京公网安备 11010802034615号
经营许可证编号:京B2-20210330
BI在现代企业中的应用
商业智能被人们称为“混沌世界中的智能”,它代表为提高企业运营性能而采用的一系列方法、技术和软件,它能够从传统业务系统中获取各类客户数据和业务数据,由此建立多层次的分析体系,并将其转化成有商业意义的信息。商业智能把先进的信息技术应用到整个企业,不仅为企业提供信息获取能力,而且通过对信息的开发,将其转变为企业的竞争优势。商业智能系统对于企业发现市场新机会、创造竞争新优势的作用是显而易见的。但企业在真正实施商业智能过程中,并不都是一帆风顺,很多企业在商业智能方面进行了巨额的软硬件及人力投资,却并没有给企业带来预期的管理效率。
一、商业智能技术体系框架
商业智能的概念最早是Gartner Group 于1996
年提出来的。当时将商业智能定义为一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。商业智能所涉及的技术与应用,在Gartner
Group 命名之前就有,起初被称为经理信息系统( EIS),在演化成商业智能之前叫决策支持系统( DSS)。
目前,商业智能通常被理解为将企业中现有的数据转化为知识,帮助企业做出明智的业务经营决策的工具。这里的数据包括来自企业业务系统的订单、库存、交易账目、客户和供给商资料,来自企业所处行业和竞争对手的数据,以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策,既可以是操作层的,也可以是战术层和战略层的决策。为了将数据转化为知识,需要利用数据仓库、联机分析处理(
On line Analytical Processing,简称OLAP)
工具和数据挖掘等技术。因此,从技术层面上讲,商业智能技术并不是基础技术或者产品技术,它是数据仓库、OLAP
和数据挖掘等相关技术走向商业应用后形成的一种应用技术。与一般的信息系统不同的是,商业智能在处理海量数据、数据分析和信息展现等多个方面都具有突出性能。
商业智能系统(如图1 所示)
主要包括数据预处理、建立数据仓库、数据分析及数据展现四个主要阶段。数据预处理是整合企业原始数据的第一步,它包括数据的抽取、转换和装载三个过程。建立数据仓库则是处理海量数据的基础。数据分析是体现系统智能的关键,一般采用联机分析处理和数据挖掘两大技术。联机分析处理不仅进行数据汇总/聚集,同时还提供切片、切块、下钻、上卷和旋转等数据分析功能,用户可以方便地对海量数据进行多维分析。数据挖掘的目标则是挖掘数据背后隐藏的知识,通过关联分析、聚类和分类等方法建立分析模型,预测企业未来发展趋势和将要面临的问题。在海量数据和分析手段增多的情况下,数据展现则主要保障系统分析结果的可视化。

二、商务智能的益处
1、商务智能与企业发展战略的关系
商务智能通过优化战略提高企业的效率,促进战略的实施。目前,90%的企业的战略没有得到很好的实施,管理人员往往不知道实际发生的情况,员工也不知道日常工作与企业的战略的关系。企业市场将是商务智能公司非常关键的增长点,也是非常重要的战略组成部分。在具体实施商务智能技术时,首先要通过加强教育与培训让企业管理人员认识到商务智能的重要性,并提高企业管理者的素质;其次要重点做好保证数据的可信性和数据的准确性方面的工作。商务智能技术工具未来的发展方向将是简单与快速反应。由于数据容量的关系,目前,企业关心更多的是能简单易用做好业务报表,数据质量还不是重点。但是,企业在成长,今天采用的产品线能否顺利升级而不是重新开发,在未来有无成长的能力,这一点也很重要。特别是在当前经济增长趋缓的背景下,各种规模的企业在优化绩效的同时,也在努力降低IT
成本并使IT 投资回报最大化。商务智能已成为企业不可或缺的一大要素。
2、商务智能系统与企业日常运营结合的实现
商务智能是深化企业信息化的重要工具,它的出现为企业决策层提供了决策分析与风险规避的工具,为企业提供了资源优化与价值评价的平台,为企业信息化提供了从运营层向决策层发展的支撑。面向企业建立商务智能,要开发或者选择适合企业的商务智能平台。这里的平台不仅是一个工具的问题,它至少要包括模型、工具、应用等三个方面的内容。企业商务智能系统一般模型如图2 所示。商务智能业务模型是实现商务智能应用的最重要的因素,具体包括企业战略决策模型和运营模型两类:支持企业战略实现的价值评价,支持战略投资的动态决策算法,支持企业财务战略与资源配置的算法,支持企业预警与风险管理的算法,支持预测分析和动态利润管理的优化算法,支持存货最优批量经济订货、企业物流成本最优的规划算法,支持客户评价算法,支持制造业动态成本的评估算法,支持业务流程优化的动态规划与网络计划算法等。这些模型与算法是商务智能平台的重要组成部分,是最终发挥商务智能作用的关键要素。
三、商务智能在现代企业中的应用
商务智能这种“从数字上管理”的能力是有效率的企业和经济制度的显着特点。具体说来,商务智能可以在以下几个方面发挥作用:
第一,理解业务,帮助决策。商务智能可以用来帮助理解业务的推动力量,认识是哪些趋势、哪些非正常情况和哪些行为正对业务产生影响。
第二,衡量表现。商务智能可以用来确立对员工的期望,帮助他们跟踪并管理其表现。
第三,改善关系。商务智能能为顾客、员工、供应商、股东和大众提供关于企业及其业务状况的有用信息,从而提高企业的知名度、增强整个信息链的一致性。利用商务智能,企业可以在问题变成危机之前很快地对它们加以识别并解决。商务智能也有助于加强顾客忠诚度,一个参与其中并掌握充分信息的顾客更加有可能购买你的产品和服务。
第四,创造获利机会。掌握各种商务信息的企业可以出售这些信息从而获取利润。但是,企业需要发现信息的买主并找到合适的传递方式。在美国有许多保险、租赁和金融服务公司都已经感受到了商务智能的好处。
总结
商务智能系统的最大好处是可以得到最精确、最及时的信息,帮助企业赢得竞争优势。要利用先进的信息技术获取竞争优势,企业的决策者需要对商务智能系统有一个较全面的了解,知道它的功能、发挥作用的方式以及它在分析顾客的消费趋势,培养忠实顾客,加强与供应商的联系,挖掘新的商业机会,分析未来发展趋势,展开商业策略,调整产品结构、分销渠道、工作流程和服务方式等各方面的运用,并对商务智能系统的未来发展及实施过程中存在的问题有着充分的认识。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在构建前向神经网络(Feedforward Neural Network,简称 FNN)时,“隐藏层数目设多少?每个隐藏层该放多少个神经元?” 是每个 ...
2025-10-29这个问题切中了 Excel 用户的常见困惑 —— 将 “数据可视化工具” 与 “数据挖掘算法” 的功能边界混淆。核心结论是:Excel 透 ...
2025-10-29在 CDA(Certified Data Analyst)数据分析师的工作中,“多组数据差异验证” 是高频需求 —— 例如 “3 家门店的销售额是否有显 ...
2025-10-29在数据分析中,“正态分布” 是许多统计方法(如 t 检验、方差分析、线性回归)的核心假设 —— 数据符合正态分布时,统计检验的 ...
2025-10-28箱线图(Box Plot)作为展示数据分布的核心统计图表,能直观呈现数据的中位数、四分位数、离散程度与异常值,是质量控制、实验分 ...
2025-10-28在 CDA(Certified Data Analyst)数据分析师的工作中,“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式 ...
2025-10-28在数据可视化领域,单一图表往往难以承载多维度信息 —— 力导向图擅长展现节点间的关联结构与空间分布,却无法直观呈现 “流量 ...
2025-10-27这个问题问到了 Tableau 中两个核心行级函数的经典组合,理解它能帮你快速实现 “相对位置占比” 的分析需求。“index ()/size ( ...
2025-10-27对 CDA(Certified Data Analyst)数据分析师而言,“假设检验” 绝非 “套用统计公式的机械操作”,而是 “将模糊的业务猜想转 ...
2025-10-27在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21