商務(wù)智能之應(yīng)用流程與價值

參考教材：《商務(wù)智能應(yīng)用教程》，陳進(jìn)張莉，高等教育出版社，2010年6月商務(wù)智能理論與應(yīng)用概述商務(wù)智能應(yīng)用流程和價值面向業(yè)務(wù)分析與管理決策的BI應(yīng)用維度和指標(biāo)設(shè)計商務(wù)智能在ERP中的應(yīng)用商務(wù)智能應(yīng)用案例商務(wù)智能應(yīng)用發(fā)展前沿商務(wù)智能應(yīng)用實踐與項目實習(xí)商務(wù)智能在電力行業(yè)中的應(yīng)用商業(yè)智能的基本定義

商務(wù)智能是企業(yè)利用現(xiàn)代信息技術(shù)收集、管理和分析結(jié)構(gòu)化和非結(jié)構(gòu)化的商務(wù)數(shù)據(jù)和信息，創(chuàng)造和累計商務(wù)知識和見解，改善商務(wù)決策水平，采取有效的商務(wù)行動，完善各種商務(wù)流程，提升各方面商務(wù)績效，增強綜合競爭力的智慧和能力。

商業(yè)智能的應(yīng)用藍(lán)圖SourceDatabasesDataExtraction,Transformation,loadWarehouseAdmin.ToolsExtract,TransformandLoadDataModelingToolCentralMetadataArchitectedDataMartsDataAccessandAnalysisEnd-UserDWToolsCentralDataWarehouseCentralDataWarehouseMid-TierMid-TierDataMartDataMartLocalMetadataLocalMetadataLocalMetadataMetadataExchangeMDBDataCleansingToolRelationalAppl.PackageLegacyExternalRDBMSRDBMS資料來源：[Pieter,1998]商業(yè)智能的技術(shù)架構(gòu)商業(yè)智能建模計劃報告分析目標(biāo)監(jiān)控決策不利決策有方?jīng)Q策能力提升籌資渠道通暢投資方向正確資金良性循環(huán)企業(yè)信用提升運營風(fēng)險降低決策延遲籌資困難投資失誤經(jīng)營失血信用受損風(fēng)險失控惡果效益商業(yè)智能的業(yè)務(wù)架構(gòu)創(chuàng)建企業(yè)級數(shù)據(jù)倉庫EBD公共的中心數(shù)據(jù)模型數(shù)據(jù)重構(gòu)只執(zhí)行一次使數(shù)據(jù)冗余和不一致性最小化存儲細(xì)節(jié)和歷史數(shù)據(jù)，開發(fā)全局性數(shù)據(jù)從EBD創(chuàng)建數(shù)據(jù)集市與部門相關(guān)的EBD子集通常是總結(jié)性數(shù)據(jù)直接依賴于EBD的數(shù)據(jù)有效性局部數(shù)據(jù)集市外部數(shù)據(jù)局部數(shù)據(jù)集市操作性數(shù)據(jù)企業(yè)數(shù)據(jù)倉庫EDB商業(yè)智能相關(guān)概念——DW（自頂向下的設(shè)計方法）創(chuàng)建部門的數(shù)據(jù)集市范圍局限于一個主題區(qū)域快速的ROI——局部的商業(yè)需求得到滿足本部門自治--設(shè)計上具有靈活性對其它部門數(shù)據(jù)集市好的指導(dǎo)容易復(fù)制到其它部門需要為每個部門做數(shù)據(jù)重建有一定級別的冗余和不一致性一個切實可行的方法擴(kuò)大到企業(yè)數(shù)據(jù)倉庫創(chuàng)建EDB作為一個長期的目標(biāo)局部數(shù)據(jù)集市外部數(shù)據(jù)操作型數(shù)據(jù)(全部)操作型數(shù)據(jù)(局部)操作型數(shù)據(jù)(局部)局部數(shù)據(jù)集市企業(yè)數(shù)據(jù)倉庫EDB商業(yè)智能相關(guān)概念——DW（自下而上的設(shè)計方法）做飯的比喻：整個數(shù)據(jù)倉庫的過程比喻成為一個“做飯的工作”，那么ETL部分有點像出去買菜。我們可以從多個菜市場，挑選我們做需要的蔬菜，肉類等。當(dāng)然，我們處在一個選擇的過程。如果菜不新鮮，我們完全可以不要它.而多維分析/即時報表便好像是整個的做飯過程（菜應(yīng)該買完了）。而現(xiàn)在很多人更關(guān)心，明天我們吃什么？這便是預(yù)測分析。但是從整個開發(fā)過程來看，ETL是最基本的一項工作。如果沒有菜，我們啥也吃不了！商業(yè)智能相關(guān)概念——ETL（數(shù)據(jù)集成）商業(yè)智智能相相關(guān)概概念——ETL（數(shù)據(jù)據(jù)集成成）Transported數(shù)據(jù)傳傳輸，，菜買買完了了，我我們把把菜拿拿回家家的過過程數(shù)據(jù)轉(zhuǎn)轉(zhuǎn)換與與清洗洗，到到家了了，我我們要要拿菜菜做飯飯，不不能直直接就就吃，，因此此需要要把菜菜洗一一下，，或者者把爛爛掉的的菜葉葉拔掉掉（在在實際際中，，我們們抽取取來的的數(shù)據(jù)據(jù)很多多需要要清洗洗）。。有時時，我我們會會發(fā)現(xiàn)現(xiàn)有的的家人人十分分討厭厭圓的的土豆豆，沒沒關(guān)系系，我我們在在把它它放進(jìn)進(jìn)廚房房（數(shù)數(shù)據(jù)倉倉庫））前，，切成成正方方形，，這樣樣便沒沒有問問題了了（雖雖然有有點自自欺欺欺人，，只舉舉個例例子））數(shù)據(jù)裝裝載，，將我我們準(zhǔn)準(zhǔn)備好好的菜菜放進(jìn)進(jìn)廚房房里，，等著著廚師師們來來做飯飯了TransformedCleaningLoadedETL過程通常要耗用一個商業(yè)智能項目60%-70%的工作量Extracted數(shù)據(jù)抽抽取，，也就就是我我們在在菜市市場買買菜的的過程程商業(yè)智智能相相關(guān)概概念——OLTP/OLAPOLTPOLAP原始數(shù)據(jù)細(xì)節(jié)性數(shù)據(jù)當(dāng)前值數(shù)據(jù)可更新一次性處理量小面向應(yīng)用，事務(wù)驅(qū)動面向業(yè)務(wù)人員日常操作處理數(shù)據(jù)綜合性和提煉性數(shù)據(jù)歷史數(shù)據(jù)不可更新，但周期刷新一次處理的數(shù)據(jù)量大面向分析，分析驅(qū)動面向管理人員決策分析OLT(A)POLTP和OLAP是互補的系統(tǒng)，是同一個事務(wù)的兩個方面商業(yè)智智能相相關(guān)概概念——OLTP（業(yè)務(wù)務(wù)處理理）OLTP（如ERP）對企業(yè)業(yè)的物物流/資金流流/信息流流進(jìn)行行全面面一體體化管管理的的管理理信息息系統(tǒng)統(tǒng)；從技術(shù)術(shù)角度度來說說，是是一種種業(yè)務(wù)務(wù)處理理系統(tǒng)統(tǒng)，實實現(xiàn)了了業(yè)務(wù)務(wù)流程程處理理的自自動化化；；從管理理角度度來說說，它它規(guī)范范了企企業(yè)的的業(yè)務(wù)務(wù)流程程和管管理制制度，，打破破了企企業(yè)部部門之之間的的界限限，滿滿足了了管理理人員員掌握握、計計劃、、控制制、分分配企企業(yè)全全部資資源的的需求求；系統(tǒng)提提供了了各種種企業(yè)業(yè)運營營的原原始數(shù)數(shù)據(jù)。。這些些數(shù)據(jù)據(jù)是對對業(yè)務(wù)務(wù)活動動的原原始記記錄，，通常常以關(guān)關(guān)系表表或非非結(jié)構(gòu)構(gòu)化文文檔的的形式式存在在。商業(yè)智智能相相關(guān)概概念——OLAP（數(shù)據(jù)據(jù)分析析）維度同一數(shù)數(shù)據(jù)進(jìn)進(jìn)行統(tǒng)統(tǒng)計的的口徑徑或分分析的的視角角，如如產(chǎn)品品、客客戶維維度維度包包含的的具體體項目目個體體，如如產(chǎn)品品種類類/明細(xì)，，客戶戶種類類/個體維度成成員特特征的的描述述信息息，如如產(chǎn)品品的規(guī)規(guī)格、、型號號、顏顏色，，客戶戶的性性別、、年齡齡、興興趣愛愛好業(yè)務(wù)發(fā)發(fā)生的的具體體計量量數(shù)據(jù)據(jù)，如如銷售售金額額、銷銷售數(shù)數(shù)量、、科目目發(fā)生生額成員屬性事實我們通常意義上所指的BI分析，多就是指OLAP分析

粒度事實數(shù)數(shù)據(jù)獲獲取的的詳細(xì)細(xì)程度度，如如月統(tǒng)統(tǒng)計數(shù)數(shù)據(jù)，，日發(fā)發(fā)生數(shù)數(shù)據(jù)，，訂單單行數(shù)數(shù)據(jù)Time_idKINGDEE銷售事實表Discount%DollarsUnits“FactTable”事實表Market_idProduct_idindustryProduct_id產(chǎn)品維維SizeBrandProduct_Desc"DimensionTable"Time_idYearQuarterPeriod_Desc時間維維"DimensionTable"行業(yè)維維manufacturetelecomindustry"DimensionTable"Market_id地區(qū)維RegionDistrictMarket_Desc"DimensionTable"事實表：包含了基本商業(yè)事務(wù)的所有詳細(xì)信息維表：描述性信息，對數(shù)據(jù)分析的窗口familydepartmentcategoryProduct_classIDProduct_classID商業(yè)智智能相相關(guān)概概念——OLAP（維度度模型型）商業(yè)智智能相相關(guān)概概念——OLAP（結(jié)構(gòu)構(gòu)類型型）ROLAP明細(xì)數(shù)數(shù)據(jù)和和聚合合數(shù)據(jù)據(jù)都存存儲在在關(guān)系系型數(shù)數(shù)據(jù)庫庫中明細(xì)數(shù)數(shù)據(jù)和和聚合合數(shù)據(jù)據(jù)都存存儲在在多維維數(shù)據(jù)據(jù)庫中中明細(xì)數(shù)數(shù)據(jù)存存儲在在關(guān)系系型數(shù)數(shù)據(jù)庫庫，聚聚合數(shù)數(shù)據(jù)存存儲在在多維維數(shù)據(jù)據(jù)庫中中，通通過特特定訪訪問機機制實實現(xiàn)二二者的的查詢詢跳轉(zhuǎn)轉(zhuǎn)相對于于ServerOLAP而言，，把部部分?jǐn)?shù)數(shù)據(jù)下下載到到本地地，為為用戶戶提供供本地地的多多維分分析，，即多多維分分析的的本地地離線線應(yīng)用用MOLAPHOLAPClientOLAP將數(shù)據(jù)倉庫數(shù)據(jù)以多維結(jié)構(gòu)表示，利用多維數(shù)據(jù)模型和數(shù)據(jù)聚集技術(shù)組織和匯總數(shù)據(jù)，以提供快速數(shù)據(jù)檢索和計算引擎。CUBE數(shù)據(jù)立立方體體，指指按照照多維維結(jié)構(gòu)構(gòu)進(jìn)行行存儲儲的數(shù)數(shù)據(jù)實實體商業(yè)智智能相相關(guān)概概念——OLAP（數(shù)據(jù)據(jù)存儲儲）產(chǎn)品名稱地區(qū)銷售量冰箱東北50冰箱西北60冰箱華北100彩電東北40彩電西北70彩電華北80空調(diào)東北90空調(diào)西北120空調(diào)華北140

東北西北華北冰箱5060100彩電407080空調(diào)90120140產(chǎn)品名稱地區(qū)銷售量冰箱東北50冰箱西北60冰箱華北100冰箱總和210彩電東北40彩電西北70彩電華北80彩電總和190空調(diào)東北90空調(diào)西北120空調(diào)華北140空調(diào)總和350總和東北180總和西北250總和華北320總和總和750

東北西北華北總和冰箱5060100210彩電407080190空調(diào)90120140350總和180250320750RDB存儲MDDB存儲RDB綜合數(shù)據(jù)存儲MDDB綜合數(shù)據(jù)存儲產(chǎn)品客戶月從時間旋轉(zhuǎn)到區(qū)域銷售月月報（（時間間）銷售月月報（（區(qū)域域）商業(yè)智智能相相關(guān)概概念——OLAP（旋轉(zhuǎn)分析析）Pivot旋轉(zhuǎn)Slice切片Dice切塊Drill-down和Roll-up鉆取。。。時間地點全球美國歐洲紐約洛杉磯倫敦巴黎產(chǎn)品商業(yè)智能相相關(guān)概念——OLAP（鉆取分析析）Pivot旋轉(zhuǎn)Slice切片Dice切塊Drill-down和Roll-up鉆取。。。BrandAfriColaRoyalCrownPepsiCoca-ColaWranglerColaCoca-Cola24WeekEnding031017ChannelMMDrugFood23.5MMUNITS$28.3GROSS$26.8COSTFood24舉例查詢問問題：想知道可口可樂通過食品渠道在24號那一周的銷售情況況如何？Pivot旋轉(zhuǎn)Slice切片Dice切塊Drill-down和Roll-up鉆取……商業(yè)智能相相關(guān)概念——OLAP（切片/切塊分析））舉例查詢問問題：想知道可口可樂通過食品渠道在24號那一周的銷售情況況如何？Pivot旋轉(zhuǎn)Slice切片Dice切塊Drill-down和Roll-up鉆取。。。商業(yè)智能相相關(guān)概念——OLAP（多維連貫貫分析）數(shù)據(jù)庫或數(shù)據(jù)倉庫用戶分析途徑商業(yè)智能相相關(guān)概念——DM（數(shù)據(jù)挖掘掘）描述性數(shù)據(jù)挖掘預(yù)測性數(shù)據(jù)挖掘基本目標(biāo)以數(shù)據(jù)統(tǒng)計和分析為目的數(shù)理統(tǒng)計求和、平均、方差等各種報表和即席查詢多維分析關(guān)聯(lián)分析關(guān)聯(lián)規(guī)則序列模式聚類分析相似特征挖掘分類識別基本目標(biāo)以未來預(yù)測和模擬為目的分類分析分類函數(shù)分類模型回歸分析線性回歸非線性回歸決策樹神經(jīng)網(wǎng)絡(luò)時間序列移動平均數(shù)據(jù)挖掘數(shù)據(jù)挖掘是商業(yè)智能的高級應(yīng)用啤酒和尿布布的故事Clustering-PlottheInputs商業(yè)智能相相關(guān)概念——DM（聚類分析析）Clustering-DeterminetheClusters商業(yè)智能相相關(guān)概念——DM（聚類分析析）成本11%27%7%6%一萬以下42%二萬至五萬7%收入8%3%7%12%一萬以下54%二萬至五萬16%CLUSTER#1CLUSTER#2CLUSTER#3CLUSTER#4CLUSTER#5CLUSTER#5/1Clustering-AnalyzetheClusters商業(yè)智能相相關(guān)概念——DM（聚類分析析）商業(yè)智能相相關(guān)概念——MetaData（元數(shù)據(jù)的的分類）技術(shù)元數(shù)據(jù)據(jù)業(yè)務(wù)元數(shù)據(jù)據(jù)基本目標(biāo)存儲數(shù)據(jù)倉倉庫系統(tǒng)技技術(shù)細(xì)節(jié)的的數(shù)據(jù)，是是用于開發(fā)發(fā)和管理數(shù)數(shù)據(jù)倉庫使使用的數(shù)據(jù)據(jù)包含內(nèi)容數(shù)據(jù)倉庫結(jié)結(jié)構(gòu)的描述述業(yè)務(wù)系統(tǒng)、、數(shù)據(jù)倉庫庫和數(shù)據(jù)集集市的體系系結(jié)構(gòu)和模模式匯總及各種種定義用的的算法；由操作環(huán)境境到數(shù)據(jù)倉倉庫環(huán)境的的映射轉(zhuǎn)換換規(guī)則訪問權(quán)限，，備份歷史史，存檔歷歷史，數(shù)據(jù)據(jù)訪問，等等等基本目標(biāo)從業(yè)務(wù)角度度描述了數(shù)數(shù)據(jù)倉庫中中的數(shù)據(jù)，，它提供了了介于使用用者和實際際系統(tǒng)之間間的語義層層，使得不不懂計算機機技術(shù)的業(yè)業(yè)務(wù)人員也也能夠“讀懂”數(shù)據(jù)倉庫中中的數(shù)據(jù)包含內(nèi)容企業(yè)概念模模型多維數(shù)據(jù)模模型業(yè)務(wù)概念模模型和物理理數(shù)據(jù)之間間的依賴元數(shù)據(jù)元數(shù)據(jù)是描述數(shù)據(jù)倉庫內(nèi)數(shù)據(jù)的結(jié)構(gòu)和建立方法的數(shù)據(jù)商業(yè)智能相相關(guān)概念——MetaData（元數(shù)據(jù)的的作用）元數(shù)據(jù)知識庫業(yè)務(wù)元數(shù)據(jù)技術(shù)元數(shù)據(jù)即席查詢OLAP分析數(shù)據(jù)挖掘企業(yè)數(shù)據(jù)模型、多維數(shù)據(jù)模型數(shù)據(jù)倉庫RDBMS外部數(shù)據(jù)源操作環(huán)境層數(shù)據(jù)倉庫層業(yè)務(wù)層多種部署方方式的選擇擇商務(wù)智能的應(yīng)用價值總經(jīng)理企業(yè)管理決策發(fā)現(xiàn)問題所在通過簡潔的關(guān)鍵指標(biāo)評價，透視經(jīng)營全貌，發(fā)現(xiàn)問題根本所在！幫助企業(yè)決策通過多維分析模型，進(jìn)行模擬決策，幫助企業(yè)科學(xué)管理和決策！人力資源管理HR財務(wù)管理FS實驗LIS供應(yīng)鏈SCM放射RIS影象PACS醫(yī)院信息系統(tǒng)HIS醫(yī)生工作站護(hù)理系統(tǒng)CRM系統(tǒng)科研計劃供應(yīng)鏈計劃經(jīng)濟(jì)計劃醫(yī)療服務(wù)計劃醫(yī)療定位設(shè)計醫(yī)療價值捕獲醫(yī)療價值建立患者價值保留醫(yī)院科學(xué)發(fā)展戰(zhàn)略制定醫(yī)院成本費用區(qū)間與績效分析醫(yī)院\科室\醫(yī)生績效評價與監(jiān)控醫(yī)院競爭與服務(wù)區(qū)間定位醫(yī)院戰(zhàn)略與策略制定\經(jīng)營決策\管理措施制定（BI）:醫(yī)療價值指導(dǎo)人力資源管理財務(wù)管理產(chǎn)品研發(fā)供應(yīng)商管理采購管理庫存管理生產(chǎn)制造市場管理銷售管理服務(wù)管理研發(fā)計劃供應(yīng)鏈計劃市場計劃銷售計劃客戶設(shè)計差異化發(fā)展戰(zhàn)略企業(yè)績效評價與監(jiān)控企業(yè)利潤區(qū)間選擇與確定市場競爭區(qū)間定位企業(yè)戰(zhàn)略與策略的制定（BI）財務(wù)系統(tǒng)FS、人力資源HRERPSCMCRM價值捕獲價值建立價值保留集成化的商商業(yè)智能系系統(tǒng)橫向的信息表示經(jīng)營管理流程的連續(xù)性縱向的信息表示經(jīng)營管理活動的連續(xù)性數(shù)字信息通過橫向信息的分析，可以發(fā)現(xiàn)經(jīng)營流程的協(xié)同性的問題協(xié)同通過縱向信息的分析，可以發(fā)現(xiàn)各經(jīng)營環(huán)節(jié)的變化趨勢變化通過縱橫兩方面信息的分析，可以發(fā)現(xiàn)經(jīng)營管理的內(nèi)在聯(lián)系和變化規(guī)律規(guī)律統(tǒng)計分析預(yù)警預(yù)測數(shù)據(jù)分析平臺：經(jīng)營管理決策系統(tǒng)經(jīng)營數(shù)字信信息的價值值不在于擁擁有，而在在于對它的的分析和綜綜合利用，，用以指導(dǎo)導(dǎo)未來的經(jīng)經(jīng)營活動。。數(shù)據(jù)分析析的最大價價值在于為為經(jīng)營決策策提供指導(dǎo)導(dǎo)。商務(wù)智能應(yīng)應(yīng)用價值商務(wù)智能的的應(yīng)用價值值模型BI實現(xiàn)原理：：與管理層層思維一致致管理高層的的思維邏輯輯特點BI系統(tǒng)的特點點更關(guān)心各經(jīng)營管理流程環(huán)節(jié)之間的相互聯(lián)系和作用決策需要預(yù)測性信息，需要對經(jīng)營管理歷史信息進(jìn)行回顧和對比對經(jīng)營管理情況的分析和判斷往往從某一績效指標(biāo)切入，分析影響該指標(biāo)的各種因素及相互之間的關(guān)系經(jīng)營管理具有明顯行業(yè)特點和管理者個性化的特點。需要把握經(jīng)營管理的全局，需要更抽象、更簡潔的全局的信息跨部門、跨流程的經(jīng)營信息的多維度綜合分析和應(yīng)用跨時間空間的經(jīng)營信息的比較和預(yù)測分析針對不同主題、指標(biāo)的分析行業(yè)專業(yè)應(yīng)用---主要專注領(lǐng)域面向不同角色的決策門戶基于整體經(jīng)營效益的綜合統(tǒng)計、分析和預(yù)測的模型數(shù)據(jù)TextText研發(fā)采購生產(chǎn)銷售外協(xié)客戶需求服務(wù)基于日常經(jīng)營和歷史經(jīng)營信息經(jīng)過一定的規(guī)則抽取/清洗，建立企業(yè)數(shù)據(jù)庫，成為BI系統(tǒng)的信息源運用各種分析和決策支持模型，產(chǎn)生分析圖表和分析窗口。決策者使用BI中的這些圖表和分析窗口進(jìn)行觀察、分析和模擬，獲得決策的有用信息ERP系統(tǒng)客戶研發(fā)采購生產(chǎn)外協(xié)銷售服務(wù)數(shù)據(jù)抽取/清洗數(shù)據(jù)倉庫數(shù)據(jù)倉庫數(shù)據(jù)倉庫決策門戶分析模型預(yù)測模型預(yù)警模型觀察分析模擬實現(xiàn)跨部門、跨流程、跨時空的分角色應(yīng)用的BI門戶商務(wù)智能應(yīng)應(yīng)用價值商務(wù)智能的的應(yīng)用價值值路徑:通過關(guān)鍵指指標(biāo)透視經(jīng)經(jīng)營全貌財務(wù)指標(biāo)客戶指標(biāo)學(xué)習(xí)與成長指