商业智能（BusinessIntelligence）介绍
前言
2007年3月，甲骨文以33亿美元价格收购企业绩效管理软件厂商Hyperion(海波龙)，同年4月，BusinessObjects宣布收购Cartesis，BusinessObjects公司需要支付的总交易金额为2.25亿欧元(约合3亿美元)现金。10月8日，德国软件巨头SAP周日表示，将以48亿欧元(约合68亿美元)现金收购法国商业智能软件开发商博奥杰(BusinessObjects)。
商业智能并购金额如此巨大，显示必须有相应的市场规模，BI公司才会拥有如此市值。昂贵的商业智能分析软件，必然伴随着商业智能分析项目的高额软件使用许可费用和实施成本，这还不包括项目实施潜在的失败风险！
最重要的，商业智能看似日益普及，中小企业是否可以从中受益？
什么是商业智能呢？先让我们来看看有关权威机构是如何对商业智能定义的！
第一部分权威机构对商业智能的定义
GartnerGroup
--（全球最具权威的IT研究与顾问咨询公司。其研究范围覆盖全部IT产业，就IT的研究、发展、评估、应用、市场等领域，为客户提供客观、公正的论证报告及市场调研报告，协助客户进行市场分析、技术选择、项目论证、投资决策）
l商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。
2商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。
IDC
--（是IDG（国际数据集团）旗下子公司，全球著名的信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商）
l商业智能是一组软件工具的集合：
（1）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，不包括适用于专业人士的成品报告生成工具
（2）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
（3）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。
（4）数据集市(DataMart)和数据仓库（DataWarehouse）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。
（5）主管信息系统(EIS，ExecutiveInformationSystem)
通俗地说BI就是收集相关信息并加以分析，以帮助您做决策。成功的BI系统多采用了数据仓库技术。
AMT
--（AMTGroup是国内管理理念、管理工具与信息技术领域创办时间最长、最具影响力的权
威中立资讯机构，也是率先开展企业管理、应用软件培训推广和企业管理技术应用咨询、研究的领导型组织。）
l商务智能，由BusinessIntelligence翻译而来，简称BI，是用信息技术来收集、管理和分析结构化和非结构化的商务数据和信息，创造和累积商务知识和见解，改善商务决策水平。
2从信息系统的角度来看，它包括如下的工具集合：用户查询和报表工具、OLAP工具、数据挖掘工具、数据仓库、ETL工具、元数据管理工具。
中程在线
--（隶属于中国科学院软件研究所高级技术培训中心）
l商业智能也称作BI是英文单词BusinessIntelligence的缩写。
2商业智能通常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。
3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。
4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。
5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。
第二部分从三个视角观察商业智能
对很多初次接触商业智能的人士来说，权威机构对商业智能概念的描述仍然不是非常清晰。究其原因，在于这些机构都是在用少而专业的词汇精确地阐述概念。所以，对一般读者来说往往有不甚明了的感觉。
所以，如果我们不是抱着学术研究的目标去理解商业智能，而是站在使用者的角度去审视商业智能，反而可以有一个更加清晰的认识。
我们可以从三方面去认识商业智能。一是商业智能带给我们什么内容？二是商业智能的特点有哪些？三是使用什么技术和工具实现商业智能？
一、商业智能带给我们什么内容？
说到商业智能，我们先说说智能，以及人工智能。
智能（intelligence），目前对其定义尚无统一的意见。一般认为，智能是指个体对客观事物进行合理分析、判断及有目的地行动和有效地处理周围环境事宜的综合能力，智能由语言理解、用词流畅、数、空间、联系性记忆、感知速度及一般思维7种因子组成。
人工智能AI(ArtificialIntelligence)，最初是在1956年Dartmouth学会上提出的，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。
商业智能，可以理解为运用在商务领域的智能，或者运用在商务领域的人工智能。
商业智能的概念最早是GartnerGroup的HowardDresner于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。当时的预测说：到2000年，信息民主（注：指组织内信息共享的无差别性）将在具有前瞻性思维的企业中浮现。借助商业智能，员工、咨询员、客户、供应商以及公众能够有效地运用信息。
商业智能所涉及的技术与应用，在HowardDresner命名之前就有，最初被称为主管信息
系统（EIS,EnterpriseInformationSystem），之后又被称为决策支持系统（DSS,DecisionSupportSystem）。
如此看来，商务智能的目标，是为决策服务的。所以我们需要了解，在商务领域，我们有哪些环节和领域需要决策呢？
类似于人工智能，商业智能也是模拟、延伸和扩展人的智能，只不过其领域在于商业之中。在商业领域，决策也可以划分出不同的层次和阶段。按照决策程序的特点，我们可以将决策划分出初级、中级和高级阶段。
1、决策的初级阶段
在初级阶段，决策所需要的信息是对原始数据的分类、汇总、排序，以获得对经营活动的直观印象；
譬如，一般企业最为关注的是销售额和销售量信息。
在关注销售信息的同时，必须从多个角度来考察。最基本的信息是每天的、甚至是每笔交易的销售数量和销售金额。这就是从时间这个角度来关注销售信息的。
除了时间角度以外，企业还会从区域的角度来考察，到底是哪些区域为公司贡献的销售最大？是国外市场还是国内市场？是华东地区还是华南地区？在华南地区，是广东省还是福建省还是广西自治区…
对于销售情况来说，还必须了解的情况，就是销售商品（或者提供服务）的信息，企业必须了解可供出售的商品品种（或服务）各自的分类销售情况，而不是仅仅有一个汇总数据。企业需要了解哪些类别、哪些品种的产品（或服务）为公司贡献的销售最大…
除了时间、区域、产品角度以外，企业还可以从更多的角度去了解公司的销售信息，可以从客户的角度、从供应商的角度、从本企业销售事业部和销售员的角度、从销售信贷额度与应收账款比较的角度、从应收账款的帐龄等角度进行查询。
又譬如库存管理，最基本的是库存量信息，以及库存占用资金信息。对于库存管理，还会包括最低和最高库存的额度管理，库存存储时间，即呆滞库存分析、库存的批次批号管理等等。
因此，为了全面分析库存信息，首先需要对库存按照商品种类进行分类，如原材料、主要原料、辅助材料、委外加工、半成品、产成品、外购商品、备品备件、低值易耗品等，或者，按照材料的金额和重要性，划分ABC类别等。其次，还需要从存储的仓库库房、库位的角度、供应商的角度、入库时间的角度、存储时期的角度等等去观测库存的数量和金额，以及与最高最低额度的比较数据，保质期与呆滞期的比较信息等等，来获得和观察企业运行的信息。
2、决策的中级阶段
在中级阶段，是对分类汇总数据中的明细数据和相关KPI的展现，以及对相关联的明细数据，从不同角度进行的交叉观测，以获得对数据反映出的商业结果的原因探索；
我们获得了商业活动的初步信息，并不是商业智能分析的结束，而恰恰是进一步分析的开始。
假如我们获得了公司每个月总销售毛利率的信息，发现今年第三个季度的前2个月的总毛利率与去年或者与上个季度相比是正常的，而最后一个月的总毛利率却突然急剧地下降。于是我们希望了解其中的原因。
我们最初从时间的角度，发现了总毛利率数据的急剧波动，现在我们可以立即转换观测的角度，我们可以从商品或者品牌的角度，去观测哪些商品的销售毛利发生了变化，结果可能会是：第三个月份，销售了大量之前没有销售的毛利很低的商品；或者之前销售的毛利很高的商品，本月销售情况非常不好；或者，某些商品的销售价格大幅下降；或者，某些商品
的生产或者采购成本大幅上升……
下一步，我们就可以立即把这些商品筛选出来，观察这些商品是什么品牌的，卖给了哪些客户，或者是从哪些供应商处购买……
或者，我们可以立即从销售事业部和销售员或者采购部门和采购员的角度去观察，了解对于该类商品，采取了哪些销售策略和促销手段？是哪些部门和哪些人员在负责这些影响毛利的重要商品的销售和采购工作；
或者，我们也可以立即从仓库的角度，了解到本月处理了大批呆滞的库存商品……
在中级分析阶段，我们还可以从一些关键绩效指标的变动情况，来了解企业经营的情况。譬如：应收账款周转次数和天数指标，可以反映应收款的回收速度，反映出对企业现金流的影响；存货周转次数和天数指标，则可以反映企业存货周转的速度，反映出存货占用资金的多寡。
KPI指标是浓缩了企业经营成果的反映器，这些指标可以从多方面反映企业的运作情况。譬如：财务分析指标包括负债权益比率、毛利润率、净利润率、流动比率、权益回报率、现金流量销售额比率、预算差异、资产回报率等；反映客户管理的指标包括客户保有率、客户满意度、客户盈利率、每个期间流失的客户、每个期间增加的客户等；反映流程管理的指标如交货延误率、准时交货率、运费总成本比等；反映人力资源方面的雇员满意度指标、单位雇员培训成本、单位雇员培训时间等等。
在中级决策阶段，这些关联分析和KPI分析，可以很好地为决策者提供依据，使决策建立在科学的、可度量的基础之上，从而避免在复杂的经营环境中的决策迷失。
3、决策的高级阶段
在高级阶段，则是根据数据，对未来做出的趋势判断，或者根据特定数学模型获得的分类信息，以对未来的商业行为提供行动指南。
高级分析要取得实际效果，需要2个基本要素：基础数据的准确完备和经验值准确把握。实际上，尽管高级分析仍然在经营大环境的控制当中，譬如政策因素、行业内科技大事件的影响因素、竞争对手行动的影响等，但是，建立在科学的数学模型基础上的预测，仍然在开源节流等各方面都具备极大潜力。
高级分析使用特定的数学模型和方法来进行预测。如使用预测中常用的趋势分析法的指数平滑分析、时间序列回归分析等方法，以及数据挖掘技术和运筹规划中的其他方法等等。
1、销售预测
销售预测无疑是企业全面预算管理中最重要的环节，而且是全面预算的源头。企业的生产预算、采购预算、资本性支出预算、现金流量预算、筹资预算等等，莫不与之相关。
销售预测需要根据已发生业务的销售数据，结合未来影响因素，预计未来的销售量和销售额。
企业获得以往销售数据，首先需要在初级和中级分析阶段获得的多维数据的基础上，对销售数据进行明细的分类和汇总。这是因为不同类型的产品、不同品牌、不同地区、不同客户等，其业绩的基础、变化趋势可能存在差异，不同经验值的确定会对预测数据产生很大的影响。
常用的方法，指数平滑法，就是根据按照时间序列的销售数据，根据经验确定一个权数α。(公式：Ft=αAt+(1-α)At-1)。
回归分析法，根据y=a＋bx的直线方程式，按照最小平方法的原理确定一条能正确反映自变量x和因变量y之间关系的直线。直线方程中的常数项a和系数b可根据多次数据计算得到。如果销售历史数据呈现出类似直线变化趋势时，可以应用回归分析法进行销售预测，y表示销售量（或销售额），x表示间隔期（即观测期）。
2、销售自行车的广告投递决策
自行车厂商想要通过广告宣传来吸引顾客。他们从各地的超市获得超市会员的信息，计划将广告册和礼品投递给这些会员。但是投递广告册是需要成本的，不可能投递给所有的超市会员。而这些会员中有的人会响应广告宣传，有的人就算得到广告册不会购买。所以最好是将广告投递给那些对广告册感兴趣从而购买自行车的会员。
分类模型的作用就是识别出什么样的会员可能购买自行车。在分类模型中，将会员的婚姻状况、性别、年龄等特征作为源数据，所需预测的分类是客户是否购买了自行车。
根据分析模型得到的结论是：
1.年龄小于32岁，居住在闵行地区的会员有7
2.75%的概率购买自行车；
2.年龄在32和39岁之间的会员有68.42%的概率购买自行车；
3.年龄在39和67岁之间，上班距离不大于10公里，只有1辆汽车的会员有66.08%的概率购买自行车；
4.年龄小于32岁，不住在闵行地区，上班距离在1公里范围内的会员有51.92%的概率购买自行车；
在得到了分类模型后，将其他的会员在分类模型中查找就可预测会员购买自行车的概率有多大。随后自行车厂商就可以有选择性的投递广告册。
二、商业智能的特点有哪些？
商业上的决策分析，是早在计算机科学出现之前就已经存在的。那么现在流行的商业智能分析技术，为什么会以这样的崭新的方式被提出来呢？
技术的进步会给传统的操作和使用方式，带来革命性的变化，这已经无数次被证明。商业智能分析技术，也会证明这一点。
商业智能技术，首先是基于信息的大规模生产和数据库技术的运用。目前，商业智能具有如下特点：
1、即时性
传统手工数据处理，从数据收集、整理到分类、汇总，都需要经历漫长的时间过程。但是，商业智能使用的技术，可以实时地从业务系统中获得最新的数据。在对时间性敏感的决策分析中，这一点尤其重要。
2、准确性
在准确性方面，因为计算机数据处理，避免了手工操作中存在的失误，所以计算结果是绝对准确和可靠的。
当然，这其中会存在因为业务逻辑关系的缺失而导致的错误，即程序中设定的限制条件不充分而导致数据失误。所以，对待重要的决策信息，应同时建立数据核对机制，以保证建立在即时信息的准确性基础上的决策的正确。
3、自动化
商业智能技术，包括一个数据抽取、转换、装载（ETL）的过程，这个过程可以按照用户的要求，设定ETL的时间和周期，因此，整个基础数据的获得、数据的处理，以及数据的展现，都是一个自动化的过程，无需手工参与。使用者每日甚至每时获得的信息，都可以是最新数据。这就为决策分析信息提供者的工作带来了极大的便利。
4、灵活性
决策支持的展现方式灵活多样，充分体现了智能的特点。
对于初级阶段分析的展示，可以使用图标和图形的方式。譬如结构百分比，可以使用饼图、三维饼图的方式；对于趋势百分比、同比、定比、环比，可以使用折线图、柱状图等；对于KPI指标，可以使用仪表盘管理；其他的散点图、泡泡图等，都可以根据实际业务的
需要而建立。
在图表数据方面，可以进行数据的钻取、旋转和切片操作。当需要进一步了解明细数据的时候，需要使用数据钻取功能，当需要从不同的角度观测数据以发现数据变动规律时，需要利用多维数据的旋转功能，而当需要关注特定数据的时候，可以对特定区域的数据进行切片分析。
商业智能分析的灵活性，建立在分析模型设计时周全的考虑。
三、使用什么技术和工具实现商业智能？
商业智能分析工具，是传统方法的计算机化。因为计算机处理的高速度，使得原本手工处理几乎不可能完成的工作变成可能。
1、数据源OLTP&DB&OTHERS
企业应用软件，经历了一个MRP、MRPII、CRM、SCM、ERP的过程，通常这些应用软件是为了提高企业运营效率而使用，其中内含先进的流程。这些应用软件被称为在线交易系统(OLTP)，在线交易系统的数据库中，存储了企业经营的大量数据。可以作为在线分析系统的原料，来制作报表，提供分析决策信息。
同时，企业其他的文件，诸如Excel电子表格、txt文档、Assess小型数据库中的信息，甚至可从网络中获得的XML文件，都可以作为在线分析系统的原来，进行商业智能分析。
在这方面，大型应用软件如SAP、ORACLE，中型的如用友、金蝶等，都属于OLTP。
2、数据抽取、转换与装载ETL
Extraction、Transformation、Loading。ETL负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行清洗、转换、集成，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。
从应用系统，或者Excel、TXT文档中获得的数据，其中可能存在不规范的数据，称为垃圾数据，如字段值缺失的数据、重复的数据、不规范的字符等，都需要清除；或者需要将文本型日期数据转换成日期型数据，这些都需要相应的工具来完成。如：对于省份信息，有的系统的标记是广东省，有的标记为广东，有的标记是粤，但是在分析系统进行数据汇总时，需要标记一致，因此，需要在转换时将不同标记符号统一化。
在这方面，微软的SQLServer2005种的SSIS工具，是很好的ETL工具，其他的还有Informatica、Datastage等。
3、数据仓库DW
数据仓库，就是数据库而已。第一、通常应用程序使用的数据库中表的设计原则是减少冗余，遵循范式。而数据仓库，恰恰要求冗余数据。第二、数据仓库存储OLTP系统中所有时间累积的数据。
数据仓库，顾名思义，是大量存储数据的地方，多维分析的技术要求数据仓库的数据冗余。
凡是数据库的提供者，都可以是数据仓库的载体的提供者，如SQLServer、Oracle、Sybase 等等。
4、多维数据集合（在线分析）OLAP
多维数据集合是这样一种存在形式：对于销售金额，我们把它看作是度量值，我们从销售时间、客户、商品的角度去观察它。观察的角度称为维度。
多维数据，其实就是是对数据仓库数据使用SQL语句Groupby的结果，Groupby的成员就是维度，聚合的数据就是度量值。
但是因为多维数据集对Groupby的查询结果进行了保存，所以将来调用的时间就会很短。按照这个特性，OLAP分为多维型MOLAP、关系型ROLAP、混合型HOLAP。
在这方面，知名的产品如SQLServerAnalysisServices与HyperionEssbase。
5、数据挖掘DM
DataMining（数据挖掘）主要任务有数据汇总、概念描述、分类、聚类、相关性分析、偏差分析、建模等。具体技术包括：统计分析（statisticalanalysis），常见的统计方法有回归分析（多元回归、自回归等）、判别分析（贝叶斯分析、费歇尔判别、非参数判别等）、聚类分析（系统聚类、动态聚类等）和探索性分析（主元分析法、相关分析法等）。
决策树（decisiontree），是一棵树，树的根节点是整个数据集合空间，每个分节点是对一个单一变量的测试，该测试将数据集合空间分割成两个或更多块。每个叶节点是属于单一类别的记录。首先，通过训练集生成决策树，再通过测试集对决策树进行修剪。决策树的功能是预言一个新的记录属于哪一类。决策树分为分类树和回归树两种，分类树对离散变量做决策树，回归树对连续变量做决策树。
时间序列（timeseries），指随时间变化的序列值，处理时序数据包括趋势分析（长期或趋势变化、循环变动或循环变化、季节性变动或季节性变化、非规则或随机变化）、相似性搜索、序列模式挖掘和周期分析等内容。
其他如关联规则（correlationrules）、贝叶斯信念网络（Bayesianbeliefnetwork）、马尔科夫模型（HiddenMarkovmodel）、神经网络（neuralnetwork）、遗传算法（geneticalgorithms）。
这方面的产品如微软的DM、SAS、SPSS。
6、运筹规划OR
OperationalResearch.。运筹规划软件可以解决诸如线型规划、运输规划、整数规划、任务指派、动态规划、投资分配、货物配装、预测计算、统筹方法、质量控制、系统配置、系统模拟、库存分析、竞争策略分析、选址计算、设备更新、路线规划等应用。在商业领域有广阔的应用前景。
相关工具可以参考物流与运筹软件ORS。
7、数据展现DISPLAY
目前数据展现，包括图形图表和仪表盘方面的，都已经比较成熟。一类是报表工具，如微软的ReportingServices、被Hyperion收购，后又被Oracle收购的CrystalReport工具、BusinessObjects等；另一类是OLAP展现工具，目前市场上的商业智能产品很多都可以进行多维展现。微软的SSAS还可以通过Excel或者OWC组件来展现。
第三部分中小企业使用商业智能解决方案的现状
商业智能分析对基础数据的要求比较高，而且相关的产品和实施费用也比较高，通常中级和高级阶段的决策支持，特别是数据挖掘分析，在电信、证券、零售领域运用的比较多。但是，现在，中小企业也逐渐认识和开始运用商业智能分析技术了。
中小企业运用商业智能分析技术，有如下一些特点：
一、基础数据不完善
对于小企业来说，使用诸如ERP、SCM、CRM等在线交易系统的时间还不长，系统内存储的数据量还不是很大。不过中型企业基本上已经是比较成熟的ERP用户了。正是进行商业智能分析的大好时机。
不过基础数据不完善，存在着这样2方面的情况：
一是数据之间缺乏关联关系。
譬如希望分析采购订单与收货记录，以考核交货及时率，但是系统的数据库表中并不存在采购订单与入库验收单之间的关联；希望考核销售员业绩，但是系统的数据库表中不存在销售订单与销售员之间的关联关系。这些关联关系，都是在在线交易系统使用过程中实时录入的，日后维护工作极大也不可行。
二是数据不真实。
譬如超市对会员的分析。为了分析会员的购买习惯，需要按照会员的性别、年龄、家庭住址与超市的距离、家庭收入、家庭成员数等进行分类，但是，实际会员填写的资料并非是真实的。据此分析的结论显然不会真实。
二、目前处于报表阶段，还没有进入智能决策的阶段
由于目前中小型企业在扩张过程中，往往存在管理滞后的现象，以数据支持决策的工作还没有得到成熟的阶段。所以目前阶段的商业智能分析，仍然处于收集数据、分类汇总、及时展现的初级阶段。
我曾经参与过一些大型外资企业的商业智能项目，发现项目所实现的目标其实很不实用。有的500强企业仅仅是实现了会计的三大报表（资产负债表、损益表、现金流量表），以及预算与实际的对比，而在预算与实际对比的系统运用中，并不如理想中的方便。有的外资企业的商业智能分析软件，是提供一个接口，让国内操作者在Excel电子表中制作相应格式的报表，然后定期导入到智能分析软件中，完全丧失了软件的自动化功能；甚至有的企业上的商业智能分析软件竟然闲置起来。
所以，中小企业应该以务实的态度来对待商业智能分析系统。在决策的初级和中级阶段，往往决策者看到报表数据，立刻可以决定下一步的行动计划。决策者所需要的，仅仅是及时提供数据准确的报表。目前的分析系统能够达到这样的目标，就是成功的！
三、大有潜力可为
尽管中小企业商业智能分析处于初级或者中级阶段，但是商业智能的采用，还是会给中小企业带来极大的帮助。
1、促进ERP、SCM、CRM应用软件规范使用
对于前述的诸如销售员业绩分析、销售订单与收款对比分析，需要应用软件在设计上做出调整，以便在信息录入的过程中就记录下其间的关联关系。
又譬如，某些ERP软件中的产品成本信息只能归集到产品大类的级别，无法真实记录和归集每个产品的成本信息。在这种情况下，企业的替代做法是将大类产品成本数据，按照一个标准（如明细产品的重量或者金额）划分到每个明细产品中去。这是按照假设使用了一个可以接受的核算方法。但是，如果改进ERP软件的核算机制，完全有可能将产品成本的记录明细到单个产品上。
对于零售业的客户会员信息，企业也可以采取一些相关措施，如对真实信息实行积分奖励的办法，促进消费者提供真实的信息。
正是由于商业智能分析软件的运用，才会认识到企业应用系统中存在的问题，才会有针对性地改进和完善。
2、发现隐藏的问题
由于大量数据可以被及时和准确地提供，企业运营中的异常数据，即便是不使用数据挖掘技术，也可以很及时地被发现。
如前述提到的销售毛利率异常波动、库存商品呆滞期过长、应收帐款呆账需要及时处理、超过信用额度的销售发货等等，都是容易被隐藏的经营情况。
3、辅助其他职员提高工作效率
事实上，商业智能分析报表的，不仅仅局限于决策支持。我参与的很多商业智能分析项目，其中很多报表其实是为普通操作者服务的。特别是对于需要向公司领导层提供报告的操作者，需要很多企业经营方面的报表数据作为原材料。
目前的ERP系统中，查询报表很不方便，客户一旦有新的查询需求，就需要软件公司提供二次开发。
但是只要用户提供了可能的查询角度，则商业智能分析系统中就可以存在相应的查询报表，可以在用户需要的时候，只通过拖拉操作即可实现。
2011-2015年中国商业智能(BI) 市场调研 及发展前景预测报告 随着企业CRM、ERP、SCM等应用系统的引入，企业不停留在事务处理过程而注重有效利用企业的数据为准确和更快的决策提供支持的需求越来越强烈，由此带动的对商业智能的需求将是巨大的。 中国报告网发布的《2011-2015年中国商业智能(BI) 市场调研及发展前景预测报告》共十一章。首先介绍了中国商业智能(BI) 行业市场发展环境、中国商业智能(BI) 整体运行态势等，接着分析了中国商业智能(BI) 行业市场运行的现状，然后介绍了中国商业智能(BI) 市场竞争格局。随后，报告对中国商业智能(BI) 做了重点企业经营状况分析，最后分析了中国商业智能(BI) 行业发展趋势与投资预测。您若想对商业智能(BI) 产业有个系统的了解或者想投资商业智能(BI) 行业，本报告是您不可或缺的重要工具。 本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。 第一章商业智能（BI）原理及商业价值创造路径分析 第一节商业智能发展阶段 第二节商业智能（BI）内涵、结构及原理 一、商业智能（BI）内涵 二、商业智能（BI）特征功能 三、商业智能（BI）层次结构 四、商业智能（BI）实现原理 第三节商业智能（BI）产业链条解构 一、BI产业链解构模型 二、BI产业链构成现状及特点 三、BI产业链关键环节现状剖析
四、BI产业链发展趋势 第四节商业智能（BI）商业价值创造路径 第二章全球商业智能(BI)产业运行动态分析 第一节全球商业智能(BI)产业运行环境分析 第二节全球商业智能(BI)产业市场透析 一、商业智能引领全球企业信息化 二、商业智能软件厂商 三、制造业是商业智能的重要市场 第三节世界各地区企业对商务智能（BI）应用状况分析 一、欧洲 二、亚太 第四节2011-2015年全球商业智能的五大预测分析 第三章中国商业智能（BI）行业发展背景分析 第一节中国商业智能（BI）行业发展历程 第二节中国商业智能（BI）行业现状特征 第三节中国商业智能（BI）行业发展的全球基调 一、信息技术促使商业模式变革 二、全球经济一体化促进商业理念的传播与变革 三、全球经济一体化促进商务贸易往来 四、全球产业分工与各国产业升级 第四节中国商业智能（BI）行业发展PEST分析 一、改革30年造就数量庞大的企业群体 二、集约化经济转型 三、国内IT技术进步与国外技术引进 四、IT创造价值观念慢慢渗透各行各业 第五节主要发达国家商业智能（BI）发展现状及价值创造启示 一、美国 二、日本
商业智能（BI）项目 第一章、商业智能(BI)项目总体介绍 第一节、项目名称 商业智能（BI）项目 第二节、商业智能（BI）概念 商业智能又名商务智能，英文为Business Intelligence，简写为BI。 商业智能通常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。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。而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。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。 可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。 因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
几种典型的商业智能(BI)系统架构分析 1、简单的BI架构这是目前比较常用的商务智能架构，所有的数据集中管理，集中分析，最大的优点是容易管理和部署，系统结构简单，容易维护，适用于小型商务智能系统。缺点是对于跨地域部署比较困难，数据实时性差，可扩展性差。 2、联合的BI架构（Federated BI Architecture）这种架构比较符合实际的需求，能够集成自定义的数据仓库，外包的数据仓库，架构化的数据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。特点是适用于加速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的Metrics度量和维度；需要提供统一的标准，拥有企业级的ETL工具和集成的元数据；需要贯穿于整个团队的沟通。联合的BI架构包括：集中逆向商务智能架构，分布逆向商务智能架构，集中顺序商务智能架构，分布顺序商务智能架构及混合架构等。 2、1 集中逆向BI架构（Centralized Upstream BI Architecture）·通常用于中小组织·需要良好的保管者的沟通·需要高级执行者买进·受限于逆向成功惯例（成功的变化是与任何单一实体的进行尝试是成反比的） 2、2 分布式逆向BI架构（Distributed Upstream BI Architecture）·中小组织和大型组织都适用·是大多数从下
至上注重实效表现的逼近系统·更多的考虑多数人意见·更多的限制于大多数人意见·实施团队需要良好的沟通 2、3 集中式的顺序BI架构（Centralized Downstream BI Architecture）·适用于长期数据仓库项目·用于紧密配合多管道的在巨大组织中到处存在的DW/DM系统·经常目标设定为特殊功能组织或行政中心·需要高层在所有的拥有者进行决策·需要为已有系统在实施团队和支持团队建进行良好的沟通 2、4 分布式顺序BI架构（Distributed Downstream BI Architecture）·适用于大型多元化组织·容易适应各种不同的冲突·容易转换到不同的环境·需要为已有系统在实施团队和支持团队间进行良好的沟通 2、5 混合型BI架构（Hybrid BI Architecture）·比任何理想化模型更接近现实情况·更适应自然的联盟·元数据集成更具有挑战性
中国商业智能行业市场需求分析及投资价值评估报告2016-2021年 编制单位：北京智博睿投资咨询有限公司 【报告目录】 第1章：中国商业智能行业发展综述 1.1 行业定义及分类 1.1.1 行业概念及定义 1.1.2 行业产品分类 1.2 行业发展背景及意义 1.2.1 行业发展背景 1.2.2 行业发展意义 （1）提高数据有效性 （2）提升企业竞争力 1.2.3 商业智能典型应用 （1）产品销售管理 （2）顾客关系管理 （3）产品创新和推广 （4）异常处理等 1.3 报告数据说明与研究方法 1.3.1 报告数据来源说明 1.3.2 报告研究方法概述
1.4 行业供应链分析 1.4.1 行业产业链简况 1.4.2 硬件设备行业发展情况 （1）行业发展概况 （2）产品主要供给商 （3）行业发展趋势 第2章：中国商业智能行业发展环境分析 2.1 行业宏观经济环境 2.1.1 国际宏观经济环境分析 2.1.2 国内宏观经济环境分析 2.1.3 经济环境对行业的影响 2.2 行业政策环境 2.2.1 行业主管部门和监管体制 2.2.2 行业相关政策与规划 （1）行业相关政策 （2）行业相关规划 2.3 行业社会环境 2.3.1 人力成本上升 2.3.2 环保压力提升 2.3.3 信息化程度有待加强 2.3.4 行业发展的动力与数据支撑 （1）管理软件快速发展
（2）国外CIO调查 第3章：商业智能行业发展现状分析 3.1 行业发展周期分析 3.1.1 行业发展周期概述 3.1.2 国际行业所处阶段 3.2 国际行业发展现状分析 3.2.1 国际行业发展规模 3.2.2 国际行业竞争现状 3.3 国内行业发展现状分析 3.3.1 行业市场规模 3.3.2 行业市场结构 （1）通用和定制产品结构 （2）中高低端产品结构 （3）工具平台和应用产品结构 （4）行业应用分布结构 3.3.3 行业区域结构 3.3.4 行业发展特点 （1）数据基础资源充分 （2）企业需求强烈 （3）行业应用迅速扩展 3.3.5 行业竞争现状 3.3.6 行业发展主要问题
几种典型的商业智能（BI）系统架构分析 目前，随着商务智能理论的不断发展，商务智能的系统架构已经从单一的理论衍生出多种架构，如分布式商务智能架构，联合商务智能架构等。下图是前BO公司定义的商务智能的基本架构，它是一种开放式的系统架构，可以分布式集成现有的系统。从这个架构中，我们可以比较清楚的看出目前商务智能架构的模式。包括数据层、业务层和应用层三部分。数据层基本上就是ETL过程。业务层主要是OLAP和Data Mining的过程。在应用层里主要包括数据的展示，结果分析和性能分析等过程。在实际应用中，由于每个公司的规模和组织架构的不同，在实施商务智能选择系统架构的时候要结合公司的特点，选者最合适的架构。下面就介绍几种现实系统中的几种BI架构。 BO公司定义的BI架构 1、简单的BI架构 这是目前比较常用的商务智能架构，所有的数据集中管理，集中分析，最大的优点是容易管理和部署，系统结构简单，容易维护，适用于小型商务智能系统。缺点是对于跨地域部署比较困难，数据实时性差，可扩展性差。
2、联合的BI架构（Federated BI Architecture） 这种架构比较符合实际的需求，能够集成自定义的数据仓库，外包的数据仓库，架构化的数据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。特点是适用于加速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的Metrics度量和维度；需要提供统一的标准，拥有企业级的ETL工具和集成的元数据；需要贯穿于整个团队的沟通。联合的BI架构包括：集中逆向商务智能架构，分布逆向商务智能架构，集中顺序商务智能架构，分布顺序商务智能架构及混合架构等。 2.1 集中逆向BI架构（Centralized Upstream BI Architecture） ·通常用于中小组织 ·需要良好的保管者的沟通 ·需要高级执行者买进 ·受限于逆向成功惯例（成功的变化是与任何单一实体的进行尝试是成反比的）
艾瑞报告：中国商业智能行业研究报告2017（附PDF下载） 区别于能够实现海量数据的管理、简单分析与可视化的传统商业智能，艾瑞的此份商业智能报告将聚焦于人工智能技术如何用于商业智能决策，实现商业经营的智能化与自动化。本报告将通过剖析商业智能行业发展背景、技术动态、多场景应用状况等方面，对人工智能在商业落地的真实现状进行说明，凸显AI技术（不包含语音、视觉等感知智能）在现阶段真实应用的价值。 报告核心观点 1、中国企业精细化运营的需求正在爆发 2、商业智能，帮助企业实现数据驱动认知到数据驱动决策的转变 3、商业智能主要应用于金融、电商、物流、出行等领域 4、中国AI论文成果达到国际一线水平 5、技术方面，商业智能的未来将从强调单一技术，到各学科、分支、算法等融会贯通 6、技术以外，企业、技术供应商对场景的理解是产业升级的关键 7、商业智能的落地是一项系统工程，企业的工程实践能力有待增强 目录 报告摘要1 商业智能概述1.1 商业智能行业概念界定1.2 商业智能与大数据1.3 商业智能发展宏观环境分析1.4 商业智能产业图谱1.5 投融资状况分析2 商业智能核心技术剖析
2.1 机器学习2.2 知识图谱2.3 运筹学3 商业智能典型应用 3.1 广告营销3.2 电商3.3 交通出行3.4 供应链3.5 金融风控3.6 投研分析 3.7 智能投顾3.8 智能客服4 典型公司案例 4.1明略数据 4.2第四范式4.3 杉数科技4.4 百分点4.4 文因互联4.5 ZRobot5 商业智能的未来与挑战 商业智能行业概念界定商业智能的下一步，智能化与自动化商业智能（BI，Business Intelligence）概念的提出可追溯至1958年，通常将其视为把企业中现有数据转化为知识，帮助企业做出明智的业务经营决策的工具。过去的商业智能不能给出决策方案，也不能自动处理企业运行过程中遇到的问题。借助于人工智能与其他相关学科的技术进步，现代商业智能已能在特定场景中实现商业经营的智能化与自动化。因此，本报告聚焦于将人工智能技术用于商业智能决策，试图对人工智能在商业落地的真实现状进行说明，凸显AI技术（不包括智能语音、计算机视觉等感知智能）在现阶段应用的价值。商业智能与大数据大数据为商业智能的发展提供土壤互联网、移动互联网高速发展，海量、高维度且可实时接入更新的数据随之而来，为机器学习等前沿技术在各领域中的探索及落地提供可能，进一步拓展了被服务人群且显著提升服务质量。另一面，产业缺乏通用标准约束，数据在采集及流转过程中污染程度不一，数据加密不规范引致的数据泄露时有发生，数据孤岛亦成为企业业务发展的掣肘（如金融
第1章 商业智能：数据分析基础 本章目标： ●理解商业智能系统的用途和结构 ●理解多维数据分析的概念 ●学习如何使用数据仓库实现维度数据模型 ●学习如何使用分析服务实现维度数据模型 1.1 商业智能简介 商业智能(Business Intelligence，BI)是从一个公司的运行系统或外部资源所包含的数据中获得的信息。商业智能有助于我们更好更快地做出决策。假设你现在是一家新创公司的总经理，公司名为Adventure Works Cycles(下文简称AWC公司)，面向北美、欧洲以及亚洲制造和销售自行车、自行车部件、运动服饰和相关配件。AWC公司需要发展，可目前有限的资源无法支撑其壮大。但是为了公司的发展你必须做出决策，而为了做出合理的决策，你需要一些特殊的信息。你可能会阅读《华尔街日报》来把握最新的商业趋势，或者在收藏夹中保存https://www.doczj.com/doc/2513839632.html,网站的书签。所有这些信息以及你积累的经验会让你做出一个主观的、凭直觉的(gut-feeling)决策。但事实上，你可能希望自己的决定是客观的、有数据支撑的。需要的数据包括公司的订单处理、会计报表、人力资源以及其他的商业系统。同时还需要一个由第三方提供的市场预测数据和汇率信息。这时，需要一个能将所有这些信息汇总起来供今后使用的工具，这个工具就是商业智能系统。商业智能系统是一种解决方案，它能从多个数据源收集数据，将各种数据进行转化使之一致并能存储在同一个位置，为你进行分析和制定决策提供数据支持。 商业智能系统至多由以下五层组成： (1) 数据源层 (2) 数据转换层 (3) 数据存取层 (4) 分析层 (5) 表示层 数据源层包含的数据有：①维护公司日常运作的系统中的数据，包括文本文件、Excel电子表格文件或Access数据库文件中的数据；②从外部源中获取的数据。由于这些数据从不同的数据源中获得，因此很难直接利用它们创建报表和进行分析。数据转换层用于从不同数
商业智能（BusinessIntelligence）介绍 前言 2007年3月，甲骨文以33亿美元价格收购企业绩效管理软件厂商Hyperion(海波龙)，同年4月，BusinessObjects宣布收购Cartesis，BusinessObjects公司需要支付的总交易金额为2.25亿欧元(约合3亿美元)现金。10月8日，德国软件巨头SAP周日表示，将以48亿欧元(约合68亿美元)现金收购法国商业智能软件开发商博奥杰(BusinessObjects)。 商业智能并购金额如此巨大，显示必须有相应的市场规模，BI公司才会拥有如此市值。昂贵的商业智能分析软件，必然伴随着商业智能分析项目的高额软件使用许可费用和实施成本，这还不包括项目实施潜在的失败风险！ 最重要的，商业智能看似日益普及，中小企业是否可以从中受益？ 什么是商业智能呢？先让我们来看看有关权威机构是如何对商业智能定义的！ 第一部分权威机构对商业智能的定义 GartnerGroup --（全球最具权威的IT研究与顾问咨询公司。其研究范围覆盖全部IT产业，就IT的研究、发展、评估、应用、市场等领域，为客户提供客观、公正的论证报告及市场调研报告，协助客户进行市场分析、技术选择、项目论证、投资决策） l商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。 2商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。 IDC --（是IDG（国际数据集团）旗下子公司，全球著名的信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商） l商业智能是一组软件工具的集合： （1）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，不包括适用于专业人士的成品报告生成工具 （2）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 （3）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。 （4）数据集市(DataMart)和数据仓库（DataWarehouse）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。 （5）主管信息系统(EIS，ExecutiveInformationSystem) 通俗地说BI就是收集相关信息并加以分析，以帮助您做决策。成功的BI系统多采用了数据仓库技术。 AMT --（AMTGroup是国内管理理念、管理工具与信息技术领域创办时间最长、最具影响力的权
2016年出版
正文目录 1、BI行业增长强劲，下游需求突出，竞争壁垒有抬升趋势 (4) 1.1、商业智能（BI）认可度持续提高，市场规模不断扩大 (4) 1.2、BI 产业链结构分析 (6) 1.2.1、BI 上游 (6) 1.2.2、BI 下游 (6) （1）、电信行业：大数据潜在金矿、亟待规模开发 (8) （2）、金融行业：效率与安全双轮驱动大数据应用深化 (8) （3）、电子政务：政务信息化政策利好大数据整体解决方案商用 (9) （4）、电力行业：生产信息决策与节能减排双重利好于大数据 (10) 1.3、BI 与大数据的联系与区别 (10) 2、大数据：逐步走向成熟，市场进入爆发成长期 (11) 2、从BI 到大数据4.0的演变历程 (12) 2.1、大数据核心技术不断演进，年增50% (12) 2.1.1、大数据的史前时代 (16) 2.1.2、大数据1.0 效率为先(2012-2015)：非结构化数据处理加速 (17) 2.1.3、大数据2.0 变现为王(2015-2020)：用户画像与标签 (18) 2.1.4、大数据3.0 与4.0 决策为本(2020-2030)：机器学习与洞察 (19) 2.2、大数据产业步入快速增长、国内相关企业产业布局呈哑铃型 (20) 2.2.1、从概念热炒到实际应用，大数据步入快速成长期 (20) 2.2.2、大数据产业链分工明晰，发展侧重数据采集及应用、呈现哑铃型 (21) 2.3、大数据助力产业升级创新 (22) 3、大数据主要应用分析 (23) 3.1、电信行业大数据应用 (23) 3.1.1、电信大数据爆发式增长，但运营商进入存量经营时代 (23) 3.1.2、电信运营商大数据变现具备基础 (24) 3.1.3、利用大数据，聚焦服务、创新、运行支撑 (25) 3.1.4、海外成功先例，值得借鉴 (26) （1）、全球电信运营商大数据实践 (26) （2）、法国电信：利用大数据开拓新服务领域 (28) （3）、西班牙电信大数据应用 (29) 3.2、金融行业大数据应用 (29) 3.2.1、强调大数据环境下的客户、市场、运营洞察 (29) 3.2.2、工商银行：利用大数据洞察客户心声 (31) 3.3、互联网大数据应用分析 (32) 3.3.1、大数据先行者，促进营销、信息与业务多重变革 (32) 3.3.2、BAT：领军大数据变革时代 (33) 3.3.3、亚马逊：用户行为数据分析助推个性化营销 (36) 3.4、工业大数据应用 (37) 3.4.1、借力大数据，实现设备、系统、决策智能化 (37) 3.4.2、工业大数据：中国制造2025 核心技术 (37) 3.4.3、汽车行业：“变形金刚”改变行业战斗方式 (38) 3.5、航空业大数据应用分析 (39)
中国商业智能软件市场的现状与发展趋势随着信息化建设和应用的逐步深入，商业智能(BI，Business Intelligence)软件将成为非常重要的应用工具之一。在中国市场上，商业智能软件的应用尚处于起步阶段，但这个市场从一开始就经历了一个激烈竞争的时期:高端市场被国际大厂商所占据，低端市场是国内的BI厂商与行业的ISV及集成商在竞争。2003年，国内BI的销售额为4.6亿元，同比增长了33.33,。 BI应用的前提是企业已有了数据准备，而且对数据进行分析的需求提到了日程。在行业应用中，金融、电信是BI应用最集中的两大行业，约占70,的市场销售额。这与这两大行业信息化水平高，已经积累了一定规模的数据量密切相关。 从垂直市场来看，企业仍然是BI应用的主体，特别是面向大、中型企业的BI 销售额，占到了整个BI销售的72.9,。当然，政府部门的需求也不容忽视，比如税务部门的BI应用，已经呈现出上升的势头。 目前BI产品大致可划分为大型数据库厂商(如Oracle、Sybase、IBM等)、统计软件厂商(如SAS)的衍生产品和独立的软件产品两类。前者与数据库技术密切结合，有强大的后台数据库支持。后者则有些仅有前端展示工具，没有后端数据仓库的支持，有些属于整合的解决方案。从技术发展来看，今后的BI产品将把数据仓库建模及数据挖掘等技术实质性地应用进来。同时BI技术也将和CRM、ERP等技术实现融合，在企业决策分析中发挥更大的作用，从而拓展出更大的市场发展空间。 市场特征分析 1.查询、报告和OLAP工具占主流 通常认为，能够称得上商业智能产品的，一定要包含查询、报告和OLAP这些基本功能，否则不能称之为BI产品。但是目前的BI市场还没有形成统一的标准，有些数据仓库的供应商也称自己的产品为BI产品，因此市场上就会出现同被称为
数据仓库与数据挖掘论文题目BI技术应用现状及相应软件工具介绍评语： 学院计算机工程学院班级计算1314 姓名 __苏帅豪___ 学号 201321121109 成绩指导老师曾勇进 2016年 6 月 12 日
BI技术应用现状及相应软件工具介绍 [摘要] 商业智能是从大量的数据和信息中发掘有用的知识，并用于决策以增加商业利润，是一个从数据到信息到知识的处理过程。本文从当前商业智能实际出发，清晰阐述了商业智能的概念，总结和分析了商业智能发展的现状,并对商业智能今后的发展做出了展望。与此同时,客观分析了目前我国商业智能发展的状况,介绍了BI工具的情况。使我们能够认清形势,更好地发展。 [关键词] 商业智能、cognos、数据仓库、查询与报表 [正文] 1.商业智能概念： 提到“商业智能”这个词，网上普遍认为是Gartner机构在1996年第一次提出来的，但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。他将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。” 在1989年，Howard Dresner将商业智能描述为“使用基于事实的决策支持系统，来改善业务决策的一套理论与方法。”商业智能通常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。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。而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。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。 可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取、转换和装载，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、联机分析处理工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
从这个变迁，回应刚才的我对商业智能的分拆，我们看到了一个很明显的趋势，就是目前商业智能需求的重点逐渐从“智能”转向“商业”，同时也因为这种我们和我们的客户对商业智能的理解的变迁，直接地影响了商业智能的需求形态，也必然对商业智能需求分析工作者提出了与时俱进，不断调整和修改需求分析方法的要求。 在技术驱动的时代，商业智能的需求分析更多地是侧重在bi工具的应用，例如用报表工具来实现一些管理性的报表，用olap来实现一些经常性的数据统计与分析，用etl工具来替代手工编写代码方式的数据迁移。这个阶段的需求分析过程有非常明显的技术倾向性，这种项目往往有个前提，就是目标技术平台往往在项目启动之初已经敲定，需求分析师首先要非常了解目标技术平台的各项技术指标，并且非常小心地把目标用户的需求引导并且框定在这个目标技术平台的能力范围之内，这个逻辑是很自然的，也是无可厚非的。 在业务驱动的时代，需求分析师首先需要非常熟悉目标用户的日常业务，商业智能系统比传统业务系统相比，需求的把握与定义是非常困难的，传统业务系统的流程是非常清晰的，类似银行业务的核心业务系统，诸如储蓄业务，对公业务，国际业务即使种类很多，而对于落实到具体业务的需求的时候，起码同一家银行是有一个标准的业务操作的流程的，不论流程多么复杂，所对应的需求总是明确的，可见的，用程序化的方式来表达也是简单的，而且作为生产系统，早日投产比完善往往是更具价值，在这个大前提是，花繁为简，稳定压倒一切是甲乙双方都认同的。而作为以辅助业务中战术决策的商业智能系统，首先要迈过的一个关口就是，在战术智慧上，系统的决策水平要起码高明于一个中等层次的业务人员的商业智慧，这样他才会觉得系统对他是有帮助的，回应刚才我所提出的，对商业智能需求的定义和控制过程事实上就变成了对人脑的控制过程，需求分析师如果不是一位该业务领域的专家，所能形成的需求分析结果能一次性地获得业务人员的真心拥护和认可无疑是天方夜谭，而在目前的bi界中，完全是从业务成长起来的bi需求分析工作人员凤毛麟角，实际情况往往是，一群技术功底还不错，脑子又转得比较快，能给客户一个良好形象的技术人员出身的人充当了bi需求分析师的角色，我就是一个非常典型的例子，这些人如果心态正确的话，会抱着一种对业务无知的谦卑感虚心地向自己的客户请教，并且仗着客户对技术莫测高深的敬畏，迅速地把需求结果框定为一个个本来就是客户手工在做的报表，当然也不排除通过向客户的需求学习，初步掌握了一些业务上的规律，把客户的需求提炼成灵活查询或者多维分析的模型。不幸地，就是这种需求分析方式也造成了我的报告开头所形成的需求怪圈，可以说，这种不幸的局面是先天性的，在东西没有实际做出来以前，无论是客户还是我们的需求分析师，双方所沟通的都是对方头脑里的想象，然后把这种想象用稍微直观一点的方式描述出来，这种表达的效果不管花了多少的细致周到的努力，实质上还只是一种纸上谈兵，或者俗称画饼，饼的模样是画出来了，饼的味道是无论如何也画不出来的，然而时间是不会等人的，工程师们迅速地照饼样动手施工，力求早日让客户吃上称心可口的美味，然而，交付的时刻往往是令人悲哀的，当用户第一口咬下去以后，能一口咬定就收货的用户几乎是不可能的，因为本来就是“学生”做出来的东西，有这样的结局是不足为怪的，于是就有接下来的不断的用户抱怨，不断的需求“变更”，不断的“优化”，不断的“补丁”，不断的忧虑和烦恼…… 目前，针对这种情况，一些大公司仗着自己的影响力，组织了一群技术专家经过多年的类似项目经验沉淀后，形成了一套所谓的模板，一则让bi需求分析师对于业务思考模式的学习和理解可以从客户现场退回到自己的公司内部，避免了露短的尴尬，二则，也试图用既成事实的行业标准的做法迅速而直接的影响用户的思维，业界内俗称，给客户“洗脑”，然
商业智能与商业分析区别 一、商业智能的能够干什么? Reasoning——对于企业的运营和管理，能够解决以下三方面的问题——确定问题的根源，明确问题的原因和影响，以及科学和合理得出相关的结论； Planning ——基于相应的情况和推理，确定一系列的行动计划； Prediction ——基于严格的推理，得到对于未来的各种可能性的预期； Problem solving ——通过相应的问题特点，提供解决根本问题的方法和措施；Abstraction ——通过具体的明细数据和场景，能够生成一般性的概念，模式，观点和结论等等； Comprehend and understand ——能够感知，辨别和确认相应的问题——特别是，对于现状和问题条件的感知，以及从表面确定本质问题等； Innovate ——通过测试和学习能够获取相应新的发现； Learn ——对于技能和知识的认知过程，其是一个无限循环的过程； 二、相对于商业智能，商业分析又能够干什么？ Purposeful——当我们收集相关的信息，进行相关的分析活动时，商业分析是具有绝对的目的性的：例如，商业运营的财务，市场，销售等分析评估，以及员工绩效，风险等等商业管理方面的分析；
Insightful——在我们发现问题的根本原因，以及相应的结论时，商业分析能够提供有见地的说明； Actionable——商业分析的目标是提供可执行的行动方案和规划； 三、商业分析的基本原则 First Define the Problem and Then the Solution——首先明确问题，然后是提出解决方案；Users have the information，Do Not Have Requirements——商业分析需要通过原始的信息中归纳出相应的商业需求； Improve the Process First, Then Add Technology——首先“先下”流程解决，然后“线上”流程规范； The Business Analyst Owns the Solution Requirements——商业分析师是商业需求，以及商业分析报告的第一责任人（而非股东，以及商业问题的利益攸关方）； Communicate, Cooperate, Collaborate——交流，沟通，协作； 【编辑推荐】 大数据，小数据，哪道才是你的菜 大数据分析师“钱途”无量 大数据时代统计学依然是数据分析灵魂 IT系统分析师如何学习大数据 大数据的进击：从占领IT部门到争取业务人员的芳心
商业智能分析服务平台 产品概述
目录 产品简介产品概述 (3) 产品优势 (4) 自服务数据准备 (4) 全面 HTML5 (4) 拖拉拽式操作 (4) 丰富图表展示能力 (4) 交互式探索分析 (4) 丰富主题风格和门户首页 (4) 嵌入集成第三方系统 (4) 产品功能 (5) 基础版 (5) 企业版 (5) 应用场景 (6) 数据即时分析与决策 (6) 报表与自有系统集成 (6) 大屏可视化展示 (6)
产品简介 产品概述 19-11-26 19:49:51 腾讯云商业智能分析 BI，整合永洪科技的产品能力，为您提供自服务数据准备、探索式多维分析、企业级管控和报表展现能力，是新一代敏捷自助型 SaaS BI 服务平台。您可通过拖拽式自服务操作进行交互式分析，几分钟完成一套数据可视化报表，快速获得数据分析结果，挖掘数据潜在价值。 腾讯云提供两种版本的商业智能分析来满足不同级别的用户对数据分析可视化的需求场景。 基础版：为入门级用户提供简单易用的数据分析可视化服务。功能包括多数据源接入、多数据类型支持、本地文件上传、数据表自动建模、制作图表和表格等。 企业版：为中高级用户提供强大丰富的数据分析可视化服务。功能除包括基础版的所有功能外，还提供交互式探索联动分析、数据门户、多风格主题、定时邮件推送和分享仪表盘、报表嵌入第三方系统等企业级应用。
19-07-24 10:20:41 自服务数据准备 用户可快速完成异构数据源关联、异常数据过滤、维度度量扩展、缺失值填充、去重、拆分列、范围分组、格式转化等数据预处理功能。 全面 HTML5 采用 HTML5 前端框架，优化交互使用流程，易用性提升，页面响应更迅捷。 拖拉拽式操作 通过拖拉拽方式对任意数据探索、分析、交互，满足用户个性化、临时性的报表统计需求。 丰富图表展示能力 提供柱图、饼图、线图、盒须图、雷达图等20余种图表，同时支持通过 URL 嵌入任意第三方组件，更加方便地将外部信息载入报告。 交互式探索分析 通过笔刷和缩放两种联动方式，即可灵活对数据进行多维分析、探索式分析，释放数据的价值。 丰富主题风格和门户首页 内置颜色风格各异的主题供用户选择。同时用户基于网格、标签和堆栈三种组件，即可灵活地定制企业门户首页。 嵌入集成第三方系统 支持以 URL 方式快速嵌入第三方系统。
几种典型的商业智能（BI ）系统架构分析 目前，随着商务智能理论的不断发展， 商务智能的系统架构已经从单一的理论衍生岀多种架 构，如分布式商务智能架构，联合商务智能架构等。下图是前 BO 公司定义的商务智能的基本架 构，它是一种开放式的系统架构，可以分布式集成现有的系统。 从这个架构中，我们可以比较清 楚的看岀目前商务智能架构的模式。包括数据层、业务层和应用层三部分。数据层基本上就是 ETL 过程。业务层主要是 OLAP 和Data Mining 的过程。在应用层里主要包括数据的展示，结果分 析和性能分析等过程。 在实际应用中，由于每个公司的规模和组织架构的不同， 在实施商务智能 选择系统架构的时候要结合公司的特点， 选者最合适的架构。下面就介绍几种现实系统中的几种 BI 架构。 BO 公司定义的BI 架构 1、简单的BI 架构 这是目前比较常用的商务智能架构， 所有的数据集中管理， 集中分析，最大的优点是容易管 理和部署，系统结构简单，容易维护，适用于小型商务智能系统。 缺点是对于跨地域部署比较困 难，数据实时性差，可扩展性差。 fl: FTL 14 FLL 育 一 H 屮 iirlHig Infrastructure 1 — Intetgradcn Qijer^ 叭 別FS 毎 wr ffi*. WM. sew L 粹磚舸tn 砒餌51心1血 ；K3i 0^4 T 4.; Fit
2、联合的 BI 架构(Federated BI Architecture ) 这种架构比较符合实际的需求， 能够集成自定义的数据仓库， 夕卜包的数据仓库， 架构化的数 据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。 特点是适用于加 速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的 Metrics 度量和维 度；需要提供统一的标准，拥有企业级的ETL 工具和集成的元数据；需要贯穿于整个团队的沟通。 联合的BI 架构包括：集中逆向商务智能架构， 分布逆向商务智能架构， 集中顺序商务智能架构， 分布顺序商务智能架构及混合架构等。 12 Soppily Cho3ln Or-a-cle Fliuiidal^ Sl&fcel C RIM Mud! Party 2.1 集中逆向 BI 架构 (Centralized Upstream BI Architecture ) ?通常用于中小组织 ?需要良好的保管者的沟通 ?需要高级执行者买进 ?受限于逆向成功惯例(成功的变化是与任何单一实体的进行尝试是成反比的) Infoinwrl A at! |o 15
EXCEL基于大数据的商业智能分析 课程背景: “大数据”的概念出现至今已经超过十年了，然而，大部人还是不知道“大数据”为何物，企业内相关员工由于缺乏大数据分析的技能，还在使用原始低效的统计和分析方法。不是因为大数据离我们太远，而是因为你没有找对分析方法！ 如果你是一家生产型企业，如何根据市场调查结果调整产品特性？ 如果你是一家销售型企业，如何根据产品销售记录发现提高销售额的方法？ 如果你是一家服务型企业，如何根据客户资料区分出高价值的客户？ 如何利用Excel这一常见工具完成颇具挑战的大数据统计分析工作；通过科学分析与精准预测，为企业提供更优秀的决策建议；从茫茫如海的商业数据中挖掘出价值十足的商业信息？此课程为你揭晓答案。 课程收益： 本课程从大数据的宏观知识背景开始，探讨如何将数据分析的技能应用于企业日常的管理运营当中。通过你最熟悉的EXCEL及其他工具，不需要高深的统计学理论，也不需要专业的统计分析软件，以解决实际问题为根本，详细介绍依托EXCEL进行大数据分析的原理、方法和实践。 学习本课程您将可以掌握以下内容： 1．了解大数据的概念，大数据包含哪些技术框架和工具 2．大数据分析如何跟企业的管理工作相结合 3．用数据分析解决问题的基本思路 4．数据分析的工具与数据分析实战 课程对象： 1．常年纠缠于成千上万行数据，嫌EXCEL慢的人 2．经常要从不同系统导出数据，并整理到眼花瞭乱的人 3．经常被领导要求的报表折磨到“吐血”的人 4．想点一点就自动生成可视化报表的超级“懒人” 课程模型：
课程时间：2天，6小时/天 课程软件： 1．Microsoft EXCEL 2013/2016 2．Microsoft POWER BI 课程大纲第一讲：揭开大数据的面纱 1．大数据到底“大”在哪? 2．大数据的全景视图 3．大数据时代，悄然改变着我们的生活 4．最热门的大数据工具有哪些 5．微软商业智能与数据分析 6．Power BI 是什么？ 7．Any data, Any where, Any time 第二讲：让数据获取更快捷 1．理解数据的“颗粒度” 2．神奇的ETL是什么 3．从各种文件中获取动态数据 4．从网页抓取动态数据 5．从数据库中获取海量数据
经济管理学院 学年论文 题目管理信息系统用户界面设计专业班级0909251 学生姓名沈丹辉 指导教师程延炜 职称讲师 2011 年 6 月30 日
商业智能技术及其应用的研究和发展 摘要 文章简述了商业智能的关键技术，研究热点，存在的不足和未来的发展趋势，并且结合了银行风险管理探讨了商业智能的具体应用，最后对我国企业实施商业智能存在的关键问题提出了几点建议。 关键词：商业智能：信用风险管理：发展趋势：建议 本文研究了商业智能的研究和发展状况，介绍了其在银行信用风险管理的应用示例 一．商业智能技术的概述 1．商业智能的定义及其意义：商业智能，又称商务智能，英文为Business Intelligence，简写为BI。商业智能通常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。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。而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。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。它的意义在于将知识呈现在用户面前，为管理提供参考，可见，BI不是基础技术或者产品技术，而是一种解决方案。 2.商业智能的核心技术。商业智能的核心技术主要包括三个关键部分：数据仓库和数据集市，数据挖掘以及联机对外分析处理，器重数据仓库和数据集市是商业智能的基础，而是数据挖掘和OLAP是对数据仓库的数据分析和处理的重要工具。 二．商业智能的主要研究内容 在实践中，可以以多种形式来应用，我们知道，商业智能可以帮助我们找到所需要的信息，并且对其进行共享和分析，商业智能的主要应用表现在： (1)整合企业内部和外部的信息 这些信息可以是存储在数据库、数据集市、数据仓库中的数据，也可以是在SCM、CRM、ERP、BPR、SFA等企业应用系统中产生的非结构化的任意文件(HTML、文本、电子表格、DOC等)。 (2)简单的报告和查询
商业智能系统(BI) 1. 项目简介 商业智能也称作BI是英文单词Business Intelligence的缩写。商业智能通常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。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。而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。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。 因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。 商业智能的基本过程如图1所示。 图1 BI 基本过程 从图1中可以知道，商业智能的体系结构主要由数据源、ETL、数据仓库和数据分析及展现等四部分构成。数据流通过外部异构数据源进入ETL过程，在ETL过程后被存入数据仓库，用OLAP类型加以分析和查询，从而得出用户所
需要的数据信息。研究商业智能系统的体系结构有助于加强商业智能系统在企业中更加普及的运用，促进商业智能的快速发展。 外部数据源的主要来源是企业各个应用系统产生的数据也可以使外部数据，选择出有代表性的数据进入系统。ETL技术是指对外部进入的数据进行抽取（Extraction）、转换（Transformation）和装载（Load）。 2. 功能需求 目前，很多厂商活跃在商业智能（下面称BI）领域。事实上，能够满足用户需要的BI产品和方案必须建立在稳定、整合的平台之上，该平台需要提供用户管理、安全性控制、连接数据源以及访问、分析和共享信息的功能。BI平台的标准化也非常重要，因为这关系到与企业多种应用系统的兼容问题，解决不了兼容问题，BI系统就不能发挥出应有效果。这里我们介绍一下常规意义上商业智能（BI）系统的功能，主要构架包括以下几个方面。 2.1读取数据 BI系统可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库（对应ODBC）中的数据。在读取文本和数据的基础上，BI系统还可以完成： 连接文本把2个CSV文件中的共同项目作为键（Key），将所需的数据合并到一个文件，这样可以像操作数据库一样方便，但无须用户编程即可实现。 设置项目类型作为数据的项目类型，除按钮（button）（文字项目）、数值项目以外，还可以设置日期表示形式的日期数据项目、多媒体项目和不需要生成按钮但在列表显示中能够浏览的参照项目。 时间设置日期项目数据可以根据年度或季度等组合后生成新的期间项目。同样，时间项目数据可以根据上午、下午或时间带等组合后生成新的时间项目。 设置等级对于数值项目，可以任意设置等级，生成与之相对应的按钮。例如，可以生成与年龄项目中的20岁年龄段、30岁年龄段的等级相对应的按钮。 2.2分析功能 2.2.1关联/限定 关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是，事件发生的概率和条件概率应该符合一定的统计意义。