式或B/S模式
联机分析处理(OLAP)
OLAP委员会的定义：是使分析人员、管理人员 或执行人员能够从多种角度对从原始数据中转化 出来的、能够真正为用户所理解的、并真实反映 企业维特性的信息进行快速、一致、交互地存取 ，从而获得对数据的更深入了解的一类软件技术 。
OLAP的目标：是满足决策支持或多维环境特定 的查询和报表需求，它的技术核心是“维”这个概 念，因此OLAP也可以说是多维数据分析工具的 集合。
“电子技术到来以后，人延伸出（或者说 在体外建立了）一个活生生的中枢神经系统 。”
——麦克卢汉，《理解媒介》
数据迷雾中
一个平常饮料店的故事
1993年前，店里卖的饮料只有啤酒、可口 可乐和北冰洋汽水
进货出货老板在一个旧本子上记录
一个平常饮料店的故事
1995年，生意大了，各处开了分号，饮料 多了，酒也多了，有几十种。
追求至善凭技术开拓市场，凭管理增 创效益 ，凭服 务树立 形象。2020年10月15日星期 四下午8时54分 46秒20:54:4620.10.15
严格把控质量关，让生产更加有保障 。2020年10月 下午8时 54分20.10.1520:54Oc tober 15, 2020
作业标准记得牢，驾轻就熟除烦恼。2020年10月15日星期 四8时54分46秒 20:54:4615 October 2020
按照DM找出的特别信息，该超市里的主打 产品，总是摆在最容易发现的高度区内。
DM应用实例(客户购买模式识别
)
Safeway是英国的第三大连锁超市，年销售 额超过一百亿美元
运用传统的方法—降低价位、扩充店面以 及增加商品种类，若想在竞争中取胜已经 越来越困难了
必须以客户为导向，了解六百万客户所做 的每一笔交易以及这些交易彼此之间的关 联性
Safeway 知道客户每次采购时会买哪些产 品以后，就可以利用Data Mining中的 Sequence Discovery 功能，找出长期的经 常性购买行为，进而促销。
数据挖掘(DM)学科背景
统计学 计算机科学 人工智能领域的广泛运用
数据挖掘(DM)常用方法
分类（classification）：依照所分析对象 的属性分门别类、加以定义、建立类组（ class）。
了这些产品?
商务智能内容
顾客分析
提供头10%利润的顾客有什么特点? 购买产品或服务三个月后顾客的流失率是多少
? 过去六个月里比平均消费额高两个百分点的都
是谁?
众多行业积极寻求BI解决方案的
零售、保险、银行、通信、离散制造、政 府、医疗、分销、流程制造、教育等。
商务智能如何工作
数据: 把不同来源的数据汇总为一个数据仓库 内涵: 商务智能工具通过分析这些数据来帮助人们更好地
好的事情马上就会到来，一切都是最 好的安 排。下 午8时54分46秒 下午8时54分20:54:4620.10.15
一马当先，全员举绩，梅开二度，业 绩保底 。20.10.1520.10.1520:5420:54:4620:54:46Oc t-20
牢记安全之责，善谋安全之策，力务 安全之 实。2020年10月15日 星期四8时54分 46秒T hursday, October 15, 2020
DM应用实例(客户购买模式识别 )
Safeway首先根据客户的相关资料，将客户 分为150类，再用关联（Association）的技 术列出产品相关度的清单。
比如：“在购买烤肉炭的客户中，75%的人 也会购买打火机燃料” 。
DM应用实例(客户购买模式识别
)
Safeway还需要对商品的利润进行细分。例 如，Safeway发现某一种乳酪产品虽然销售 额排名第209位，可是消费额最高的客户中 有25%都常常买这种乳酪。
数据挖掘（Data Mining）。
DM应用实例(购物环境设计)
某超市，需要设计一个吸引客人购买商品 的最佳环境。通过对客人的采购路线和消 费记录的挖掘发现：美国女性的视线高度 是150cm左右，而男性是163cm左右，最 适宜的视线角度是视线高度以下15度。因 此，最好的货品摆设位置是在130到135厘 米之间。
关联分组（affinity grouping）：从所有对 象来决定哪些相关对象应该放在一起。
比如，在超市中，哪些物品会一起被购买 ，零售商可以利用关联分组来规划店内商 品的摆设位置，把会被一起购买的商品摆 在一起。
在客户的营销系统上，此种功能可用来确 认交叉销售（cross-selling）的机会以设计 出更吸引人的产品群组。
数据迷雾铺天盖地
美国MCI是跨国的电信公司，长途电话客户 2亿，电脑里数据存了5TB，每月还增加 300GB。
据美国加州一所大学研究，世界上每个人 ，不论死活，已经产生或将要产生250MB 的数据，每年全球数据净增2×1010GB。
如何应对？
商务智能
什么是商务智能
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，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（或数据场）、 数据分析、数据挖掘、在线分析、数据备 份和恢复等部分组成。
什么是商务智能
商务智能是从累计的 原始数据中提取有用 信息的过程
商务智能为决策者在 正确的时间, 地点提供 关于企业运营情况的 各项信息使之能够做 出准确的决定
背景
商业智能（BI）的概念最早是Gartner Group于1996年提出
OLAP多维数据分析
切片和切块(Slice and Dice)：在多维数据结构中, 按二维进行切片,按三维进行切块,可得到所需要的 数据
OLAP多维数据分析
钻取(Drill) ：钻取包含向下钻取(Drill-down)和向 上钻取(Drill-up)/上卷(Roll-up)操作
OLAP多维数据分析
通过BI帮助我们
提高企业效益 建立忠实的顾客群 增进企业效率 做出明智的决策
商务智能内容
产品分析
哪种产品赢利情况最好? 哪种产品赢利最差却卖的最快? 哪种产品组合对一定收入的家庭最有吸引力?
商务智能内容
销售分析
一家已开张两年的分店销售趋势如何? 附近地区是否存在竞争者? 哪种产品的赢利有向上的趋势及哪类顾客购买
了解企业情况 行动: 通过分析来更有效地分配资源
商务智能系统结构
数据仓库(Data Warehouse, DW)
联机分析处理(On-Line Analytical Processing, OLAP)
数据挖掘(Data Mining, DM)
数据仓库(DW)
数据仓库，是在数据库已经大量存在的情 况下，为了进一步挖掘数据资源、为了决 策需要而产生的，它决不是所谓的“大型数 据库”。
发展背景
60年代，关系数据库之父E.F.Cdd提出了 关系模型，促进了联机事务处理(OLTP)的 发展(数据以表格的形式而非文件方式存储) 。
1993年，E.F.Cdd提出了多维数据库和多 维分析的概念，即OLAP
OLAP多维数据结构
超立方结构(Hypercube) 多立方结构(Multicube)
执行信息系统（EIS） 决策支持系统（DSS）。
为什么需要商务智能
促进销售 加深客户关系 改进产品 提供更好的服务
协调企业运营 降低成本 提高决策水平
"Business Intelligence helps track what really works and what doesn’t.” Bill Gates, Chairman, Microsoft
不可修改
数据库处理的是日常事务数据，有的需要 不断更新
数据仓库反映的是历史信息t, Transfer, and Load (ETL)
Model Integrate
Data
ETL Data warehouse
数据展现
面向高层决策者的主管信息系统(EIS) 面向决策分析者的联机分析系统(OLAP) 决策者上的即席查询系统(Ad Hoc) 灵活报表系统(Reporting) 数据展现采用多种灵活的方式，比如C/S模
数据挖掘(DM)常用方法
预测（prediction）：根据对象属性过去的 观察值来估计此属性未来的值。
比如，预测哪些顾客会在未来的半年内取 消该公司的服务，或是预测哪些电话用户 会申请增值服务，如三方通话、语音信箱 等。
所使用的技巧有回归分析、时间序列分析 及类神经网络方法。
数据挖掘(DM)常用方法
商务智能的应用前景
客户分类和特点分析 市场营销策略分析 经营成本与收入分析 欺诈行为分析和预防
市场预测
根据IDC分析，从1997年到2002年，整个 数据仓库市场（软件、服务、服务器和存 储）以平均每年20.5％的速度增长。
IDC的另一项调查结果表明，企业用于商务 智能的投资回报率平均2.3年高达400％。 一项来自美国MetaGroup的市场分析指出 ，92％的企业将在今后3年内使用数据仓库 。
W.H.Inmon关于数据仓库的定义：面向主 题的、集成的、与时间相关且不可修改的 数据集合。
面向主题
传统数据库主要是为应用程序进行数据处 理，未必按照同一主题存储数据
数据仓库侧重于数据分析工作，是按照主 题存储的
与时间相关
数据库保存信息的时候，并不强调一定有 时间信息
数据仓库则不同，出于决策的需要，数据 仓库中的数据都要标明时间属性
加强交通建设管理，确保工程建设质 量。20:54:4620:54:4620:54Thursday, October 15, 2020
安全在于心细，事故出在麻痹。20.10.1520.10.1520:54:4620:54:46October 15, 2020
踏实肯干，努力奋斗。2020年10月15日下午8时54分 20.10.1520.10.15