1、Principles and Applications of Business IntelligenceChap 1： 导言 1商务智能方法与应用北京信息科技大学 胡敏 Principles and Applications of Business IntelligenceChap 1： 导言 2Introduction to商务智能方法与应用第一章 导言Lecture 1: IntroductionPrinciples and Applications of Business IntelligenceChap 1： 导言 3 思维导图 上课内容：what to remember in cla
2、ss？ what to understand in class？ what to exercise after class？ what to widen your sights？ what to go deep into research？Principles and Applications of Business IntelligenceChap 1： 导言 4主要内容 1.1 商务智能的基本概念 1.2 商务智能的过程 1.3 商务智能的系统构成 1.4 商务智能的发展历史Principles and Applications of Business IntelligenceChap 1
3、： 导言 51.1 商务智能的基本概念 商务智能 数据 信息和知识Principles and Applications of Business IntelligenceChap 1： 导言 6商务智能 商务智能（Business intelligence） 1996年Gartner Group Howard Dresner- 数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以辅助企业决策为目的一类技术及其应用Principles and Applications of Business IntelligenceChap 1： 导言 7商务智能 商务智能（Bu
4、siness intelligence） 工业界- 商务智能可以被看作是一类技术或工具，利用它们可以对大量的数据进行收集、管理、分析和挖掘，以改善业务决策水平，增强企业的竞争力 学术界- 商务智能是一套理论、方法和应用，通过它们可以快速地发现海量数据中隐含的各种知识，有效地解决企业面临的管理和决策问题，支持企业的战略实施。Principles and Applications of Business IntelligenceChap 1： 导言 8商务智能的概念商务智能的概念 商务智能指收集、转换、分析和发布数据的过程，目的是为了更好的决策。 商务智能是指将数据转化为知识的过程。它包括捕获和分
5、析信息，交流信息，以及利用这些信息开发市场。商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升商务绩效，增强综合竞争力的智慧和能力。Business Intelligence is a process of turning data into knowledge and knowledge into action for business gain Data Warehouse InstitutePrinciples and Applications of Business In
6、telligenceChap 1： 导言 9商务智能是融合了先进信息技术与创新管理理念的结合体，集成企业内外数据，进行加工并从中提取能够创造商业价值的知识，面向企业战略并服务于管理层、业务层，指导企业经营决策，提升企业竞争力。商务智能的概念商务智能的概念Principles and Applications of Business IntelligenceChap 1： 导言 10商务智能的概念商务智能的概念数数据据ETL数数据据仓仓库库数数据据挖挖掘掘可可视视化化OLAP数据数据n模式模式n趋势趋势n事实事实n关系关系n模型模型n关联规则关联规则n序列序列n目标市场目标市场n资金分配资金分配
7、n贸易选择贸易选择n在哪儿做广告在哪儿做广告n销售的地理位置销售的地理位置n金融金融n经济经济nPOSn人口统计人口统计n生命周期生命周期Principles and Applications of Business IntelligenceChap 1： 导言 1111Principles and Applications of Business IntelligenceChap 1： 导言 12Principles and Applications of Business IntelligenceChap 1： 导言 13商务智能在行业的应用银行银行?客户利润分析?分支行利润分析?交叉销售
8、?信用风险管理?新产品推销?收费策略保险?欺诈管理?收费策略?目标市场活动?客户挽留?客户利润分析零售?地区/商店各种货物（品牌，分类等）销售业绩?定价和减价?市场篮子关系?市场需求预测?仓储规划通讯?客户忠实?客户流失模式?客户利润分析?竞争分析?欺诈管理Principles and Applications of Business IntelligenceChap 1： 导言 1414Principles and Applications of Business IntelligenceChap 1： 导言 15各行业电子商务网站各行业电子商务网站算法算法层层商商业业逻逻辑辑层层行行业业应
9、应用用层层商业应用商业模型挖掘算法CRM产品推荐产品推荐客户细分客户细分客户流失客户流失客户利润客户利润客户响应客户响应关联规则、序列模式、分类、聚集、偏差分析关联规则、序列模式、分类、聚集、偏差分析WEB挖掘挖掘网站结构优化网站结构优化网页推荐网页推荐商品推荐商品推荐基因挖掘基因挖掘基因表达路径分析基因表达路径分析基因表达相似性分析基因表达相似性分析基因表达共发生分析基因表达共发生分析银行银行电信电信零售零售保险保险制药制药生物信息生物信息科学研究科学研究相关行业商务应用需求的推动商务应用需求的推动神经网络、决策树、回归分析、粗集、遗传算法神经网络、决策树、回归分析、粗集、遗传算法Princ
10、iples and Applications of Business IntelligenceChap 1： 导言 16n银行n美国银行家协会(ABA)预测数据仓库和数据挖掘技术在美国商业银行的应用增长率是14.9。n分析客户使用分销渠道的情况和分销渠道的容量 ；建立利润评测模型；客户关系优化；风险控制等n电子商务n网上商品推荐；个性化网页；自适应网站n生物制药、基因研究nDNA序列查询和匹配；识别基因序列的共发生性 n电信n欺诈甄别；客户流失n保险、零售n政府部门、教育机构、医疗机构和公用事业等。利用商务智能的企业现在已越来越多，遍及各行各业。Principles and Applicati
11、ons of Business IntelligenceChap 1： 导言 17数据仓库数据仓库理解业务：理解业务：网络资源分析网络资源分析产品结构及组合分析产品结构及组合分析服务质量分析服务质量分析业务发展分析业务发展分析理解客户：理解客户：客户贡献度分析客户贡献度分析客户群体划分客户群体划分客户行为分析客户行为分析制订市场营销策略制订市场营销策略风险分析：风险分析：客户流失的测算客户流失的测算信用分析信用分析欺诈分析欺诈分析内部绩效考核：内部绩效考核：产品、部门利润分析产品、部门利润分析资源分配资源分配资源成本分析资源成本分析谁是最好谁是最好的客户的客户?如何扩大利润如何扩大利润?如何避
12、免如何避免风险风险?收入收入/成本如何成本如何分配分配?商务智能对企业的作用和价值Principles and Applications of Business IntelligenceChap 1： 导言 18不同层次的商务智能应用不同层次的商务智能应用以前发生了什么以前发生了什么为什么发生了为什么发生了现在发生着什么现在发生着什么将来会发生什么将来会发生什么业务活动管理业务活动管理Principles and Applications of Business IntelligenceChap 1： 导言 19不同层次的商务智能应用不同层次的商务智能应用Principles and Appl
13、ications of Business IntelligenceChap 1： 导言 20商务智能用户Principles and Applications of Business IntelligenceChap 1： 导言 21数据 （data) 数据是对事物描述的符号。在计算机科学中，数据是数字、文字、图像、声音等可以输入到计算机被识别的符号 企业运营离不开数据。- 企业运营的各个环节每天都在积累数据，如供应商、客户的数据，销售、生产以及库存数据等。 用户生成数据（user generated data, UGD)- 社会化媒体、智能化手机等使得全世界不计其数的个体也在不断产生数据。P
14、rinciples and Applications of Business IntelligenceChap 1： 导言 22结构化数据（structured data) 通常二维表格的形式存储在关系数据库中交易细节表交易号交易号商品号商品号单价单价折扣折扣数量数量005872051337922.99010058720514677520100587205000700104.500587206147525105.900587206113838107.5Principles and Applications of Business IntelligenceChap 1： 导言 23非结构化数据（
15、unstructured data） 文本数据iphone 4s,目前最大的问题，感觉还是电量，充满一次，用两天，不过，我还没怎么玩游戏，都是开浏览器之类的应用，和听歌，但是想想，毕竟手机的电池和ipad的还是没法比。Principles and Applications of Business IntelligenceChap 1： 导言 24信息（information） 通过一定的技术和方法，对数据进行集成、分析，挖掘其潜在的规律和内涵，得到的结果是信息。 信息是具有商务意义的数据- 例如，通过对零售信息的集成和分析发现，某超市的客户群根据其消费行为可以分为若干个群体，每个群体具有一些明
16、显的特征。例如，其中一个群体是单身女性，喜欢经常购买化妆品，消费金额高。Principles and Applications of Business IntelligenceChap 1： 导言 25知识（knowledge） 当信息用于商务决策，并基于决策开展相应的商务活动时，信息就上升为知识 信息转化为知识的过程不仅需要信息，而且需要结合决策者的经验和能力，用以解决实际的问题。- 例如，某连锁超市的经理发现，近期化妆品的销售业绩下降了，为了解决该问题，决定采取促销措施，根据对数据的分析得到的客户分群的信息，销售经理锁定了促销的目标客户群，最终开展了为这部分客户邮寄优惠券的促销活动。Pri
17、nciples and Applications of Business IntelligenceChap 1： 导言 261.2 商务智能过程 1.2.1 知识发现- 知识发现的特征知识模式是使用一种形式化语言来进行的表达，表达描述了事实集合的子集中的一种显著的事实。 通过某种知识发现方法得到一个顾客细分的结果子集为41岁顾客，42岁顾客，48岁顾客，43岁顾客，64岁顾客，可以归纳为“40岁之上的顾客”或者“中年以上的顾客”等。 知识发现强调模式的有效性、新颖性、潜在有用性以及最终能被理解。 26Principles and Applications of Business Intelli
18、genceChap 1： 导言 271.2 商务智能过程 1.2.2 知识发现过程- 1、理解所要进行研究的领域、与之相关的以前的知识、以及用户的目标；- 2、创建/选择目标数据集合；- 3、数据清理和预处理；- 4、数据缩减和投影；- 5、选定数据挖掘任务；- 6、选择数据挖掘算法；- 7、数据挖掘过程；- 8、对挖掘出来的模式进行解释；- 9、完善和巩固所发现的知识。27Principles and Applications of Business IntelligenceChap 1： 导言 2828Principles and Applications of Business Inte
19、lligenceChap 1： 导言 29信息管理学院 1.2.2 知识发现过程7个步骤如下： 1）数据清理：消除噪声或不一致 2）数据集成：多种数据源组合在一起 3）数据选择：从数据库中检索与分析任务相关的数据。 4）数据变换：数据变换或统一成适合挖掘的形式，如汇总或聚集操作 5）数据挖掘：使用智能方法提取数据模式 6）模式评估：根据某种兴趣度量，识别表示知识的真正有趣的模式 7）知识表示：使用可视化和知识表示技术，向用户提供挖掘的知识1.2 商务智能过程Principles and Applications of Business IntelligenceChap 1： 导言 30信息管理
20、学院数据清理数据集成数据库数据仓库任务相关的数据选择与转换数据挖掘模式评估与知识表示1.2 商务智能过程Principles and Applications of Business IntelligenceChap 1： 导言 311Identify business issue2Formulate business question3What info.do I need4Where do I find the info.5Retrieve info.6AnalyseInfo.7Reportanswers8TakeactionsPrinciples and Applications of
21、Business IntelligenceChap 1： 导言 321.3 商务智能的系统构成 六个主要组成部分- 数据源- 数据仓库- 在线分析处理- 数据探查- 数据挖掘- 业务性能管理Principles and Applications of Business IntelligenceChap 1： 导言 33数据源 企业内部的操作型系统，即支持各业务部分日常运营的信息系统 企业的外部，如人口统计信息、竞争对手信息等Principles and Applications of Business IntelligenceChap 1： 导言 34数据仓库（data warehouse）
22、各种数据源的数据经过抽取、转换之后需要放到一个供分析使用的环境，以便对数据进行管理，这就是数据仓库 数据集市（data mart）：通常针对单个部门的数据仓库，区别于企业范围内的数据仓库。 数据仓库可以将分析数据与实现业务处理的操作型数据隔离，一方面不影响业务处理系统的性能，另一方面为数据的分析提供了一个综合的、集成的、统一的数据管理平台。 详细信息在第8章介绍Principles and Applications of Business IntelligenceChap 1： 导言 35在线分析处理（online analytical processing） 在线分析处理：业务性能度量可以通
23、过多个维度、多个层次进行多种聚集汇总，通过交互的方式发现业务运行的关键性能指标的异常之处。 多维数据可以进行多种操作- 如切片、切块、下钻、上卷等 详细信息在第9章介绍Principles and Applications of Business IntelligenceChap 1： 导言 36数据探查（exploration） 包括灵活的查询、即时报表以及统计方法等 该类方法属于被动分析方法 探查数据的方法可以借助统计上的中心性、发散性以及相关性的统计量分析，多变量分析时也可以借助可视化技术。 详细信息在第7、10章介绍。Principles and Applications of Bus
24、iness IntelligenceChap 1： 导言 37数据挖掘（data mining） 数据挖掘是从大量数据中自动发现隐含的信息和知识的过程，属于主动分析方法，不需要分析者的先验假设，可以发现未知的知识 常用的分析方法包括分类、聚类、关联分析、数值预测、序列分析、社会网络分析等Principles and Applications of Business IntelligenceChap 1： 导言 38数据挖掘：分类 分类（classification）是通过对具有类别的对象的数据集进行学习，概括其主要特征，构建分类模型，根据该模型预测对象的类别的一种数据挖掘和机器学习技术。 例如
25、，电信公司的客户可以分为两类，一类是忠诚的，一类是流失的。根据这两类客户的个人特征方面的数据以及在公司的消费方面的数据，利用分类技术可以构建分类模型Principles and Applications of Business IntelligenceChap 1： 导言 39Principles and Applications of Business IntelligenceChap 1： 导言 40数据挖掘：聚类 聚类（clustering）是依据物以类聚的原理，将没有类别的对象根据对象的特征自动聚集成不同簇的过程，使得属于同一个簇的对象之间非常相似，属于不同簇的对象之间不相似。 其典型
26、应用是客户分群Principles and Applications of Business IntelligenceChap 1： 导言 41数据挖掘：关联分析 关联分析最早用于分析超市中顾客一次购买的物品之间的关联性 例如，发现关联规则（association rule）“尿不湿啤酒（0.5%，60%）”，其含义为，0.5%的交易中会同时购买尿不湿和啤酒，且买尿不湿的交易中有60%会同时买啤酒Principles and Applications of Business IntelligenceChap 1： 导言 42数据挖掘：数值预测 数值预测用于预测连续变量的取值。 常用的预测方法是
27、回归分析 例如，可以根据客户个人特征，如年龄、工作类型、受教育程度、婚姻状况等，来预测其每月的消费额度。Principles and Applications of Business IntelligenceChap 1： 导言 43数据挖掘：序列分析 序列分析是对序列数据库进行分析，从中挖掘出有意义模式的技术。 序列模式（sequential pattern）的发现属于序列分析，它是从序列数据库中发现的一种有序模式 例如，赤壁，鸿门宴，见龙卸甲，意味着“看了赤壁之后会接着看鸿门宴，过段时间会看见龙卸甲”。Principles and Applications of Business Inte
28、lligenceChap 1： 导言 44Principles and Applications of Business IntelligenceChap 1： 导言 45数据挖掘：社会网络分析 社会网络（social network）是由个人或组织及其之间的关系构成的网络 社会网络分析（social network analysis）是对社会网络的结构和属性进行分析，以发现其中的局部或全局特点，发现其中有影响力的个人或组织，发现网络的动态变化规律等。Principles and Applications of Business IntelligenceChap 1： 导言 46业务绩效管理
29、业务绩效管理（business performance management），简称BPM，又称为企业绩效管理（corporate performance management），是对企业的关键性能指标，如销售、成本、利润以及可盈利性等，进行度量、监控和比较的方法和工具。 这些信息通常通过可视化的工具如平衡积分卡和仪表盘等进行展示。 相关内容见第10章。Principles and Applications of Business IntelligenceChap 1： 导言 471.4 商务智能的发展 管理信息系统 决策支持系统 主管信息系统 数据仓库、数据挖掘和在线分析处理Principl
30、es and Applications of Business IntelligenceChap 1： 导言 48管理信息系统（management information system） 简称MIS，产生于二十世纪七十年代 为企业提供企业管理的全方位信息，为管理人员提供管理决策信息的信息系统 其目的主要是提供信息以实现对企业或组织的快速有效管理Principles and Applications of Business IntelligenceChap 1： 导言 49决策支持系统（decision support system）， 简称DSS，开始于二十世纪七十年代，发展于八十年代 决策
31、支持系统是基于计算机的用于支持业务或组织决策的信息系统。 通常，决策支持系统基于数据库和模型库，用于解决半结构化和非结构化的决策问题，辅助管理人员做出快速、正确的决策Principles and Applications of Business IntelligenceChap 1： 导言 50主管信息系统（Executive information system） 简称EIS，又称为经理信息系统，出现于二十世纪八十年代 是针对企业内的高级管理人员的决策支持系统。 这种系统提供了灵活的报表生成、预测、趋势分析等功能。系统以直观的形式展现企业的运行状况以及关键成功因素（critical succ
32、ess factors）Principles and Applications of Business IntelligenceChap 1： 导言 51商务智能 商务智能系统是随着数据仓库、数据挖掘和在线分析处理等技术的发展于二十世纪九十年代而产生的 通过数据仓库可以集成企业内外的各种数据，为数据的分析处理提供基础。 在线分析处理则提供从多个维度探查业务性能指标的交互分析功能。 数据挖掘结合人工智能、统计等技术实现对大量数据中潜在模式、规律、异常的发现和评价。 这些新兴的技术为企业管理人员提供了更强大的决策支持工具。Principles and Applications of Business IntelligenceChap 1： 导言 52
