閉卷考試，時間120分鐘，五種題型：選擇題（10分）、判斷題（10分）、名詞解釋題（30分）、簡答題（30分）、論述題（20分）第1章商務智能基本知識（1）商務智能的概念、價值、驅動力。概念：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，提升各方面商務績效，增強綜合競爭力的智慧和能力-王茁專著《三位一體的商務智能》.IBM商務智能解決方案遠遠不只是數據和技術的組合，BI幫助用戶獲得正確的數據，發現它的價值，并共享價值。價值：Tosupportdecisionmakingatalllevelsofbusinessmanagementbasedonthefactsand(scientific)predictionsofcurrentandfuturebusinesssituationsthatareobtainedfromintelligentanalysisofhistoricalbusinessdata.支持各級決策基于事實和商業管理的(科學)的預測當前和未來的業務情況下獲得歷史業務數據的智能分析。BusinessdecisionsmadewithBIsupportaremore-Correct恰當-Accurate準確-Objective客觀-Timely及時驅動力：在商務智能背后有一些商業驅動力，例如：增加收入，減少費用和更有效地競爭的需求。管理和模擬當前商業環境復雜性的需求。減少IT費用和利用已有公司業務信息的需求。（2）商務智能系統的功能、主要工具。功能：在商務智能背后有一些商業驅動力，例如：增加收入，減少費用和更有效地競爭的需求。管理和模擬當前商業環境復雜性的需求。減少IT費用和利用已有公司業務信息的需求。主要工具：第2章商務智能核心技術（1）商務智能系統的架構如何？（2）什么是數據倉庫？數據倉庫用來保存從多個數據庫或其它信息源選取的數據,并為上層應用提供統一用戶接口，完成數據查詢和分析。支持整個企業范圍的主要業務來建立的，主要特點是，包含大量面向整個企業的綜合信息及導出信息。數據倉庫是作為DSS服務基礎的分析型DB，用來存放大容量的只讀數據，為制定決策提供所需要的信息。數據倉庫是與操作型系統相分離的、基于標準企業模型集成的、帶有時間屬性的、面向主題及不可更新的數據集合。以1992年WHInmon出版《BuildingtheDataWarehouse》為標志，數據倉庫發展速度很快。WHInmon被譽為數據倉庫之父。WHInmon對數據倉庫所下的定義：數據倉庫是面向主題的、集成的、穩定的、隨時間變化的數據集合，用以支持管理決策的過程。（3）OLTP和OLAP的區別？事務型處理(OLTP)：即操作型處理，是指對數據庫的聯機操作處理OLTP。事務型處理是用來協助企業對響應事件或事務的日常商務活動進行處理。它是事件驅動、面向應用的，通常是對一個或一組記錄的增、刪、改以及簡單查詢等（大量、簡單、重復和例行性）。在事務型處理環境中，數據庫要求能支持日常事務中的大量事務，用戶對數據的存取操作頻率高而每次操作處理的時間短。分析型處理(OPAP)：用于管理人員的決策分析，例如DSS、EIS和多維分析等。它幫助決策者分析數據以察看趨向、判斷問題。分析型處理經常要訪問大量的歷史數據，支持復雜的查詢。分析型處理過程中經常用到外部數據，這部分數據不是由事務型處理系統產生的，而是來自于其他外部數據源。（4）數據倉庫的技術要求。復雜分析的高性能體現：涉及大量數據的聚集、綜合等，在進行復雜查詢時經常會使用多表的聯接、累計、分類、排序等操作。對提取出來的數據進行集成：數據倉庫中的數據是從多個應用領域中提取出來的，在不同的應用領域和不同的數據庫系統中都有不同的結構和形式，所以如何對數據進行集成也是構建數據倉庫的一個重要方面。對進行高層決策的最終用戶的界面支持：提供各種分析應用工具。（5）數據倉庫系統的組成。源數據：數據倉庫中的數據來源于多個數據源，它不僅可以是企業內部的關系型數據庫，還包括非傳統數據，如文件、HTML文檔等。數據倉庫管理系統：元數據庫及元數據管理部件：元數據庫用來存儲由定義部件生成的關于源數據、目標數據、提取規則、轉換規則以及源數據與數據倉庫之間的映射信息等。數據轉換部件：該部件把數據從源數據中提取出來，依定義部件的規則將不同數據格式的源數據轉換成數據倉庫的數據格式并裝載進數據倉庫。數據集成部件：該部件根據定義部件的規則、統一各源數據的編碼規則，并凈化數據，根據元數據中定義的數據組織形式對數據進行匯總、聚合計算。數據倉庫管理部件：它主要用于維護數據倉庫中的數據，備份、恢復數據以及管理數據的安全權限問題。 數據倉庫前端工具集：查詢/報表工具：以圖形化方式和報表方式顯示數據，幫助了解數據的結構、關系以及動態性。OLAP工具：通過對信息的多種可能的觀察形式進行快速、一致和交互性的存取，便于用戶對數據進行深入的分析和觀察。數據挖掘工具：從大量數據中挖掘出具有規律性的知識，以及數據之間的內在聯系。前端開發工具：提供用戶編程接口，便于在現有系統的基礎上進行二次開發，增強系統的伸縮性。數據倉庫:在數據倉庫系統中，數據倉庫是一個數據存儲集合，它的存儲形式通常有多維數據庫，關系型數據庫及其他存儲方式。（6）什么是星型模型？（7）元數據的概念。元數據：是用來描述數據的數據。它描述和定位數據組件、它們的起源及它們在數據倉庫進程中的活動；關于數據和操作的相關描述(輸入、計算和輸出)。元數據可用文件存在元數據庫中。元數據反映數據倉庫中的數據項是從哪個特定的數據源填充的，經過哪些轉換、集成過程。（8）數據倉庫中的粒度概念。對數據倉庫中的數據綜合程度高低的一個度量，它既影響數據倉庫中的數據量的多少，也影響數據倉庫所能回答詢問的種類。粒度越小，綜合程度越低，回答查詢的種類越多；粒度越高，綜合程度越高，查詢的效率也越高。在數據倉庫中可將小粒度的數據存儲在低速存儲器上；大粒度的數據存儲在高速存儲器上。（9）什么是數據集市？與數據倉庫的區別是什么？數據倉庫是企業級的，能為整個企業各部門的運行提供決策支持手段。而數據集市（DataMart）是部門級別的，一般只能為某個局部范圍內的管理人員服務，也稱為部門級的數據倉庫。數據集市有兩種：獨立的數據集市和從屬的數據集市。數據集市不是數據倉庫數據集市并非小的數據倉庫多個數據集市集合并不構成數據倉庫第3章在線分析處理（1）OLAP、ROLAP的概念。定義1：OLAP(聯機分析處理)是針對特定問題的聯機數據訪問和分析。通過對信息(維數據)的多種可能的觀察形式進行快速、穩定一致和交互性的存取，允許管理決策人員對數據進行深入觀察。定義2：OLAP(聯機分析處理)是使分析人員、管理人員或執行人員能夠從多種角度對從原始數據中轉化出來的、能夠真正為用戶所理解的、并真實反映企業維特性的信息進行快速、一致、交互地存取，從而獲得對數據的更深入了解的一類軟件技術。(OLAP委員會的定義)OLAP的目標是滿足決策支持或多維環境特定的查詢和報表需求，它的技術核心是“維”這個概念，因此OLAP也可以說是多維數據分析工具的集合。ROLAP的概念：（2）簡述OLAP的基本操作。切片和切塊、鉆取、旋轉第4章數據挖掘原理（1）什么是數據挖據？從大量的、不完全的、有噪聲的、模糊的、隨即的數據中提取正確的、有用的、未知的、綜合的、以及用戶感興趣的知識并用于決策支持的過程。（課本）從數據中提取正確的、有用的、未知的和綜合的信息并用它進行決策的過程。（PPT）（2）簡述數據挖掘的作用。（3）數據挖據流程的國際標準CRISP-DM。1996年提出的行業無關、應用無關的數據挖掘過程標準—CrossIndustryStandardProcessforDataMining（CRISP-DM）。這個標準把挖掘過程分為六個階段：定義業務問題（businessunderstanding）、數據理解（dataunderstanding）、數據預處理（datapreparation）、數據建模（datamodeling）、模型評估（evaluation）和部署（deployment）。（4）數據預處理方法及內容。數據清理處理內容：格式標準化異常數據清除錯誤糾正重復數據的清除第5章分類和預測、關聯規則（1）什么是分類？分類就是通過分析訓練集（決策表）中的數據，為每個類別做出準確的描述或建立分析模型或挖掘出分類規則，然后用這個分類規則對其它數據對象進行分類。（2）什么是決策樹？簡述其分類的基本原理。（3）什么是聚類？簡述K均值聚類算法的基本原理。聚類就是把整個數據分成不同的組，并使組與組之間的差距盡可大，組內數據的差異盡可能小。給定k，從n個對象中任意選擇k個對象作為初始聚類中心；repeat計算每個對象與聚類中心的距離，把它們劃到不同的簇；重新計算每個簇的聚類中心；until聚類中心不再發生變化（4）什么是關聯規則挖掘？其主要應用有哪些？簡述其基本原理？關聯規則挖掘：在交易數據、關系數據或其他信息載體中，查找存在于項目集合或對象集合之間的頻繁模式、關聯結構。應用：購物籃分析、交叉銷售、產品目錄設計、聚集和分類等?；驹恚海?）什么是回歸分析？簡述回歸分析的基本步驟。分析一個變量與其他一個（或幾個）變量之間的相關關系的統計方法就稱為回歸分析。1.確定因變量和影響因素（自變量）。2.繪制散點圖，觀察變量的大致關系。3.求回歸系數，并建立回歸模型。4.檢驗回歸模型。5.進行預測。（6）什么是遺傳算法、神經網絡？簡述其基本原理。第6章數據挖掘應用（1）數據挖掘在CRM中的主要應用是什么？客戶關系管理（CRM）CustomeridentificationCRMbeginswithcustomeridentification.Thisphaseinvolvestargetingthepopulationwhoaremostlikelytobecomecustomersormostprofitabletothecompany.Italsoinvolvesanalyzingcustomerswhoarebeinglosttothecompetitionandhowtheycanbewonback.Elementsforcustomeridentificationincludetargetcustomeranalysisandcustomersegmentation.CustomerattractionOrganizationscandirecteffortandresourcesintoattractingthetargetcustomersegments.Directmarketingisapromotionprocesswhichmotivatescustomerstoplaceordersthroughvariouschannels.directmailorcouponCustomerretentionCentralconcernforCRM.Customersatisfactionistheessentialconditionforretainingcustomers.Elementsofcustomerretentionincludeone-to-onemarketing,loyaltyprogramsandcomplaintsmanagement.One-to-onemarketingreferstopersonalizedmarketingcampaignswhicharesupportedbyanalyzing,detectingandpredictingchangesincustomerbehaviors.Loyaltyprogramsinvolvecampaignsorsupportingactivitieswhichaimatmaintainingalongtermrelationshipwithcustomers.Churnanalysis,creditscoring,servicequalityorsatisfactionformpartofloyaltyprograms.CustomerdevelopmentElementsofcustomerdevelopmentincludecustomerlifetimevalueanalysis,up/crosssellingandmarketbasketanalysis.Customerlifetimevalueanalysisisdefinedasthepredictionofthetotalnetincomeacompanycanexpectfromacustomer.Up/Crosssellingreferstopromotionactivitieswhichaimataugmentingthenumberofassociatedorcloselyrelatedservicesthatacustomeruseswithinafirm.Marketbasketanalysisaimsatmaximizingthecustomertransactionintensityandvaluebyrevealingregularitiesinthepurchasebehaviourofcustomers.（2）什么是個性化電子商務推薦？Personalizationisdefinedas“