商業(yè)智能BI的三個層次--數(shù)據(jù)報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘

經(jīng)過幾年的積累，大部分中大型的企事業(yè)單位已經(jīng)建立了比較完善的CRM、ERP、OA等基礎(chǔ)信息化系統(tǒng)。這些系統(tǒng)的統(tǒng)一特點(diǎn)都是:通過業(yè)務(wù)人員或者用戶的操作，最終對數(shù)據(jù)庫進(jìn)行增加、修改、刪除等操作。上述系統(tǒng)可統(tǒng)一稱為OLTP(Online Transaction Process，在線事務(wù)處理)，指的就是系統(tǒng)運(yùn)行了一段時間以后，必然幫助企事業(yè)單位收集大量的歷史數(shù)據(jù)。但是，在數(shù)據(jù)庫中分散、獨(dú)立存在的大量數(shù)據(jù)對于業(yè)務(wù)人員來說，只是一些無法看懂的天書。業(yè)務(wù)人員所需要的是信息，是他們能夠看懂、理解并從中受益的抽象信息。此時，如何把數(shù)據(jù)轉(zhuǎn)化為信息，使得業(yè)務(wù)人員(包括管理者)能夠充分掌握、利用這些信息，并且輔助決策，就是商業(yè)智能主要解決的問題。

如何把數(shù)據(jù)庫中存在的數(shù)據(jù)轉(zhuǎn)變?yōu)闃I(yè)務(wù)人員需要的信息？大部分的答案是報表系統(tǒng)。簡單說，報表系統(tǒng)已經(jīng)可以稱作是BI了，它是BI的低端實(shí)現(xiàn)。 現(xiàn)在國外的企業(yè)，大部分已經(jīng)進(jìn)入了中端BI，叫做數(shù)據(jù)分析。有一些企業(yè)已經(jīng)開始進(jìn)入高端BI，叫做數(shù)據(jù)挖掘。而我國的企業(yè)，目前大部分還停留在報表階段。

數(shù)據(jù)報表不可取代 

傳統(tǒng)的報表系統(tǒng)技術(shù)上已經(jīng)相當(dāng)成熟，大家熟悉的Excel、水晶報表、Reporting Service等都已經(jīng)被廣泛使用。但是，隨著數(shù)據(jù)的增多，需求的提高，傳統(tǒng)報表系統(tǒng)面臨的挑戰(zhàn)也越來越多。

1. 數(shù)據(jù)太多，信息太少

密密麻麻的表格堆砌了大量數(shù)據(jù)，到底有多少業(yè)務(wù)人員仔細(xì)看每一個數(shù)據(jù)？到底這些數(shù)據(jù)代表了什么信息、什么趨勢？級別越高的領(lǐng)導(dǎo)，越需要簡明的信息。如果我是董事長，我可能只需要一句話：目前我們的情況是好、中還是差？

2. 難以交互分析、了解各種組合

定制好的報表過于死板。例如，我們可以在一張表中列出不同地區(qū)、不同產(chǎn)品的銷量，另一張表中列出不同地區(qū)、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如“華北地區(qū)中青年顧客購買數(shù)碼相機(jī)類型產(chǎn)品的情況”等問題。業(yè)務(wù)問題經(jīng)常需要多個角度的交互分析。

3. 難以挖掘出潛在的規(guī)則

報表系統(tǒng)列出的往往是表面上的數(shù)據(jù)信息，但是海量數(shù)據(jù)深處潛在含有哪些規(guī)則呢？什么客戶對我們價值最大，產(chǎn)品之間相互關(guān)聯(lián)的程度如何？越是深層的規(guī)則，對于決策支持的價值越大，但是，也越難挖掘出來。

4. 難以追溯歷史，數(shù)據(jù)形成孤島

業(yè)務(wù)系統(tǒng)很多，數(shù)據(jù)存在于不同地方。太舊的數(shù)據(jù)（例如一年前的數(shù)據(jù)）往往被業(yè)務(wù)系統(tǒng)備份出去，導(dǎo)致宏觀分析、長期歷史分析難度很大。 因此，隨著時代的發(fā)展，傳統(tǒng)報表系統(tǒng)已經(jīng)不能滿足日益增長的業(yè)務(wù)需求了，企業(yè)期待著新的技術(shù)。

數(shù)據(jù)分析和數(shù)據(jù)挖掘的時代正在來臨。值得注意的是，數(shù)據(jù)分析和數(shù)據(jù)挖掘系統(tǒng)的目的是帶給我們更多的決策支持價值，并不是取代數(shù)據(jù)報表。報表系統(tǒng)依然有其不可取代的優(yōu)勢，并且將會長期與數(shù)據(jù)分析、挖掘系統(tǒng)一起并存下去。

數(shù)據(jù)挖掘看穿你的需求 

廣義上說，任何從數(shù)據(jù)庫中挖掘信息的過程都叫做數(shù)據(jù)挖掘。從這點(diǎn)看來，數(shù)據(jù)挖掘就是BI。但從技術(shù)術(shù)語上說，數(shù)據(jù)挖掘（Data Mining）特指的是：源數(shù)據(jù)經(jīng)過清洗和轉(zhuǎn)換等成為適合于挖掘的數(shù)據(jù)集。數(shù)據(jù)挖掘在這種具有固定形式的數(shù)據(jù)集上完成知識的提煉，最后以合適的知識模式用于進(jìn)一步分析決策工作。從這種狹義的觀點(diǎn)上，我們可以定義：數(shù)據(jù)挖掘是從特定形式的數(shù)據(jù)集中提煉知識的過程

。數(shù)據(jù)挖掘往往針對特定的數(shù)據(jù)、特定的問題，選擇一種或者多種挖掘算法，找到數(shù)據(jù)下面隱藏的規(guī)律，這些規(guī)律往往被用來預(yù)測、支持決策。

關(guān)聯(lián)銷售案例：

美國的超市有這樣的系統(tǒng)：當(dāng)你采購了一車商品結(jié)賬時，售貨員小姐掃描完了你的產(chǎn)品后，計算機(jī)上會顯示出一些信息，然后售貨員會友好地問你：我們有一種一次性紙杯正在促銷，位于F6貨架上，您要購買嗎？

這句話決不是一般的促銷。因為計算機(jī)系統(tǒng)早就算好了，如果你的購物車中有餐巾紙、大瓶可樂和沙拉，則86%的可能性你要買一次性紙杯。結(jié)果是，你說，啊，謝謝你，我剛才一直沒找到紙杯。 這不是什么神奇的科學(xué)算命，而是利用數(shù)據(jù)挖掘中的關(guān)聯(lián)規(guī)則算法實(shí)現(xiàn)的系統(tǒng)。

每天，新的銷售數(shù)據(jù)會進(jìn)入挖掘模型，與過去N天的歷史數(shù)據(jù)一起，被挖掘模型處理，得到當(dāng)前最有價值的關(guān)聯(lián)規(guī)則。同樣的算法，分析網(wǎng)上書店的銷售業(yè)績，計算機(jī)可以發(fā)現(xiàn)產(chǎn)品之間的關(guān)聯(lián)以及關(guān)聯(lián)的強(qiáng)弱。

數(shù)據(jù)報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘是BI的三個層面。我們相信未來幾年的趨勢是：越來越多的企業(yè)在數(shù)據(jù)報表的基礎(chǔ)上，會進(jìn)入數(shù)據(jù)分析與數(shù)據(jù)挖掘的領(lǐng)域。商業(yè)智能所帶來的決策支持功能，會給我們帶來越來越明顯的效益。