商务智能期末考试整理

第一讲商务智能概述（综合论述题）1学习本课程的原因：现代管理需要基于计算机的方法让决策更有有效性企业需要有智能A:在分析型商务智能软件的帮助下，用户可以建立统一的企业数据仓库平台，并收集，访问，分析每个商业领域的数据，同时，数据库技术的进步，服务器性能的提升以及分析软件算法的优化，是的访问大型数据库处理海量信息变得更加容易便捷。

B:商务智能可以提供个性化服务，以满足不同用户的需求，智能搜索可以给决策者以很好的数据分析。

2与本专业的关联性: 信息技术迅速发展的今天，电子商务已在国民经济中显现出极其重要的作用。

伴随着服务形态在全球扩张，市场需求多样化，社会网络的广泛建立等社会经济巨大变革；数据量正以每年翻倍的速度扩增，然而数据源分散，异构数据库难以整合，数据接口复杂等问题严重，导致大量数据中真正能被利用来分析和运用的数据不足10%。

如何将数据有效转化为决策者所需要的信息，提升电子商务整体应用水平，已经成为政府，企业界和软件开发界关注的一个研究方向。

（BI发展趋势：绩效管理，产品模块的集成，结构化和非结构化数据，数据质量，预测分析，客户定制化。

）根据商务智能的主要技术，以及电子商务的移动，虚拟性，个性化，社会性等新型特征，把商务智能同电子商务基础性规律结合起来，完善商务节点的数据挖掘，抽取，转化集成和应用。

提升电子商务中的智能搜索，精度营销，比较购物，供应链、配送优化等现实需求。

描述商务智能融合技术在电子商务中的应用展望。

3商务智能在电子商务中的典型应用（1）数据挖掘的应用：挖掘主要是挖掘出有潜力价值数据的信息拘束，主要应用在情报分析，数据库营销，识别用户消费行为，客户流失分析，划分客户群体等相关应用。

（沃尔玛超市尿布与啤酒的销售）（2）智能搜索的应用：人们运用关键词进行搜索返还的结果信息之间缺乏有效的关联，不仅增加了用户筛选结果信息的时间，而且也为用户查找有效信息增加了复杂的。

更重要的是传统搜索系统基于信息共享平台设计，缺乏有效的权限管理策略和安全机制，无法有效的保证资讯信息合法使用。

结合新兴电子商务的特征与精度营销，比较购物，供应链、配送优化等现实需求，研究电子商务中的知识管理与智能搜索的理论和方法。

主要内容可包括：具有智能的商务知识表达与数据挖掘方法，非结构信息中的知识获取技术，网页数据有效提取与实时动态分析技术，个性化推荐技术的应用等问题。

（3）可视化技术的应用：基于有限的离散采样，三维数据比几何形态的信息更为丰富和完整，而且更适合于表达不规则的研究对象。

（4）知识管理的应用：随着知识管理在科研机构内的应用，所有的科研成果和业内最新信息都可以共享在知识库中，方便使用人员检索知识，参考经验，从而达到商务成果信息的有效利用。

（5）个性推荐技术的应用：个性化推荐必须能够对用户的喜好提供相关性强的精确的推荐，尽可能减少个性化用户的查找时间，推荐结果必须能够实时计算。

4商务智能在电子商务中的未来发展趋势(1)商务智能简易型趋势（简便易用的交互界面；良好的适用性；实施与管理的便捷性；）（2）商务智能平台化发展（3）商务智能嵌入化趋势（4）商务智能同群众决策互补发展第二讲商务智能导论1：BI的作用商务智能与信息社会处在信息社会的一个重要标志性特征就是信息融合。

由信息技术的进步和广泛应用驱动的技术融合不断深化，从两个方面对于人们的社会生活和经济活动产生影响。

(一方面，企业中许多传统的业务决策问题逐渐变成信息决策问题.另一方面，信息产品及其应用随着技术创新呈现出越来越丰富的形态和特征)商务智能发展起来的四种推手：1：传统业务报告数据充分而知识匮乏；2：传统报告不能满足用户需求 3：传统分析工具的整合能力有限（用户被限定在数据对象中，而不能进一步分析和整合） 4：信息技术及应用的推广（大容量数据存储，互联网，并行处理，云技术）商务智能是信息社会繁荣的推动力—从传统的商业领域逐步拓展到政务领域、教育领域、医疗领域等其他各领域。

商务智能与企业管理商务智能对企业的战略决策也同样具有非常重要的影响，这种影响体现在3个方面：公司战略、业务战略和职能战略。

( 商务智能可以根据公司各战略业务单元的经营业绩和经营定位来选择合格的投资组合战略商务智能可以进行企业外部因素分析：外部环境分析、行业状况分析、竞争对手分析等商务智能可以在分析企业内部因素(劳动力，成本，技术，竞争等)的基础上为职能战略提供科学的决策依据 )改善关系：提供有关业务状况的有用信息，提高企业知名度，改善全信息链的效率。

理解业务：可以对各项业务进行准确的评估，帮助理解业务的驱动因素，识别对业务产生影响的关键因素，积极推动业务发展，培养良好发展态势。

创造商业机会：掌握各种商务数据和信息的企业可以出手这些信息而获利。

衡量绩效：从企业各个应用系统中提取各种基础绩效指标与关键绩效指标，对员工的工作绩效进行追踪、衡量和评价。

商务智能是如何协助企业进行管理的呢(基于目标的管理：能计算跨组织的绩效目标.基于异常的管理：检测实际指标与计划目标之间的偏差.基于事实的管理：将企业目标与事实结合.基于智能协同的管理：实现企业内部与外部资源的协同)商务智能的商业价值主要有三个方面的体现：省钱，提高效率和提高竞争力。

BI的概念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，提升各方面商务绩效，增强综合竞争力的智慧和能力。

BI的理解商务智能是通过对来自不同的数据源进行统一处理及管理，通过灵活的展现方法来帮助企业进行决策支持。

BI的四层面（个数据分析层面；信息系统层面；知识发现层面；战略层面）3 商务智能的系统构成四个阶段：数据收集→强大的分析工具→专业的分析知识→改善决策水平v1.0 可编辑可修改关键技术：数据仓库，联机分析处理技术，数据挖掘，可视化技术。

4 商务智能的开发方法（规划，需求分析，设计，实现。

）商务智能系统成功的关键因素：培训，循序渐进，业务人员与IT人员合作，高层支持，业务驱动5 商务智能的发展趋势•融合加强，演变成门户化•日趋“傻瓜”，体现人性化•可视化数据和自助式BI •基于云计算的BI•移动BI •致力于搜索领域的BI第三讲数据仓库的概述不应该说数据库到数据仓库是技术的进步。

数据仓库并不是对数据库的彻底抛弃。

数据库与数据仓库的比较：2 数据集市数据集市(Data Mart)又叫数据市场，是部门级的数据仓库，或者是为某种专门的用途开发的数据存储系统。

数据集市：规模较小，成本较低，针对性更强。

数据仓库：数据来源于各个部门的不同应用系统，可保证数据的整合性。

数据集市的两种基本形式 A:从属的数据集市（自上而下构建数据集市）数据是从企业的数据仓库获得，可看作是数据仓库的一个子集。

因此具有较好的数据整合性。

若需要的数据在数据集市中没有，则要先修改数据仓库的结构，使这种数据先进入数据仓库，再进入数据集市。

这种数据集市适合用于对数据仓库的访问量比较大的关键业务部门。

B:独立的数据集市（自下而上构建数据集市）没有数据仓库作为它的数据来源，而是直接从各个应用系统取得数据，因此，成本低，灵活性好，需要一种新的数据时不必修改企业级的数据仓库。

可提供个别部门所需要的数据，整合性较差。

第四讲数据仓库的分析1 数据仓库的体系结构数据仓库是面向主题、面向分析和知识发现的一种数据处理技术，对数据仓库的使用没有固定的模式，因此数据仓库与操作型事务处理系统的结构有很大的不同。

对于用户，数据仓库就是由数据源、数据仓库的数据存储、数据仓库的应用工具和可视化用户界面组成的。

2 粒度越是详细的数据，粒度级别越小；越是概括的数据，粒度级别越大。

•双重粒度指轻度综合数据级和真实细节数据级(最低粒度级)。

3 确定粒度大小一般考虑的原则：•若数据仓库的空间很有限，为节省存储空间，宜采用大粒度级表示数据；•若追求数据仓库能够回答的问题类型的能力，要求能够回答非常具体的问题，则使用较小的数据粒度级别；•若想要减轻处理器的负担，提高查询性能，则采用较大的数据粒度级别；•若没有存储空间的限制，则可在一个数据仓库中采用多重粒度级别，既存储低粒度级别的数据，也存储高粒度级别的数据，以同时获得高的查询效率和查询能力。

第五讲 DW的设计与开发概念模型设计关键任务：分析和理解DW中的主题，确定主题的要素及描述属性。

逻辑模型设计关键任务：粒度的划分、数据分割策略的确定、关系模式的定义、数据源及数据抽取模型等问题。

物理模型设计关键任务：物理数据库表及其存储结构设计。

2 概念模型设计确定主题（借助一些基本的方向性需求）对每个主题的内容进行描述（描述内容）•需要做哪些类型的决策•分析问题时所关心的事实；•决策者感兴趣的是什么问题•分析问题时的各种观察角度；•这些问题需要什么样的信息•描述事实及观察角度的属性。

•要得到这些信息需要包含哪些数据3 分析问题的维度市场经理：产品种类、时间、销售地区、销售渠道等。

市场部部长：时间、地区、客户统计特征、分销机构、产品型号等。

财务经理：预算、时间、地区4 信息包图（用户信息需求表）某连锁旅馆入住情况（核心问题是客房的使用量）维度包括：客房类型，旅馆，时间关键指标：已占用客房，空房间，不可用房间，入住人数，收入等。

对维度客房类型的分析：房间类型，房间大小，床位数，床位类型，最多容纳人数，套房家具，冰箱，厨房等。

对维度旅馆的分析：分支机构代码，分支机构名称，国家，省份，地区，城市，建设年份，修缮年份等。

对维度时间的分析：年份，季度，月份，星期几，日期，假日标准等。

5 数据仓库项目的开发过程：项目规划，需求分析，概念设计，ETL设计，逻辑和物理设计，实现与培训。

第六讲 OLAP1 多维数据库（MOLAP）与关系数据库（ROLAP）在存储上的不同对关系数据库来说，任何数据集均用二维表来存放；对多维数据库也是用二维表来存放的，但其存放方式和效率不同。

–若增加汇总，存储空间的占用情况也不同。

–若增加一个时间维——季度，采用关系数据库存储时仍使用二维表，多维数据库则采用数据立方体这样的三维数组来存储。

2 MOLAP与ROLAP的特征一般情况，MOLAP和ROLAP的选择主要看应用的规模。

若要建立功能复杂、规模较大的企业级数据仓库，则一般选择ROLAP方式；若是建立功能单一、小型的数据集市则更适合采用MOLAP方式。

第七讲 DM的概述1 产生DM的原因：A:数据挖掘技术产生的动力：数据爆炸问题；数据过量而知识贫乏（新理论、新材料、新工艺、新方法的不断出现，使知识老化的速度加快。

）B:从商业数据到商业信息的进化C:实施数据挖掘的目的:不再是单纯为了研究，更主要的是为商业决策提供真正有价值的信息，进而获得利润。