商務(wù)智能從數(shù)據(jù)中挖取利潤(rùn)

1、商務(wù)智能：從數(shù)據(jù)中挖取利潤(rùn)作者：陳紅發(fā)表：2003.04.3010:04:58來(lái)源：中國(guó)計(jì)算機(jī)用戶賽迪網(wǎng)編者按：商務(wù)智能幫助用戶對(duì)商業(yè)數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘，例如預(yù)測(cè)編者按：商務(wù)智能幫助用戶對(duì)商業(yè)數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘，例如預(yù)測(cè)發(fā)展趨勢(shì)、輔助決策、對(duì)客戶進(jìn)行分類、挖掘潛在客戶等等。那么，商業(yè)智能涉及到發(fā)展趨勢(shì)、輔助決策、對(duì)客戶進(jìn)行分類、挖掘潛在客戶等等。那么，商業(yè)智能涉及到哪些核心技術(shù)？它的技術(shù)走向以及應(yīng)用前景如何？請(qǐng)看

2、陳紅教授的精彩論述。哪些核心技術(shù)？它的技術(shù)走向以及應(yīng)用前景如何？請(qǐng)看陳紅教授的精彩論述。商務(wù)智能的技術(shù)支柱商務(wù)智能的技術(shù)支柱商務(wù)智能是指將企業(yè)的各種數(shù)據(jù)及時(shí)地轉(zhuǎn)換為企業(yè)管理者感興趣的信息（或者知識(shí)），并以各種方式展現(xiàn)出來(lái)，幫助企業(yè)管理者進(jìn)行科學(xué)決策，加強(qiáng)企業(yè)的競(jìng)爭(zhēng)優(yōu)勢(shì)。這里的數(shù)據(jù)不僅僅指企業(yè)內(nèi)部的各種數(shù)據(jù)，而且包括企業(yè)外部的數(shù)據(jù)，例如行業(yè)、市場(chǎng)狀況和客戶資源的數(shù)據(jù)等等。從技術(shù)角度看，商務(wù)智能的過(guò)程是企業(yè)的決策人員以企業(yè)中的數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)

3、，經(jīng)由聯(lián)機(jī)分析處理工具、數(shù)據(jù)挖掘工具加上決策規(guī)劃人員的專業(yè)知識(shí)，從數(shù)據(jù)中獲得有用的信息和知識(shí)，幫助企業(yè)獲取利潤(rùn)。從應(yīng)用角度看，商務(wù)智能幫助用戶對(duì)商業(yè)數(shù)據(jù)進(jìn)行聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘，例如預(yù)測(cè)發(fā)展趨勢(shì)、輔助決策、對(duì)客戶進(jìn)行分類、挖掘潛在客戶等等。從數(shù)據(jù)角度看，商務(wù)智能使得很多事務(wù)性的數(shù)據(jù)經(jīng)過(guò)抽取、轉(zhuǎn)換之后存入數(shù)據(jù)倉(cāng)庫(kù)，經(jīng)過(guò)聚集、切片或者分類等操作之后形成有用的信息、規(guī)則，來(lái)幫助企業(yè)的決策者進(jìn)行正確的決策。在三大技術(shù)支柱中，數(shù)據(jù)倉(cāng)庫(kù)是商務(wù)智能

4、的基礎(chǔ)。數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)用以更好地支持企業(yè)或組織的決策分析處理的的數(shù)據(jù)集合，它有面向主題、集成、相對(duì)穩(wěn)定、隨時(shí)間不斷變化四個(gè)特性，將數(shù)據(jù)倉(cāng)庫(kù)與傳統(tǒng)的面向事務(wù)處理的數(shù)據(jù)庫(kù)區(qū)分開來(lái)。數(shù)據(jù)倉(cāng)庫(kù)的關(guān)鍵技術(shù)包括數(shù)據(jù)的抽取、清洗、轉(zhuǎn)換、加載和維護(hù)技術(shù)。聯(lián)機(jī)分析處理（OLAP）是以海量數(shù)據(jù)為基礎(chǔ)的復(fù)雜分析技術(shù)。它支持各級(jí)管理決策人員從不同的角度、快速靈活地對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行復(fù)雜查詢和多維分析處理，并且能以直觀易懂的形式將查詢和分析結(jié)果展現(xiàn)給決策人員

5、。OLAP使用的邏輯數(shù)據(jù)模型為多維數(shù)據(jù)模型。常用的OLAP多維分析操作有上卷、下鉆、切片、切塊、旋轉(zhuǎn)等。多維數(shù)據(jù)模型在物理實(shí)現(xiàn)時(shí)，主要有三種方式：ROLAP結(jié)構(gòu)、MOLAP結(jié)構(gòu)和HOLAP結(jié)構(gòu)。其中ROLAP是基于關(guān)系數(shù)據(jù)庫(kù)的OLAP實(shí)現(xiàn)，MOLAP是基于多維數(shù)據(jù)組織的OLAP實(shí)現(xiàn)，HOLAP是基于混合數(shù)據(jù)組織的OLAP實(shí)現(xiàn)。數(shù)據(jù)挖掘(DataMining)是從海量數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但靠數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理和數(shù)

6、據(jù)挖掘這三大技術(shù)。借助商務(wù)智能的核心技術(shù)，利用企業(yè)中長(zhǎng)期積累的海量數(shù)據(jù)，可以實(shí)現(xiàn)四方面的應(yīng)用：客戶分類和特點(diǎn)分析根據(jù)客戶歷年來(lái)的大量消費(fèi)記錄以及客戶的檔案資料，對(duì)客戶進(jìn)行分類，并分析每類客戶的消費(fèi)能力、消費(fèi)習(xí)慣、消費(fèi)周期、需求傾向、信譽(yù)度，確定哪類顧客給企業(yè)帶來(lái)最大的利潤(rùn)、哪類顧客僅給企業(yè)帶來(lái)最少的利潤(rùn)同時(shí)又要求最多的回報(bào)，然后針對(duì)不同類型的客戶給予不同的服務(wù)及優(yōu)惠。市場(chǎng)營(yíng)銷策略分析利用數(shù)據(jù)倉(cāng)庫(kù)技術(shù)實(shí)現(xiàn)市場(chǎng)營(yíng)銷策略在模型上的仿真，其仿真

7、結(jié)果將提示所制定的市場(chǎng)營(yíng)銷策略是否合適，企業(yè)可以據(jù)此調(diào)整和優(yōu)化其市場(chǎng)營(yíng)銷策略，使其獲得最大的成功。經(jīng)營(yíng)成本與收入分析對(duì)各種類型的經(jīng)濟(jì)活動(dòng)進(jìn)行成本核算，比較可能的業(yè)務(wù)收入與各種費(fèi)用之間的收支差額，分析經(jīng)濟(jì)活動(dòng)的曲線，得到相應(yīng)的改進(jìn)措施和辦法，從而降低成本、減少開支、提高收入。欺詐行為分析和預(yù)防利用聯(lián)機(jī)分析和數(shù)據(jù)挖掘技術(shù)，總結(jié)各種騙費(fèi)、欠費(fèi)行為的內(nèi)在規(guī)律后，在數(shù)據(jù)倉(cāng)庫(kù)的基礎(chǔ)上建立一套欺騙行為和欠費(fèi)行為規(guī)則庫(kù)，就可以及時(shí)預(yù)警各種騙費(fèi)、欠費(fèi)，盡

8、量減少企業(yè)損失。在歐美發(fā)達(dá)國(guó)家，以數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理和數(shù)據(jù)挖掘?yàn)榛A(chǔ)的商務(wù)智能應(yīng)用首先在金融、保險(xiǎn)、證券、電信、稅務(wù)等傳統(tǒng)數(shù)據(jù)密集型行業(yè)取得成功。國(guó)外數(shù)據(jù)倉(cāng)庫(kù)的增長(zhǎng)有多種因素驅(qū)動(dòng)。一是經(jīng)濟(jì)全球化，打破了國(guó)際上存在的種種壁壘，消除了國(guó)家保護(hù)，各商家只有及時(shí)向客戶提供產(chǎn)品和優(yōu)質(zhì)服務(wù)，才能在激烈的競(jìng)爭(zhēng)中擁有客戶和占有市場(chǎng)，才能生存下來(lái)。二是知識(shí)經(jīng)濟(jì)的發(fā)展，導(dǎo)致企業(yè)的數(shù)據(jù)量劇增，企業(yè)亟需從這些龐大的數(shù)據(jù)中獲知其隱含的信息和知識(shí)，制定相適應(yīng)的

9、政策，增強(qiáng)企業(yè)的競(jìng)爭(zhēng)力。根據(jù)IDC分析，從1997年到2002年，整個(gè)數(shù)據(jù)倉(cāng)庫(kù)市場(chǎng)（軟件、服務(wù)、服務(wù)器和存儲(chǔ)）以平均每年20.5％的速度增長(zhǎng)。IDC的另一項(xiàng)調(diào)查結(jié)果表明，企業(yè)用于商務(wù)智能的投資回報(bào)率平均2.3年高達(dá)400％。一項(xiàng)來(lái)自美國(guó)MetaGroup的市場(chǎng)分析指出，92％的企業(yè)將在今后3年內(nèi)使用數(shù)據(jù)倉(cāng)庫(kù)。國(guó)內(nèi)數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用剛剛起步，電信、金融、證券、稅務(wù)、零售業(yè)等已有大量操作型數(shù)據(jù)積累的企業(yè)都出現(xiàn)了迫切的應(yīng)用需求，可以預(yù)計(jì)，商務(wù)智能在