商务智能大总结1 商务智能概念及过程

商务智能（Business intelligence）概念
1996年Gartner Group 的Howard Dresner提出由数据仓库（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。

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：使用智能方法提取知识模式
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

商务智能的系统构成——6个主要组成部分：
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
数据仓库：
各种数据源的数据经过抽取（Extract）、转换(Transform)之后需要放到(Load)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。
在线分析处理：
业务性能度量可以通过多个维度、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
数据探查：
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
数据挖掘：
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
业务绩效管理：
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。

分类 聚类
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，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。

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。
其典型应用是客户分群。