商务智能技术在决策过程优化中的应用

申请免费试用、咨询电话：400-8352-114

商务智能技术应用现状

商务智能（BI）是从根本上帮助你把公司的运营数据转化成为高价值的可以获取的信息，并且在恰当的时候通过恰当的方式把恰当的信息传递给恰当的人。商务智能是为了解决商业活动中遇到的各种问题，利用各种信息系统进行的高质量和有价值的信息收集、分析、处理过程，其基本功能包括个性化的信息分析、预测、辅助决策。

目前，商务智能技术在商务过程优化中有如下主要应用：

简单的报告和查询

在这一层次，商务智能仅仅是把信息进行粗加工，回答诸如"去年我们A产品的销量是多少？"的问题。

联机分析处理（OLAP） 

商务智能技术能帮助用户分析信息，创造增值信息和对信息更好地融会贯通，回答诸如"在哪个国家，我们的产品获得了最大的成功？"的问题。

经理信息系统（EIS） 

信息要以容易使用的形式出现，比如说以一些主要的业务指标的形式出现。用户希望能够在不太费力的情况下，从系统中获取大多数信息

数据钻取 

通过统计方法，可以详细展现未来的景象。比如说，通过应用商务智能技术，我们能够预测哪种客户最有可能购买我们的新产品。

外网 

商务智能平台不仅仅局限在企业内部，还可以扩展到一个比较大的范围，让更多的用户来共享信息。

商务智能核心技术研究

商务智能主要涉及数据仓库、联机分析处理和数据挖掘三大核心技术。

数据仓库的创始人W.H.Inmon对数据仓库的定义是：面向主题的、集成的、稳定的和历史的数据集合，用于支持经营管理中的战略决策的制订：

面向主题的：每个主题对应于一个宏观分析领域，如：保险公司的数据仓库的主题可能是客户、保险金、索赔等。而传统的数据库是面向应用的，它组织往往是人寿保险、财产保险等。

集成的：数据在进入数据仓库之前，要进行加工集成（统一原始数据并将他们从面向应用型转换为面向主题的）。

稳定的：数据仓库反映的是历史数据内容，而不是联机数据，因此数据进入数据仓库后极少更新或不更新。

历史的：数据仓库的数据是相当长一段时间的数据，一般应为5至10年，这样进行趋势分析才比较准确。

联机分析处理（OLAP）和数据挖掘（DM）是数据仓库之上的增值技术，它们均是数据仓库的分析工具,在实际应用中各有侧重。前者是验证型的,后者是挖掘型的；前者建立在多维视图的基础之上,强调执行效率和对用户命令的及时响应,而且其直接数据源一般是数据仓库;后者建立在各种数据源的基础上,重在发现隐藏在数据深层次的对人们有用的模式(Patterns),一般并不过多考虑执行效率和响应速度。

数据挖掘（data mining）就是从数据中挖掘知识，也称为数据库中知识发现（Knowledge Discovery in Databases， KDD）及知识提取、数据采掘等，可以用于发现概念/类描述、分类、关联、预测、聚类、趋势分析、偏差分析和相似性分析及结果的可视化。     

OLAP是一种自上而下、不断深入的分析工具,用户提出问题或假设，OLAP负责从上而下深入地提取出关于该问题的详细信息，并以可视化的方式呈现给用户。与数据挖掘相比，OLAP更多地依靠用户输入问题和假设，但用户先入为主的局限性可能会限制问题和假设的范围，从而影响最终的结论。因此作为验证型分析工具，OLAP更需要对用户需求有全面而深入地了解。

显然，从对数据分析的深度的角度来看，OLAP位于较浅的层次，而数据挖掘所处的位置则较深，所处分析层次的不同决定了这两者的分析能力和所能回答的问题种类也不相同。

商务智能技术走向

长期以来，无论在商务智能技术的理论研究中还是在产品实现中，联机分析处理与数据挖掘两大技术都是分离的。OLAM--On Line Analytical Mining是二者相结合的产物,又称为OLAP Mining,目前是学术界研究的一大热点。

商务智能技术应用前景

为迎接市场挑战，企业必须对市场运作有准确的分析。借助商务智能的核心技术，利用企业中长期积累的海量数据，可以实现四方面的应用：

客户分类和特点分析

根据客户历年来的大量消费记录以及客户的档案资料，对客户进行分类，并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度，确定哪类顾客给企业带来最大的利润、哪类顾客仅给企业带来最少的利润同时又要求最多的回报，然后针对不同类型的客户给予不同的服务及优惠。

市场营销策略分析

利用数据仓库技术实现市场营销策略在模型上的仿真，其仿真结果将提示所制定的市场营销策略是否合适，企业可以据此调整和优化其市场营销策略，使其获得最大的成功。

经营成本与收入分析

对各种类型的经济活动进行成本核算，比较可能的业务收入与各种费用之间的收支差额，分析经济活动的曲线，得到相应的改进措施和办法，从而降低成本、减少开支、提高收入。

欺诈行为分析和预防

利用联机分析和数据挖掘技术，总结各种骗费、欠费行为的内在规律后，在数据仓库的基础上建立一套欺骗行为和欠费行为规则库，就可以及时预警各种骗费、欠费，尽量减少企业损失。

来源：AMT