1、商務智能：BusinessIntelligence-由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以輔助企業決策為目的一類技術及其應用-工業界-商務智能可以被看作是一類技術或工具，利用它們可以對大量的數據進行收集、管理、分析和挖掘，以改善業務決策水平，增強企業的競爭力-學術界-商務智能是一套理論、方法和應用，通過它們可以快速地發現海量數據中隱含的各種知識，有效地解決企業面臨的管理和決策問題，支持企業的戰略實施。商務智能指收集、轉換、分析和發布數據的過程，目的是為了更好的決策。商務智能是指將數據轉化為知識的過程。它包括捕獲和分析信息，交流信息，以及利用這些信

2、息開發市場。商務智能是企業利用現代信息技術收集、管理和分析結構化和非結構化的商務數據和信息，創造和累計商務知識和見解，改善商務決策水平，采取有效的商務行動，完善各種商務流程，提升商務績效，增強綜合競爭力的智慧和能力。BusinessIntelligenceisaprocessofturningdataintoknowledgeandknowledgeintoactionforbusinessgainDataWarehouseInstitute商務智能是指透過資料的萃取、整合及分析，支持決策過程的技術和商業處理流程，其目的是為了使使用者能在決策的時候，盡可能得到更好的協助。商務智能是運用數據倉庫

3、、在線分析和數據挖掘技術來處理和分析數據的技術，它允許用戶查詢和分析數據庫，進而得出影響商業活動的關鍵因素，最終幫助用戶做出更好、更合理的決策。商務智能是通過利用多個數據源的信息以及應用經驗和假設，來促進對企業動態性的準確理解，以便提高企業決策能力的一組概念、方法和過程的集合。商務智能是通過獲取與各個主題相關的高質量和有意義的信息來幫助人們分析信息、得出結論、形成假設的過程。商務智能是融合了先進信息技術與創新管理理念的結合體，集成企業內外數據，進行加工并從中提取能夠創造商業價值的知識，面向企業戰略并服務于管理層、業務層，指導企業經營決策，提升企業競爭力。商務智能對企業的作用和價值資金成本分析：

4、建立起內部資金的有償使用機制資本金分配的目的：經營考核的需要，風險管理的需要，財務管理的需要，市場進出的需要不同層次的商務智能應用：以前發生了什么、現在發生著什么、業務活動管理、為什么發生了、將來會發生什么數據（Data）數據是對事物描述的符號。在計算機科學中，數據是數字、文字、圖像、聲音等可以輸入到計算機被識別的符號企業運營離不開數據。企業運營的各個環節每天都在積累數據，如供應商、客戶的數據，銷售、生產以及庫存數據等。用戶生成數據(usergenerateddata,UGD)社會化媒體、智能化手機等使得全世界不計其數的個體也在不斷產生數據結構化數據(structureddata)：通常以二維

5、表格的形式存儲在關系數據庫中非結構化數據(unstructureddata):文本數據信息(information)通過一定的技術和方法，對數據進行集成、分析，挖掘其潛在的規律和內涵，得到的結果是信息。信息是具有商務意義的數據例如，通過對零售信息的集成和分析發現，某超市的客戶群根據其消費行為可以分為若干個群體，每個群體具有一些明顯的特征。例如，其中一個群體是單身女性，喜歡經常購買化妝品，消費金額高。知識(Knowledge)當信息用于商務決策，并基于決策開展相應的商務活動時，信息就上升為知識信息轉化為知識的過程不僅需要信息，而且需要結合決策者的經驗和能力，用以解決實際的問題。例如，某連鎖超市的

6、經理發現，近期化妝品的銷售業績下降了，為了解決該問題,促銷措施，根據對數據的分析得到的客戶分群的信息，銷售經理鎖定了促銷的目標客戶群，決定米取最終開展了為這部分客戶郵寄優惠券的促銷活動。商務智能過程知識發現知識發現的特征知識模式是使用一種形式化語言來進行的表達，表達描述了事實集合的子集中的一種顯著的事實。通過某種知識發現方法得到一個顧客細分的結果子集為41歲顧客，42歲顧客，48歲顧客,43歲顧客，64歲顧客,可以歸納為“40之上的顧客”或者“中年以上的顧客”等。知識發現強調模式的有效性、新穎性、潛在有用性以及最終能被理解。1.2.2知識發現過程1、理解所要進行研究的領域、與之相關的以前的知識

7、、以及用戶的目標；2、創建/選擇目標數據集合；3、數據清理和預處理；4、數據縮減和投影；5、選定數據挖掘任務；6、選擇數據挖掘算法；7、數據挖掘過程；8、對挖掘出來的模式進行解釋;9、完善和鞏固所發現的知識。1.2.2知識發現過程一一7個步驟如下：1）數據清理：消除噪聲或不一致2）數據集成：多種數據源組合在一起3）數據選擇：從數據庫中檢索與分析任務相關的數據。4）數據變換：數據變換或統一成適合挖掘的形式，如匯總或聚集操作5）數據挖掘：使用智能方法提取數據模式6）模式評估：根據某種興趣度量，識別表示知識的真正有趣的模式7）知識表示：使用可視化和知識表示技術，向用戶提供挖掘的知識商務智能的系統構成

8、：六個主要組成部分：數據源（datasource）:企業內部的操作型系統，即支持各業務部分日常運營的信息系統企業的外部，如人口統計信息、競爭對手信息等數據倉庫（datawarehouse）:各種數據源的數據經過抽取、轉換之后需要放到一個供分析使用的環境，以便對數據進行管理，這就是數據倉庫數據集市（datamart）:通常針對單個部門的數據倉庫，區別于企業范圍內的數據倉庫。數據倉庫可以將分析數據與實現業務處理的操作型數據隔離，一方面不影響業務處理系統的性能，另一方面為數據的分析提供了一個綜合的、集成的、統一的數據管理平臺在線分析處理(onlineanalyticalprocessing):在線分

9、析處理：業務性能度量可以通過多個維度、多個層次進行多種聚集匯總，通過交互的方式發現業務運行的關鍵性能指標的異常之處。多維數據可以進行多種操作如切片、切塊、下鉆、上卷等數據探查(exploration):包括靈活的查詢、即時報表以及統計方法等該類方法屬于被動分析方法探查數據的方法可以借助統計上的中心性、發散性以及相關性的統計量分析，多變量分析時也可以借助可視化技術。數據挖掘(datamining)數據挖掘是從大量數據中自動發現隱含的信息和知識的過程，屬于主動分析方法，不需要分析者的先驗假設，可以發現未知的知識常用的分析方法包括分類、聚類、關聯分析、數值預測、序列分析、社會網絡分析等數據挖掘：(分

10、類)分類(classification)是通過對具有類別的對象的數據集進行學習，概括其主要特征，構建分類模型，根據該模型預測對象的類別的一種數據挖掘和機器學習技術。例如，電信公司的客戶可以分為兩類，一類是忠誠的，一類是流失的。根據這兩類客戶的個人特征方面的數據以及在公司的消費方面的數據，利用分類技術可以構建分類模型數據挖掘：(聚類)聚類(clustering)是依據物以類聚的原理，將沒有類別的對象根據對象的特征自動聚集成不同簇的過程，使得屬于同一個簇的對象之間非常相似，屬于不同簇的對象之間不相似。其典型應用是客戶分群數據挖掘：關聯分析關聯分析最早用于分析超市中顧客一次購買的物品之間的關聯性例如

11、，發現關聯規則(associationrule)“尿不濕啤酒(0.5%,60%)”，其含義為，0.5%的交易中會同時購買尿不濕和啤酒，且買尿不濕的交易中有60%會同時買啤酒數據挖掘：數值預測數值預測用于預測連續變量的取值。常用的預測方法是回歸分析例如，可以根據客戶個人特征，如年齡、工作類型、受教育程度、婚姻狀況等，來預測其每月的消費額度。數據挖掘：序列分析：序列分析是對序列數據庫進行分析，從中挖掘出有意義模式的技術。序列模式(sequentialpattern)的發現屬于序列分析，它是從序列數據庫中發現的一種有序模式例如，赤壁，鴻門宴，見龍卸甲，意味著“看了赤壁之后會接著看鴻門宴，過段時間會看見龍卸甲”數據挖掘：社會網絡分析社會網絡(socialnetwork)是由個人或組織及其之間的關系構成的網絡社會網絡分析(socialnetworkanalysis)是對社會網絡的結構和屬性進行分析，以發現其中的局部或全局特點，發現其中有影響力的個人或組織，發現網絡的動態變化規律等業務績效管理:業務績效管理(businessperformancemanagement),簡稱BPM,又稱為企業績效管理(corporateperformancemanagement),是對企業的關鍵性能指標，如銷售、成本、禾U潤以及可盈利性等，進行度量、監控和比較的方法和工具