商业智能

1商业智能21、商业智能管理思想(BusinessIntelligence)早在20世纪80年代，当时“商业智能”的标准是能容易地获得想要的数据和信息。20世纪90年代是商业智能真正起步的阶段。到目前为止，关于BI还没有统一的定义，在20世纪90年代初，GarterGroup的HowardDresner把EUQR（终端查询和报表）、DSS、OLAP称为商业智能。企业使用这些工具使企业获得的优势也被称为商业智能。后来，出现了数据仓库、数据集市技术，以及与之相关的ETL（抽取，转换，上载）、数据清洗、数据挖掘、商业建模等，人们也将这些技术统归为商业智能的领域。3商业智能的含义商业智能被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。简而言之，它是能够帮助用户对自身业务经营做出正确明智决定的工具。一般现代化的业务操作,通常都会产生大量的数据，如订单、库存、交易帐目、通话记录、及客户资料等。怎样从业务数据中提取有用的信息,然后根据这些信息来采用明智的行动--这就是商业智能的课题。4商业智能的含义商业智能代表为提高企业运营性能而采用的一系列方法、技术和软件的总和。商业智能，是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。5四个层面1、数据分析层面：2、信息系统层面：3、知识发现层面：4、战略层面：是一系列算法、工具或模型。首先获取与所关心主题有关的高质量的数据或信息，然后自动或人工参与使用具有分析功能的算法、工具或模型，帮助人们分析信息、得出结论、形成假设、验证假设。称为商业智能系统（BISystem）的物理基础。表现为具有强大决策分析功能的单独的软件工具和面向特定应用领域的信息系统平台，如SCM、CRM、ERP。与事务型的MIS不同，商业智能系统能提供分析、趋势预测等决策分析功能。与数据分析层面一样，是一系列算法、工具或模型。将数据转变成信息，而后通过发现，将数据转变成信息，而后通过发现，将信息转变成知识；或者直接将信息转变成知识。将信息或知识应用在提高决策能力和运营能力上；企业建模等。商业智能的战略层面是利用多个数据源的信息以及应用经验和假设来提高企业决策能力的一组概念、方法和过程的集合。它通过对数据的获取、管理和分析，为贯穿企业组织的各种人员提供信息，以提高企业战略决策和战术决策能力6商业智能的适用范围商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。7第一阶段:数据收集四个阶段应用系统销售财务客服其他资料数据仓库抽取清洗转换加载ETL其他资料8目前，商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP产品、展示产品、和集成以上几种产品的针对某个应用的整体解决方案等。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。9为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。10商业智能11商业智能的技术体系商业智能的技术体系主要有数据仓库（DW）、在线分析处理（OLAP）以及数据挖掘（DM）三部分组成。12数据仓库数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。13数据仓库--Datamart数据集市，或者叫做小数据仓库。如果说数据仓库是建立在企业级的数据模型之上的话。那么数据集市就是企业级数据仓库的一个子集，他主要面向部门级业务，并且只是面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。14第二阶段－强大的分析工具-从简单的用户界面来亲近你的最终使用者-企业级的安全设定-推动式报表，将分析数据推向用户-仪表板，不用学习的操作界面-多方位的一览表，不用到开多个操作视窗-功能强大的在线分析功能15商业智能第二阶段:报表和查询16在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。17OLAP联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时，Codd认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要，用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求。因此Codd提出了多维数据库和多维分析的概念，即OLAP。Codd提出OLAP的12条准则来描述OLAP系统：18OLAP的12条准则准则1OLAP模型必须提供多维概念视图准则2透明性准则准则3存取能力推测准则4稳定的报表能力准则5客户/服务器体系结构准则6维的等同性准则准则7动态的稀疏矩阵处理准则准则8多用户支持能力准则准则9非受限的跨维操作准则10直观的数据操纵准则11灵活的报表生成准则12不受限的维与聚集层次19第三阶段－专业的分析知识-从一个决策开始，由不同的角度去分析及证明决策的可行性-看过去，预测未来-保留企业知识，降低员工离职所带来的风险-从大量的数据中挖掘价值20商业智能第三阶段:数据分析21数据挖掘数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。22商业智能最终阶段:改善决策水平“无”商务智能（BI）应用系统“有”商务智能（BI）应用系统232、商业智能的技术实施通过利用先进的数据仓库技术、OLAP技术，加以完善的应用架构和优秀的发展理念，从架构企业整体信息化管理的角度出发，在科学方法基础上建立企业系统化的定量分析决策机制，完成企业闭环反馈管理的战略部署，为ERP和财务软件用户提供应用系统增值。24商业智能定义为下列软件工具的集合终端用户查询和报告工具。专门用来支持初级用户的原始数据访问，不包括适应于专业人士的成品报告生成工具。OLAP工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析。数据挖掘（DataMining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。数据仓库（DataWarehouse）和数据集市（DataMart）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。25联机分析处理联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理(OLTP)明显区分开来。26当今的数据处理大致可以分成两大类：联机事务处理OLTP（On-LineTransactionProcessing）、联机分析处理OLAP（On-LineAnalyticalProcessing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。27OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是维这个概念。28“维”是人们观察客观世界的角度，是一种高层次的类型划分。“维”一般包含着层次关系,这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。因此OLAP也可以说是多维数据分析工具的集合。29OLAP的基本多维分析操作有钻取（rollup和drilldown）、切片（slice）和切块（dice）、以及旋转（pivot）、drillacross、drillthrough等。钻取是改变维的层次，变换分析的粒度。它包括向上钻取（rollup）和向下钻取（drilldown）。rollup是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而drilldown则相反，它从汇总数据深入到细节数据进行观察或增加新维。30切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。31OLAP的实现方法OLAP有多种实现方法，根据存储数据的方式不同可以分为ROLAP、MOLAP、HOLAP。ROLAP表示基于关系数据库的OLAP实现（RelationalOLAP）。以关系数据库为核心，以关系型结构进行多维数据的表示和存储。32MOLAP表示基于多维数据组织的OLAP实现（MultidimensionalOLAP）。以多维数据组织方式为核心，也就是说，MOLAP使用多维数组存储数据。多维数据在存储中将形成“立方块（Cube）”的结构，在MOLAP中对“立方块”的“旋转”、“切块”、“切片”是产生多维数据报表的主要技术。33HOLAP表示基于混合数据组织的OLAP实现（HybridOLAP）。如低层是关系型的，高层是多维矩阵型的。这种方式具有更好的灵活性。34维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。35OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。在数据仓库应用中，OLAP应用一般是数据仓库应用的前端工具，同时OLAP工具还可以同数据挖掘工具、统计分析工具配合使用，增强决策分析功能。36例子（用友）主要包括；管理驾驶舱、数据分析、专家财务评估。37一、管理驾驶舱:基于数据仓库技术，通过对提取的ERP财务、业务数据进行智能化的分析，为企业的管理决策者，提供一个企业分析决策的平台。通过系统提供的指标中心、移动办公、信息预警等功能帮助管理者随时随地监控企业的经营状况，及时做出科学经营决策。3839为企业管理者提供以驾驶仪表盘方式总览企业经营状况的关键业务指标和综合指标，让管理者更直观更容易去发现问题。并有效地运用数据仓库的数据挖掘技术，结合杜邦分析法等分析方法，寻找问题根源，辅助正确的决策。提供自定义分析指标，满足不同层次管理者个性化的需求。4041二、数据分析与全球最领先的BI提供商－美国MICROSTRATEGY公司联合，为中国企业提供最优秀、专业的数据分析系统。结合MICROSTRATEGY的商业智能平台通过对大量重要数据的深入、专业的分析来帮助企业降低成本、提高生产效率、保持客户关系以及提高利润率。4243三、专家财务评估利用系统提供的动态的行业及标杆企业数据库，通过多角度、全方位的剖析企业的经营状况，使管理层浏览到具有专业水准、图文并