BI商业智能介绍PPT
合集下载
商业智能BI讲解
数案 案
据准 实
分备 施
析就 建
解决 方案 定义
逻辑 数据 模型 设计
绪议
定制解决方案规划
物理数据库
设计 解
决 方 案 体 系 结
数据转换 元 解
数决
据方
应用开发
管案 理集
成
数 据 仓 库 评
构
设
数据挖掘
估
计
服务
数据仓库管理 (处理流程与操作)
解决方案支持
应用增强
逻辑数据 模型回顾 物理数据 库回顾
ETL流程
ETL 工具
• 开源 kettle 工具 • DI • Oracle ODI • IBM datastage • informatica
OLTP & OLAP
• OLTP（Online Transaction Process） 联机事务处理，是公司日常运营的基础，是业务流程信息化的 关键，基于生产数据库。
大数据的技术标签
1. Hadoop 2. MPP 3. HDFS 4. 流式计算 5. spark
BI 与大数据
帆软大数据方案
星环大数据平台
个人看法
• 大数据是BI的input的一部分 • 大数据和BI都是为决策服务的 • 结合实际需求选择“大数据“ or ”BI”
谢谢！
HOLAP的优点
混合数据组织的OLAP实现 低层是关系型的 高层是多维矩阵型 ROLAP和MOLAP的有机结合
度量值
度量值是决策者所关心的具有实际意义的数值
事实表
度量值所在的表称为事实数据表，事实表所表现的特点是 包含数值数据(事实)，而这些数值数据可以统计汇总以提供 有关单位运作历史的信息。此外，每个事实数据表还包括一 个或多个列，这些列作为引用相关的维度表的外码
BI商务智能的基本定义(ppt 46页)
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
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 ，可以添加， 但不可更改。
数据仓库生成
Extract, 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
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”。
聚类、群集化（clustering）：将不同的母体区 隔为较具同构型的群组（cluster），换句话说， 其目的是将组与组之间的差异分辨出来，并对个 别组内的相似样本进行挑选。在群集化技术中， 没有预先定义好的类别和训练样本存在，所有纪 录都根据彼此相似程度来加以归类。
2024版商业智能(BI)介绍
•BI概述与背景•BI核心技术组件•BI实施方法论与流程目•BI在各行业应用案例分享•BI挑战及未来发展趋势录01BI定义及发展历程BI定义发展历程BI在企业中应用价值提高决策效率优化业务流程增强市场竞争力市场需求与趋势分析市场需求趋势分析02数据集成数据存储数据管理030201数据预处理关联规则挖掘分类与预测联机分析处理技术多维数据分析数据钻取与聚合实时数据分析可视化展现技术数据可视化利用图表、图像、动画等可视化手段，将数据以直观、易懂的形式展现出来。
交互式操作提供丰富的交互式操作功能，如拖拽、缩放、筛选等，方便用户对数据进行探索和分析。
定制化展现支持根据用户需求定制个性化的数据展现形式，满足不同用户的分析需求。
03明确项目目标和范围确定项目目标明确BI项目的业务目标，如提升销售额、优化运营流程等。
定义项目范围明确项目的涉及范围，包括数据源、分析维度、报表需求等。
评估项目资源对项目所需的人力、物力、时间等资源进行评估和规划。
从各种数据源中收集所需数据，包括数据库、文件、API 等。
数据收集数据清洗数据转换数据验证对数据进行清洗和处理，包括去除重复值、处理缺失值、异常值处理等。
将数据转换为适合分析的格式和结构，如数据聚合、维度转换等。
验证数据的准确性和完整性，确保数据质量符合分析要求。
数据准备和预处理模型构建与优化选择合适的模型模型训练模型评估模型优化系统部署系统测试用户培训系统维护系统部署与测试04金融行业：风险管理与客户分析风险管理客户分析制造业：生产优化与供应链管理生产优化通过BI对生产线数据进行实时监控和分析，制造企业可以及时发现生产过程中的瓶颈和问题，调整生产计划和资源配置，提高生产效率和产品质量。
供应链管理BI技术可以帮助制造企业实现供应链的可视化管理，通过对供应链各环节的数据进行分析，优化库存管理和物流配送，降低运营成本。
零售业：精准营销与库存管理精准营销库存管理其他行业：教育、医疗等教育行业医疗行业通过BI工具对医疗数据进行分析，医疗机构可以提高诊疗效率和准确性，实现医疗资源的优化配置和患者满意度的提升。
商业智能(BI)介绍.pptx
BI/DW Introduction
James Chen PSO Sr. Consultant
程序=算法+数据结构
--Niklaus Wirth
数据结构 离散结构 线形结构 - 数组链表栈队列 树 图
算法 空间复杂度 时间复杂度
经典业务系统模型
业务流程
Skill set 数据库 C++/J2EE/.net
数据仓库系统
RDBMS 关系数据库
SAP/ERP
分析型CRM 业务指标分析
EXCEL Web/XML
VSAM 主机系统
优化是针对即时更新的事务处理
数据是当前的
数据总在实时变化中 存储明细数据 支持日常的业务 面向事务 支持办事人员或行政人员
数据集市
数据仓库
5-10 年
优化是针对大批量查询而不是更新 数据是历史的
– 新需求的开发快
– 数据获取的效率快
底层数据 低粒度汇总 高粒度汇总
建设数据仓库的主要任务
• 数据仓库建模 • ETL • 前端展现组 • 数据挖掘 • 元数据
数据仓库引擎
• NCR Teredata • ORACLE 9以上 • DB2 EEE • Sybase IQ • MS SQL Server
n
Existing Interfaces
Existing Assets
Business Type Model
Identify Business Interfaces
Identify System Interfaces & Ops
Architectur
Create Initial
e Patterns
Comp Specs &
James Chen PSO Sr. Consultant
程序=算法+数据结构
--Niklaus Wirth
数据结构 离散结构 线形结构 - 数组链表栈队列 树 图
算法 空间复杂度 时间复杂度
经典业务系统模型
业务流程
Skill set 数据库 C++/J2EE/.net
数据仓库系统
RDBMS 关系数据库
SAP/ERP
分析型CRM 业务指标分析
EXCEL Web/XML
VSAM 主机系统
优化是针对即时更新的事务处理
数据是当前的
数据总在实时变化中 存储明细数据 支持日常的业务 面向事务 支持办事人员或行政人员
数据集市
数据仓库
5-10 年
优化是针对大批量查询而不是更新 数据是历史的
– 新需求的开发快
– 数据获取的效率快
底层数据 低粒度汇总 高粒度汇总
建设数据仓库的主要任务
• 数据仓库建模 • ETL • 前端展现组 • 数据挖掘 • 元数据
数据仓库引擎
• NCR Teredata • ORACLE 9以上 • DB2 EEE • Sybase IQ • MS SQL Server
n
Existing Interfaces
Existing Assets
Business Type Model
Identify Business Interfaces
Identify System Interfaces & Ops
Architectur
Create Initial
e Patterns
Comp Specs &
商业智能(BI)简介
02
基于客户画像，制定个性化的营销策略，如优惠券发放、新品
推荐等，提高营销效果。
营销效果评估
03
通过BI工具对营销活动的执行情况进行实时监控和数据分析，
及时调整策略，确保营销目标达成。
制造业生产过程监控与优化案例
生产过程实时监控
利用BI技术对生产线上的数据进行实时采集、处理和分析，及时发 现问题并采取措施。
BI的发展历程经历了多个阶段，从早期的决策支持系统（DSS）到数据仓库（ DW）、在线分析处理（OLAP），再到现在的自助式BI、大数据BI等。
BI在企业决策中作用
1 2 3
提高决策效率
BI能够快速提供准确、全面的数据信息，帮助决 策者迅速了解企业运营状况，提高决策效率。
优化决策质量
通过对数据的深度分析和挖掘，BI能够揭示数据 背后的规律和趋势，为决策者提供更加科学、合 理的决策依据。
机器学习（ML）
ML算法可以应用于数据预处理、特征提取、模型构建等 BI流程中，实现自动化和智能化的数据分析。
深度学习（DL）
DL在图像和语音识别等领域有广泛应用，未来可进一步拓 展至BI领域，如通过图像识别技术自动解读图表信息。
数据治理对于BI成功实施重要性
01
数据质量
高质量的数据是BI分析的基础，数据治理可以确保数据的准确性、一致
学员心得分享和互动交流环节
学员心得分享
通过本次学习，我对商业智能有了更深入的了解，掌握了基本的数据分析方法 和工具使用技巧。同时，我也意识到数据质量对分析结果的重要性，需要在实 践中不断提高数据管理和治理能力。
互动交流环节
在学习过程中，我与同学们进行了积极的交流和讨论，分享了彼此的学习心得 和经验。通过互相学习，我不仅拓宽了视野，还收获了更多的知识和技巧。
BI相关知识简介PPT课件
01
02
03
确定业务需求
深入了解业务背景，明确 BI系统需要解决的具体问 题。
设定项目目标
根据业务需求，设定清晰、 可衡量的项目目标，如提 高决策效率、优化业务流 程等。
评估资源投入
对项目所需的人力、物力、 财力等资源进行评估，确 保项目的可行性。
选择合适工具和技术栈
工具选型
根据项目需求和目标，选 择适合的BI工具，如 Tableau、Power BI、 FineBI等。
营销效果评估与优化
利用BI工具进行数据挖掘和分析，帮 助企业识别不同市场细分并确定目标 市场。
运用BI技术对营销活动的结果进行量 化评估，发现有效和无效的策略，进 而优化未来的营销活动。
营销策略制定与执行
基于BI提供的数据洞察，制定个性化 的营销策略，并通过实时数据监控调 整策略执行。
客户关系管理
持。
02
数据仓库与数据挖掘技术
数据仓库概念及特点
数据仓库定义
数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持 管理决策。
面向主题
数据仓库中的数据是按照一定的主题域进行组织的。
集成性
数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总 和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业 的一致的全局信息。
技术栈选择
确定与所选BI工具相匹配 的技术栈，如数据库、数 据清洗、数据挖掘等。
兼容性考虑
确保所选工具和技术栈与 现有系统兼容，降低实施 难度和成本。
构建数据模型和指标体系
数据模型设计
根据业务需求，设计合理的数据 模型，包括数据结构、数据关系
商业智能(BI)简介(精编课件).ppt
精品课件
OLAP
▪ （On-Line Analytical Processing）即联机分析处理，是 BI的一
种全新的数据封装方式，直接产物是报表或Cube，是使分析人员、管 理人员或执行人员能够从多角度对信息进行快速、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展现在用户面前的是一幅幅多维视图。 ▪ 维（Dimension）：是人们观察数据的特定角度，是考虑问题时的
目的：解决在信息技术(IT) 发展中存在的拥有大 量数据、然而有用信息贫乏(Data richInformation poor)的问题。
精品课件
ETL
▪ 是数据抽取（Extract）、转换（
Transform）、清洗（Cleansing） 、装载（Load）的过程。是构建数据 仓库的重要一环，用户从数据源抽取出 所需的数据，经过数据清洗,最终按照预 先定义好的数据仓库模型，将数据加载 到数据仓库中去。
▪ 这样不难看出，传统的交易系统完成的是Business到Data的过程，
而BI要做的事情是在Data的基础上，让Data产生价值，这个产生价值 的过程就是Business Intelligence analyse的过程。
精品课件
景
▪ 说个场景，一天去街上买烤白薯，和老板那银聊天。
▪ 银：“你娃干哈地呀？”
把尿片和啤酒捆绑销售获得了巨大成功。 这个故事成了一个利用数据挖掘商业价值最大化的神话。由此看 来，非常不关联的两样东西，通过海量的信息数据处理，可以挖 掘出它们之间潜在的关联，将这种关联商业化，就会得到意想不 到的新业务或新的商业模式。 到底该怎样把这些占据大量存储空间的数据的价值挖掘出来，让 这些数据从成本的消耗者变成利润的促进者呢？新的数据分析技 术由此诞生了，完成了“数据”到“数据价值”转换的环节，同时给 这项技术起了一个响亮而又神密的名字“BI”（Business Intelligence）
OLAP
▪ （On-Line Analytical Processing）即联机分析处理，是 BI的一
种全新的数据封装方式，直接产物是报表或Cube，是使分析人员、管 理人员或执行人员能够从多角度对信息进行快速、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展现在用户面前的是一幅幅多维视图。 ▪ 维（Dimension）：是人们观察数据的特定角度，是考虑问题时的
目的：解决在信息技术(IT) 发展中存在的拥有大 量数据、然而有用信息贫乏(Data richInformation poor)的问题。
精品课件
ETL
▪ 是数据抽取（Extract）、转换（
Transform）、清洗（Cleansing） 、装载（Load）的过程。是构建数据 仓库的重要一环，用户从数据源抽取出 所需的数据，经过数据清洗,最终按照预 先定义好的数据仓库模型，将数据加载 到数据仓库中去。
▪ 这样不难看出，传统的交易系统完成的是Business到Data的过程，
而BI要做的事情是在Data的基础上，让Data产生价值，这个产生价值 的过程就是Business Intelligence analyse的过程。
精品课件
景
▪ 说个场景，一天去街上买烤白薯，和老板那银聊天。
▪ 银：“你娃干哈地呀？”
把尿片和啤酒捆绑销售获得了巨大成功。 这个故事成了一个利用数据挖掘商业价值最大化的神话。由此看 来，非常不关联的两样东西，通过海量的信息数据处理，可以挖 掘出它们之间潜在的关联，将这种关联商业化，就会得到意想不 到的新业务或新的商业模式。 到底该怎样把这些占据大量存储空间的数据的价值挖掘出来，让 这些数据从成本的消耗者变成利润的促进者呢？新的数据分析技 术由此诞生了，完成了“数据”到“数据价值”转换的环节，同时给 这项技术起了一个响亮而又神密的名字“BI”（Business Intelligence）
BW、BI简介ppt课件
如何自助地基于业务 数据回答具体的分析 问题，并分享开来？
如何从历史数据中发 现趋势并做出更好的
预测？
如何迅速找到业务分 析问题的答案？
Crystal Reports
Dashboards
Web Intelligence
Analysis
Business Objects Explorer
22
SAP BI工具综述
一．商务智能简介
目录 二．SAP BW简介
三．SAP BI简介
1
商务智能定义
定义：商务智能指利用数据仓库、数据分析挖掘技术 对客户数据进行系统地储存和管理，并通过各种数据 统计分析工具对客户数据进行分析，提供各种分析报 告，如客户价值评价、客户满意度评价、服务质量评 价、营销效果评价、未来市场需求等，为企业的各种 经营活动提供决策信息。
如果您拥有上千万的客户，并希望展开一次市场营销活动，那么哪些人会是最可
能响应的客户呢？如何划分出这些客户？哪些客户会流失？预测型建模能够给出
解答。
优化 OPTIMIZATION
回答：如何把事情做得更好？对于一个复杂问题来说，那种决策是最优的？
8
示例：在给定了业务上的优先级、资源调配的约束条件以及可用技术的情况下，请您
14
InfoObject
✓ Characteristics: 例如 “物料”, “客户名称”, “销售代表”
在主数据表中的信息对象 ( “销售大区” 的值 “华东大区”... ) 特殊类型的特性:
时间特性 与时间相关的特性“Fiscal period”, “Calendar
year”, ...
单位特性 国际通用的单位 “Local currency” or “0Unit ✓ Key figures: 数量或者金额 (“销售收入” and “销售数量”)
- 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)。
数据仓库
日常 数据增加 周 数据加载
决策人员
报表
Intranet/ Internet
企业数据 模型
BW MDM
生产系统
即席查询
管理人员
IWAY
采购系统
数据质量控制
数据抽取、迁移、加载
随即查询
日 周期
DW
例外分析
WEBFOCUS 分析人员
产品报告 数据挖掘 例外分析
EII 解决方案
数据重新组织 实时 增量
市场细分表现分析 目标市场表现分析 市场活动 市场活动 营销媒体 营销媒体 销售渠道 销售渠道 时段 时段
保留客户能力分析 市场细分 客户类型 地区 年份
最佳/最差客户分析 潜在流失客户分析 历史收入 历史收入 预测收入 预测收入 平均定单销售额 客户满意度 重复购买率 服务请求 加权评分 加权评分
Copyright 14 © 2005 Business Objects Greater China. All rights reserved.
企业级报表系统
何谓企业级报表系统？
企业级报表所具有的共同特点 报表解决方案
开发报表，设计人员年初根据发布的报表表样和指标解释进行开发；每年只需要根据新的统计要求进行一次调 整，即可完成全年的报表任务 实现报表的定期刷新，历史报表实例的存档，报表的发布（WEB）和发布（邮件订阅），以及报表的管理（权 限控制等）
12
将来会发生什么
商务智能5类前端展现的工具
固定报表
KPI指标 即席查询 例外分析 数据挖掘
13
商业智能应用的三个阶段
阶段一: 报表
固定报表 灵活报表 复杂报表 报表共享 报表分发
阶段二: 查询分析
交互查询 切片钻取旋转 OLAP
阶段三: 高层次分析
AA/DM DSS
上报总部计财部一二类报表 向一级经营分析系统传输的数据接口文件 省分公司各部门所需的日常管理报表 上百张报表
固定格式 固定上报周期 固定指标统计规则 具有上述“三固定”特征的报表属于企业级报表系统范畴
技术特性
支持中国式复杂报表样式 支持以Office文档、文本、PDF等多种发布格式 支持WEB发布、邮件发布等多种发布方式
客户服务
22
Q&A
Copyright 2007, Information Builders. Slide 23
23
理解业务：
•网络资源分析 •产品结构及组合分析 •服务质量分析 •业务发展分析
如何扩大利润?
如何避免 风险?
数据仓库
内部绩效考核：
•产品、部门利润分析 •资源分配 •资源成本分析
风险分析：
•客户流失的测算 •信用分析 •欺诈分析
收入/成本如何 分配?
7
内容安排 议程
内容安排
• 什么是商务智能
• 商务智能的整体架构 • 商务智能基本功能介绍
第 8/65页
企业商务智能应用的现状
1. 基本上是在电信、金融行业的应用较多 2. 其他行业的应用相对较晚 3. 即使有应用，也是将商务智能作为工具：报 表、OLAP分析、即席查询、数据挖掘 4. 和商务智能相关的是数据仓库（还是IT技术） 5. 商务智能实施很多是IT部门牵头，但是应用 是业务部门，所以最后的应用很难满足业务 部门的需求 6. 有人称商务智能是决策支持系统，但是，项 目实施部门很难知道领导需要什么，所以开 发完成后往往不能得到领导的认可 7. 由于对需求了解的不充分，使得项目的周期 延长，成本增加，风险加大
财务系统
虚拟 数据仓库
数据挖掘 解决的业务问题
业务人员
利润成本分析 10
资产分析
营销分析
投资组合分析
平衡计分卡/KPI
内容安排 议程
内容安排
• 什么是商务智能
• 商务智能的整体架构 • 商务智能基本功能介绍
第 11/65页
决策支持系统解决五个层次的问题
以前发生了什么
为什么发生了
业务活动管理
现在发生了什么
营销系统
运营分析
服务系统 客户分析
5
帮助企业提高战略决策
科学决策
提高服务水平 和客户满意度
建立业务单一视 图、消除信息孤 岛、多角度审视 业务数据
数据仓库
敏锐洞悉 市场机会
加强企业监管、 防范欺诈
内部效益考核 优化资源
6
商务智能对企业的作用和价值
谁是最好 的客户?
理解客户：
•客户贡献度分析 •客户群体划分 •客户行为分析 •制订市场营销策略
金砖四国
企业私有化
SOX法案 绿色环保 物联网 RFID
© SAP 2008
3
商务智能的理解？
数据 管理
数据
信息
知识
决策
商务智能是通过对来自不同的数据源进行统一处理及管理
，通过灵活的展现方法来帮助企业进行决策支持。
4
信息孤岛和信息烟囱
各自为政，互相独立 财务系统 财务分析
BI简介
James Xu 艾比埃软件（中国）有限公司
11
内容安排 议程
内容安排
• 什么是商务智能
• 商务智能的整体架构 • 商务智能基本功能介绍
第 2/65页
企业面临的巨大挑战
强有力的 全球化的
竞争对手
增加的
人才需求
庞大的
各种风险
不断创新的
客户群体
技术
国内外 客户协同 客户细分 人才竞争
业务系统 业务系统 网上信息 网上信息 市场数据 市场数据
要素2 要素2
数据集市 模型
问题 问题
客 客 户 户 流 满 模型 模型 失 意 f(要素1,要素2…要素n) f(要素1,要素2…要素n) 分 度 析 分 析
主题 客户关系管理
- 客户消费行为统计
. . . . . .
要素n 要素n
- 客户群体的细分
Copyright 15 © 2005 Business Objects Greater China. All rights reserved.
报表范例
Copyright 16 © 2005 Business Objects Greater China. All rights reserved.
商务智能的5个后台数据处理工具
客户满意度分析 市场细分 客户类型 地区 年份 业务部门 活动
等等…
19
客户分析的关键主题
客户轮廓分析 客户获取能力
客户行为分析
经营操作
客户保留能力
风险分析
交叉销售能力ห้องสมุดไป่ตู้
产品组合分析
分析决策
向上销售能力
客户细分分析
客户管理能力
20
数据仓库建设应以应用主题驱动
要素1 要素1
- 存运票价的确定和客户的趋势分析 - 客户的满意程度 - 客户流失分析 - 获取新的客户 - 获利能力和在目标市场上所占的份额
21
基础：统一数据模型
市场营销 产品管理 销售
完整的、统一的数 据模型
所有数据存储在单 一数据库中 提供单一的“实事 ”数据
合作伙伴
统一 数据模型
人力资源 定单管理 财务
争取客户能力分析 市场细分 客户类型 地区 年份
客户成本分析 市场细分 客户类型 地区 年度 业务部门
客户产品毛利分析 市场细分 客户类型 地区 年度 业务部门
客户忠诚度分析 市场细分 客户类型 地区 年份 业务部门 客户活动周期分析
9
企业商务智能体系架构规划
元数据管理（运营元数据、技术元数据、分析元数据） 数据获取
数据源
数据迁移
数据管理
ETL/EII
作业分配 数据清洗
数据分析
数据存储管理
数据仓库 元数据管理
数据展现
业务模型 数据展现
安全性、 分析管理 最终用户
数据集市管理
销售系统
ETL/DQ 解决方案
数据质量控制 数据重新组织
ETL工具 实时数据抽取
数据质量防火墙 元数据管理
17
主数据管理
经营分析的关键主题
绩效考核管理 业务发展的趋势
入库率分析
经营操作
客户行为分析
风险分析
竞争优势分析
产品组合分析
分析决策
客户服务分析
异常预警分析
营业收入分析
18
分析型客户关系管理
收入分析 市场细分 客户类型 地区 年度 业务部门