图片展示

400-616-8682

商业智能到底是什么?

发表时间: 2019-01-17 08:40:40

商业智能(Business Intelligence,简称:BI),又称商业智慧或商务智能,指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。


商业智能的概念在1996年最早由加特纳集团(Gartner Group)提出,加特纳集团将商业智能定义为:商业智能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。商业智能技术提供使企业迅速分析数据的技术和方法,包括收集、管理和分析数据,将这些数据转化为有用的信息,然后分发到企业各处。

提到“商业智能”这个词,网上普遍认为是Gartner机构在1996年第一次提出来的,但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。他将“智能”定义为“对事物相互关系的一种理解能力,并依靠这种能力去指导决策,以达到预期的目标。”


在1989年,Howard Dresner将商业智能描述为“使用基于事实的决策支持系统,来改善业务决策的一套理论与方法。”


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。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等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(OLAP)工具和数据挖掘等技术。因此,从技术层面上讲,商业智能不是什么新技术,它只是数据仓库、OLAP和数据挖掘等技术的综合运用。


可以认为,商业智能是对商业信息的搜集、管理和分析过程,目的是使企业的各级决策者获得知识或洞察力(insight),促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用,其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。


因此,把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理,以保证数据的正确性,然后经过抽取(Extraction)、转换(Transformation)和装载(Load),即ETL过程,合并到一个企业级的数据仓库里,从而得到企业数据的一个全局视图,在此基础上利用合适的查询和分析工具、数据挖掘工具(大数据魔镜)、OLAP工具等对其进行分析和处理(这时信息变为辅助决策的知识),最后将知识呈现给管理者,为管理者的决策过程提供支持。


提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。



数据质量与商业智能


对于增强数据资产准确度和价值而言,将数据质量规则与活动(探查、清洗和监测)和MDM流程相集成显得十分关键。在启动任何MDM项目之前,您都需要了解源数据的内容、质量和结构。在数据源进行的数据探查使数据管理员和数据仓库管理员能够在数据进入MDM系统之前,快速发现和分析跨所有数据源的所有数据异常。此流程可极大加快从MDM实施中获取价值。


由于数据清洗增强了数据的准确度,带来了数据完整性,并从源头增进了数据的可信度,因此数据清洗改善了MDM系统中的数据一致性。一旦源数据进入MDM系统,它将接受数据质量处理,其中包括验证、更正和标准化。MDM系统存储了在数据清洗前后的整个历史记录,从而开发人员不必再跟踪数据仓库中的数据沿袭。


最后,数据质量度量标准使数据仓库管理员能够更好地监控参考数据的质量,并确保可以长期持续使用高质量的数据。


因此,从技术角度看,实施MDM和Informatica Data Quality,作为数据仓库中主数据的确定来源,可以从提取、转换和加载(ETL)流程中简化数据集成。此方法可极大减低与数据仓库有关的整个开发和维护工作。通过建立数据质量度量标准和定义数据质量目标,数据仓库管理员和数据管理员能够更好地监控参考数据的质量,并确保随着时间的推移能够跨企业持续使用高质量的数据。MDM简化了对数据仓库维度更新的处理,因为用于确定更改内容的所有逻辑均封装在MDM系统中。


此外,MDM系统可以卸除大多数数据仓库的历史记录跟踪负担,使数据仓库仅管理它需要为进行聚合而应跟踪的变更。此系统可带来更小的数据仓库维度以及对负荷和查询性能的重大改进。运用MDM和Informatica Data Quality将最终降低数据集成的工作量,提高从商业智能和报表推导的洞察分析的质量,确保能够从为商业智能增效的数据仓库方案中获得预期的价值和投资回报。


应用范围


商业智能系统可辅助建立信息中心,如产生各种工作报表和分析报表。用作以下分析:


销售分析主要分析各项销售指标,例如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等等;而分析维又可从管理架构、类别品牌、日期、时段等角度观察,这些分析维又采用多级钻取,从而获得相当透彻的分析思路;同时根据海量数据产生预测信息、报警信息等分析数据;还可根据各种销售指标产生新的透视表。


商品分析 商品分析的主要数据来自销售数据和商品基础数据,从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等,从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过D系统对这些指标的分析来指导企业商品结构的调整,加强所营商品的竞争能力和合理配置。


人员分析通过D系统对公司的人员指标进行分析,特别是对销售人员指标(销售指标为主,毛利指标为辅)和采购人员指标(销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等)的分析,以达到考核员工业绩,提高员工积极性,并为人力资源的合理利用提供科学依据。主要分析的主题有,员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。


处理流程

商业智能(BI)作为一个概念,描述与业务紧密结合,并且根据需要进行相关特性展示和数据处理的过程。


为了让数据“活”起来,往往需要利用数据仓库、数据挖掘、报表设计与展示、联机在线分析(OLAP)等技术。数据或者数据源包含的种类繁多,例如存储在关系型数据库中的,在外围数据文件中的,在业务流中实时产生存储在内存中的等等。而商业智能最终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。


这些分析有财务管理、点击流分析(Clickstream)、供应链管理、关键绩效指标(Key Performance Indicators, KPI)、客户分析等。商业智能关注的是,从各种渠道(软件,系统,人,等等)发掘可执行的战略信息。商业智能用的工具有抽取(Extraction)、转换(Transformation)和加载(Load)软件(搜集数据,建立标准的数据结构,然后把这些数据存在另外的数据库中)、数据挖掘和在线分析(Online Analytical Processing,允许用户容易地从多个角度选取和察看数据)等 。


企业导入优点

一、随机查询动态报表
二、掌握指标管理
三、随时线上分析处理
四、视觉化之企业仪表版
五、协助预测规划


发展趋势可以归纳为以下几点:


一、功能上具有可配置性、灵活性、可变化性
二、从单独的商业智能向嵌入式商业智能发展
三、从传统功能向增强型功能转变
四、市场增长强势不减
五、商业智能解决方案走向完整


总结:所以商业智能是用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。




服务方式

————————

餐饮    ·    零售:13029718886
数据·财税·协同:18646380036

服   务   热   线:400-616-8682

关注我们

————————

图片展示

   

Copyright 2011-2019 哈尔滨睿沣科技有限公司  I  版权所有:黑ICP备18007379号 

电话:400-616-8682

13029718886

地址:哈尔滨市香坊区哈平路凯旋广场B座

Copyright 2011-2018 哈尔滨睿沣科技有限公司  I  版权所有:黑ICP备11003849号-1

客服中心
客户经理
13029718886
客服电话
400-616-8682
工作时间
提供7*12小时技术支持服务
二维码