商务智能包括哪些技术

商务智能包括哪些技术

企服解答

商务智能这一术语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，通过应用基于事实的支持系统来辅助商业决策的制定。商务智能包括的技术有：1、数据仓库；2、数据挖掘；3、数据集成和存储管理；4、数据分析和建模；5、联机分析处理(OLAP)。

1、数据仓库

数据仓库是一个面向主题的、集成的、随时间变化的、非易失的、主要用于决策支持的数据的集合。利用数据仓库技术可以动态将异构系统中的数据抽取集成到一起，进行清洗、转换等处理之后加载到数据仓库中，通过周期性的刷新，为用户提供一个统一的干净的数据视图，为数据分析提供一个高质量的数据源。

对于数据仓库中的数据，可以使用一些增强的查询和报表工具进行复杂的查询和即时的报表制作，可以利用OLAP技术从多种角度对业务数据进行多方面的汇总统计计算，还可以利用数据挖掘技术发现其中的有用信息。

2、数据挖掘

数据挖掘又称知识发现（Knowledge Discovery in Database，简称KDD），是从大量数据中抽取有意义的、隐含的、以前未知的并有潜在使用价值的知识的过程。数据挖掘是一个多学科交叉性学科，它涉及统计学、机器学习、数据库、模式识别、可视化以及高性能计算等多个学科。利用数据挖掘技术可以分析各种类型的数据，例如结构化数据、半结构化数据以及非结构化数据、静态的历史数据和动态数据流数据等。无论要分析的数据对象的类型如何，常用的数据挖掘技术包括关联分析、序列分析、分类、预测、聚类分析以及时间序列分析等。

3、数据集成和存储管理

数据集成可以分为“懒散型”数据集成和“急切型”数据集成。懒散型数据集成一般应用在数据库系统中，其显著特征是集成发生在查询产生之后。用户提出一个查询后，系统确定查询所需的数据来源，为每一个来源产生子查询和命令，然后从数据源中获取信息，执行一定的转换、过滤和合并后把最终结果返回给用户或客户系统。

4、数据分析和建模

商业智能建立的本质目的是获得高的投资回报率(ROI)，投资回报主要体现在商业智能的应用状况上。通过数据分析和建模将数据转化为信息，通常由数据分析工具负责完成。

5、联机分析处理(OLAP)

它主要通过多维的方式来对数据进行分析、查询和报表处理。它不同于传统的OLTP应用。OLTP应用主要用来完成用户的事务处理，如民航订票系统、银行储蓄系统等，通常要进行大量的更新操作，同时对响应时间要求比较高。而OLAP应用主要是对用户当前及历史数据进行分析，辅助领导决策。其典型的应用有对银行信用卡风险的分析与预测、公司市场营销策略的制定等，主要是进行大量的查询操作，对时间的要求不太严格。在数据仓库应用中，OLAP应用一般是数据仓库应用的前端工具，同时OLAP工具还可以同数据挖掘工具、统计分析工具配合使用，增强决策分析功能。