BI 商務(wù)智能=數(shù)據(jù)+分析+決策+利益

一、背景介紹

人類社會從物物交換到貨幣的產(chǎn)生，到形形色色的交易，產(chǎn)生了我們現(xiàn)在繁榮、復(fù)雜的各種商業(yè)活動。利益是商務(wù)的核心，而商務(wù)需要經(jīng)過買賣雙方的交易，談判，而商品的流通又需要物流、庫存，其中業(yè)務(wù)流程十分繁瑣，然而科技進(jìn)步改善或者正在改變著其形式，人們的工作效率正在極大地提高。

在這個信息化的時代，許多傳統(tǒng)業(yè)務(wù)被信息化手段所取代或者信息化作為其輔助手段。于是乎，在這個時代，所有的人都在談數(shù)據(jù)，并且相關(guān)的商務(wù)數(shù)據(jù)呈爆炸性指數(shù)級的增長?？墒?，不是所有的數(shù)據(jù)都是有用的，所以人們需要從中挖掘有用的信息，用以指導(dǎo)現(xiàn)實(shí)工作。

商務(wù)智能，英文為Business Intelligence，簡寫為BI。商務(wù)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。比如，百貨商場每天有各種各樣的商品被出售，其POS系統(tǒng)存儲著商品的銷售情況，數(shù)據(jù)量十分龐大。從這些數(shù)據(jù)，我們利用一定的數(shù)學(xué)模型和智能軟件工具進(jìn)行分析，知道哪些產(chǎn)品最熱銷，哪些時段人們喜歡購買什么。接著，運(yùn)用分析后的結(jié)果進(jìn)行決策，比如分析后得知下雨天的時候啤酒和炸雞的銷量比其他天氣時段更多，于是我們決定在下雨的日子增大啤酒和炸雞的產(chǎn)量。通過這些分析和決策，我們得到了商業(yè)利潤的增加，這種利潤是我們利用現(xiàn)代工具進(jìn)行商務(wù)智能的動力。這個過程可以總結(jié)為以下的一個等式：

商務(wù)智能=數(shù)據(jù)+分析+決策+利益

二、數(shù)據(jù)獲取

傳統(tǒng)的數(shù)據(jù)獲取是手工進(jìn)行紙質(zhì)記錄，缺點(diǎn)是記錄容易出錯，且隨著時間的流動，其數(shù)量會大大增加以致于查找歷史數(shù)據(jù)的困難。比如，傳統(tǒng)地主家的管家進(jìn)行家庭財(cái)政的登記，賬本厚又重，對賬極其麻煩，而且說不定賬本會因?yàn)榛馂?zāi)或各種原因而破損，如被老鼠咬爛了。

隨著科技的進(jìn)步，有了計(jì)算機(jī)，于是數(shù)據(jù)存到了磁帶，然后是磁盤。世界上有了社會分工而美妙，每個人都在自己擅長的領(lǐng)域工作，從而創(chuàng)造著更大的利益。于是乎，不懂計(jì)算機(jī)的小伙伴借助著別人開發(fā)的管理系統(tǒng)進(jìn)行數(shù)據(jù)的管理，比如超市的商品管理系統(tǒng)，公司內(nèi)部的人員管理系統(tǒng)。而軟件程序員借助了數(shù)據(jù)庫，數(shù)據(jù)倉庫等產(chǎn)品進(jìn)行設(shè)計(jì)編碼，創(chuàng)造了上述的管理系統(tǒng)。

于是，一層接力一層，數(shù)據(jù)的獲取從手工一個個用筆記下來到使用計(jì)算機(jī)鍵盤進(jìn)行錄入。通過現(xiàn)代科技手段，查看歷史數(shù)據(jù)只要進(jìn)行搜索，很快很好就能得到十年前的數(shù)據(jù)，從而可以更大效率地進(jìn)行數(shù)據(jù)分析。

商務(wù)智能，智能二字凸顯了計(jì)算機(jī)的重要性。計(jì)算機(jī)的一切都是0，1二進(jìn)制組成，這兩個最普通不過的符號構(gòu)建了計(jì)算機(jī)整個數(shù)據(jù)大廈。如何更好的將數(shù)據(jù)存到計(jì)算機(jī)磁盤中，并迅速的讀取出來呢？早期的數(shù)據(jù)存儲是使用卡片進(jìn)行數(shù)據(jù)讀取，后來便產(chǎn)生了現(xiàn)代計(jì)算機(jī)的存儲體系，寄存器，內(nèi)存，磁盤。從硬件開始，后來出現(xiàn)了軟件層面的文件系統(tǒng)，IO流。為了更方便存儲大量數(shù)據(jù)，出現(xiàn)了數(shù)據(jù)庫軟件，各種數(shù)據(jù)庫理論和工具開始出現(xiàn)。

目前使用最多的數(shù)據(jù)庫是1993年E.F.Codd提出的關(guān)系數(shù)據(jù)庫。

三、數(shù)據(jù)分析

數(shù)據(jù)分析方面主要依賴數(shù)據(jù)挖掘方面的知識，因?yàn)樯虅?wù)智能是數(shù)據(jù)挖掘領(lǐng)域的一個分支。數(shù)據(jù)挖掘一般是指從大量的數(shù)據(jù)中通過算法搜索隱藏于其中信息的過程。數(shù)據(jù)挖掘通常與計(jì)算機(jī)科學(xué)有關(guān)，并通過統(tǒng)計(jì)、在線分析處理、情報(bào)檢索、機(jī)器學(xué)習(xí)、專家系統(tǒng)（依靠過去的經(jīng)驗(yàn)法則）和模式識別等諸多方法來實(shí)現(xiàn)上述目標(biāo)。

數(shù)據(jù)挖掘利用了來自如下一些領(lǐng)域的思想：(1) 來自統(tǒng)計(jì)學(xué)的抽樣、估計(jì)和假設(shè)檢驗(yàn)，(2)人工智能、模式識別和機(jī)器學(xué)習(xí)的搜索算法、建模技術(shù)和學(xué)習(xí)理論。數(shù)據(jù)挖掘也迅速地接納了來自其他領(lǐng)域的思想，這些領(lǐng)域包括最優(yōu)化、進(jìn)化計(jì)算、信息論、信號處理、可視化和信息檢索。一些其他領(lǐng)域也起到重要的支撐作用。特別地，需要數(shù)據(jù)庫系統(tǒng)提供有效的存儲、索引和查詢處理支持。源于高性能（并行）計(jì)算的技術(shù)在處理海量數(shù)據(jù)集方面常常是重要的。分布式技術(shù)也能幫助處理海量數(shù)據(jù)，并且當(dāng)數(shù)據(jù)不能集中到一起處理時更是至關(guān)重要。

主要的分析算法有分類 （Classification）估計(jì)（Estimation）預(yù)測（Prediction）相關(guān)性分組或關(guān)聯(lián)規(guī)則（Affinity grouping or association rules）聚類（Clustering）等。這些算法主要依賴數(shù)學(xué)大廈進(jìn)行構(gòu)建，大多數(shù)商業(yè)數(shù)據(jù)挖掘軟件已經(jīng)實(shí)現(xiàn)了這些功能，方便普通人士的使用。

通過使用數(shù)據(jù)挖掘軟件，可以對存儲在數(shù)據(jù)庫中的數(shù)據(jù)進(jìn)行分析處理，得到一定的統(tǒng)計(jì)和計(jì)算結(jié)果。這些結(jié)果可以指導(dǎo)現(xiàn)實(shí)的決策。

目前的數(shù)據(jù)挖掘軟件有一般分析目的用的軟件包SAS Enterprise Miner，SPSS Clementine，IBM Intelligent Miner等，針對特定功能或產(chǎn)業(yè)而研發(fā)的軟件KD1（針對零售業(yè)）Options & Choices（針對保險(xiǎn)業(yè)）HNC（針對信用卡詐欺或呆帳偵測）Unica Model 1（針對行銷業(yè)）iEM System （針對流程行業(yè)的實(shí)時歷史數(shù)據(jù)）。

四、商務(wù)決策

隨著數(shù)據(jù)庫技術(shù)的發(fā)展和應(yīng)用，數(shù)據(jù)庫存儲的數(shù)據(jù)量從20世紀(jì)80年代的兆（M）字節(jié)及千兆（G）字節(jié)過渡到現(xiàn)在的兆兆（T）字節(jié)和千兆兆（P）字節(jié)，同時，用戶的查詢需求也越來越復(fù)雜，涉及的已不僅是查詢或操縱一張關(guān)系表中的一條或幾條記錄，而且要對多張表中千萬條記錄的數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和信息綜合，關(guān)系數(shù)據(jù)庫系統(tǒng)已不能全部滿足這一要求。在國外，不少軟件廠商采取了發(fā)展其前端產(chǎn)品來彌補(bǔ)關(guān)系數(shù)據(jù)庫管理系統(tǒng)支持的不足，力圖統(tǒng)一分散的公共應(yīng)用邏輯，在短時間內(nèi)響應(yīng)非數(shù)據(jù)處理專業(yè)人員的復(fù)雜查詢要求。

聯(lián)機(jī)分析處理（OLAP）系統(tǒng)是數(shù)據(jù)倉庫系統(tǒng)最主要的應(yīng)用，專門設(shè)計(jì)用于支持復(fù)雜的分析操作，側(cè)重對決策人員和高層管理人員的決策支持，可以根據(jù)分析人員的要求快速、靈活地進(jìn)行大數(shù)據(jù)量的復(fù)雜查詢處理，并且以一種直觀而易懂的形式將查詢結(jié)果提供給決策人員，以便他們準(zhǔn)確掌握企業(yè)（公司）的經(jīng)營狀況，了解對象的需求，制定正確的方案。.

OLAP工具是針對特定問題的聯(lián)機(jī)數(shù)據(jù)訪問與分析。它通過多維的方式對數(shù)據(jù)進(jìn)行分析、查詢和報(bào)表。維是人們觀察數(shù)據(jù)的特定角度。例如，一個企業(yè)在考慮產(chǎn)品的銷售情況時，通常從時間、地區(qū)和產(chǎn)品的不同角度來深入觀察產(chǎn)品的銷售情況。這里的時間、地區(qū)和產(chǎn)品就是維。而這些維的不同組合和所考察的度量指標(biāo)構(gòu)成的多維數(shù)組則是OLAP分析的基礎(chǔ)，可形式化表示為（維1，維2，……，維n，度量指標(biāo)），如（地區(qū)、時間、產(chǎn)品、銷售額）。多維分析是指對以多維形式組織起來的數(shù)據(jù)采取切片（Slice）、切塊（Dice）、鉆?。―rill-down和Roll-up）、旋轉(zhuǎn)（Pivot）等各種分析動作，以求剖析數(shù)據(jù)，使用戶能從多個角度、多側(cè)面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入理解包含在數(shù)據(jù)中的信息。

商務(wù)決策使用了上述的數(shù)據(jù)挖掘軟件得出的結(jié)果，而OLAP是一個更加方便的系統(tǒng)，更快更好的將分析的結(jié)果以圖表等方式進(jìn)行展示，方便決策人員進(jìn)行對比、討論。通過智能化工具的處理后，領(lǐng)導(dǎo)和改革者可以決定是否開展某項(xiàng)業(yè)務(wù)，或者如何進(jìn)行某項(xiàng)業(yè)務(wù)，這也是稱之為商務(wù)決策的原因。

五、利益動力

商業(yè)智能的關(guān)鍵是從許多來自不同的企業(yè)運(yùn)作系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進(jìn)行清理，以保證數(shù)據(jù)的正確性，然后經(jīng)過抽?。‥xtraction）、轉(zhuǎn)換（Transformation）和裝載（Load），即ETL過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎(chǔ)上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具、OLAP工具等對其進(jìn)行分析和處理（這時信息變?yōu)檩o助決策的知識），最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供支持。

商務(wù)智能=數(shù)據(jù)+分析+決策+利益，等式包含了利益，是因?yàn)槔孀鳛橐环N動力，促進(jìn)了商務(wù)智能的發(fā)展。因?yàn)橄敫淖?，所以改變。因?yàn)橄胩岣咝剩愿淖?。因?yàn)橐宰钚〉耐度霋甑米畲蟮睦?，所以要改變。人類生活的改變來源人類對美好生活的追求，想把人類從繁忙的體力勞動中解放出來。計(jì)算機(jī)這一科技產(chǎn)物，與商務(wù)聯(lián)系起來，必定創(chuàng)造極大的價值。

六、總結(jié)

我們可以預(yù)示出，在將來的日子，商務(wù)智能必將蓬勃發(fā)展，一路高歌，這也為我們個人和國家做出了提示。商務(wù)智能并不神秘，它就如此簡單，總結(jié)是：

商務(wù)智能=數(shù)據(jù)+分析+決策+利益