工具不能夠把交易系統中的資料處理成回答這些問題的資訊。商業智慧工具的重要性利用商業智慧工具來評估客戶的獲利性處理能力需要與分析功能結合起來商業智慧工具程式市場區隔的演進1994～1998年：商業智慧的工具程式市場被分為高階和低階兩大塊。1998年：已經無法反映複雜的市場狀況，取而代之的是按自然接近度劃分的新的市場集合。2000年9月：Gartner公司又把商業智慧軟體分為以下三類：策略性的商業智慧軟體營運性的商業智慧軟體分析型的商業智慧軟體商業智慧工具程式市場區隔的演進2001年底：Gartner公司根據商業智慧部署和資訊使用的策略程度把商業智慧分為如下5個類別：部署戰術性的策略性的資訊重點戰術性的策略性的“糧食”“以洞見作為商業”“知識就是力量”“營運性商業智慧”管理報表孤立存在的商業智慧應用軟體顧客關係最佳化與商業活動監控企業績效管理應用數學策略價值最高策略價值較高策略價值中等策略價值低資料來源：Gartner公司查詢與報表工具查詢和報表工具是早期的商業智慧手段，通常位於使用者的電腦桌面。使用者使用這些工具能存取關聯式資料庫，同時也能存取多維資料庫；使用者也可以用這些工具做一些簡單的分析和報表，把它們展現在螢幕上或列印出來。隨著電腦的進步，單機的查詢和報表工具也可以進行一些基本的線上分析（OLAP）。隨著企業資料的激增和商業智慧的精進，企業在開始尋求更高階的工具的同時，要注意整合這些基礎的查詢和報表工具。第六章內容大綱查詢和報告工具線上分析處理企業商業智慧套件商業智慧平臺資料採礦高級分析工具商業智慧工具程式選用標準商業智慧技術的未來趨勢線上分析的概況線上分析（OLAP）曾經是以伺服器和多維資料庫為基礎的分析工具，如今線上分析也可以建立在關聯式資料庫中。雖然多維線上分析工具是目前最強勁；也最常用的線上分析工具，關聯式線上分析工具和混合線上分析工具也已經出現並有企業使用。企業應該根據自身需求和條件做出聰明的選擇，而不應該一味地跟著走。單機和網路線上分析工具現在已經整合到企業商業智慧套件中，使用者能夠查看並操縱線上分析資料，這些資料可能來自線上的關聯式資料庫，或者多維資料庫。有些產品還有下載Cube的能力，未連上網路時，也可以獨立地運行。單機的線上分析工具作為企業商業智慧套件的一部分已經具有了產生線上分析圖表的能力，但這並不與多維線上分析伺服器相互競爭，因為桌面工具中的線上分析圖形介面只有中等程度的線上分析功能。多維線上分析引擎（資料庫和相關的分析處理功能）所具備的性能和分析能力就要大得多了。線上分析系統的益處發現新的商機和收入來源與客戶、供應商和合作夥伴建立更加緊密的關係降低成本減少資訊技術的花費實現可衡量的投資報酬線上分析的實例以體育精品公司為例，用不同的方法查看資料，以顯示之前不知道的資訊。這就是線上分析（OLAP）或多維分析（MDA）。在本方案中，使用兩種主要的多維分析技術：第一種叫下拉（DrillDown），第二種叫Slice/Dice。線上分析的實例(Cont’d)-按地區劃分的頭盔銷售資料亞洲歐洲北美1999.01風鏡金額360338593546061頭盔金額448997995436040CampstoveDOLLARS672625515357458CanoeDOLLARS4299984154071388818線上分析的實例(Cont’d)-按地區和國家劃分的頭盔銷售資料1999.01風鏡金額頭盔金額CampstoveDOLLARSCanoeDOLLARS亞洲日本新加坡259961003732233126663189335369136196293802歐洲比利時法國德國義大利瑞士87708781171001030140983108724387112772124391076019509126371224718129945181461425990789898北美墨西哥美國172042885736040594581086381302437線上分析的實例(Cont’d)-按地區、國家和城市劃分的頭盔銷售資料1999.01風鏡金額頭盔金額CampstoveDOLLARSCanoeDOLLARS亞洲日本新加坡東京新加坡259961003732233126663189335369136196293802歐洲比利時布魯塞爾87701087210760181299法國格林諾特爾巴黎878145181德國法蘭克福漢諾威慕尼黑1710033392104791950846142義大利米蘭羅馬10301127721263759907瑞士日內瓦40983124391224789898北美墨西哥墨西哥城172041086381美國亞特蘭大西雅圖96191928311928241111179945659150962151471線上分析的實例(Cont’d)-山地車和頭盔銷售的比較1999.01Biking頭盔數量山地車數量Camping風鏡數量CampStove數量亞洲日本新加坡東京新加坡519182300892613212399397歐洲比利時布魯塞爾169583200130法國格林諾特爾巴黎190德國法蘭克福漢諾威慕尼黑445139436216333201義大利米蘭羅馬195672231150瑞士日內瓦195940149北美墨西哥墨西哥城368美國亞特蘭大西雅圖1783606341804211422137530線上分析效能評估的標準COGNOS公司在它關於線上分析的白皮書中提出了評價高效能線上分析工具的7個標準：平均5秒鐘的快速反應時間最多不超過二個半小的快速學習時間最少不少於500個使用者包含區域網路、Intranet和網際網路都可以存取產生結果的時間不超過12星期部署時不超過6個人月不少於1千萬筆的資料量第六章內容大綱查詢和報告工具線上分析處理企業商業智慧套件商業智慧平臺資料採礦高級分析工具商業智慧工具程式選用標準商業智慧技術的未來趨勢企業商業智慧套件企業商業智慧套件是簡單查詢與報表工具的升級產品，集查詢、報表與線上分析功能於一身，在可延展性、易使用和管理等方面都比簡單查詢與報表工具更勝一籌。企業商業智慧套件經過多年的發展，市場已經成熟，感覺上有點像一般包裝的消費品了。大多數廠商都是上市公司，因而財務穩定性顯得十分重要。另外，由於是成熟市場，品牌的作用也十分突出。Gartner公司關於企業商業智慧套件廠商的神奇象限資料來源：Gartner公司企業商業智慧套件和報表工具的匯合互動程度高線上分析處理瀏覽即時查詢傾向於批次更新高深的格式化能力擴充性強效能高可用度高具有語意層CrystalInformationBuildersActuateCognosBusinessObjectsBrioIntelligenceBrioReportsMicroStrategyOracleDiscovererOracleReports“新的企業商業智慧“以用戶中心MicrosoftHummingbird對2003年第4季的預測2002年第三季出版/派送能力企業商業智慧軟體有力的報表工具整合企業商業智慧軟體的屬性有力的報表工具的屬性多種輸出類型資料來源：Gartner公司第六章內容大綱查詢和報告工具線上分析處理企業商業智慧套件商業智慧平臺資料採礦高級分析工具商業智慧工具程式選用標準商業智慧技術的未來趨勢商業智慧平臺商業智慧平臺是創造、安裝、支援和維持商業智慧軟體的一整套工具和環境。商業智慧平臺是軟體發展環境，通常提供像VB這樣的程式語言來創造客製化軟體。它的優勢在於提供客製化軟體，並具備強大的分析功能，其劣勢在於軟體發展太複雜，而部署也很麻煩。跟企業商業智慧套件不同，商業智慧平臺是一個不太成熟的市場Gartner公司關於商業智慧平臺廠商的神奇象限資料來源：Gartner公司第六章內容大綱查詢和報告工具線上分析處理企業商業智慧套件商業智慧平臺資料採礦高級分析工具商業智慧工具程式選用標準商業智慧技術的未來趨勢資料採礦許多公司已經在資訊技術方面進行了巨大的投資，以便更有效地管理企業，在競爭中佔優勢的地位。但不斷增長的大量資料都已經採用電子方式儲存，而資料量還將繼續增長。然而，如果不對資料的正確性進行考慮的話，企業就不能充分利用其價值。幸運的是，資料採礦領域的進步可幫助客戶更有效地改進資料，並從中獲取透視資訊。簡而言之，資料採礦工具能讓客戶找出以前無法探知的、隱藏於重要業務資料中的資訊。對於資料採礦工具來說，準確、高效率和開放的體系結構是相當重要的。資料採礦的主要方法-按功能分關連順序模型分類群集預測回歸分析&時間序列多種多樣資料採礦工具商業智慧簡潔性渗透力線上分析處理類神經網路支持向量機器決策樹集群資料抽取蒙特卡洛模擬貝葉斯網路(Bayesiannetwork)時間序列預測劃趨勢線視覺化動態編程線性迴歸遺傳算法關聯規則案例基礎的推理資料採礦劃趨勢線因素分析*支持向量機器：SupportVectorMachine資料來源：Gartner公司7種常用的資料採礦技術定義主要應用評論回歸線性加權的總和記分與分類使用範圍最廣規則歸納軸心-平行分解記分與分類；區隔容易理解類神經網路非線性回歸記分與分類準確性高群集把資料分組區隔：把相似的東西放在一起計算密集性關連規則有前提的概率事件的相關性適用範圍有限K近鄰和基於案例的推理最近資料的加權平均數記分與分類“雜訊太大”而且維度太多貝葉斯建模連結概率分佈診斷、記分與分類使用範圍廣、複雜資料採礦的驗證決策支援系統（DSS）、經理人資訊系統和查詢/報表工具可用來生成資料報表，一般可以任意維度數量的方式進行合計。這些工具的另一種用途是從客戶資料中探測趨勢和模型，以便找出某些業務問題的答案，在這種應用方式下，將對問題產生查詢，並對相關記錄進行研究，取得資料後，對結論的模型或其他有用資訊進行檢查，這稱為驗證。資料採礦的發現模型資料採礦也可以採用另一種資訊生成模式，稱為發現模式。這裏我們將討論透過資料篩選探索習慣性模式的方法，這可用於探測趨勢、找出資料相似性等。如果把對某一資料集的資料採礦流程看做鑽石開採的話，那麼“驗證”就像是在礦脈上挖了幾個洞，希望從中找到鑽石。想透過這種方式找到所有的鑽石是非常沒效率的。另一方面，“發現”就像是把礦脈中所有的原料一次性的全部鏟起來，並將其傾倒在一塊平地上，這樣，所有閃光的石頭都暴露出來了，接下去就可以透過進一步的檢查把鑽石與石英區別開來。資料採礦與統計分析之間的差異資料採礦統計分析資料採礦不需要一個假設統計學家通常是從一個假設出發資料採礦演算法可以自動建立方程式統計學家得建立自己的方程式來與假設吻合資料採礦能夠採用不同類型的資料，比如文本、聲音等等，而不只是數位化的資料統計分析只能使用數位化的資料資料採礦依賴于清潔、記錄完好的資料統計學家在分析過程中可以發現並過濾垃圾資料資料採礦的結果不容易解釋。必須請統計學榢來分析資料採礦的結果並把發現傳達給