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(huì)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(dòng)。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(kù)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(gè)信息化的時(shí)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(gè)時(shí)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(jí)的增長(zhǎng)?？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(jiǎn)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(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營(yíng)決策的工具。比如，百貨商場(chǎng)每天有各種各樣的商品被出售，其POS系統(tǒng)存儲(chǔ)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(shí)段人們喜歡購(gòu)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(shí)候啤酒和炸雞的銷量比其他天氣時(shí)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(rùn)的增加，這種利潤(rùn)是我們利用現(xiàn)代工具進(jìn)行商務(wù)智能的動(dòng)力。這個(gè)過程可以總結(jié)為以下的一個(gè)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(cuò)，且隨著時(shí)間的流動(dòng)，其數(shù)量會(huì)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(duì)賬極其麻煩，而且說不定賬本會(huì)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(huì)分工而美妙，每個(gè)人都在自己擅長(zhǎng)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(kù)，數(shù)據(jù)倉(cāng)庫(kù)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(gè)個(gè)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(gè)最普通不過的符號(hào)構(gòu)建了計(jì)算機(jī)整個(gè)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(chǔ)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(chǔ)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(chǔ)大量數(shù)據(jù)，出現(xiàn)了數(shù)據(jù)庫(kù)軟件，各種數(shù)據(jù)庫(kù)理論和工具開始出現(xiàn)。

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

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(shí)，因?yàn)樯虅?wù)智能是數(shù)據(jù)挖掘領(lǐng)域的一個(gè)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(shí)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(shí)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(hào)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(kù)系統(tǒng)提供有效的存儲(chǔ)、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(shí)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(cè)（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(duì)存儲(chǔ)在數(shù)據(jù)庫(kù)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(duì)特定功能或產(chǎn)業(yè)而研發(fā)的軟件KD1（針對(duì)零售業(yè)）Options & Choices（針對(duì)保險(xiǎn)業(yè)）HNC（針對(duì)信用卡詐欺或呆帳偵測(cè)）Unica Model 1（針對(duì)行銷業(yè)）iEM System （針對(duì)流程行業(yè)的實(shí)時(shí)歷史數(shù)據(jù)）。

四、商務(wù)決策

隨著數(shù)據(jù)庫(kù)技術(shù)的發(fā)展和應(yīng)用，數(shù)據(jù)庫(kù)存儲(chǔ)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(shí)，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(duì)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(kù)系統(tǒng)已不能全部滿足這一要求。在國(guó)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(kù)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(shí)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(cāng)庫(kù)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(duì)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(yíng)狀況，了解對(duì)象的需求，制定正確的方案。.

OLAP工具是針對(duì)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(duì)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(gè)企業(yè)在考慮產(chǎn)品的銷售情況時(shí)，通常從時(shí)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(shí)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(shí)間、產(chǎn)品、銷售額）。多維分析是指對(duì)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(dòng)作，以求剖析數(shù)據(jù)，使用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)庫(kù)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(gè)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(duì)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(dòng)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(gè)企業(yè)級(jí)的數(shù)據(jù)倉(cāng)庫(kù)里，從而得到企業(yè)數(shù)據(jù)的一個(gè)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(duì)其進(jìn)行分析和處理（這時(shí)信息變?yōu)檩o助決策的知識(shí)），最后將知識(shí)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(dòng)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?，所以改變。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?duì)美好生活的追求，想把人類從繁忙的體力勞動(dòng)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(jià)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(gè)人和國(guó)家做出了提示。商務(wù)智能并不神秘，它就如此簡(jiǎn)單，總結(jié)是：

商務(wù)智能=數(shù)據(jù)+分析+決策+利益