
商业智能应用的五个层次
在这个过程里面,咱们按照Gartner的定义来看,什么叫商业智能?我给商业智能一个应用的定义,从数据到信息,从信息到知识,从知识到决策,从决策到行动,最后从行动再给企业带来效益。总而言之是以数据为中心。Gartner给的是产品线的定义,什么叫商业智能BI,BI就是一个工具。哪几类工具呢?四类工具。
一、报表。任何一个商业智能一定要有报表工具。
二、Ad Hoc查询,就是随机查询,我有任何一个问题现在要找。现在在企业里给我带着来源最大效益的前十个客户是谁,那你马上要给我做查询,这叫随机查询。
三、OLAP分析,我喜欢叫例外分析。什么意思呢?如果我看到企业里面某一点出了问题,像我刚才说的现金流出了问题。老板就会马上问,什么原因造成现金流出了问题呢?我现在应收帐款没收回来,还是投资得过热,把钱投进去了,还是我押货太多了,还是经营市场里的需求出了问题,什么原因你给我找找,这叫OLAP分析。
四、有的企业叫深层次分析Advanced Analysis,有的企业干脆叫Data Mining,数据挖掘。
所以,商业智能指的是这四个工具,前几年发展都是说不管我给电信还是银行卖去一套工具,至于要做什么东西,是你的事情,不是我们的事情。我们到企业海尔去给它做项目,记得最清楚的时候,当时的邹校长跟我的要一个东西说“鲁博士你们在三星做得那么好,你能不能给我干一件事情,把三星的应用拿来让我看,看看他们做了什么,然后我再挑选哪些东西,我觉 得值得用,我们把他用起来。”我们的答案是什么?对不起,因为这是牵涉到商业机密的问题,如果我跟你签完协议了,我将来把你的东西给别人看,你乐意吗?我今天在这坦白的告诉大家,我是一个唐赛,一个偷换概念的方法。因为我没法给人家拿到应用,原因在哪?我们公司只卖了工具给他们,至于谁家做什么不是我的合作伙伴,合作伙伴不给我应用,我怎么能知道有应用吗?前几年都是工具,大家拿到工具首先是什么商业智能,到企业里问你们想做什么,我这有工具,你要做什么?领导问了半天他都不知道商业智能能做什么。他会想我能要什么,报表。我的部门里天天忙着报表,天天做报表做不完,让IT部门把报表做起来。所以IT部门天天在那做报表。开玩笑讲IT部门变成表哥,表姐了。天天在做表,表哥,表姐做完了,老板还不满意。那是第一阶段。所以,我是叫商业智能的初期阶段。做报表并不是说不对,你有需求做了报表。商业智能是四个工具,从应用上来讲。我讲过无穷次了,商业智能的应用一定要是五个层次。
一、以前发生的事情,以前发生什么?是报表,用仪表盘,用指标,KPI指标。
二、为什么发生了?例外分析。如果发现了原因,我问为什么发生,当然先要做预警,预警以后再找原因。
三、现在发生了什么?也就是这几年比较火的,实时商业智能或者是操作型商业智能。
有些人说这个东西到底是什么?我举一个简单的例子如果有一个客户今天很不高兴退货了。退货了以后我们也不管什么就给他退,我们公司是损失的。这时候退货谁知道是什么原因,为什么退货。这时候等他的货退了,我们的销售过了几才发现,他怎么把货退了,这时候他打电话给客户说,客户说你们的服务态度太差了,所以我们没办法退了。这个时候
我们销售说,我给你赔礼道歉,你再重新买我的产品,晚了,我已经退了。假定在退货的一瞬间,系统自动发一个短信给我的客户经理。客户经理知道他要退货,赶紧跟客户打电话什么原因。这个时候我完全可以把客户保留下来,这叫实时商业智能。
四、将来会发生什么,做预测。包括什么呢?电力行业是我们现在做得最多的一块,电不能存储,买多了是浪费,买少了不够用,到底买多少合适,这完全就是个预测的问题。
五、业务活动监控,什么叫业务活动监控呢?监控每一个节点,哪一个节点出了问题马上预警,马上找原因修正它。这是最好的商务,完全智能的商业智能,这块有五个应用要做。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10