“電子技術到來以后，人延伸出（或者說在體外建立了）一個活生生的中樞神經系統。”——麥克盧漢，《理解媒介》數據迷霧中迷茫一個平常飲料店的故事1993年前，店里賣的飲料只有啤酒、可口可樂和北冰洋汽水進貨出貨老板在一個舊本子上記錄一個平常飲料店的故事1995年，生意大了，各處開了分號，飲料多了，酒也多了，有幾十種。店里裝了自動柜員機，柜員機里記的賬天天都打印出來送給老板。老板看不過來，加個總數就算了，但生意該怎么做，老板還算清楚。一個平常飲料店的故事1998年，經營的品種過了百，店里連了網，用上了財務軟件。1999年又上了互聯網，客人來自四面八方。賬單每天打出厚厚一堆，老板瞧著密密麻麻的數字楞神，直嚷嚷生意難做。數據迷霧鋪天蓋地美國MCI是跨國的電信公司，長途電話客戶2億，電腦里數據存了5TB，每月還增加300GB。據美國加州一所大學研究，世界上每個人，不論死活，已經產生或將要產生250MB的數據，每年全球數據凈增2×1010GB。如何應對？商務智能什么是商務智能商業智能是對商業信息的搜集、管理和分析過程，目的是使企業的各級決策者獲得知識或洞察力，促使他們做出對企業更有利的決策。商業智能一般由數據倉庫（或數據場）、數據分析、數據挖掘、在線分析、數據備份和恢復等部分組成。

什么是商務智能商務智能是從累計的原始數據中提取有用信息的過程商務智能為決策者在正確的時間,地點提供關于企業運營情況的各項信息使之能夠做出準確的決定背景商業智能（BI）的概念最早是GartnerGroup于1996年提出執行信息系統（EIS）決策支持系統（DSS）。為什么么需要要商務務智能能促進銷銷售加深客客戶關關系改進產產品提供更更好的的服務務協調企企業運運營降低成成本提高決決策水水平"BusinessIntelligencehelpstrackwhatreallyworksandwhatdoesn’t.””BillGates,Chairman,Microsoft通過過BI幫幫助助我我們們提高高企企業業效效益益建立立忠忠實實的的顧顧客客群群增進進企企業業效效率率做出出明明智智的的決決策策商務務智智能能內內容容產品品分分析析哪種種產產品品贏贏利利情情況況最最好好?哪種種產產品品贏贏利利最最差差卻卻賣賣的的最最快快?哪種種產產品品組組合合對對一一定定收收入入的的家家庭庭最最有有吸吸引引力力?商務務智智能能內內容容銷售售分分析析一家家已已開開張張兩兩年年的的分分店店銷銷售售趨趨勢勢如如何何?附近近地地區區是是否否存存在在競競爭爭者者?哪種種產產品品的的贏贏利利有有向向上上的的趨趨勢勢及及哪哪類類顧顧客客購購買買了了這這些些產產品品?商務務智智能能內內容容顧客客分分析析提供供頭頭10%利利潤潤的的顧顧客客有有什什么么特特點點?購買買產產品品或或服服務務三三個個月月后后顧顧客客的的流流失失率率是是多多少少?過去去六六個個月月里里比比平平均均消消費費額額高高兩兩個個百百分分點點的的都都是是誰誰?眾多多行行業業積積極極尋尋求求BI解解決決方方案案的的零售售、、保保險險、、銀銀行行、、通通信信、、離離散散制制造造、、政政府府、、醫醫療療、、分分銷銷、、流流程程制制造造、、教教育育等等。。商務務智智能能如如何何工工作作數據據:把把不不同同來來源源的的數數據據匯匯總總為為一一個個數數據據倉倉庫庫內涵涵:商商務務智智能能工工具具通通過過分分析析這這些些數數據據來來幫幫助助人人們們更更好好地地了了解解企企業業情情況況行動動:通通過過分分析析來來更更有有效效地地分分配配資資源源商務務智智能能系系統統結結構構數據倉倉庫(DataWarehouse,DW)聯機分分析處處理(On-LineAnalyticalProcessing,OLAP)數據挖挖掘(DataMining,DM)數據倉倉庫(DW)數據倉倉庫，，是在在數據據庫已已經大大量存存在的的情況況下，，為了了進一一步挖挖掘數數據資資源、、為了了決策策需要要而產產生的的，它它決不不是所所謂的的“大大型數數據庫庫”。。W.H.Inmon關于于數據據倉庫庫的定定義：：面向向主題題的、、集成成的、、與時時間相相關且且不可可修改改的數數據集集合。。面向主主題傳統數數據庫庫主要要是為為應用用程序序進行行數據據處理理，未未必按按照同同一主主題存存儲數數據數據倉倉庫側側重于于數據據分析析工作作，是是按照照主題題存儲儲的與時間間相關關數據庫庫保存存信息息的時時候，，并不不強調調一定定有時時間信信息數據倉倉庫則則不同同，出出于決決策的的需要要，數數據倉倉庫中中的數數據都都要標標明時時間屬屬性不可修修改數據庫庫處理理的是是日常常事務務數據據，有有的需需要不不斷更更新數據倉倉庫反反映的的是歷歷史信信息，，可可以添添加，，但不不可更更改。。數據倉倉庫生生成Extract,Transfer,andLoad(ETL)ModelIntegrateDataETLDatawarehouse數據展展現面向高高層決決策者者的主主管信信息系系統(EIS)面向決決策分分析者者的聯聯機分分析系系統(OLAP)決策者者上的的即席席查詢詢系統統(AdHoc)靈活報報表系系統(Reporting)數據展展現采采用多多種靈靈活的的方式式，比比如C/S模式式或B/S模式式聯機分分析處處理(OLAP)OLAP委委員會會的定定義：：是使使分析析人員員、管管理人人員或或執行行人員員能夠夠從多多種角角度對對從原原始數數據中中轉化化出來來的、、能夠夠真正正為用用戶所所理解解的、、并真真實反反映企企業維維特性性的信信息進進行快快速、、一致致、交交互地地存取取，從從而獲獲得對對數據據的更更深入入了解解的一一類軟軟件技技術。。OLAP的的目標標：是是滿足足決策策支持持或多多維環環境特特定的的查詢詢和報報表需需求，，它的的技術術核心心是““維””這個個概念念，因因此OLAP也也可以以說是是多維維數據據分析析工具具的集集合。。發展背背景60年年代，，關系系數據據庫之之父E.F.Cdd提出出了關關系模模型，，促進進了聯聯機事事務處處理(OLTP)的的發展展(數數據以以表格格的形形式而而非文文件方方式存存儲)。1993年年，E.F.Cdd提出出了多多維數數據庫庫和多多維分分析的的概念念，即即OLAPOLAP多多維數數據結結構超立方方結構構(Hypercube)多立方方結構構(Multicube)OLAP多多維數數據分分析切片和和切塊塊(SliceandDice)：在在多維維數據據結構構中,按二二維進進行切切片,按三三維進進行切切塊,可得得到所所需要要的數數據OLAP多多維數數據分分析鉆取(Drill)：：鉆取取包含含向下下鉆取取(Drill-down)和向向上鉆鉆取(Drill-up)/上卷卷(Roll-up)操操作OLAP多多維數數據分分析旋轉(Rotate)/轉軸軸(Pivot)：：通過過旋轉轉可以以得到到不同同視角角的數數據數據挖挖掘(DM)一方面面規模模龐大大、紛紛繁復復雜的的數據據體系系讓使使用者者漫無無頭緒緒、無無從下下手；；另一方方面在在這些些大量量數據據的背背后卻卻隱藏藏著很很多具具有決決策意意義的的有價價值的的信息息。數據挖挖掘(DM)如何發發現這這些有有用的的知識識，使使之為為管理理決策策和經經營戰戰略發發展服服務？？數據挖挖掘（（DataMining））。DM應應用實實例(購物物環境境設計計)某超市市，需需要設設計一一個吸吸引客客人購購買商商品的的最佳佳環境境。通通過對對客人人的采采購路路線和和消費費記錄錄的挖挖掘發發現：：美國國女性性的視視線高高度是是150cm左左右，，而男男性是是163cm左左右，，最適適宜的的視線線角度度是視視線高高度以以下15度度。因因此，，最好好的貨貨品擺擺設位位置是是在130到135厘米米之間間。按照DM找找出的的特別別信息息，該該超市市里的的主打打產品品，總總是擺擺在最最容易易發現現的高高度區區內。。DM應應用實實例(客戶戶購買買模式式識別別)Safeway是英英國的的第三三大連連鎖超超市，，年銷銷售額額超過過一百百億美美元運用傳統的方方法—降低價價位、擴充店店面以及增加加商品種類，，若想在競爭爭中取勝已經經越來越困難難了必須以客戶為為導向，了解解六百萬客戶戶所做的每一一筆交易以及及這些交易彼彼此之間的關關聯性DM應用實例例(客戶購買買模式識別)Safeway首先根據據客戶的相關關資料，將客客戶分為150類，再用用關聯（Association））的技術列出出產品相關度度的清單。比如：“在購購買烤肉炭的的客戶中，75%的人也也會購買打火火機燃料”。。DM應用實例例(客戶購買買模式識別)Safeway還需要對對商品的利潤潤進行細分。。例如，Safeway發現某一種種乳酪產品雖雖然銷售額排排名第209位，可是消消費額最高的的客戶中有25%都常常常買這種乳酪酪。Safeway知道客客戶每次采購購時會買哪些些產品以后，，就可以利用用DataMining中的SequenceDiscovery功能能，找出長期期的經常性購購買行為，進進而促銷。數據挖掘(DM)學科背背景統計學計算機科學人工智能領域域的廣泛運用用數據挖掘(DM)常用方方法分類（classification）：依照所分析對對象的屬性分分門別類、加加以定義、建建立類組（class））。比如，將信用用卡申請人分分為低、中、、高風險群，，或是將顧客客分到事先定定義好的族群群。數據挖掘(DM)常用方方法估計（estimation）：根據既有的連連續性數值相相關屬性資料料，求得某一一屬性的未知知值。比如，估計家家中小孩的數數量、一個家家庭的總收入入或是不動產產的價值。所使用的技巧巧有相關分析析、回歸分析析及類神經網網絡方法。數據挖掘(DM)常用方方法預測（prediction）：根據對象屬性性過去的觀察察值來估計此此屬性未來的的值。比如，預測哪哪些顧客會在在未來的半年年內取消該公公司的服務，，或是預測哪哪些電話用戶戶會申請增值值服務，如三三方通話、語語音信箱等。。所使用的技巧巧有回歸分析析、時間序列列分析及類神神經網絡方法法。數據挖掘(DM)常用方方法關聯分組（affinitygrouping）：從所有對象象來決定哪些些相關對象應應該放在一起起。比如，在超市市中，哪些物物品會一起被被購買，零售售商可以利用用關聯分組來來規劃店內商商品的擺設位位置，把會被被一起購買的的商品擺在一一起。在客戶的營銷銷系統上，此此種功能可用用來確認交叉叉銷售（cross-selling）的機會會以設計出更更吸引人的產產品群組。聚類、群集化化（clustering）：將不同的母母體區隔為較較具同構型的的群組（cluster），換句話話說，其目的的是將組與組組之間的差異異分辨出來，