商务智能实验报告
商务智能实训报告心得
一、前言随着大数据时代的到来，商务智能（Business Intelligence，BI）在企业管理中的重要性日益凸显。
为了更好地理解和掌握商务智能的相关知识，提升自身在数据分析、业务洞察等方面的能力，近期我参加了商务智能实训课程。
以下是我在实训过程中的心得体会。
二、实训内容概述本次实训主要围绕商务智能的基本概念、数据仓库、数据挖掘、报表设计、数据分析等方面展开。
通过实际操作，我了解了商务智能在企业管理中的应用，掌握了相关工具和技术的使用方法。
1. 商务智能基本概念实训首先介绍了商务智能的基本概念，包括其定义、发展历程、应用领域等。
使我认识到，商务智能是企业获取竞争优势的重要手段，能够帮助企业实现数据驱动决策。
2. 数据仓库实训讲解了数据仓库的基本原理、架构和设计方法。
通过学习，我了解了数据仓库在数据整合、存储、管理等方面的作用，以及如何根据企业需求设计合适的数据仓库。
3. 数据挖掘数据挖掘是商务智能的核心技术之一。
实训中，我们学习了数据挖掘的基本概念、常用算法和工具。
通过实际操作，我掌握了数据挖掘的基本流程，能够运用相关技术进行数据分析和挖掘。
4. 报表设计报表设计是商务智能可视化展示的重要环节。
实训中，我们学习了报表设计的基本原则、工具和技巧。
通过实际操作，我能够根据企业需求设计出直观、易懂的报表。
5. 数据分析数据分析是商务智能的关键应用。
实训中，我们学习了数据分析的基本方法、工具和技巧。
通过实际操作，我能够运用数据分析技术解决实际问题，为企业提供决策支持。
三、实训心得体会1. 理论与实践相结合本次实训将理论知识与实际操作相结合，使我更加深入地理解了商务智能的概念、原理和应用。
在实训过程中，我学会了如何运用所学知识解决实际问题，提高了自己的实践能力。
2. 工具与技术的掌握实训中，我们学习了多种商务智能工具和技术，如数据仓库、数据挖掘、报表设计等。
通过实际操作，我掌握了这些工具和技术的使用方法，为今后在实际工作中应用商务智能奠定了基础。
商务数据分析实验报告实验收获(3篇)
第1篇一、实验背景随着大数据时代的到来，商务数据分析在商业决策、市场预测、客户关系管理等方面发挥着越来越重要的作用。
为了提高自身在数据分析领域的技能，我们进行了一系列商务数据分析实验。
通过本次实验，我们不仅掌握了数据分析的基本方法，还深入了解了数据分析在商务领域的应用。
以下是本次实验的收获总结。
二、实验目的1. 熟悉商务数据分析的基本概念和常用工具；2. 学习运用数据分析方法解决实际问题；3. 提高团队协作能力和沟通能力；4. 培养批判性思维和创新能力。
三、实验内容本次实验主要分为以下几个部分：1. 数据采集与处理2. 数据可视化3. 数据分析4. 商务应用案例分析四、实验收获1. 理论知识收获（1）熟悉了商务数据分析的基本概念，如数据采集、数据清洗、数据预处理、数据挖掘等；（2）了解了常用的数据分析工具，如Excel、Python、R、Tableau等；（3）掌握了数据可视化技巧，能够通过图表清晰地展示数据信息；（4）学习了数据分析方法，如描述性统计、推断性统计、预测分析等。
2. 实践能力收获（1）通过实际操作，掌握了数据采集、处理、可视化和分析的方法；（2）运用所学知识解决实际问题，如通过数据分析发现市场趋势、预测销售业绩等；（3）提高了团队协作能力和沟通能力，学会了在团队中发挥自己的优势，共同完成任务；（4）培养了批判性思维和创新能力，能够从多个角度分析问题，提出解决方案。
3. 商务应用案例分析收获（1）通过分析真实案例，了解了数据分析在商务领域的广泛应用；（2）学习了如何将数据分析方法应用于实际业务场景，如客户细分、市场定位、产品优化等；（3）掌握了数据分析在提升企业竞争力、降低成本、提高效率等方面的作用；（4）拓展了视野，了解了国内外优秀企业在数据分析领域的实践经验和创新成果。
4. 个人成长收获（1）提高了自己的数据分析技能，为今后的职业发展奠定了基础；（2）培养了良好的学习习惯和解决问题的能力；（3）增强了自信心，相信自己能够应对各种挑战；（4）拓展了人际关系，结识了志同道合的朋友。
商务智能 上机实验报告2 运用商务智能理论对民航客户仿真数据进行分析
（商务智能）实验报告数据清洗：(1)将数据中的age列按照降序排列，由此观察航空公司客户的年龄分布情况结果：以age列按降序排列：由此可以看出客户会员中年龄最大的有92，最小的有还有57人没有登记年龄信息。
（2）双重排序：将数据以在gender列的基础上按FLIGHT_COUNT的条件进行排序，由此观察性别与飞行次数的关系（3）删除多余空白数据使用Data-select cases里的if condition is satisfied条件将会员卡号>0的数筛选出来，同时删除不满足条件的数2、数据选择：选择积分次数>0的数据，删除不满足条件的。
用Data-select cases 的if condition is satisfied3、数据转换：在EXCHANGE_COUNT>5条件下将EXPENSE_SUM_YR_1和EXPENSE_SUM_YR_2两列求和,即计算在积分兑换次数>5的条件下，第一年和第二年的总票价之和为多少并填在新增列sum中。
使用Tansform—computeinclude下的if case condition。
再进行数据清理，使用双重排序：再sum的基础上进行兑换次数排序4、数据集成：由于排序后的两列相隔较远，所以再将文件另存一份，进行数据横向集成，将exchange列置于sum列后，便于观察再进行change列和sum列双重排序结果：当兑换次数=6时,两年票价合计最小数为972，最大为132613；5、数据挖掘：进行数据选择，为模式评估作铺垫，研究sum列6、模式评估：系统进行数据分析系统的初始选择中值972和186954得到通过k-means方法得到的最后结果：46661.9和128012实验总结：实际应用时有不少问题，一个原因是我的分析能力太若，开始并知道需要分析什么，标，另一个原因在我确定分析目标时，却让我花了不少时间在对数据挖掘的数据清洗、集成、数据转换、数据选择、数据挖掘、模式评估这几个步骤里，可是在知识呈现里出现了问题，又由于时间有限我只好将数据简单的进行知识呈现分析。
商务智能概论
《商务智能概论》实验报告实验名称：数据仓库、关联分析操作实验姓名: 员亚亚3150521022李柯萌3150521019何鸿佳3150521017陈洁3150521015陈晓庆3150521016指导教师: 段刚龙实验日期: 2017-5-3精选文库一.实验目的与任务：1•了解关联分析算法的实际应用方法。
2 •创建“购物篮”关联分析数据表，挖掘关联模型。
二•实验时间：2学时 三•实验步骤：1 •创建“数据挖掘实验”数据库。
2. 在数据库中建立与“购物篮”相关的表（与实际相比，表的结构和内容作了适当简化）以及主键与参照约束:销售单表（销售单号，销售时间，收款员，其它） 销售单明细（销售单号，商品名称，销售数量，销售单价）3. 向各表中输入部分数据。
注意：输入的数据要有一定的代表性，不需要的数据可以不输 入。
4. 创建一个名称为“购物篮分析”的项目，并定义数据源、定义数据源视图。
5. 创建关联挖掘结构。
在“资源管理器”中选“挖掘机构”中的“新建挖掘结构”四、实验过程如下图所示为构建完成的数据库:二1 dbe 销e 单明细 细阁 同叉词 可編程性S*rvi C* 存储 安全t 生F 图所示为销售单表允详值ncba<10)。
然后按照提示操作。
-J 销售数实脸 *〜数据库关旅E三養齐I 一I 系蜒表 土精选文库如下图所示为销售单表的内容囲籍果屆消剧、销售車号销售时间收款员1E '1231匸仏越figf n7船2李S贵1{ V于时、彬安■lF；u D3&2017-(M^阿尔■_c i■ • H■ . . H■...刚护弘口徳福1j \III H-HIIII-IIIIIHI-IIIIIMIIItJ-—I断2们凤企BGD50李H1 Aa将大£]连扌0 RT町J3J-£9UdministT it orC2) master 00-00:00 9行如下图，为销售单明细表:列名►陆注33—销《数星销時单侑如下图为销售单明细表内容:数据类据rid^ar( 10)sit精选文库创建一个名称为“购物篮分析”的项目，并定义数据源、定义数据源视图。
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。
商务智能与数据挖掘实验报告
商务智能与数据挖掘实验报告课程：商务智能与数据挖掘地点:L2607时间：2012年5月13日==Summary ====Detailed Accuracy By Class ===0.8241Weighted Avg. 0.885 =Confusion Matrix === ab<—classifiedas 14 31 a = N 0 91 b = Y minNumObj 2345Correctly Classified Instances23 22 23 23 (8&4615%)(84.6154%)(8&4615%)(88.4615%)由上表，可知minNumObj 为2时，准确率最高。
根据测试数集，利用准确率最高的模型得到的结果:PrecisionRecall F-McasurcROC AreaClass1 0.824 0.903 0.892 N ().75 1 0.857 0.892 Y0.9130.8850.8870.892Correctly Classified Instances Incorrectly Classified Instances Kappa statistic Mean absolute error Root mean squared error Relative absolute error Root relative squared error Total Number of Instances 23 88.4615 % 311.5385 %0.7636 0.141 0.3255 30.7368 % 68.0307 % 26TP Rate 系统默认trees-J48决策树算法中minNumObj=2,得到如下结果FP Rate 0 ().176［制Weka Classifier Tree Visualizer: 11:22:13 ・ trees.J48 （旳帖02）［u> ］回j Tree View分析说明：在用J48对数据集进行分类时采用了10折交叉验证(Folds=10)来选择和评估模型，其中属性值有两个Y, No 一部分结果如下：Correctly Classified Instances 23 88.4615 %Incorrectly Classified Instances 3 11.5385 %===Confusion Matrix ==a b <— classified as14 31 a = N0 91 b = Y这个矩阵是说，原来是“Y”的实例，有14个被止确的预测为“Y”,有3个错误的预测成了原本是“NO”葩实例有0个被止确的预测成为“Y”，有9个正确的预测成了“N”。
商务智能实验报告
商务智能实验报告标准化管理处编码[BBX968T-XBB8968-NNJ668-MM9N]《数据挖掘与商务智能实验》实验报告实验题目：数据挖掘的基本数据分析姓名：王俊学号：4指导教师：张大斌实验时间：2016年 11月 10日实验题纲：一、实验目的1）熟悉基本数据分析的处理流程。
2）进一步熟练掌握拍SPSS Modeler工具的操作。
二、实验内容内容一：数据的质量探索步骤1 建立数据流1)在“源”中通过拖入“Statistics”文件节点读入数据。
2)建立“类型”节点，并说明各个变量角色。
这里指定“流失”为目标变量。
3）选择“输出”选项卡中“数据审核”节点并将其连接到数据流的恰当位置，点击鼠标右键，在“质量”选项卡下，选择检测方法为平均值的标准差。
步骤2 结果输出实验结果输出如图所示。
图中蓝色部分表示输出变量取YES，即客户流失的样本数，可以看出，各个变量上流失客户的取值均不同。
内容二：基本描述分析这里分析的目标是对电信客户数据的基本服务、开通月数、免费部分和无线费用之间的相关系数以反映变量之间的相互关系。
步骤1 建立数据流选择“输出”选项卡中的“统计量”节点。
步骤2 设置相关参数1）双击“统计量”节点，进行相应的设置。
在“检查”框中添加开通月数、基本费用、免费部分和无线费用。
2）在“相关”框中添加年龄、收入和家庭人数。
如图所示。
3）在“相关设置”中，勾选“按重要性定义相关强度”。
如图所示。
计算结果如图所示。
可以看出，以“基本费用”为例，它与“年龄”和“收入”都有相关性，它们之间简单相关系数虽然为和，但从统计量的角度来看有95%以上的把握认为它们之间是非0相关。
“基本费用”与“家庭人数”呈负弱相关。
内容三：绘制散点图数值之间变量的相关性可以采用上一个实验，也可以通过散点图来直接观察，此次主要观察基本费用和年龄之间的相关性。
步骤1 构建数据流选择“图形”选项卡中的“图”节点。
步骤2 设置相关参数1）双击“图”节点，选择编辑菜单，进行参数窗口的设置。
商务智能方法与应用课内实验报告-实验1
7、添加外键
8、通过数据关系图建立外键
9、数据库备份
10、还原数据库
11、通过拷贝还原数据库
12、使用BI工具新建数据仓库
6.实验总结：
在这次实验中我电脑上原来的sql打不开了，所以又重装了一遍sql对于其安装过程中遇到的一些问题的解决办法更加深刻了。然后练习建立数据库和表，还有备份和还原，以前我们学数据库的时候都是用的sql语句，没有用过窗口直接建立，这次实验让我感受到了窗口操作的便捷，还了解到了关于解决拷贝还原数据库的权限问题的方法。最后就是又接触到了一个可以建立数据库的新工具——BI，感觉自己学到了很多，获益匪浅。
（4）利用BI工具创建数据仓库
3.实验要求：
理解案例背景，研究数据仓库的构建方法。
4.实验准备：
下载、安装、启动SQL Server软件。
5.实验过程：
1、首先通过老师提供的资源安装SQLserver2012
2、打开sql
3、新建数据库
4、新建DimProductType表
5、新建DimProductSubType表
信息管理学院
（课程上机）实验报告
实验课程名称:商务智能方法与应用专业:管理科学班级:****学号:***姓名:***成绩:实验名称Biblioteka 数据仓库实施实验地点
家中
实验时间
3月20日
1.实验目的：
理解数据仓库的概念和实施方法。
2.实验内容：
（1）下载和安装SQL Server
（2）建立数据库和表
（3）数据库备份和还原
实验报告
课程名称商务智能方法与应用_
实验项目___数据仓库实施______
实验仪器计算机
- 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)。
商务智能实验报告
TPMK standardization office【 TPMK5AB- TPMK08- TPMK2C- TPMK18】
《数据挖掘与商务智能实验》
实验报告实验题目：数据挖掘的基本数据分析
姓名：王俊
学号：4
指导教师：张大斌
实验时间：201611.10
2016年 11月 10日
实验题纲：
一、实验目的
1）熟悉基本数据分析的处理流程。
2）进一步熟练掌握拍SPSS Modeler工具的操作。
二、实验内容
内容一：数据的质量探索
步骤1 建立数据流
1)在“源”中通过拖入“Statistics”文件节点读入Telephone.sav数据。
2)建立“类型”节点，并说明各个变量角色。
这里指定“流失”为目标变
量。
3）选择“输出”选项卡中“数据审核”节点并将其连接到数据流的恰当位置，点击鼠标右键，在“质量”选项卡下，选择检测方法为平均值的标准差。
步骤2 结果输出
实验结果输出如图所示。
图中蓝色部分表示输出变量取YES，即客户流失的样本数，可以看出，各个变量上流失客户的取值均不同。
内容二：基本描述分析
这里分析的目标是对电信客户数据的基本服务、开通月数、免费部分和无线费用之间的相关系数以反映变量之间的相互关系。
步骤1 建立数据流
选择“输出”选项卡中的“统计量”节点。
步骤2 设置相关参数
1）双击“统计量”节点，进行相应的设置。
在“检查”框中添加开通月数、基本费用、免费部分和无线费用。
2）在“相关”框中添加年龄、收入和家庭人数。
如图所示。
3）在“相关设置”中，勾选“按重要性定义相关强度”。
如图所示。
计算结果如图所示。
可以看出，以“基本费用”为例，它与“年龄”和“收入”都有相关性，它们之间简单相关系数虽然为0.401和0.195，但从统计量的角度来看有95%以上的把握认为它们之间是非0相关。
“基本费用”与“家庭人数”呈负弱相关。
内容三：绘制散点图
数值之间变量的相关性可以采用上一个实验，也可以通过散点图来直接观察，此次主要观察基本费用和年龄之间的相关性。
步骤1 构建数据流
选择“图形”选项卡中的“图”节点。
步骤2 设置相关参数
1）双击“图”节点，选择编辑菜单，进行参数窗口的设置。
2）在“X字段”和“Y”字段框中分别选择“基本费用”和“年龄”。
在“交叠字段”下，选择“颜色”-“流失”，不同颜色表示流失量不同取值的样本点。
如图所
示“图”节点的参数设置窗口。
输出的结果如图所示。
内容四：两分类变量相关性的研究
两分类变量相关性研究可以从图形分析入手，然后采用数值分析的方法。
下面采用网状图分析。
步骤1 设置相关参数
选择图形中的网络节点，进入编辑状态，在“字段”下选择“套餐类型”和“流失”。
设置线值为“绝对值”。
步骤2 结果输出
可以由结果图中得到，其电信客户保持是最好的，结果输出如图所示。
内容五：变量中重要性分析
步骤1 窗口设置
选择“模型”选项卡中的“特征选择”节点，将其连接到数据流的恰当位置，点击鼠标右键，选择弹出菜单中的编辑窗口，将“流失”添加到目标选项中，其他的全部添入输入，具体操作如图所示
步骤 2 结果输出
由结果输出可以看出，开通月数、基本费用、电子支付、年龄、受教育程度、套餐类型、收入以及各种费用等变量对预测用户是否流失很重要，其他的变量则意义不大，结果输出如图所示
三、实验步骤与结果
实验步骤和结果见实验内容
四、实验分析与扩展练习
实验分析：
本次实验通过对数据质量、基本描述、散点图、相关性、重要性五个方面进行内容分析，比较全面地了解了该数据的相关信息，并得到了相应的结果。
请总结分析以下问题：
（1）针对上述案例，分析保存客户与流失客户的基本费用是否存在显着的差异。
（2）如何评价数据质量相关性和重要性有何区别
答：（1）根据分析客户流失的样本数的比例（灰色为流失）
然后分析基本费用和流失之间的关系，通过建立统计量和绘制散点图
最后比较重要度可以得出结论：保存客户与流失客户的基本费用存在显着性差异
（2）数据质量是保证数据应用的基础，它的评估标准主要包括四个方面，完整性、相关性、一致性、及时性。
评估数据是否达到预期设定的质量要求，就可以通过这四个方面来进行判断。
相关性：高质量的数据应该是能充分满足用户使用要求的数据，即数据源和要处理的业务具有很强的联系；
重要性：数据有很大价值和影响的性质，能为数据处理提供很多方便
2.扩展练习
（1）针对上述的五个内容，分别更改一些参数，观察是否对结果造成影响答：内容一：更改“数据审核”中的部分参数，结果如下
左边是没有更改，右边是更改后的，该系数更改无明显变化
五、结论与讨论(重点)
通过这次实验，我了解到数据分析是数据挖掘中很重要的一部分，数据分析的目的是把隐没在一大批看来杂乱无章的数据中的信息集中和提炼出来，以找出所研究对象的内在规律。
数据分析是组织有目的地收集数据、分析数据，使之成为信息的过程。
分析数据的时候不要盲目，首先要确定你要分析的方向，以更直观的方式表现出来，然后从所得的数据了解这些数据背后所代表的是什么，我们可以以其他方式更好的体现出来吗?怎么数据说话能更直观表明问题
数据分析的步骤：
1、探索性数据分析，当数据刚取得时，可能杂乱无章，看不出规律，通过作图、造表、用各种形式的方程拟合，计算某些特征量等手段探索规律性的可能形式，即往什么方向和用何种方式去寻找和揭示隐含在数据中的规律性。
2、模型选定分析，在探索性分析的基础上提出一类或几类可能的模型，然后通过进一步的分析从中挑选一定的模型。
3、推断分析，通常使用数理统计方法对所定模型或估计的可靠程度和精确程度作出推断。