商務(wù)智能技術(shù)在決策過程優(yōu)化中的應(yīng)用

申請免費(fèi)試用、咨詢電話：400-8352-114

商務(wù)智能技術(shù)應(yīng)用現(xiàn)狀

商務(wù)智能（BI）是從根本上幫助你把公司的運(yùn)營數(shù)據(jù)轉(zhuǎn)化成為高價(jià)值的可以獲取的信息，并且在恰當(dāng)?shù)臅r(shí)候通過恰當(dāng)?shù)姆绞桨亚‘?dāng)?shù)男畔鬟f給恰當(dāng)?shù)娜恕Ｉ虅?wù)智能是為了解決商業(yè)活動(dòng)中遇到的各種問題，利用各種信息系統(tǒng)進(jìn)行的高質(zhì)量和有價(jià)值的信息收集、分析、處理過程，其基本功能包括個(gè)性化的信息分析、預(yù)測、輔助決策。

目前，商務(wù)智能技術(shù)在商務(wù)過程優(yōu)化中有如下主要應(yīng)用：

簡單的報(bào)告和查詢

在這一層次，商務(wù)智能僅僅是把信息進(jìn)行粗加工，回答諸如"去年我們A產(chǎn)品的銷量是多少？"的問題。

聯(lián)機(jī)分析處理（OLAP） 

商務(wù)智能技術(shù)能幫助用戶分析信息，創(chuàng)造增值信息和對信息更好地融會(huì)貫通，回答諸如"在哪個(gè)國家，我們的產(chǎn)品獲得了最大的成功？"的問題。

經(jīng)理信息系統(tǒng)（EIS） 

信息要以容易使用的形式出現(xiàn)，比如說以一些主要的業(yè)務(wù)指標(biāo)的形式出現(xiàn)。用戶希望能夠在不太費(fèi)力的情況下，從系統(tǒng)中獲取大多數(shù)信息

數(shù)據(jù)鉆取 

通過統(tǒng)計(jì)方法，可以詳細(xì)展現(xiàn)未來的景象。比如說，通過應(yīng)用商務(wù)智能技術(shù)，我們能夠預(yù)測哪種客戶最有可能購買我們的新產(chǎn)品。

外網(wǎng) 

商務(wù)智能平臺不僅僅局限在企業(yè)內(nèi)部，還可以擴(kuò)展到一個(gè)比較大的范圍，讓更多的用戶來共享信息。

商務(wù)智能核心技術(shù)研究

商務(wù)智能主要涉及數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘三大核心技術(shù)。

數(shù)據(jù)倉庫的創(chuàng)始人W.H.Inmon對數(shù)據(jù)倉庫的定義是：面向主題的、集成的、穩(wěn)定的和歷史的數(shù)據(jù)集合，用于支持經(jīng)營管理中的戰(zhàn)略決策的制訂：

面向主題的：每個(gè)主題對應(yīng)于一個(gè)宏觀分析領(lǐng)域，如：保險(xiǎn)公司的數(shù)據(jù)倉庫的主題可能是客戶、保險(xiǎn)金、索賠等。而傳統(tǒng)的數(shù)據(jù)庫是面向應(yīng)用的，它組織往往是人壽保險(xiǎn)、財(cái)產(chǎn)保險(xiǎn)等。

集成的：數(shù)據(jù)在進(jìn)入數(shù)據(jù)倉庫之前，要進(jìn)行加工集成（統(tǒng)一原始數(shù)據(jù)并將他們從面向應(yīng)用型轉(zhuǎn)換為面向主題的）。

穩(wěn)定的：數(shù)據(jù)倉庫反映的是歷史數(shù)據(jù)內(nèi)容，而不是聯(lián)機(jī)數(shù)據(jù)，因此數(shù)據(jù)進(jìn)入數(shù)據(jù)倉庫后極少更新或不更新。

歷史的：數(shù)據(jù)倉庫的數(shù)據(jù)是相當(dāng)長一段時(shí)間的數(shù)據(jù)，一般應(yīng)為5至10年，這樣進(jìn)行趨勢分析才比較準(zhǔn)確。

聯(lián)機(jī)分析處理（OLAP）和數(shù)據(jù)挖掘（DM）是數(shù)據(jù)倉庫之上的增值技術(shù)，它們均是數(shù)據(jù)倉庫的分析工具,在實(shí)際應(yīng)用中各有側(cè)重。前者是驗(yàn)證型的,后者是挖掘型的；前者建立在多維視圖的基礎(chǔ)之上,強(qiáng)調(diào)執(zhí)行效率和對用戶命令的及時(shí)響應(yīng),而且其直接數(shù)據(jù)源一般是數(shù)據(jù)倉庫;后者建立在各種數(shù)據(jù)源的基礎(chǔ)上,重在發(fā)現(xiàn)隱藏在數(shù)據(jù)深層次的對人們有用的模式(Patterns),一般并不過多考慮執(zhí)行效率和響應(yīng)速度。

數(shù)據(jù)挖掘（data mining）就是從數(shù)據(jù)中挖掘知識，也稱為數(shù)據(jù)庫中知識發(fā)現(xiàn)（Knowledge Discovery in Databases， KDD）及知識提取、數(shù)據(jù)采掘等，可以用于發(fā)現(xiàn)概念/類描述、分類、關(guān)聯(lián)、預(yù)測、聚類、趨勢分析、偏差分析和相似性分析及結(jié)果的可視化。     

OLAP是一種自上而下、不斷深入的分析工具,用戶提出問題或假設(shè)，OLAP負(fù)責(zé)從上而下深入地提取出關(guān)于該問題的詳細(xì)信息，并以可視化的方式呈現(xiàn)給用戶。與數(shù)據(jù)挖掘相比，OLAP更多地依靠用戶輸入問題和假設(shè)，但用戶先入為主的局限性可能會(huì)限制問題和假設(shè)的范圍，從而影響最終的結(jié)論。因此作為驗(yàn)證型分析工具，OLAP更需要對用戶需求有全面而深入地了解。

顯然，從對數(shù)據(jù)分析的深度的角度來看，OLAP位于較淺的層次，而數(shù)據(jù)挖掘所處的位置則較深，所處分析層次的不同決定了這兩者的分析能力和所能回答的問題種類也不相同。

商務(wù)智能技術(shù)走向

長期以來，無論在商務(wù)智能技術(shù)的理論研究中還是在產(chǎn)品實(shí)現(xiàn)中，聯(lián)機(jī)分析處理與數(shù)據(jù)挖掘兩大技術(shù)都是分離的。OLAM--On Line Analytical Mining是二者相結(jié)合的產(chǎn)物,又稱為OLAP Mining,目前是學(xué)術(shù)界研究的一大熱點(diǎn)。

商務(wù)智能技術(shù)應(yīng)用前景

為迎接市場挑戰(zhàn)，企業(yè)必須對市場運(yùn)作有準(zhǔn)確的分析。借助商務(wù)智能的核心技術(shù)，利用企業(yè)中長期積累的海量數(shù)據(jù)，可以實(shí)現(xiàn)四方面的應(yīng)用：

客戶分類和特點(diǎn)分析

根據(jù)客戶歷年來的大量消費(fèi)記錄以及客戶的檔案資料，對客戶進(jìn)行分類，并分析每類客戶的消費(fèi)能力、消費(fèi)習(xí)慣、消費(fèi)周期、需求傾向、信譽(yù)度，確定哪類顧客給企業(yè)帶來最大的利潤、哪類顧客僅給企業(yè)帶來最少的利潤同時(shí)又要求最多的回報(bào)，然后針對不同類型的客戶給予不同的服務(wù)及優(yōu)惠。

市場營銷策略分析

利用數(shù)據(jù)倉庫技術(shù)實(shí)現(xiàn)市場營銷策略在模型上的仿真，其仿真結(jié)果將提示所制定的市場營銷策略是否合適，企業(yè)可以據(jù)此調(diào)整和優(yōu)化其市場營銷策略，使其獲得最大的成功。

經(jīng)營成本與收入分析

對各種類型的經(jīng)濟(jì)活動(dòng)進(jìn)行成本核算，比較可能的業(yè)務(wù)收入與各種費(fèi)用之間的收支差額，分析經(jīng)濟(jì)活動(dòng)的曲線，得到相應(yīng)的改進(jìn)措施和辦法，從而降低成本、減少開支、提高收入。

欺詐行為分析和預(yù)防

利用聯(lián)機(jī)分析和數(shù)據(jù)挖掘技術(shù)，總結(jié)各種騙費(fèi)、欠費(fèi)行為的內(nèi)在規(guī)律后，在數(shù)據(jù)倉庫的基礎(chǔ)上建立一套欺騙行為和欠費(fèi)行為規(guī)則庫，就可以及時(shí)預(yù)警各種騙費(fèi)、欠費(fèi)，盡量減少企業(yè)損失。

來源：AMT