商务智能系统模型的研究和应用
商务智能系统的研发及应用
商务智能系统的研发及应用商务智能（business intelligence，简称BI）是一种能够将大量企业数据转化为有用信息的技术。
商务智能的目的是利用数据来支持企业决策，并最终帮助企业取得成功并获得竞争优势。
随着企业数据量的快速增长，商务智能系统的研发和应用变得越来越重要。
本文将探讨商务智能系统的研发及应用。
一、商务智能系统的组成商务智能系统主要由数据仓库、数据挖掘、报表生成和数据可视化组成。
1.数据仓库数据仓库是商务智能系统的核心组件。
它是一个中央信息库，由各种数据来源提供数据，包括企业资源计划（ERP）系统、客户关系管理（CRM）系统等。
数据仓库收集企业中的数据，并将其转化为可供使用的信息。
这些信息可以用于企业管理来决策。
数据仓库需要强大的数据管理可靠性，使数据能够被存储、访问和搜索。
由于数据仓库需要承载大量企业数据，因此它需要具有高度的扩展性和灵活性。
2.数据挖掘数据挖掘是商务智能的另一个重要组件。
它是使用算法和技术来从数据中提取有价值的信息。
数据挖掘可以采用多种技术，包括聚类、分类、预测、关联挖掘和时序模式识别。
常见的数据挖掘应用包括客户聚类、交叉销售、风险管理、广告推荐等。
3.报表生成商务智能系统将大量的数据转化为有用的信息，并生成报表。
这些报表可以为企业提供有价值的信息，用于企业决策。
报表可以是静态或动态的，取决于用户的需求。
静态报表是事先产生的，一般用于不经常改变的数据。
动态报表在请求时产生，用于频繁变化的数据。
4.数据可视化数据可视化是另一个重要组件，它将数据转化为图表、图形和地图等形式，以便更直观地呈现信息。
数据可视化可以使用户更好地理解数据，并更好地决策。
如果数据可视化没有正确地解释数据，则可能导致错误的决策。
二、商务智能系统的研发和实施商务智能系统在企业中得到越来越广泛的应用，研发和实施商务智能系统的团队需要包括数据仓库设计师、数据挖掘工程师、报表开发人员、数据可视化工程师等。
商业智能系统的设计与应用研究
商业智能系统的设计与应用研究第一章引言商业智能（Business Intelligence）是一种通过收集、分析和应用大量数据来支持商业决策和业务战略的技术和方法。
商业智能系统是建立在商业智能理论基础上的软件系统，通过处理和分析海量数据，为企业提供决策支持和战略指导。
本文将探讨商业智能系统的设计原理与应用研究。
第二章商业智能系统的设计原则商业智能系统的设计原则包括可扩展性、灵活性和可靠性。
首先，可扩展性指系统能够适应不断增长的数据和用户规模。
设计商业智能系统时应考虑到数据量和用户数的增长，采用合理的系统架构和技术手段，以确保系统在增加数据和用户时能够保持性能和稳定性。
其次，灵活性是指系统能够灵活适应业务需求和变化。
设计商业智能系统时应考虑到业务需求的多样性和变化性，采用灵活的数据模型和配置方式，以满足不同用户和部门的需求。
最后，可靠性是指系统能够稳定可靠地运行。
设计商业智能系统时应采用健壮的架构和技术手段，确保系统在故障情况下能够快速恢复和保持数据完整性。
第三章商业智能系统的数据分析方法商业智能系统的数据分析方法包括OLAP（联机分析处理）、数据挖掘和统计分析。
首先，OLAP是一种以多维数据模型为基础的数据分析方法。
商业智能系统通过构建多维数据模型，将数据按照不同的维度和度量进行组织和分析，以支持复杂的数据查询和分析需求。
其次，数据挖掘是一种通过发现数据中隐含的规律和模式，进行预测和决策支持的方法。
商业智能系统通过数据挖掘技术，从海量数据中提取有用的信息，为企业决策提供支持和指导。
最后，统计分析是一种通过数据样本和统计方法，对数据进行推断和预测的方法。
商业智能系统通过统计分析技术，对数据进行抽样和分析，得出统计规律和趋势，为企业提供决策依据。
第四章商业智能系统的应用研究商业智能系统在不同领域具有广泛的应用。
首先，在销售领域，商业智能系统可以帮助企业分析销售数据、客户行为和市场趋势，提供销售预测和市场计划，支持销售决策和战略制定。
人工智能技术在商务智能中的应用与思考
人工智能技术在商务智能中的应用与思考近年来，人工智能技术的飞速发展，对商务智能领域也带来了革命性的变化。
商务智能系统主要用于对企业数据进行分析和挖掘，提供决策支持服务。
人工智能技术的运用则可以让商务智能系统更加智能化，拓展数据分析和决策支持的能力。
本文就人工智能技术在商务智能中的应用进行探讨，对其发展前景进行思考。
一、机器学习技术在商务智能中的应用机器学习是人工智能技术中的重要分支之一，其应用可以极大地提高商务智能系统的精确度和效率。
机器学习算法可以通过大数据集的学习和训练，自主提取出有用的特征和规律，实现数据分类、预测、聚类等多种功能。
以下是机器学习技术在商务智能中的应用案例：1.预测销售额：机器学习可以在历史数据的基础上，对未来销售额进行预测。
通过聚集销售数据、商品数据、市场数据等信息，运用分类、回归等机器学习算法，可以建立销售预测模型，预测出未来的销售额。
2.风险评估：风险评估是商业决策中一个非常重要的因素。
机器学习可以基于银行、保险等机构搜集的贷款记录、保险理赔记录等数据，建立风险评估模型，预测贷款违约概率或保险赔偿概率等，进而为商业决策提供参考。
3.推荐系统：个性化推荐是商务智能中的一个重要应用领域。
机器学习可以通过分析用户行为和喜好，为用户推荐更为符合其需求的商品和服务，从而提高用户体验，促进交易等。
二、自然语言处理技术在商务智能中的应用自然语言处理是人工智能技术中的另一重要分支，其应用可以让商务智能系统更加人性化和高效。
自然语言处理技术可以将自然语音转化为可计算的形式，从而让商务智能系统可以更自然地与人交互。
以下是自然语言处理技术在商务智能中的应用案例：1.语音识别：语音识别技术可以将人的语音转化为机器可识别的语言，提高商务智能系统的人机交互能力。
用户可以通过语音输入指令，系统能够自动解析并执行相关操作，提高工作效率。
2.智能聊天机器人：聊天机器人可以通过自然语言处理技术和人工智能技术相结合，与用户进行人机对话，并提供相应的服务。
商务智能的理论和应用研究综述
２ 商务智能理论 与应 用研 究
Ｂ 是当前 Ｉ Ｉ Ｔ领域 和 企业界 关注 的热 点 问题 ， Ｉ Ｔ厂
企业资源规划（Ｒ ）销售终端 （Ｏ ）市场调 查、 ＥＰ 、 ＰＳ、 供应
商、 户、 客 网络 、 政府 部 门等都在 不断地 给企 业添加 数
商不停地提出 Ｂ 的解决 方案 ， Ｉ 而企业 用户对 Ｂ 的认知 Ｉ
究大 多是 局限于 对某一 项技术 如数 据挖掘 ， 数据仓库
比较分析 。一般来说刊物代表了研究 的方 向， 而专著（ 书
籍） 则是这些研究理论 的汇编。然后以英文单词 Ｂ ｓ ｅｓ ｕｉ ｓ ｎ
Ｉｅｉ ｎｅ为关键词搜索 ， ｎ ｌ ｅｃ ｔｌ ｇ 或者以 中文商务智能 （ 或者商
等等 的研 究 ， Ｂ 的研 究如 同盲 人摸 象 ， 乏一 个整 对 ｌ 缺
新
％
义各不相同 ， 有的说是商业绩效管理 ， 的说是数 据挖 有 掘 ， 的说是仪 表盘等 ， 有 这使企 业 用户产 生了迷 惑 ， 到 底什 么是 Ｂ Ｉ ？企业应该采用什么样 的 Ｂ 解决方案７ Ｉ
次
Ｇ ｒｎ ｒ ｒｕ ａｔ ｅ ｏｐ对理 想的 Ｂ和 当前的 实际情 况做 ｅ Ｇ Ｉ
维普资讯
计 算 机 系 统 应 用
２０ 年 第 １期 ０７
商务智能的理论和应 用研 究综述
Ｒ ｖ ｅ ｏ ｓ ｎ ｓ ｎ ｅ ｌ ｅ ｃ ｅ ｙ ａ ｄ Ｐ ａ ｔ ｅ ｅ ｉｗ ｆＢｕ ｉ ｅ ｓ Ｉ ｔ ｌｇ ｎ ｅ Ｔｈ ｏｒ ｎ ｒ ｃ ｉ ｉ ｃ
体 的规 划。
业智能 ） 为关键词进行搜索。把得到的商务智能厂商的应 用方案和发表的论文进行综合归纳。
２ ２ 商务智能理论发展 ．
商务智能应用案例
商务智能应用案例商务智能（Business Intelligence, BI）是指利用数据分析技术和信息技术来帮助企业进行决策和管理的过程。
随着大数据和人工智能技术的发展，商务智能已经成为企业发展的重要工具。
下面我们将介绍一些商务智能在实际应用中的案例，以便更好地理解商务智能的价值和作用。
首先，商务智能在零售行业的应用案例。
零售行业是一个典型的数据密集型行业，每天都会产生大量的销售数据、库存数据和客户数据。
利用商务智能技术，零售企业可以对这些数据进行分析，挖掘出消费者的购物偏好、商品的销售趋势等信息，从而更好地进行商品采购、促销活动和库存管理。
比如，一家超市可以通过商务智能系统分析出哪些商品的销售量呈现上升趋势，然后及时调整进货量，以满足消费者的需求，提高销售额。
其次，商务智能在金融行业的应用案例。
金融行业是一个风险管理和数据分析至关重要的行业。
商务智能技术可以帮助金融机构对客户的信用评分、贷款风险、投资组合等进行全面的分析，从而更好地控制风险，提高盈利能力。
比如，一家银行可以利用商务智能系统对客户的信用记录、财务状况等数据进行分析，及时发现潜在的信用风险，从而减少不良贷款的发生，保护银行的资产安全。
另外，商务智能在制造业的应用案例也非常广泛。
制造业是一个充满复杂生产过程和供应链的行业，商务智能可以帮助企业对生产数据、供应链数据进行分析，从而提高生产效率和降低成本。
比如，一家汽车制造商可以利用商务智能系统对生产线上的设备运行数据进行分析，及时发现设备的故障和停机情况，从而减少生产线的停工时间，提高生产效率。
最后，商务智能在市场营销领域的应用案例也非常值得关注。
市场营销是一个需要不断调整和优化的领域，商务智能可以帮助企业对市场数据、竞争对手数据进行分析，从而更好地制定营销策略和推广活动。
比如，一家互联网公司可以利用商务智能系统对用户的点击行为、购买行为进行分析，从而更好地了解用户的兴趣和需求，精准投放广告，提高营销效果。
商务智能实验报告册
随着信息技术的飞速发展，大数据时代已经到来。
商务智能（Business Intelligence，BI）作为一种利用先进技术对数据进行收集、处理、分析和展示的方法，已成为企业提升竞争力、优化决策的重要手段。
为了让学生深入了解商务智能的理论和实践，我们开展了商务智能实验课程。
二、实验目的1. 理解商务智能的基本概念、技术方法和应用领域；2. 掌握商务智能软件的使用方法，如Power BI、Tableau等；3. 培养学生分析数据、挖掘信息、解决实际问题的能力；4. 提高学生团队合作和沟通能力。
三、实验内容1. 商务智能基础知识（1）商务智能的定义、发展历程和未来趋势；（2）商务智能的关键技术，如数据仓库、数据挖掘、数据可视化等；（3）商务智能应用领域，如市场营销、客户关系管理、供应链管理、人力资源管理等。
2. 商务智能软件应用（1）Power BI：学习Power BI的基本操作，包括数据连接、数据建模、数据可视化等；（2）Tableau：学习Tableau的基本操作，包括数据连接、数据操作、数据可视化等。
3. 实际案例分析（1）选取一家企业，收集相关数据，分析其业务状况；（2）运用商务智能软件，对收集到的数据进行处理和分析；（3）根据分析结果，提出针对性的建议，帮助企业优化业务。
1. 实验准备：了解实验内容，熟悉实验软件，准备实验数据。
2. 数据收集：收集企业业务数据，包括销售数据、客户数据、财务数据等。
3. 数据处理：运用商务智能软件，对收集到的数据进行清洗、整合、建模等操作。
4. 数据分析：根据实验目的，对处理后的数据进行深入分析，挖掘有价值的信息。
5. 结果展示：运用商务智能软件，将分析结果以图表、报表等形式展示。
6. 撰写实验报告：总结实验过程、实验结果和实验心得。
五、实验成果1. 理论知识：掌握商务智能的基本概念、技术方法和应用领域；2. 实践技能：熟练运用商务智能软件，具备数据分析、挖掘信息的能力；3. 团队合作：与同学共同完成实验，提高团队协作和沟通能力；4. 解决问题：针对实际问题，提出优化建议，为企业创造价值。
商务智能系统
➢从技术角度看，商务智能是以企业中的数据仓库为 基础，经由联机分析处理工具、数据挖掘工具加上 决策人员的专业知识，从根本上帮助公司把运营数 据转化成为高价值的可以获取的信息（或者知识）， 并且在恰当的时候通过恰当的方式把恰当的信息传 递给恰当的人的过程。
➢从数据分析的角度看，商务智能是为了解决商业活 动中遇到的各种问题，利用各种信息系统进行的高 质量和有价值的信息收集、分析、处理过程，其基 本功能包括个性化的信息分析、预测和辅助决策。
从商务智能系统的循环流程中可以看出，数据仓库、 OLAP （On-Line Analytical Processing：联机分析处理）和数 据挖掘（Data Mining）是其主要的技术支柱：
➢数据仓库是处理海量数据的基础，存储按照商务智能要求 重新组织的来自业务系统的数据；
➢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、上钻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；
1 外部数据源通过运行环境（ERP、CRM、SCM等）流 入BI循环（包含有关客户、供应商、竞争对手、产 品以及企业本身的信息）；
2 进入数据仓库/数据集市等数据存储部分——对加 入数据仓库的数据进行净化和转换，纠正错误的数 据和统一格式，使其满足数据仓库应当具有的数据 格式和质量标准；将其存储在中央存储库中（充当 中央存储库的可以是关系型数据库或者多维数据 库），数据的抽取、净化、转换和存储是BI循环的 核心组成部分；
商务智能方法与应用笔记
商务智能方法与应用笔记一、商务智能的概念商务智能是指利用数据分析、数据挖掘、商业预测等技术手段，帮助企业管理者进行决策的一种信息化工具。
商务智能的实际应用是将各种不同的数据整合在一起，以便更好地进行分析和利用，从而为企业的管理层提供决策支持。
二、商务智能的方法1. 数据仓库数据仓库是商务智能的基础，它是一个用于存储和管理企业核心数据的集中式数据库系统。
数据仓库可以整合来自不同数据源的数据，包括交易数据、客户数据、市场数据等。
数据仓库的建立和维护是商务智能的第一步，也是商务智能方法中最重要的一环。
2. 数据分析数据分析是商务智能的核心方法之一，通过对大量数据的分析，可以帮助企业发现潜在的业务趋势和问题。
数据分析可以采用统计分析、数据挖掘、机器学习等技术手段，以发现数据中的规律和关联，从而为企业的决策提供可靠的依据。
3. 商业智能工具商业智能工具是商务智能方法中的重要支撑，包括数据可视化工具、报表工具、仪表盘工具等。
这些工具可以帮助企业管理者更直观地了解数据，以便更好地进行业务分析和决策。
三、商务智能的应用1. 销售预测通过商务智能方法可以分析历史销售数据、市场趋势等信息，从而预测未来的销售趋势，帮助企业做出合理的生产计划和市场策略。
2. 客户分析商务智能可以对客户进行深入的分析，包括客户的消费习惯、偏好、忠诚度等方面，从而帮助企业制定更有针对性的营销策略，提升客户满意度和忠诚度。
3. 供应链优化通过对供应链数据的分析，商务智能可以帮助企业优化供应链管理，提高供应链的效率和灵活性，减少库存成本和生产周期，提升企业的竞争力。
四、商务智能的发展趋势随着大数据、人工智能等技术的发展，商务智能也在不断演进。
未来，商务智能将更加注重数据的实时性和智能化分析能力，以更好地满足企业决策的需求。
总结：商务智能方法与应用是企业信息化的重要组成部分，它通过数据分析、预测建模、决策支持等手段，帮助企业管理者更好地把握市场动向、优化资源配置，提高企业的竞争力和盈利能力。
商务智能应用案例
商务智能应用案例商务智能（Business Intelligence，简称BI）是指通过各种技术和工具来收集、整理、分析企业内外部的数据，以支持企业决策制定和业务运营的过程。
商务智能应用已经成为现代企业管理的重要工具，它可以帮助企业更好地理解市场趋势、客户需求和企业内部运营情况，从而提高决策的准确性和效率。
一、零售行业。
在零售行业，商务智能应用可以帮助企业更好地了解消费者的购买行为和偏好，从而优化产品组合和促销策略。
例如，一家超市可以通过商务智能系统分析销售数据，发现某种商品的销量与天气变化有关，进而调整库存和采购计划，以应对不同的季节和气候。
此外，商务智能还可以帮助零售企业进行客户细分，制定个性化营销方案，提高客户满意度和忠诚度。
二、金融行业。
在金融行业，商务智能应用可以帮助银行和保险公司更好地了解客户的信用风险和投资偏好，从而制定更加精准的风险管理和投资策略。
例如，银行可以通过商务智能系统对客户的贷款还款记录和资产状况进行分析，预测客户的信用风险，并据此调整贷款利率和额度。
另外，商务智能还可以帮助金融机构监控市场风险和资产配置，及时调整投资组合，降低投资风险。
三、制造业。
在制造业，商务智能应用可以帮助企业优化生产计划和供应链管理，提高生产效率和产品质量。
例如，一家汽车制造商可以通过商务智能系统分析生产线上的传感器数据，及时发现设备故障和生产异常，从而减少停机时间和生产成本。
此外，商务智能还可以帮助制造企业预测市场需求，调整生产计划，避免库存积压和产能浪费。
四、跨境电商。
在跨境电商领域，商务智能应用可以帮助企业了解不同国家和地区的消费习惯和市场趋势，优化产品定价和推广策略。
例如，一家跨境电商平台可以通过商务智能系统分析不同国家和地区的用户行为数据，发现不同市场的热门产品和购买偏好，据此调整商品定价和营销活动，提高销售收入和市场份额。
总结。
商务智能应用已经成为各行各业提高管理效率和决策水平的重要工具，它可以帮助企业更好地理解市场和客户，优化业务流程和资源配置，提高竞争力和盈利能力。
人工智能在商务领域的应用研究
人工智能在商务领域的应用研究随着技术的发展，人工智能早已并不是一个新鲜的概念。
在商务领域中，普及和应用的速度也在逐步加快。
那么人工智能在商务领域到底有哪些具体应用呢？今天我们就来探索一下人工智能在商务领域的应用研究。
一、智能客服目前，很多公司都开始使用人工智能来帮助进行客服工作。
随着人工智能技术的发展，现在可以使用语音识别等技术来使得智能客服能够更好地还原人类的语音，从而帮助用户更清楚地表达问题。
同时，智能客服也可以自动根据用户的问题进行分类和回答，帮助用户更快速地解决问题。
二、智能营销智能营销是一种基于人工智能和大数据技术的营销模式。
它可以帮助企业更好地了解客户需求，制定更精准的营销策略，提高销售转化率。
智能营销技术主要包括数据采集、数据挖掘、数据分析、模型建立和决策优化等环节，通过人工智能算法对客户喜好、消费行为、购买意愿等进行分析和预测，从而推出更有效的营销手段，促进销售。
三、智能物流目前，智能物流也是人工智能技术在商务领域中的一个重要应用。
智能物流可以帮助企业提高物流效率，降低成本。
通过人工智能的预测和优化技术，可以对物流路径、运输方式、车辆选择等进行优化，从而更好地节约时间和费用。
同时，智能物流也可以利用物联网和传感器等技术来实现物流过程的全程跟踪和监控，确保货物的安全和稳定运输。
四、智能财务智能财务主要包括对企业财务数据的智能处理和分析。
在人工智能进入财务领域后，可以通过数据分析和机器学习等技术，对企业的财务数据进行深度挖掘，预测未来趋势，并对企业进行财务管理和风险规避。
此外，智能财务还可以通过自动化的技术解决财务处理中的重复性工作，实现财务流程的智能化和自动化管理。
总结综上所述，人工智能在商务领域中应用广泛，可以帮助企业自动化、智能化、高效化。
在未来，随着技术的不断创新和完善，人工智能所涉及的商务领域将越来越广泛，从而更好地促进商业发展和提高竞争力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
计算机与现代化 2010年第3期JIS UAN JI YU X IAN DA I H UA总第175期文章编号:1006 2475(2010)03 0058 04收稿日期:2009 07 23基金项目:广州市番禺区科技攻关项目(2008 z 48 1)作者简介:胡耀民(1975 ),男,湖南宁乡人,广州番禺职业技术学院讲师,华南理工大学土木与交通学院博士研究生,研究方向:软件设计和建模,数据挖掘,交通诱导;余明辉(1965 ),男,湖南岳阳人,副教授,研究方向:网络系统规划、构建和企业信息化。
商务智能系统模型的研究和应用胡耀民1,2,余明辉1(1.广州番禺职业技术学院信息工程学院,广东广州511483;2.华南理工大学土木与交通学院,广东广州510640)摘要:分析商务智能所需的关键技术及其之间的关系,提出一个基于S QL Serv er 2008的商务智能应用系统模型,并以该模型为参考开发了一个商务智能应用系统。
关键词:商务智能;数据挖掘;联机分析处理;DM X;M DX中图分类号:T P311.52 文献标识码:A do:i 10.3969/.j issn .1006 2475.2010.03.017Research and Application of Business Intelligence Syste m M odelHU Y ao m i n 1,2,YU M i n g hu i1(1.Schoo l of Info r ma ti on Eng i neer i ng ,Guang z hou Panyu P o l y techn ic ,Guang z hou 511483,Ch i na ;2.Schoo l o f C iv il Eng i neer i ng and T ransporta ti on ,South Chi na U niversity of T echnology ,G uangzhou 510640,Chi na)Ab stract :A ccordi ng to anal ysis of key techno l og i es about busi ness i ntelli gence and relationshi p o f t he m ,a busi ness i ntelli gence syste m model based on S QL Server 2008is provi ded .And the busi ness i ntelli gence syste m is developed based on this mode.l K ey w ords :busi ness i nte lligence ;data m i ni ng ;OLA P ;D M X;M DX0 引 言众所周知,信息对于企业的生存和发展发挥着至关重要的作用。
企业业务数据随时间而不断增长,并且分布散乱、具有多种存储形式,这使得企业难以从海量的业务数据中找到真正有用的决策信息。
因此,迫切需要一种方法对这些信息进行有效的提炼、加工,并为企业全局的战略决策和长期趋势分析提供更有效的支持[1]。
商务智能将数据库、数据仓库和数据挖掘的一系列技术应用集于一身,为企业决策服务[2 3]。
SQL Server 2008中提供了商务智能解决方案[4],以原有信息系统为基础进行数据整合,利用这些极有价值但又散乱的生产、销售数据,来搭建集联机分析处理(On li n e Analytical Pr ocessi n g ,OLAP)、数据挖掘(Da ta M i n i n g ,D M )于一体的商务智能系统,为决策者动态掌握企业生产进度和后续决策提供信息支撑。
其建议的方案中客户端是微软的O ffi c e 软件,这为熟悉O ffice 软件的办公人员提供了很大方便,然而展示方式不能个性化,且不能通过互联网访问。
现在社会,商务活动频繁,企业决策者办公场所经常变动,希望随时随地能够使用企业的商务智能系统。
如何基于SQL Server 2008创建B /S 结构BI 应用系统就是本文要探讨的问题。
1 商务智能的相关支撑技术商务智能是一种商务决策支持的解决方案,是数据仓库(Data W arehouse ,DW )、DM 、OLAP 技术的一种综合运用[5 6]。
商务智能的支撑技术为数据仓库、D M 、OLAP [7 9]。
数据仓库是一个 面向主题的、集成的、时变的、非易失的数据集合 [10]。
数据仓库将从多个数据源收集的信息,按照单一的模式进行存储,并通常将这些信息驻留在单个存储节点。
数据仓库系统中最重要的应用是OLAP 与DM [11]。
OLAP 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、并真实反映企业维度特性的信息进行快速、一致、交2010年第3期胡耀民等:商务智能系统模型的研究和应用59互地存取,从而获得对数据更深入了解的一类软件技术[12]。
数据挖掘的任务是从数据中发现模式。
模式有很多种,按功能可分为两大类:预测型(Predictive)模式和描述型(Descriptive)模式[13]。
数据仓库是面向主题的,一个数据仓库中的数据可能面向多个主题,主题之间能共享数据,且这些共享的数据一般是进行OLAP时的所用维。
进行OL AP时要在数据仓库的基础上抽取一些特定数据建立好面向单个主题的多维数据集(数据立方体[14]),主题和多维数据集之间存在一一对应关系。
OLAP可对这些面向单个主题的多维数据集进行数据分析。
D M则是对数据仓库或是多维数据集的数据进行分析和计算,把各列数据之间的内在联系通过数学计算的方式找出来,或是进行模式识别,如识别最优客户群;或是进行预测,如预测未来的销售走势。
2 基于SQL Server2008的商务智能模型图1 基于S Q L Server2008商务智能模型在微软推荐的解决方案中,用户基本上可以通过向导可视化生成商务智能系统。
这种数据服务和办公软件绑定的解决方案中,智能商务系统的个性化和使用场所大受限制,图1给出了基于SQL Server2008的商务智能B/S应用模型,该模型使用和C#编写客户端,大大拓宽了商务智能系统的使用场合,且用户可自己订制个性化数据处理结果。
模型共分为3层:集成层、模型层、表示层。
2.1集成层集成层负责把多种异构数据形成单一模式的数据,交由SQL Server DB M S管理。
企业一般有大小、开发时间都可能互不相同的多个不同业务系统,企业的决策信息是这些系统数据的综合和分析,故智能商务系统首要一步就是把所有这些系统数据进行集成。
SQL Server2008中I ntegrati o n Serv ices(集成服务)可以把不同类型的数据库和平面文件整合统一到SQL Server数据库,即可以提取和转换来自多种源(如X M L数据文件、平面文件和关系数据源)的数据,然后将这些数据加载到一个目标。
这个整合过程也就是商务智能系统数据仓库的建立过程。
在I ntegration Serv ices中创建一个可运行的包对象(包是可被检索、执行和保存的工作单元)以进行数据转化。
包对象中包含一个控制流以及一个或多个数据流(可选),控制流主要定义了数据集成过程动作的发生顺序和重复次数,数据流定义了数据集成时源数据与目标数据的映射关系。
控制流包含3种组件:容器、任务、优先约束;数据流也包含3个组件:源、转换和目标。
源从数据存储区(如图1关系数据库中的表和视图、文件)中提取数据;转换是修改、汇总和清洗数据;目标将数据加载到数据存储区(SQL Ser ver2008数据库),或创建内存中的数据集。
2.2模型层模型层包含数据分析的基础!!!数据仓库和进行数据分析、挖掘的模型。
在数据分析层中含有SQL Server2008的数据库引擎和SQL Server2008Ana l y sis Serv ices两大组件。
数据库引擎是用于存储、处理和保护数据的核心服务,可创建用于联机事务处理或OLAP的关系数据库。
在本模型中,创建的是用于OLAP和DM的数据库,其数据源于其他联机事务处理系统的数据库,也就是实际上的数据仓库。
Ana l y sis Serv ices以SQL Server DB M S所管理的数据仓库作为数据源建立多维数据集,以支持OLAP。
为了比较深入地描述事实,模型中多维数据集的构成选用维度带有层次结构的雪花模式。
Analysis Serv ices包含了创建复杂DM解决方案所需的功能和工具:DM模型、DM设计器和DM扩展插件(DMX)语言。
DM模型有关联模型、聚类分析模型、时序模型、贝叶斯模型、决策树模型、线性回归模型、逻辑回归模型和神经网络模型。
DM设计器可用于创建、管理和浏览D M 模型。
Ana lysis Serv ices提供了可用于OLAP的多维60计 算 机 与 现 代 化2010年第3期表达式(M u lti D i m ensi o na l e Xpressi o ns,MDX)和可用于D M的DM扩展插件(Data M ining Extensions, D MX)两个进行编程的内部语言。
MDX和D MX都是微软对SQL语言的一种扩充,M DX用于OLAP中对多维数据集的查询,D MX用于对D M模型的创建和查询。
利用Ana lysis Services提供的向导工具和图形设计界面,可以图形方式创建MDX和DMX的程序段,这功能对于创建自定义预测和复杂查询很有用,在编写客户端时如果复杂查询不会编写,可以借助该工具生成查询代码。
2.3表示层表示层使用ASP.NE T和C#相结合,调用OLAP 和DM的API以进行数据的查询和分析结果展示。
客户端与Analysis Serv ices进行通信的M icroso f.t NET Fra m e w or k数据访问接口是。
ADOMD. NET与Analysis Serv ices建立TCP/I P或HTTP连接之后,用XML for Ana l y sis协议与分析数据源通信,以接收符合XML for Ana l y sis规范的SOAP请求和响应。
客户端编程方式是类似于使用ADO,先创建连接,然后生成命令对象,命令文本可以是MDX、D MX、Analysis Services Scri p ting Language(ASSL)、SQL,命令执行可能返回数据集也可能不返回结果。
也就是说,客户端程序员在C#或V isual Basic中使用可以灵活地进行OLAP和DM的结果查询。