专题 商务智能

商 务 智 能北京科技大学北京科技大学 高学东高学东1 1 什么是商务智能？什么是商务智能？2 2 业务层面的商务智能业务层面的商务智能-业务流程可视化业务流程可视化3 3 数据观察和数据分析的基础数据观察和数据分析的基础-数据仓库数据仓库4 4 数据观察层面的商务智能数据观察层面的商务智能-在线分析处理（在线分析处理（OLAPOLAP）5 5 数据分析层面的商务智能数据分析层面的商务智能-数据挖掘数据挖掘商务智能北京科技大学北京科技大学1.1 1.1“商务智能商务智能”的本质的本质1.2 1.2 商务智能应用层次商务智能应用层次1.3 1.3 商务智能应用发展商务智能应用发展1.4 1.4“商务智能商务智能”从何而来从何而来?1.5 1.5 案例：案例：三类典型业务三类典型业务管理中的商务智能管理中的商务智能1 什么是商务智能?北京科技大学北京科技大学 对企业本身而言，商务智能是指一种能力，即通过智能地使用企业的数据财产（知本）来制定更好的商务决策。从本质上讲，商务智能是帮助企业提高决策能力和运营能力的方法、过程以及软件的集合，其主要目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性。商务智能帮助识别、理解公司的运营数据，将其转化成为高价值的可以获取的信息(或者知识)，并且在恰当的时候、通过恰当的方式、把恰当的信息、传递给恰当的人。1.1“商务智能”的本质北京科技大学北京科技大学 商务智能(Business Intelligence,BI)已经成为企业创造更多盈利的关键。商务智能能够让企业从现有的“知本”中提炼更多的有价值的知识。BI已经紧紧地与“知本”和“知识”结合在一起，牢不可分。生产“商务智能”的”原材料”和”产品”北京科技大学北京科技大学1.1 1.1“商务智能商务智能”的本质的本质1.2 1.2 商务智能应用层次商务智能应用层次1.3 1.3 商务智能应用发展商务智能应用发展1.4 1.4“商务智能商务智能”从何而来从何而来?1.5 1.5 案例：案例：三类典型业务三类典型业务管理中的商务智能管理中的商务智能1 什么是商务智能?北京科技大学北京科技大学 简单的报告和查询在线分析处理(OLAP)经理信息系统(EIS)数据挖掘外 网1.2 商务智能应用层次北京科技大学北京科技大学1.1 1.1“商务智能商务智能”的本质的本质1.2 1.2 商务智能应用层次商务智能应用层次1.3 1.3 商务智能应用发展商务智能应用发展1.4 1.4“商务智能商务智能”从何而来从何而来?1.5 1.5 案例：案例：三类典型业务三类典型业务管理中的商务智能管理中的商务智能1 什么是商务智能?北京科技大学北京科技大学1.3 商务智能应用发展 中国大多数企业进行商务智能项目试验时，也是从中国大多数企业进行商务智能项目试验时，也是从部署部门战略开始的。试验期大约部署部门战略开始的。试验期大约6 61212个月。个月。西方企业大约西方企业大约1010年前开始年前开始部署部署部门商务智能部门商务智能部门商务智能现已涵盖了企业的部门商务智能现已涵盖了企业的某一业务领域某一业务领域，如生产、人力资源或财务，如生产、人力资源或财务西方企业用了大约西方企业用了大约5 5年时间建立了年时间建立了企业级的商务智能系统及其外网企业级的商务智能系统及其外网北京科技大学北京科技大学1.1 1.1“商务智能商务智能”的本质的本质1.2 1.2 商务智能应用层次商务智能应用层次1.3 1.3 商务智能应用发展商务智能应用发展1.4 1.4“商务智能商务智能”从何而来从何而来?1.5 1.5 案例：案例：三类典型业务三类典型业务管理中的商务智能管理中的商务智能1 什么是商务智能?北京科技大学北京科技大学r 企业如何才能获得所要求的智能？r 企业如何利用智能来培养客户的忠诚度并使企业盈利？r 企业怎样才能在竞争中胜出？这些问题的答案都在业务流程和数据中。这些问题的答案都在业务流程和数据中。业务业务运运行离不开行离不开数据数据，业务和数据的联系形成信息业务和数据的联系形成信息，而信息，而信息造就智能。造就智能。1.4“商务智能”从何而来?（1）“商务智能”从业务及其数据得来北京科技大学北京科技大学（2）数据、信息和智能 数据数据未经加工和修饰的原料 例如，美国阿肯色州小石城的一位消费者花14.95美元在网站上购买了一张埃尔顿约翰(Elton John)的CD唱片，它导致交易数据库中的一项记录（数据）。1.4“商务智能”从何而来?北京科技大学北京科技大学 信息含有一定商务价值和意义的数据 例如，从小石城那位消费者购买CD唱片的数据，可联合其它数据得到顾客性别、收入对埃尔顿约翰CD唱片的购买情况（信息），它是业务人员对采集来的原始数据进行提炼、分选、联合得来的。这些信息可以用来分析产品的盈利性、未来购买趋势等。（2）数据、信息和智能1.4“商务智能”从何而来?北京科技大学北京科技大学 智能对信息、过去的行为以及未来预测进行完整评价的基础上发现的业务规律，及其指导业务实践的活动。例如，唱片公司的一些营销人员在分析了一个月的购买记录后，发现新版埃尔顿约翰唱片最受欧洲“婴儿潮”中出生的人群所欢迎（智能）。公司便采取措施直接针对这类消费群体进行市场促销（智能应用），从而将仓库中积压的埃尔顿约翰的旧作推销一空。1.4“商务智能”从何而来?（2）数据、信息和智能北京科技大学北京科技大学 菲亚特公司一直从两个供应商A和B手中购买凸型螺帽，并把关于从两处购买的螺帽的数量和价格的“数据”分别存放在两个数据库中。当两个数据库结合在一起时，数据就成了“信息”。信息表明供应商A比供应商B提供的螺帽单价多了0.1美元。采购人员了解了这一情况，便产生了集体“智能”，调整采购策略，从而为公司节省了巨大的开支。从从数据数据产生产生智能智能的过程的过程-小案例小案例1.4“商务智能”从何而来?北京科技大学北京科技大学6.2 数据挖掘应用技术商务智能技术应用面临的问题商务智能技术应用面临的问题 有用信息（知识）的表达方法有用信息（知识）的表达方法 智能的根本：商务规律智能的根本：商务规律 分析器的两种形式分析器的两种形式 获取知识的工具获取知识的工具1.4“商务智能”从何而来?（3）商务智能应用的关键北京科技大学北京科技大学商务智能技术面临的问题商务智能技术面临的问题对企业决策者来说，什么是潜在有 用的信息？有用信息如何表达？更进一步说 如何规范化表达？有用信息如何获得？1.4“商务智能”从何而来?北京科技大学北京科技大学有用信息（知识）表达的方法（有用信息（知识）表达的方法（事实事实与与规则规则）有用信息的自然描述有用信息的自然描述 -事实事实(Fact)(Fact)对对一一个个企企业业决决策策者者来来说说，“有有用用信信息息”实实际际上上是是从从“行行数数据据”中中总总结结出出来来的一些的一些“事实事实”。1.4“商务智能”从何而来?北京科技大学北京科技大学有用信息的自然描述例“我公司1997年全年的钢材产量完全达到了国家的计划要求。从总的销售情况来看，基本上完成了全年的销售计划，全年实现销售利税500亿元。当然，个别品种我们尚未打开市场，如造船板。在取得成绩的同时，我们也应看到如下事实，即我们的产品几乎都销往东北地区，其它地区的市场占有率几乎全部丧失，个别地区，如广东、海南地区甚至不足1。”1.4“商务智能”从何而来?北京科技大学北京科技大学有用信息的自然描述(事实)例（续）在这段报告中我们注意到如下在这段报告中我们注意到如下“有用信息有用信息”的表达方式：的表达方式：19971997年全年钢材产量完全达到了国家计划要求。年全年钢材产量完全达到了国家计划要求。销售基本上完成了上一年的销售计划。销售基本上完成了上一年的销售计划。产品几乎都销往东北地区。产品几乎都销往东北地区。个别地区，如广东、海南地区市场占有率甚至不足个别地区，如广东、海南地区市场占有率甚至不足1%1%。1.4“商务智能”从何而来?北京科技大学北京科技大学有用信息的规范化描述有用信息的规范化描述 规则规则 观察下面的产品按地区的销售情况表：观察下面的产品按地区的销售情况表：我们得出以下结论（事实）：我们得出以下结论（事实）：19981998年年2 2月大部分销售都集中在东北地区月大部分销售都集中在东北地区1.4“商务智能”从何而来?北京科技大学北京科技大学“规则”的一般形式 总结有用信息的表达方式，我们得到下面的有用总结有用信息的表达方式，我们得到下面的有用信息（知识）的规范化表达方式为：信息（知识）的规范化表达方式为：IF IF 条件条件 THEN THEN 结论结论(确信度，支持行数确信度，支持行数)确信度确信度（ConfidenceConfidence）：）：所关注列具有相同值的所关注列具有相同值的 结论行值占所查询行值总计的百分比。结论行值占所查询行值总计的百分比。支持行数支持行数：满足此模式条件的行数。：满足此模式条件的行数。1.4“商务智能”从何而来?北京科技大学北京科技大学从从“数据数据”得到得到“知识知识”的分析器有两种形式的分析器有两种形式 固定格式的分析器固定格式的分析器 事实发现器（规则发现器）事实发现器（规则发现器）数据数据固定格式分析器固定格式分析器事实发现器事实发现器 用户用户1.4“商务智能”从何而来?北京科技大学北京科技大学“事实发现器”是商务智能的核心！事实发现器有时称为“事实搜索引擎”，它是从数据中搜索商业事实（规则）的搜索工具。1.4“商务智能”从何而来?北京科技大学北京科技大学1.1 1.1“商务智能商务智能”的本质的本质1.2 1.2 商务智能应用层次商务智能应用层次1.3 1.3 商务智能应用发展商务智能应用发展1.4 1.4“商务智能商务智能”从何而来从何而来?1.5 1.5 案例：三类典型业务管理中的商务智能案例：三类典型业务管理中的商务智能1 什么是商务智能?北京科技大学北京科技大学1.5 案例：三类典型业务管理中的商务智能BIBI市场分析员销售经理采购经理北京科技大学北京科技大学 离本财务季度完结还剩下4周的时间，按照惯例，全美销售部门副总经理罗伯特需要向其上司全美销售部门总经理进行工作汇报，他关心的首要话题总是：本财务季度的销售状况如何？为了准备这次汇报，罗伯特借助商务智能工具，做了如下工作:（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 （1）浏览定时自动更新的全美销售周报表，查看销售预测、销售指标和订货额等指标的状态。全美地区销售数据第几周123456789101112销售指标250预计收入130135140145152160170185202订货额515305080120130150175预计收入/销售指标52%54%56%58%61%64%68%74%81%订货额/销售指标4%11%21%34%53%75%76%81%87%（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 (周)153.519920%21%运营预算 支出成本 计划运营利润 实际运营利润（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学从销售报表中可以清楚看到：n 销售预测数据低于本财务季度的销售指标n 执行花费低于本财务季度的预算n 订货情况与销售预测相吻合（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学（2）罗伯特进一步了解了全美各地区（东部、中部和西部）的销售细节。东部地区销售数据第几周123456789101112销售指标80预计收入242529323638414345订货额136101626323842预计收入/销售指标30%31%36%40%45%48%51%54%56%订货额/销售指标4%12%21%31%44%68%78%88%93%（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 年份：2000季度：第一季度地区：东部单位：100万美元376419%18%东部运营预算 东部支出成本 预计运营利润 实际运营利润从宏观到微观的分析转换从宏观到微观的分析转换“下钻下钻”(Drill down)反之，从微观到宏观的转换反之，从微观到宏观的转换“上钻上钻”(Drill up)(周)（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 （3）罗伯特决定根据销售渠道（直接销售和间接销售）了解各地区的主要表现指标（包括订货情况、预计收入、销售指标、项目执行支出等）。观察数据中的某一层面观察数据中的某一层面切片切片(Taking a(Taking a slice)slice)（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学销售信息立方体 销售地区东部中部 西部销售渠道间接直接财政季度第4季度第3季度第2季度第1季度 切片分析表明：预测销售的下降起源于销售切片分析表明：预测销售的下降起源于销售渠道中的直接销售方面。渠道中的直接销售方面。（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 根据某一特定季节进行的切片分析根据某一特定销售地区进行的切片分析 销售地区销售渠道 财政季度 销售地区销售渠道 财政季度 决策者不但要了解主要的业务指标，还要按照地区、决策者不但要了解主要的业务指标，还要按照地区、销售渠道和时间范围等不同视角去了解业务各指标的情销售渠道和时间范围等不同视角去了解业务各指标的情况况多维分析多维分析(Multidimensional analysis)切片分析表明：东部地区的销售预测比较低。（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 （4）罗伯特通过进一步“钻取”，查看了东部地区每一位销售代表的订货情况和销售预测。但是这一项工作对他并没有什么帮助。每一位销售代表的业绩都达到或接近他们的销售指标，这样并不能解释为什么销售预测比较低。（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学东部地区个人直销数据销售代表 销售指标 预计收入 订货额 预计收入/销售指标 订货额/销售指标Sarah3.5 3.7 3.5 106%100%Andrew1.5 2.0 2.9 133%193%Alex2.5 2.6 2.5 104%100%Michelle1.0 1.1 1.0 110%100%Chole4.5 5.0 4.9 111%109%Taphael1.0 1.5 1.4 150%140%Max4.0 4.1 4.0 103%100%Ryan2.0 2.1 2.0 105%100%Keeton1.0 1.5 1.3 150%130%Stephanie5.0 5.1 5.0 102%100%Jenniter2.0 2.1 2.0 105%100%Abigail1.0 1.0 1.0 100%100%Isabel6.0 5.6 4.8 93%80%Theodore1.0 0.8 0.6 80%60%（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 （5）罗伯特发现东部地区的执行花费维持在一个比较低的水平。由于销售地区的销售费很大程度上取决于推销队伍的工资。因此，他怀疑可能是雇佣的推销人员不足导致了销售费用和预计利润的低下。于是，他建立了一个能够按月显示东部地区最近两个财务季度的预计人员和实际人员的对照表。（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学东部地区预算人员和实际人员的对照图（单位：人）（单位：人）分析得到：东部雇佣销售人员费用的下降以及雇佣地销售人员人数的不足导致了销售预测的下降。（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学（6）罗伯特利用钻取的方法按州查看同样的指标，报告显示其他三个州也同样存在销售人员短缺的问题。他与东部地区的销售经理通了电话后，这个分析结果得到了肯定。（一）某玩具公司管理中的商务智能-销售经理北京科技大学北京科技大学 露茜是一家银行信用卡部门的市场分析员，她的工作是确定市场促销的目标及其前景。由于争取新客户的费用远远大于稳定现有顾客的成本，因此露茜必须确定此次促销活动最理想的客户群体。她关心的第一个问题是：常客们是否是银行的受益顾客？为了回答这个问题，露茜做了以下工作。（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学 （1）制定标准，划定对象范围。常客指的是每月至少使用一次信用卡的顾客。受益顾客是指为银行带来最好回报的顾客，特别是那些有透支行为，但通常在3060天之内就支付透支额的顾客。受益顾客他们既为银行带来了利息收入又带来了滞纳金。（2）利用商务智能工具，建立一个能够显示那些既是常客，又是受益顾客的用户清单报告，即收益顾客与常客的交集部分。（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学受益顾客与常客的数量比较报告72051760825124顾客分类顾客人数常客76082受益顾客72051常客受益顾客（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学 报告表明，银行所喜欢的顾客，一般来讲并不是那些使用信用卡的常客。因此露茜制定的促销策略为：针对受益顾客进行促销，努力提高他们的信用卡使用频率，使其成为常客。（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学 （3）受益顾客的数量超过72000位，但露茜的促销预算只允许达到36000位顾客（她想送给每一位目标客户一个价值1.25美元的促销袋）。因此，露茜迎来了第二个问题：促销应针对哪一部分受益顾客？露茜利用商务智能工具得到了顾客特征的精确描述，同时也确定了辨别受益顾客的重要因素。（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学数据挖掘报告决策树401709个记录个记录帐户平衡帐户平衡:24378960.7%延迟延迟60天天:8586921.4%延迟延迟30天天:7205117.9%婚姻状况婚姻状况=寡居寡居36519个记录个记录帐户平衡帐户平衡:789621.6%延迟延迟60天天:1677945.9%延迟延迟30天天:1188432.4%婚姻状况婚姻状况=独身独身65142个记录个记录帐户平衡帐户平衡:1974030.3%延迟延迟60天天:987015.2%延迟延迟30天天:3553254.5%婚姻状况婚姻状况=已婚已婚300048个记录个记录帐户平衡帐户平衡:21615372.0%延迟延迟60天天:5922019.7%延迟延迟30天天:246758.2%居住情况居住情况=租房租房42441个记录个记录帐户平衡帐户平衡:9872.3%延迟延迟60天天:592214.0%延迟延迟30天天:3553283.7%居住情况居住情况=自有房屋自有房屋22701个记录个记录帐户平衡帐户平衡:1875382.6%延迟延迟60天天:394817.4%月可支配收入月可支配收入938美元美元6909个记录个记录帐户平衡帐户平衡:98714.3%延迟延迟60天天:592285.7%月可支配收入月可支配收入938美元美元35532个记录个记录延迟延迟30天天:35532100%帐户平衡延迟 60天延迟 30天（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学 这里所应用的决策树技术是“数据挖掘”中的一种自动数据分析算法。数据分析算法可以在人们不可见、不可估测的情况下，通过一些复杂的算法，对专门组织的历史数据进行挖掘分析，得到有价值的信息。同时，数据挖掘还提供“描述”技术，从而提高分析者对信息的理解程度。（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学 (4)由数据挖掘报告分析得到，那些租房居住、单身的顾客通常拥有较多的可自由支配收入，他们属于受益顾客类型。露茜将促销目标确定为35532个顾客，这些顾客具有单身、租房居住、具有较高可自由支配收入等特征。利用商务智能工具精确确定促销目标，而不是向随机产生的客户群进行促销，这场促销战役以巨大的成功宣告结束。（二）一家银行信用卡部门的商务智能-市场分析员北京科技大学北京科技大学 吉姆是一家汽车公司的采购经理，他的工作就是在全国范围内为公司进行各种合同谈判，并对公司的供应商进行评估。他所关心的问题是：我怎么做才能为公司减少采购成本？公司成本包括直接成本和间接成本，在成本最小化问题上，公司历来都把直接成本作为主要焦点，而忽略了间接成本。很少有几家公司肯为采购办公室用的铅笔讨价还价。吉姆就是要针对这些间接成本进行调查，因特网时代的到来给他提供了绝好的条件。（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学 借助商务智能工具，吉姆做了如下工作：（1）吉姆查看了汇总的电话账单，这些账单是电信服务商通过一个商务智能外网上的在线账单业务提供的。电信服务商的汇总报告每个月向客户分发或广播(Broadcast)一次。通过查看10月份的账单，吉姆感觉相关移动电话费用所占的份额高于往常月。（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学10月汇总电话账单服务类型月费用(美元)电话卡9400移动电话6580办公室电话38025月服务费用54005470%17%70%12%办公室电话电话卡移动电话（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学 (2)吉姆建立了一个有关电话费的统计报告，包括全公司四个生产基地新罕布什尔州的Nashua，俄亥俄州的Toledo，德克萨斯州的Austin，内华达州的Reno。该报告显示，2000年(从1月到10月)的电话费用持续增长，人均电话费也呈增长态势。尤其是新罕布什尔州的Nashua基地，几个月来的电话费用增长显著。（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学按月按基地显示的电话费用数据基地基地1月月2月月3月月4月月5月月6月月7月月8月月9月月10月月Nashua 10000 11004 10824 12436 14406 14388 16225 16740 16560 16605 Toledo14210 14735 14600 14330 14270 14260 14630 14960 15090 14960 Austin8526 8841 8760 8598 8562 8556 8778 8976 9054 8976 Remo12789 13262 13140 12897 12843 12834 13167 13464 13581 13464 总电话费总电话费 45525 47842 47324 48261 50081 50038 52800 54140 54285 54005（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学按月按基地显示的电话费用年份：2000(截至报告月)设备：全部服务：全部单位：美元1月 2月 3月 4月 5月 6月 7月 8月 9月10月300290280270260250220200180160140120100人均电话费支出员工总支出（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学 (3)吉姆对Nashua基地的数据进行了“下钻”，查看了各种服务种类的电话账单细节。他很快发现，相关的综合服务费用超过了往年，其中移动电话的费用在全部增长中占据了很大份额。吉姆突然记起，为了提高员工工作效率，Nashua基地为全体管理人员配发了移动电话，报告中所显示出来的一场恰恰就是新的移动电话使用政策造成的。（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学按月按服务类型显示的Nashua生产基地电话账单类型类型1月月2月月3月月4月月5月月6月月7月月8月月9月月10月月办公室话费办公室话费 8000840082008200810080008200840085008450电话卡费用电话卡费用 2000210020502000195019001950190018501900手机话费手机话费05045742236435644886075644062106255总电话费总电话费10000 11004 10824 12436 14406 14388 16225 16740 16560 16605（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学按月按服务类型显示的Nashua生产基地电话账单年份：2000(截至报告月)设备：全部服务：全部单位：美元人均电话费支出员工人数1月 2月 3月 4月 5月 6月 7月 8月 9月10月42038034030026022052504846444240（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学 (4)吉姆对Nashua基地移动电话账单数据进行了“下钻”，发现国际长途电话在增长幅度较大，特别是打到英国的长途电话费最为引人注目。吉姆与该地区的经理通了电话，原来他们正在与英国的几个主要供应商建立一个联盟，供货和配送需求不断更新，需要随时联系。（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学手机话费类型手机话费类型 1月月2月月3月月4月月5月月6月月7月月8月月9月月10月月市话市话2362923441319226525582734289827952877国内长途国内长途156202218872196017501944206119252127国际国际-英国英国000044901276135213661126国际国际-其他其他81012448688120128124125Nashua生产基地移动电话账单（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学Nashua生产基地移动电话账单年份：2000(截至报告月)设备：全部服务：全部单位：美元1月 2月 3月 4月 5月 6月 7月 8月 9月10月16012080400人均电话费支出行业内人均手机费用支出（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学 (5)吉姆得到了这个重要信息后，马上与其电信服务商联系，签订了一份特殊的协议对与英国方面的通信业务给予优惠。该项协议的签署，意味着吉姆将为他的公司每年节省数百万美元的经费。吉姆通过因特网获得了电信公司提供的相关数据，利用商务智能工具对其企业内部数据和外部数据加以综合分析和利用，采取合理的措施，从而为企业节省了大量成本。（三）一家汽车公司的商务智能-采购经理北京科技大学北京科技大学1 1 什么是商务智能？什么是商务智能？2 2 业务层面的商务智能业务层面的商务智能-业务流程可视化业务流程可视化3 3 数据观察和数据分析的基础数据观察和数据分析的基础-数据仓库数据仓库4 4 数据观察层面的商务智能数据观察层面的商务智能-在线分析处理（在线分析处理（OLAPOLAP）5 5 数据分析层面的商务智能数据分析层面的商务智能-数据挖掘数据挖掘商务智能北京科技大学北京科技大学2.1 2.1 为什么要为什么要“业务流程的可视化业务流程的可视化”?2.2 2.2“业务流程可视化业务流程可视化”的形式的形式2.3 2.3 业务流程的可视化的基础业务流程的可视化的基础2 业务层面的商务智能-业务流程可视化北京科技大学北京科技大学2.1 2.1 为什么要为什么要“业务流程的可视化业务流程的可视化”?”?组织的效率取决于它的业务流程的有效运行。但如何知道业务流程在正常运行?(也就是说如何知道业务在正常进行?)不知道业务是否正常进行,当然业务(商务)管理也就无从谈起，“商务智能”就更无从谈起了！要知道业务流程是否正常运行，需要对流程运行进行监视，这就要求“业务流程的可视化”！北京科技大学北京科技大学北一大偎公司项目经理赵红霞：北一大偎公司项目经理赵红霞：过去，我看到的是各方面报来的结过去，我看到的是各方面报来的结果，我说不清数据的可靠性。果，我说不清数据的可靠性。现在（流程可视化后），我看到的现在（流程可视化后），我看到的是产生结果的过程，我可以判断其真实是产生结果的过程，我可以判断其真实性！性！北京科技大学北京科技大学2.1 2.1 为什么要为什么要“业务流程的可视化业务流程的可视化”?2.2 2.2“业务流程可视化业务流程可视化”的形式的形式2.3 2.3 业务流程的可视化的基础业务流程的可视化的基础2 业务层面的商务智能-业务流程可视化北京科技大学北京科技大学（1）模型可视化 使用可视化的建模工具，利用图形化的方式描述组织内角色、活动、流程的状态及其相互关系，建立企业业务流程模型。流程图建模在可视化建模中运用得非常广泛，它是指将一些符号放在呈现界面上来描述系统逻辑关系，并利用模块图和网络图来建立系统仿真模型的一种技术。2.2“2.2“业务流程可视化业务流程可视化”的形式的形式北京科技大学北京科技大学（2）信息可视化信息可视化通常被定义为通过使用由计算机支持的、交互式的且可视的抽象数据呈现方式来加强认知的过程。在信息可视化系统中一般使用工作流管理技术将企业运行过程中产生的数据以及结果“推向”用户，使用户及时感知业务的状态。北京科技大学北京科技大学2.1 2.1 为什么要为什么要“业务流程的可视化业务流程的可视化”?2.2 2.2“业务流程可视化业务流程可视化”的形式的形式2.3 2.3 业务流程的可视化的基础业务流程的可视化的基础2 业务层面的商务智能-业务流程可视化北京科技大学北京科技大学2.3 2.3 业务流程的可视化的基础业务流程的可视化的基础 （1）信息集成 指企业系统中各业务子系统和用户的信息采用统一的标准，规范和编码，实现全系统信息共享，进而可实现相关用户软件间的交互和有序工作。（2）信息共享 指不同层次、不同部门信息系统间，信息和信息产品的交流与共用。北京科技大学北京科技大学1 1 什么是商务智能？什么是商务智能？2 2 业务层面的商务智能业务层面的商务智能-业务流程可视化业务流程可视化3 3 数据观察和数据分析的基础数据观察和数据分析的基础-数据仓库数据仓库4 4 数据观察层面的商务智能数据观察层面的商务智能-在线分析处理（在线分析处理（OLAPOLAP）5 5 数据分析层面的商务智能数据分析层面的商务智能-数据挖掘数据挖掘商务智能北京科技大学北京科技大学3.1 3.1 什么是数据仓库？什么是数据仓库？3.2 3.2 数据仓库的数据组织数据仓库的数据组织3 数据观察和数据分析的基础-数据仓库北京科技大学北京科技大学3.1 3.1 什么是数据仓库什么是数据仓库?（1 1）数据仓库的本质）数据仓库的本质 数据仓库是为了企业管理决策需要进数据仓库是为了企业管理决策需要进行的业务观察、企业运行分析等数据分析行的业务观察、企业运行分析等数据分析工作工作专门建立的数据存储专门建立的数据存储。数据仓库是面向主题的、集成的、具数据仓库是面向主题的、集成的、具有时间特征的、稳定的有时间特征的、稳定的数据集合数据集合，用以支，用以支持经营管理中的决策制定过程。持经营管理中的决策制定过程。北京科技大学北京科技大学决策分析为什么不能直接针对业务数据？决策分析为什么不能直接针对业务数据？;在在现现有有业业务务系系统统产产生生的的业业务务数数据据上上，不不方方便便直直接接进进行行分析型数据操作。分析型数据操作。;如如果果直直接接在在现现有有业业务务系系统统产产生生的的业业务务数数据据上上进进行行分分析析型型数数据据操操作作，由由于于数数据据运运算算量量巨巨大大，可可能能导导致致拖拖垮垮现现有业务系统。有业务系统。上上述述问问题题，要要求求我我们们必必须须为为分分析析型型系系统统建建立立专专门门的数据存储，这就是数据仓库。的数据存储，这就是数据仓库。北京科技大学北京科技大学（2 2）数据仓库的特征）数据仓库的特征数据四大特征数据四大特征1面向主题面向主题2集成性集成性3增量变化增量变化4相对稳定相对稳定北京科技大学北京科技大学（3 3）操作型数据库与数据仓库的比较）操作型数据库与数据仓库的比较操作型数据库操作型数据库数据仓库数据仓库系统目的系统目的支持日常操作支持日常操作支持管理需求、获取信息支持管理需求、获取信息使用人员使用人员办事员办事员、DBA、数据库专家、数据库专家经理、管理人员、分析专家经理、管理人员、分析专家数据内容数据内容当前数据当前数据历史数据、派生数据历史数据、派生数据数据特点数据特点细节的细节的综合的，或提炼的综合的，或提炼的数据组织数据组织面向应用面向应用面向主题面向主题存取类型存取类型增加、更改、查询、删除增加、更改、查询、删除查询、聚集查询、聚集数据稳定性数据稳定性动态的动态的相对稳定相对稳定操作需求特点操作需求特点操作需求事先可知道操作需求事先可知道操作需求事先不知道操作需求事先不知道操作特点操作特点一个时刻操作一单元一个时刻操作一单元一个时刻操作一集合一个时刻操作一集合数据库设计数据库设计基于基于E-R图图基于星型模式、雪花模式基于星型模式、雪花模式一次操作数据量一次操作数据量一次操作数据量小一次操作数据量小一次操作数据量大一次操作数据量大存取频率存取频率比较高比较高相对较低相对较低响应时间响应时间小于小于1 1秒秒-3-3秒秒几秒几分钟几秒几分钟北京科技大学北京科技大学（4 4）数据仓库数据仓库应用体系应用体系的基本结构的基本结构OLAP数据挖掘数据挖掘数据数据仓库仓库可视化可视化应用工具应用工具数据存储数据存储数据源数据源外部数据外部数据内部业务数据内部业务数据抽取抽取清理清理转换转换业务系统业务系统分析型系统分析型系统北京科技大学北京科技大学分析型信息系统建设的目的分析型信息系统建设的目的以业务系统(数据)为基础，建立能对管理决策提供支持的运营分析与控制系统。“十五十五”期间：期间：业务系统业务系统分析型系统分析型系统“十一五十一五”期间：期间：北京科技大学北京科技大学分析型信息系统的关键分析型信息系统的关键(1/3)(1/3)数据仓库数据仓库从已有的业务系统，建立分析型系统的基础是：对业务系统产生的业务数据进行再组织得到分析用的数据，建立分析用“数据中心”（或数据仓库）。“十五十五”期间：期间：业务系统业务系统分析型系统分析型系统“十一五十一五”期间：期间：业务数据业务数据1业务数据业务数据n分析用数据分析用数据数据中心（数据仓库）北京科技大学北京科技大学基于分析型数据进行基于分析型数据进行人工数据分析操作就是人工数据分析操作就是OLAPOLAP!基于分析型数据开展基于分析型数据开展自动自动(或半自动或半自动)数据分析工作就是数据挖掘数据分析工作就是数据挖掘！业务系统业务系统分析型系统分析型系统业务数据业务数据1业务数据业务数据n分析用数据分析用数据数据仓库数据仓库分析结果分析结果数据挖掘数据挖掘OLAPOLAP分析型信息系统的关键分析型信息系统的关键(2/3(2/3，3/3)3/3)OLAP+OLAP+数据挖掘数据挖掘北京科技大学北京科技大学3.1 3.1 什么是数据仓库？什么是数据仓库？3.2 3.2 数据仓库的数据组织数据仓库的数据组织3 数据观察和数据分析的基础-数据仓库北京科技大学北京科技大学3.2 3.2 数据仓库的数据组织数据仓库的数据组织数据组织数据组织数据的来源数据的来源数据的结构数据的结构北京科技大学北京科技大学（1 1）数据源）数据源数据源是数据仓库的原始数据来源，是数据源是数据仓库的原始数据来源，是数据仓库系统开发与应用的数据基础。数据数据仓库系统开发与应用的数据基础。数据仓库系统的数据源非常广泛。从总体内容上仓库系统的数据源非常广泛。从总体内容上讲，可以分为讲，可以分为企业内部数据源企业内部数据源和和企业外部数企业外部数据源据源两大类。两大类。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学1 1）企业内部数据源企业内部数据源企业内部数据指的是企业多年来的数据沉企业内部数据指的是企业多年来的数据沉淀（主要是业务数据）。淀（主要是业务数据）。由于各企业的历史背景与应用环境不同，由于各企业的历史背景与应用环境不同，企业内部数据源有很大的差异，表现在数据内企业内部数据源有很大的差异，表现在数据内容、结构和存储类型等许多方面容、结构和存储类型等许多方面 。在数据仓库系统的建设中，应该针对商务在数据仓库系统的建设中，应该针对商务需求对内部数据源进行充分的分析，适当的对需求对内部数据源进行充分的分析，适当的对比，为正确高效地获取基础数据做准备比，为正确高效地获取基础数据做准备。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学2 2）企业外部数据源企业外部数据源 企业外部数据源的内容更为广泛，数据的企业外部数据源的内容更为广泛，数据的存储类型也更为多样化，比较常见的为目标市存储类型也更为多样化，比较常见的为目标市场信息、竞争对手信息、行业统计信息等。场信息、竞争对手信息、行业统计信息等。外部数据源的获取往往存在着一定的难度，外部数据源的获取往往存在着一定的难度，可能采用的几种主要方式为：从行业相关部门可能采用的几种主要方式为：从行业相关部门获取资料；向信息咨询公司购买数据；企业内获取资料；向信息咨询公司购买数据；企业内部组建相应机构进行专门的调查研究；从行业部组建相应机构进行专门的调查研究；从行业期刊或网络中分析摘录相关信息等。期刊或网络中分析摘录相关信息等。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学（2 2）数据仓库中的数据结构）数据仓库中的数据结构 数据仓库的总线数据仓库的总线主题主题粒度粒度维度维度数据立方体数据立方体数据集市数据集市星形模式星形模式相关相关基本概念基本概念一致性一致性保障机制保障机制数据数据组织方式组织方式3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学（3 3）数据仓库中数据结构相关概念）数据仓库中数据结构相关概念1 1）主题）主题 主题是一个在较高层次上将数据归类的标准，主题是一个在较高层次上将数据归类的标准，每一个主题基本对应一个宏观的分析领域。每一个主题基本对应一个宏观的分析领域。面向主题的数据组织方式是根据分析要求将面向主题的数据组织方式是根据分析要求将数据组织成一个个完备的分析领域，称为主题域。数据组织成一个个完备的分析领域，称为主题域。主题域应该具有独立性和完备性。主题域应该具有独立性和完备性。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学业务（应用）与主题业务（应用）与主题 例如对一个保险公例如对一个保险公司来说，应用问题可能司来说，应用问题可能是汽车保险、健康保险是汽车保险、健康保险和意外伤亡保险等；和意外伤亡保险等；而公司的主要主题而公司的主要主题域却可能是顾客、保险域却可能是顾客、保险单、索赔等。单、索赔等。操作型环境操作型环境数据仓库数据仓库应用应用主题主题顾客顾客保险单保险单索赔索赔3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学2 2）粒度）粒度 粒度是指数据仓库中数据单元的详细程度和粒度是指数据仓库中数据单元的详细程度和级别。级别。数据越详细，粒度越小级别就越低；数据综数据越详细，粒度越小级别就越低；数据综合度越高，粒度越大级别就越高。合度越高，粒度越大级别就越高。在传统的操作型数据库系统中，对数据处理在传统的操作型数据库系统中，对数据处理和操作都是在最低级的粒度上进行的。但是在数和操作都是在最低级的粒度上进行的。但是在数据仓库环境中应用的主要是分析型处理，一般需据仓库环境中应用的主要是分析型处理，一般需要将数据划分为：详细数据、轻度总结、高度总要将数据划分为：详细数据、轻度总结、高度总结三级或更多级粒度。结三级或更多级粒度。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学数据粒度与对象信息的详细程度数据粒度与对象信息的详细程度高细节高细节低粒度级低粒度级例如：一个顾客一个月内所有例如：一个顾客一个月内所有电话的通话细节。电话的通话细节。低细节低细节高粒度级高粒度级例如：一个顾客一个月内通话例如：一个顾客一个月内通话总额。总额。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学粒度与数据量粒度与数据量低粒度级低粒度级能回答细节问能回答细节问题题数据量大数据量大高粒度级高粒度级能进行综合性查能进行综合性查询询数据量小数据量小 权衡选择粒度的高低是非常重要的，它权衡选择粒度的高低是非常重要的，它关系到能否满足企业决策信息支持的需要，关系到能否满足企业决策信息支持的需要，以及能否满足查询速度的要求。以及能否满足查询速度的要求。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学3 3）维度）维度 维度是指人们观察事物的特定的角度，维度是指人们观察事物的特定的角度，例如：时间维、地区维。例如：时间维、地区维。人们从某个维的角度观察数据，还可以人们从某个维的角度观察数据，还可以根据细节程度的不同形成多个描述层次，该根据细节程度的不同形成多个描述层次，该多个描述层次就称为多个描述层次就称为维层次维层次。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学中国中国西北地区西北地区东北地区东北地区华北地区华北地区简单层次关系的维层次简单层次关系的维层次3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学中国中国西北地区西北地区东北地区东北地区华北地区华北地区黑龙江省黑龙江省辽宁省辽宁省吉林省吉林省沈阳市沈阳市鞍山市鞍山市复杂层次关系的维层次复杂层次关系的维层次3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学（4 4）数据仓库中数据的组织方式）数据仓库中数据的组织方式1 1）数据立方体）数据立方体 数据立方体是指由两个或更多个维来描述或分类的数数据立方体是指由两个或更多个维来描述或分类的数据。在三维的情况下以图形来表示，该类数据具有立方体据。在三维的情况下以图形来表示，该类数据具有立方体结构，一般称为数据立方体。结构，一般称为数据立方体。虽然通常从几何意义的角度将立方体理解为三维，但虽然通常从几何意义的角度将立方体理解为三维，但是在数据仓库中数据立方体是一个是在数据仓库中数据立方体是一个n n维的概念。维的概念。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学数据立方体（图示）与分析问题数据立方体（图示）与分析问题问题：问题：“某产品在某个月份在某个地区的某产品在某个月份在某个地区的销售收入是多少？销售收入是多少？”销售销售收入收入地区维地区维时间维时间维产品维产品维产品维产品维时时间间维维地地区区维维销售销售收入收入3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学数据立方体（数据）数据立方体（数据）例：某录像机生产商某年的部分销售数据例：某录像机生产商某年的部分销售数据半年半年季度季度月份月份地区地区大类大类具体具体地区码地区码CAMCCAMCVCRVCRTR-75TR-75UX-11UX-11TR-78TR-78EC-1EC-1XVGXVG上半年上半年1 1季度季度一月一月北部北部53153160560590090012901290450450809809上半年上半年1 1季度季度一月一月北部北部539539899899788788564564780780655655上半年上半年1 1季度季度一月一月南部南部652652900900680680602602780780680680上半年上半年1 1季度季度一月一月南部南部68368359059010201020608608800800407407上半年上半年1 1季度季度一月一月南部南部86786713001300780780398398745745576576上半年上半年1 1季度季度二月二月北部北部53153110981098980980479479576576879879上半年上半年1 1季度季度二月二月北部北部539539135013506806806096098898898098093.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学从前数据立方体数据中可以获得从前数据立方体数据中可以获得销售分析维度销售分析维度的信息。的信息。产品维层次产品维层次录像机产品录像机产品CAMCVCRTR-78TR-75UX-11XVGEC-1全部地区全部地区北部地区北部地区南部地区南部地区652652531531539539867867683683地区维层次地区维层次3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学时间维层次时间维层次上半年上半年全全 年年下半年下半年一季度一季度二季度二季度4 4月月2 2月月3 3月月6 6月月5 5月月1 1月月三季度三季度四季度四季度1010月月8 8月月9 9月月1212月月1111月月7 7月月3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学“销售分析销售分析”数据立方体数据立方体-便于观察数据！便于观察数据！注：红色部分代表了注：红色部分代表了1 1月份月份531531地区所有产品的销售收入地区所有产品的销售收入 TR-75UX-11TR-78EC-1XVG5315396526838675 5月月4 4月月3 3月月2 2月月1 1月月全部全部南方南方北方北方第第1 1季季第第2 2季季1 1年年产产品品地区地区27时时间间录录像像机机CACMVCR3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学2 2）数据集市）数据集市 数据集市是完整的数据仓库的一个逻辑数据集市是完整的数据仓库的一个逻辑子集子集，而数据仓库正是由其所有的数据集市，而数据仓库正是由其所有的数据集市有机组合而成的。有机组合而成的。数据集市一般在某一个业务部门建设，数据集市一般在某一个业务部门建设，满足其分析决策的需要，可以将其理解为满足其分析决策的需要，可以将其理解为“部门级数据仓库部门级数据仓库”。各数据集市都应该是数。各数据集市都应该是数据仓库的有机组成部分，且各数据集市间应据仓库的有机组成部分，且各数据集市间应协调一致，满足整个企业分析决策的需要。协调一致，满足整个企业分析决策的需要。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学数据集市（Data Mart）部门级数据仓库部门级数据仓库部门级数据仓库部门级数据仓库 销售子系统销售子系统数据抽取与集成数据抽取与集成数据抽取数据抽取销售子系统销售子系统销售子系统销售子系统数据抽取数据抽取数据抽取数据抽取.数据集市数据集市数据仓库数据仓库业务业务系统系统数据数据库库北京科技大学北京科技大学3 3）星形模式）星形模式为了数据分析方便，在数据仓库中，由两种类型的表为了数据分析方便，在数据仓库中，由两种类型的表（事实表事实表和和维表维表）保存数据。事实表和维表间通过星形方式）保存数据。事实表和维表间通过星形方式连接而成，故称为星形模式。连接而成，故称为星形模式。时间码时间码产品码产品码地区码地区码销售量销售量销售额销售额销售成本销售成本产品码产品码产品大类产品大类产品细类产品细类产品名称产品名称地区码地区码国家国家地区地区城市城市时间码时间码日期日期月份月份季度季度年度年度时间维表时间维表事实表事实表产品维表产品维表地区维表地区维表北京科技大学北京科技大学事实表事实表与与维表维表 事事实实表表包包含含的的是是业业务务数数据据信信息息，数数据据取取值值通通常常是是可可度度量量的的、连连续续型型的的，且且具具有有可可加加性性，数数据据量可达到几百万甚至上亿条记录。量可达到几百万甚至上亿条记录。维维表表包包含含的的是是相相应应维维度度的的描描述述型型信信息息，这这些些信信息息用用作作查查询询的的约约束束条条件件，一一般般是是离离散散的的、描描述述性的，不具有可加性。性的，不具有可加性。3.2 3.2 数据仓库的数据组织数据仓库的数据组织北京科技大学北京科技大学（5 5）数据仓库中数据的一致性保障机制：）数据仓库中数据的一致性保障机制：数据总线数据