商務智能包括哪些技術

商務智能包括哪些技術

企服解答

商務智能這一術語1989年由Gartner Group的Howard Dresner首次提出，它描述了一系列的概念和方法，通過應用基于事實的支持系統來輔助商業決策的制定。商務智能包括的技術有：1、數據倉庫；2、數據挖掘；3、數據集成和存儲管理；4、數據分析和建模；5、聯機分析處理(OLAP)。

1、數據倉庫

數據倉庫是一個面向主題的、集成的、隨時間變化的、非易失的、主要用于決策支持的數據的集合。利用數據倉庫技術可以動態將異構系統中的數據抽取集成到一起，進行清洗、轉換等處理之后加載到數據倉庫中，通過周期性的刷新，為用戶提供一個統一的干凈的數據視圖，為數據分析提供一個高質量的數據源。

對于數據倉庫中的數據，可以使用一些增強的查詢和報表工具進行復雜的查詢和即時的報表制作，可以利用OLAP技術從多種角度對業務數據進行多方面的匯總統計計算，還可以利用數據挖掘技術發現其中的有用信息。

2、數據挖掘

數據挖掘又稱知識發現（Knowledge Discovery in Database，簡稱KDD），是從大量數據中抽取有意義的、隱含的、以前未知的并有潛在使用價值的知識的過程。數據挖掘是一個多學科交叉性學科，它涉及統計學、機器學習、數據庫、模式識別、可視化以及高性能計算等多個學科。利用數據挖掘技術可以分析各種類型的數據，例如結構化數據、半結構化數據以及非結構化數據、靜態的歷史數據和動態數據流數據等。無論要分析的數據對象的類型如何，常用的數據挖掘技術包括關聯分析、序列分析、分類、預測、聚類分析以及時間序列分析等。

3、數據集成和存儲管理

數據集成可以分為“懶散型”數據集成和“急切型”數據集成。懶散型數據集成一般應用在數據庫系統中，其顯著特征是集成發生在查詢產生之后。用戶提出一個查詢后，系統確定查詢所需的數據來源，為每一個來源產生子查詢和命令，然后從數據源中獲取信息，執行一定的轉換、過濾和合并后把最終結果返回給用戶或客戶系統。

4、數據分析和建模

商業智能建立的本質目的是獲得高的投資回報率(ROI)，投資回報主要體現在商業智能的應用狀況上。通過數據分析和建模將數據轉化為信息，通常由數據分析工具負責完成。

5、聯機分析處理(OLAP)

它主要通過多維的方式來對數據進行分析、查詢和報表處理。它不同于傳統的OLTP應用。OLTP應用主要用來完成用戶的事務處理，如民航訂票系統、銀行儲蓄系統等，通常要進行大量的更新操作，同時對響應時間要求比較高。而OLAP應用主要是對用戶當前及歷史數據進行分析，輔助領導決策。其典型的應用有對銀行信用卡風險的分析與預測、公司市場營銷策略的制定等，主要是進行大量的查詢操作，對時間的要求不太嚴格。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用，增強決策分析功能。