商业智能BI讲解
ETL
数据抽取:从源数据源系统抽取目的数据源系统需要的数据 数据清洗:重复行数据的清理，无用字段的清理，空值的处理等，
正则表达式的使用。 数据转换:数据类型的转换，比如int转varchar,字符型转日期型
（如20090801转2009-08-01）等等。类似用1标识男，2表示女。
ETL分层
ODS MID DW-DM
ROLAP的优点
• 没有大小限制，现有的关系数据库的技术可以沿用，可以通过 SQL实现详细数据与概要数据的存储。现有关系型数据库已经对 OLAP做了很多优化，包括并行存储、并行查询、并行数据管理、 基于成本的查询优化、位图索引、SQL 的OLAP扩展(cube,rollup) 等大大提高ROALP的速度
● 存储大量的历史数据和当前数据
ETL
ETL是数据抽取（Extracting）、转换（Transforming）、清洗 （Cleaning）、装载（Loading）几个过程的简称。
ETL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ETL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。
BI（Business Intelligence）
商务智能简称BI，指通过对数据的收集、管理、分析以及转化， 使数据成为可用的信息，从而获得必要的洞察力和理解力，更 好地辅助决策和指导行动。
数据仓库（Data Warehouse）
数据仓库（Data Warehouse 简称DW）是一个面向主题的 （SubjectOriented）、集成的（Integrate）、相对稳定的（NonVolatile）、反映历史变化（TimeVariant）的数据集合。
数据仓库是实现商务智能的基础平台
数据仓库 VS 数据库
数据库系统（生产系统）：
以银行为例
● 面向应用、事务驱动的 ● 实时性高
储蓄 对公 信用卡 其他
● 数据检索量少
● 只存当前数据
• 数据仓库系统（决策系统）：
● 面向主题、分析和决策
数据仓库
● 实时性要求不是特别高 ● 数据检索量大
客产 渠 交 机 户品 道 易 构
• OLAP（Online Analysis Process） 联机分析处理，基于数据仓库的数据分析，以供决策所需，面 向管理层，面向未来。
OLAP的目标
• 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也可以说是多维资料分析工具的集 合。
• 通常所说的BI分析就是指OLAP，更为准确是指OLAP分析及结果展 示。
分析
• 从收入、可赢利性、满意度的角度 来讲，哪些是您最好的客户？
• 哪些客户会对促销作出响应？
销售 开发 生产 财务 / HR
市场营销 采购 服务
项目管理
计划和 模型
报告和 分析
执行
响应能力
• 监视事件和计量标准 • 将最近事件和历史数据相关联
计划
• 预测和趋势分析 • 实施之前预估策略中的潜在变化
BI介绍
内容
• 为什么需要BI • 什么是BI • BI的体系结构 • 如何实施BI • BI与大数据
为什么需要BI
BI的意义
• BI是把运营数据转化成为高价值的可以获取的信息（或知 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
数据 信息 知识 决策
BI的价值
责任
• • 用于经理、主管的精确及时的 报告 • 公司数以万计的以及其他的公 开内容
学术界的观点
BI实际上是帮助企业提高决策能力和运营能力的概念、方法、过 程以及软件的集合，其主要目标是将企业所掌握的信息转换成 竞争优势，提高企业决策能力、决策效率、决策准确性。
什么是BI
与BI相关的重要概念
• BI（Business Intelligence，商务智能） • DW（Data Warehouse，数据仓库） • ETL(抽取转化) • OLAP（Online Analysis Process） • DM（Data Mining，数据挖掘）
维度级别
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。
维度
维度是人们观察数据的角度。维度表包含描述事实数据表中的 事实记录的特性
维度分类
• 常规维度 • 时间维度 • 虚拟维度
Байду номын сангаас
父子维度
• 基于单张维度表的两个不同列，这两个列一起定义了维度成员的 沿袭关系，一列称为成员列表，标识每个成员；另一列称为父键 列，标识每个成员的父代
粒度
• 指数据仓库的数据单位中保存数据的细化或综合程度的级别 • 粒度越小，细分级别越高；粒度越大，细分级别越低。
ROLAP的缺点
一般响应速度慢 不支持有关预计算的读写操作 无法完成维之间的计算
MOLAP的优点
性能好、响应速度快 专为OLAP所设计， 支持高性能的决策支持计算 复杂的跨维计算 多用户的读写操作 行级的计算
MOLAP的缺点
增加系统复杂度，增加系统培训与维护费用 受操作系统平台中文件大小的限制 需要进行预计算，可能导致数据爆炸 无法支持维的动态变化 缺乏数据访问的标准
OLTP数据
OLAP数据
原始数据 细节性数据 当前值数据 可更新 一次处理的数据量小 面向应用，事务驱动 面向操作人员，支持日常操作
导出数据 综合性和提炼性数据 历史数据 可更新，但周期性刷新 一次处理的数据量大 面向分析，分析驱动 面向决策人 员支持管理需要
OLAP分类
ROLAP MOLAP HOLAP
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
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
基本bi知识
基本BI知识一、什么是BI？BI（Business Intelligence）即商业智能，是指通过对企业内部和外部数据的分析，帮助企业管理者做出更明智的决策，提高企业运营效率和市场竞争力的一种管理和分析方法。
BI通过收集、整理、分析数据，将数据转化为有价值的信息和洞察，并提供可视化的报表和仪表盘，帮助企业管理层全面了解企业状况，识别业务机会和风险，以及进行业务规划和预测。
二、BI的核心要素1. 数据源数据源是BI系统的基础，它可以包括内部数据库、企业应用系统、云端存储、第三方数据供应商等。
通过合理选择和整合数据源，可以确保BI系统获得准确、全面的数据，并提高数据的可靠性和一致性。
2. 数据仓库数据仓库是BI系统中存储和管理数据的中心库，它采用多维数据模型，将不同数据源的数据整合到一个统一的数据模型中，方便用户对数据进行分析和查询。
数据仓库通常采用ETL（Extract, Transform, Load）的流程，对数据进行抽取、转换和加载，确保数据的质量和一致性。
3. 数据分析工具数据分析工具是BI系统中用于对数据进行处理、分析和可视化的软件工具，包括数据挖掘工具、报表工具、可视化工具等。
这些工具可以帮助用户从不同角度和层次理解数据，发现数据中的隐藏信息和关联规律，支持决策者进行数据驱动的决策。
4. 数据可视化数据可视化是BI系统的重要功能，它通过图表、仪表盘等可视化手段展示数据分析结果，提高用户对数据的理解和洞察能力。
数据可视化可以帮助用户直观地呈现数据，发现数据中的趋势和异常，以及进行数据的比较和分析。
三、BI的应用场景1. 销售分析BI系统可以帮助企业对销售数据进行分析，包括销售额、销售渠道、客户分布等方面的数据。
通过对销售数据的分析，企业可以了解销售情况，找出销售瓶颈和机会，制定销售策略和预测销售趋势。
2. 运营分析BI系统可以对企业的运营数据进行分析，包括生产效率、成本控制、供应链管理等方面的数据。
解析商业智能：BI商务智能的实际应用与影响
解析商业智能：BI商务智能的实际应用与影响1. 什么是商业智能（Business Intelligence，BI）？介绍与定义商业智能（Business Intelligence，BI）是一种基于数据分析的技术和工具，旨在帮助企业从大量的数据中提取有用的信息和洞察力，并基于这些信息做出决策和战略规划。
BI技术涉及数据整合、数据仓库、数据挖掘、报表和可视化等技术和方法，可以帮助企业更好地理解业务数据、发现潜在的商机，并提高决策的准确性和效率。
2. BI商务智能的实际应用案例2.1 销售分析与预测BI商务智能可以帮助企业分析和预测销售趋势，了解产品的销售状况和市场需求。
通过对历史销售数据的分析，可以识别出最畅销的产品、最具潜力的市场和最有效的促销策略，进而制定相应的营销计划和销售策略，提高销售业绩和市场占有率。
2.2 客户关系管理（Customer Relationship Management，CRM）BI商务智能可与CRM系统集成，从而提供客户行为和偏好的分析，帮助企业了解客户的需求和购买行为。
通过对客户数据的分析，企业可以更好地个性化服务，提供更有针对性的产品和服务，并建立长期稳定的客户关系。
2.3 财务分析与预测BI商务智能还可以应用于财务领域，帮助企业分析财务绩效、预测盈利能力和评估风险。
通过对财务数据的分析，企业可以及时发现财务问题，制定有效的财务措施，并预测未来的盈利能力和现金流动性，为企业的财务决策提供重要的依据。
2.4 库存管理与供应链优化BI商务智能可以帮助企业优化库存管理和供应链运作。
通过对库存数据和供应链数据的分析，企业可以及时了解库存情况、预测库存需求，并优化供应链流程，降低库存成本和缩短订单交付周期。
3. BI商务智能的影响3.1 提高决策的准确性和效率商业智能技术的应用可以帮助企业从大量的数据中提取有用的信息和洞察力，通过对数据的分析，提供准确的决策支持。
同时，商业智能还能够自动生成报表和可视化图表，使决策者更直观地理解业务数据，提高决策的效率和决策结果的质量。
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。
BI商业智能系统
BI商业智能系统BI商业智能系统1：简介1.1 定义BI商业智能系统是一种通过收集、整理、分析和展示大量和复杂数据以为企业决策提供支持的技术和工具。
1.2 目的BI商业智能系统的目的是通过数据分析和可视化，提供及时、准确、全面的信息，帮助企业管理层做出决策，并改善企业的业务流程和运营效率。
2：架构2.1 数据采集2.1.1 数据源BI商业智能系统从多个数据源收集数据，包括企业内部系统、第三方数据提供商、社交媒体等。
2.1.2 数据提取数据提取是指从数据源中获取所需数据，并进行清洗和转换，以便进一步分析和展示。
2.2 数据存储2.2.1 数据仓库BI商业智能系统将采集到的数据存储在数据仓库中，以便后续的查询和分析。
2.2.2 数据湖数据湖是一个集中存储所有原始数据的存储系统，它可以接纳各种格式的数据，并支持数据的分析和挖掘。
2.3 数据处理和分析2.3.1 数据清洗数据清洗是对采集到的数据进行预处理，包括去除重复数据、处理缺失值和异常值等。
2.3.2 数据分析数据分析是通过使用统计方法和数据挖掘算法，从数据中提取有价值的信息和洞察。
2.4 数据展示2.4.1 报表和仪表盘BI商业智能系统通过报表和仪表盘展示数据分析结果，便于用户理解和使用。
2.4.2 数据可视化数据可视化是通过图表、地图和其他可视化方式，将数据以直观形式展示，帮助用户发现数据中的模式和关联。
3：功能3.1 数据查询BI商业智能系统提供强大的查询功能，用户可以根据自己的需求，灵活的查询所需的数据。
3.2 报表和仪表盘设计BI商业智能系统提供报表和仪表盘的设计工具，用户可以根据业务需求和个人喜好，设计符合自己需要的报表和仪表盘。
3.3 数据分析BI商业智能系统提供各种数据分析功能，包括数据挖掘、数据建模、预测分析等，帮助用户从数据中发现价值。
3.4 数据可视化BI商业智能系统提供丰富的数据可视化功能，用户可以选择不同的图表和可视化方式，展示数据结果。
商业智能(BI)简介
OLAP
（On-Line Analytical Processing）即联机分析处理，是 BI的一 OnProcessing）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 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, 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。 OLAP展现在用户面前的是一幅幅多维视图。 维（Dimension 维（Dimension）：是人们观察数据的特定角度，是考虑问题时的 Dimension）：是人们观察数据的特定角度，是考虑问题时的 一类属性，属性集合构成一个维（时间维、地理维等）。 维的层次（Level）：人们观察数据的某个特定角度（即某个维）还 维的层次（Level）：人们观察数据的某个特定角度（即某个维）还 可以存在细节程度不同的各个描述方面（时间维：日期、月份、季度、 年）。 维的成员（Member）：维的一个取值，是数据项在某维中位置的描 维的成员（Member）：维的一个取值，是数据项在某维中位置的描 述。（“某年某月某日” 述。（“某年某月某日”是在时间维上位置的描述）。
ETL
是数据抽取（Extract）、转换（ 是数据抽取（Extract）、转换（ Transform）、清洗（Cleansing） Transform）、清洗（Cleansing） 、装载（Load）的过程。是构建数据 、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, 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。
商业智能BI介绍
商业智能BI介绍商业智能（Business Intelligence, 简称BI）是一种能够帮助组织利用数据分析和数据可视化的技术和工具。
通过将大量的数据集成、整理和分析，商业智能可以支持管理层做出决策、优化业务流程以及发现潜在的商业机会。
本文将介绍商业智能的定义、组成部分、应用场景、实施步骤和未来发展趋势。
一、商业智能的定义商业智能是一种通过使用数据分析和数据可视化工具来帮助企业管理层做出决策的技术。
商业智能的目的是将大量的数据整合、分析和可视化，以提供决策者所需的信息，帮助他们更好地了解企业的运营状况，并做出基于数据的决策。
二、商业智能的组成部分⒈数据源：商业智能系统需要从各个数据源中提取数据，这些数据源可以是企业内部的数据库、Excel文件、日志文件等。
⒉数据仓库：商业智能系统需要将数据存储在一个集中的数据仓库中，以便进行分析和查询。
⒊数据整合：商业智能系统需要将来自不同数据源的数据整合在一起，以便进行统一的分析和查询。
⒋数据分析：商业智能系统可以通过各种分析方法和算法对数据进行深入分析，以获取有关业务情况的洞察。
⒌数据可视化：商业智能系统可以将分析结果以图表、报表等形式展现出来，便于决策者理解和使用。
⒍决策支持：商业智能系统的最终目的是为决策者提供有关企业运营状况和业务机会的信息，帮助他们做出明智的决策。
三、商业智能的应用场景商业智能可以应用在各种不同的场景中，以下是其中一些常见的应用场景：⒈销售分析：通过分析销售数据和市场趋势，帮助企业了解产品销售情况和市场需求，从而制定合适的销售策略。
⒉客户分析：通过分析客户数据，帮助企业了解客户群体的特征和需求，以便进行定向营销和客户关系管理。
⒊运营分析：通过分析企业的运营数据，帮助企业优化生产流程、降低成本和提高效率。
⒋财务分析：通过分析财务数据，帮助企业了解财务状况、盈利能力和风险风险等关键指标。
⒌市场分析：通过分析市场数据和行业趋势，帮助企业了解市场竞争状况和未来发展趋势，从而制定市场战略。
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基础知识
bi基础知识【原创实用版】目录1.BI 的含义2.BI 的发展历程3.BI 的应用领域4.BI 的关键技术5.我国在 BI 领域的发展正文1.BI 的含义BI，即商业智能（Business Intelligence），是一种通过运用数据分析、数据挖掘等技术，使企业能够更加准确地了解其业务状况，从而辅助决策和提升业务效率的管理方法。
BI 可以帮助企业实现对业务的实时监控、数据驱动的决策以及智能化的运营。
2.BI 的发展历程商业智能的发展可以分为以下几个阶段：（1）早期数据分析：20 世纪 60 年代，企业开始使用计算机进行数据分析，主要用于财务管理和库存管理。
（2）数据仓库和 OLAP：20 世纪 90 年代，数据仓库和联机分析处理（OLAP）技术的出现，使得企业可以大规模地存储和分析数据，从而为决策者提供更加全面和准确的信息。
（3）数据挖掘和大数据：随着互联网的普及和数据量的快速增长，数据挖掘和大数据技术逐渐成为 BI 领域的热点。
这些技术可以帮助企业从海量数据中发现有价值的信息，为决策提供支持。
3.BI 的应用领域商业智能的应用领域非常广泛，主要包括：（1）销售与营销：通过分析销售数据、客户行为等，为企业制定更加有效的销售策略和营销活动。
（2）生产与供应链：通过对生产、库存、物流等环节的数据分析，优化生产流程，降低成本，提高供应链效率。
（3）财务管理：通过对财务数据的实时监控和分析，帮助企业实现财务风险的防范和控制，提高资金使用效率。
（4）人力资源管理：通过对员工的招聘、培训、绩效等方面的数据分析，优化人力资源配置，提高员工的工作效率和满意度。
4.BI 的关键技术商业智能领域的关键技术主要包括：（1）数据仓库：用于存储和管理企业级数据，为 BI 系统提供数据支持。
（2）数据挖掘：通过挖掘大量数据，发现潜在的规律、趋势和关联关系，为决策者提供有价值的信息。
（3）数据可视化：将复杂的数据以直观、易懂的方式呈现出来，帮助决策者快速理解数据信息。
BI商务智能宣讲
Page 30
商业智能的运作过程（分析处理）
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
Page 31
商业智能的运作过程（分析处理）
• 收入分析 市场细分 客户类型 地区 年度 业务部门 • 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 • 市场细分表现分析 市场活动 营销媒体 销售渠道 时段 • 目标市场表现分析 市场活动 营销媒体 销售渠道 时段
智慧驱动商业事务的行动力
Page 9
什么是商业智能？
BI的演变过程
商务智能的出现是一个渐进的复杂的演变过程，而且仍处 在发展之中，它经历了事务处理系统（TPS），高级管理人 员信息系统（EIS），管理信息系统（MIS）和决策支持系统 （DSS）等阶段，最终演变成今天的企业商务智能。
事务处 理系统
Page 2
什么是商业智能？
商务智能即Business Intelligence,简称BI 是企业利用现代信息技术收集、管理和分析 商务数据和信息，创造和累计商务知识和见 解，改善商务决策水平的一套完整的解决方 案。
Page 3
什么是商业智能？
Page 4
什么是商业智能？
管理深化，报表设计难、种类多、复杂、数据量大，查找有用信息难，不直观 ，参考量单一，无法客观反映问题 。（没有更好的方法吗？） 企业信息化建设多年，海量的数据只是偶尔备查？垃圾？知识？，该如何利用 ？ （数据量太大，数据来源不一致，口径不统一） 企业发展越来越庞大，监控力度越来越弱，信息滞后，如何及时监控企业 的日常运作？ （经营管理层次多样化）