第一章導言Lecture1:Introduction主要內容1.1商務智能的基本概念1.2商務智能的系統構成1.3商務智能的發展歷史1.1商務智能的基本概念商務智能數據信息和知識商務智能商務智能（Businessintelligence）1996年GartnerGroup

HowardDresner數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以輔助企業決策為目的一類技術及其應用商務智能商務智能（Businessintelligence）工業界商務智能可以被看作是一類技術或工具，利用它們可以對大量的數據進行收集、管理、分析和挖掘，以改善業務決策水平，增強企業的競爭力學術界商務智能是一套理論、方法和應用，通過它們可以快速地發現海量數據中隱含的各種知識，有效地解決企業面臨的管理和決策問題，支持企業的戰略實施。數據（data)數據是對事物描述的符號。在計算機科學中，數據是數字、文字、圖像、聲音等可以輸入到計算機被識別的符號企業運營離不開數據。企業運營的各個環節每天都在積累數據，如供應商、客戶的數據，銷售、生產以及庫存數據等。用戶生成數據（usergenerateddata,UGD)社會化媒體、智能化手機等使得全世界不計其數的個體也在不斷產生數據。結構化數據（structureddata)通常二維表格的形式存儲在關系數據庫中交易細節表交易號商品號單價折扣數量005872051337922.99010058720514677520100587205000700104.500587206147525105.900587206113838107.5非結構化數據（unstructureddata）文本數據iphone4s,目前最大的問題，感覺還是電量，充滿一次，用兩天，不過，我還沒怎么玩游戲，都是開瀏覽器之類的應用，和聽歌，但是想想，畢竟手機的電池和ipad的還是沒法比。信息（information）通過一定的技術和方法，對數據進行集成、分析，挖掘其潛在的規律和內涵，得到的結果是信息。信息是具有商務意義的數據例如，通過對零售信息的集成和分析發現，某超市的客戶群根據其消費行為可以分為若干個群體，每個群體具有一些明顯的特征。例如，其中一個群體是單身女性，喜歡經常購買化妝品，消費金額高。知識（knowledge）當信息用于商務決策，并基于決策開展相應的商務活動時，信息就上升為知識信息轉化為知識的過程不僅需要信息，而且需要結合決策者的經驗和能力，用以解決實際的問題。例如，某連鎖超市的經理發現，近期化妝品的銷售業績下降了，為了解決該問題，決定采取促銷措施，根據對數據的分析得到的客戶分群的信息，銷售經理鎖定了促銷的目標客戶群，最終開展了為這部分客戶郵寄優惠券的促銷活動。1.2商務智能的系統構成六個主要組成部分數據源數據倉庫在線分析處理數據探查數據挖掘業務性能管理數據源企業內部的操作型系統，即支持各業務部分日常運營的信息系統企業的外部，如人口統計信息、競爭對手信息等數據倉庫（datawarehouse）各種數據源的數據經過抽取、轉換之后需要放到一個供分析使用的環境，以便對數據進行管理，這就是數據倉庫數據集市（datamart）：通常針對單個部門的數據倉庫，區別于企業范圍內的數據倉庫。數據倉庫可以將分析數據與實現業務處理的操作型數據隔離，一方面不影響業務處理系統的性能，另一方面為數據的分析提供了一個綜合的、集成的、統一的數據管理平臺。詳細內容在第10章介紹在線分析處理（onlineanalyticalprocessing）在線分析處理：業務性能度量可以通過多個維度、多個層次進行多種聚集匯總，通過交互的方式發現業務運行的關鍵性能指標的異常之處。多維數據可以進行多種操作如切片、切塊、下鉆、上卷等詳細內容在第11章介紹數據探查（exploration）包括靈活的查詢、即時報表以及統計方法等該類方法屬于被動分析方法探查數據的方法可以借助統計上的中心性、發散性以及相關性的統計量分析，多變量分析時也可以借助可視化技術。數據挖掘（datamining）數據挖掘是從大量數據中自動發現隱含的信息和知識的過程，屬于主動分析方法，不需要分析者的先驗假設，可以發現未知的知識常用的分析方法包括分類、聚類、關聯分析、數值預測、序列分析、社會網絡分析等數據挖掘：分類分類（classification）是通過對具有類別的對象的數據集進行學習，概括其主要特征，構建分類模型，根據該模型預測對象的類別的一種數據挖掘和機器學習技術。例如，電信公司的客戶可以分為兩類，一類是忠誠的，一類是流失的。根據這兩類客戶的個人特征方面的數據以及在公司的消費方面的數據，利用分類技術可以構建分類模型數據挖掘：聚類聚類（clustering）是依據物以類聚的原理，將沒有類別的對象根據對象的特征自動聚集成不同簇的過程，使得屬于同一個簇的對象之間非常相似，屬于不同簇的對象之間不相似。其典型應用是客戶分群數據挖掘：關聯分析關聯分析最早用于分析超市中顧客一次購買的物品之間的關聯性例如，發現關聯規則（associationrule）“尿不濕

啤酒（0.5%，60%）”，其含義為，0.5%的交易中會同時購買尿不濕和啤酒，且買尿不濕的交易中有60%會同時買啤酒數據挖掘：數值預測數值預測用于預測連續變量的取值。常用的預測方法是回歸分析例如，可以根據客戶個人特征，如年齡、工作類型、受教育程度、婚姻狀況等，來預測其每月的消費額度。數據挖掘：序列分析序列分析是對序列數據庫進行分析，從中挖掘出有意義模式的技術。序列模式（sequentialpattern）的發現屬于序列分析，它是從序列數據庫中發現的一種有序模式例如，《赤壁，鴻門宴，見龍卸甲》，

意味著“看了赤壁之后會接著看鴻門宴，過段時間會看見龍卸甲”。數據挖掘：社會網絡分析社會網絡（socialnetwork）是由個人或組織及其之間的關系構成的網絡社會網絡分析（socialnetworkanalysis）是對社會網絡的結構和屬性進行分析，以發現其中的局部或全局特點，發現其中有影響力的個人或組織，發現網絡的動態變化規律等。業務績效管理業務績效管理（businessperformancemanagement），簡稱BPM，又稱為企業績效管理（corporateperformancemanagement），是對企業的關鍵性能指標，如銷售、成本、利潤以及可盈利性等，進行度量、監控和比較的方法和工具。這些信息通常通過可視化的工具如平衡積分卡和儀表盤等進行展示。相關內容見第10章。1.3商務智能的發展管理信息系統決策支持系統主管信息系統數據倉庫、數據挖掘和在線分析處理管理信息系統（managementinformationsystem）簡稱MIS，產生于二十世紀七十年代為企業提供企業管理的全方位信息，為管理人員提供管理決策信息的信息系統其目的主要是提供信息以實現對企業或組織的快速有效管理決策支持系統（decisionsupportsystem），簡稱DSS，開始于二十世紀七十年代，發展于八十年代決策支持系統是基于計算機的用于支持業務或組織決策的信息系統。通常，決策支持系統基于數據庫和模型庫，用于解決半結構化和非結構化的決策問題，輔助管理人員做出快速、正確的決策主管信息系統（Executiveinformationsystem）簡稱EIS，又稱為經理信息系統，出現于二十世紀八十年代是針對企業內的高級管理人員的決策支持系統。這種系統提供了靈活的報表生成、預測、趨勢分析等功能。系統以直觀的形式展現企業的運行狀況以及關鍵成功因素（criticalsuccessfactors）商務智