商务智能对于银行业的应用分析过程
大数据时代的商务智能应用与案例
大数据时代的商务智能应用与案例随着信息技术的不断发展和普及，大数据已经成为了一个不可或缺的信息资源。
在商业领域中，大数据的价值尤为突出。
商务智能作为大数据的重要应用领域之一，在各行各业中扮演着越来越重要的角色。
本文将从商务智能的定义、应用场景以及具体应用案例入手，探讨大数据时代商务智能的重要性和应用前景。
一、商务智能的定义和概述商务智能（Business Intelligence，简称BI）是一种将大量数据转化为有用信息的技术，通过数据汇总、分析和挖掘，帮助企业掌握市场变化、竞争对手信息、产品和服务的需求，进而制定更优化的商业决策。
商务智能的应用范围非常广泛，包括了各行各业。
商业运行过程中，大量数据被持续产生。
这些数据来自不同的数据源，包括客户数据、订单数据、财务数据、库存数据、社交媒体数据等等。
其中，结构化数据是一种按照特定格式组织的数据类型，非常易于存储和处理。
而文本数据、音频数据、视频数据等非结构化数据则需要更为高级的技术和算法进行处理。
商务智能的核心就在于通过数据处理技术识别和分析出其中蕴含的有价值信息，为企业决策和发展提供准确、可靠和及时的支持。
二、商务智能的应用场景商务智能的应用场景非常广泛，以下将分行业介绍。
1、零售：零售业在发展过程中产生了海量的数据，包括了库存、销售、促销、客户行为等数据。
商务智能技术能够帮助零售商通过分析这些数据，获得客户需求、商品畅销情况、供应链信息等方面的重要信息，进而辅助决策，提高销售额和客户满意度。
例如，沃尔玛采用商务智能平台，能够更加精确地预测客户需求、调整库存、管理分销、提高市场份额。
2、金融：银行、保险等金融机构拥有着丰富的客户信息和财务数据。
商务智能技术能够对这些数据进行深入分析，揭示客户群体结构、风险控制、财务管理等方面的信息，为金融机构提供更加精确的市场预测、风险评估和收益管理。
例如，平安保险采用商务智能技术，通过对客户的精细化管理，取得了可观的市场份额和盈利。
商务智能与决策支持-案例及案例分析
商务智能与决策支持-案例及案例分析商务智能与决策支持教学案例案例1：光大银行商务智能系统的实施一、案例内容成立于1992年8月的光大银行，作为国内最大的股份制商业银行，拥有众多客户群，几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务。
对于一个如此庞大的机构，如此繁多的金融服务，管理的复杂性可想而知。
近年来，通过综合柜台业务系统、阳光卡系统、网上银行系统和办公自动化系统等一系列信息化基础建设，光大银行率先实现了业务系统全国联网和总行数据大集中。
在成功实现业务系统全国联网和总行数据大集中后，经营管理分析方面又出现了一些极待解决的新问题，如：统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。
众多新问题的出现是银行管理层始料未及的。
为了尽快突破海量数据的“封锁”，挖掘其中蕴涵的知识和信息，光大银行决策层于2002年初开始立项商业智能及数据仓库系统。
光大银行根据自身情况，以实际需要为导向，对各家方案的优劣进行仔细分析、反复考察、综合考虑。
最终，菲奈特软件公司的高端商务智能产品BI.Office以其领先的技术和简便的操作从众多竞争者中脱颖而出，赢得了光大银行决策层的一致青睐。
经过商议，双方在国际结算业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。
为了降低实施风险，将从国际结算业务统计分析系统开始，各个项目逐步实施。
成功的选型是光大银行商业智能应用系统成功实施的开始。
国际业务部商业智能的应用证明，光大银行所采取的“以部门为基础实施数据处理”的决定是正确的，也是务实的。
从2002年12月开始，菲奈特BI.Office商业智能应用平台相继应用于光大银行其他几个业务部门，形成相应部门的商业智能系统。
这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP和Data Mining等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。
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。
商务智能应用案例
商务智能应用案例
1. 瑞典移动运营商Telio使用商务智能工具分析客户数据，以提高客户留存率和销售额。
他们利用数据挖掘和数据可视化技术，分析了客户使用率、消费模式和趋势。
通过这种方式，他们能够更好地了解客户需求和行为，制定更有针对性的销售策略，并提供更优质的服务。
2. 美国连锁超市Publix使用商务智能工具管理其库存，以减少废品和节省成本。
他们使用数据分析和预测工具，帮助管理者分析销售数据、库存流动等各项指标，预测需求，并及时调整库存量和采购计划，从而最大限度地降低库存成本和废品率。
3. 加拿大银行RBC使用商务智能工具对客户进行分析，根据客户的交易历史、购买习惯和偏好等信息，制定个性化的金融服务和产品。
他们利用数据挖掘技术，根据数据模式和趋势，挖掘出潜在的销售和增值机会，并提供更优秀的客户服务。
4. 英国国家医疗保健服务（NHS）使用商务智能工具对病人数据进行分析，以改善患者的护理和医疗结果。
他们使用数据可视化技术，对病人数据进行可视化分析，帮助医生和护士更好地了解病情，并根据病情制定更精确定制的治疗方案，提高医疗效果，同时降低医疗费用。
5. 中国电信通过利用商务智能分析大数据进行网络安全监控。
对网络数据进行分析，发现异常点、黑客攻击，提供实时监控和警告。
同时，通过挖掘大数据和
用户数据，研究用户需求和行为，制定更精准的服务策略。
商务智能对于银行业的应用分析过程
商务智能在国有银行业的应用前景分析(建设银行广东省分行行长办公室)一、国有银行未来开展趋势 (2)〔一〕技术变革 (2)〔二〕海量数据的有效利用 (2)〔三〕多大程度上了解客户 (3)二、商务智能的应用前景分析 (3)〔一〕商务智能的体系结构 (3)〔二〕国有银行信息系统现状 (4)〔三〕解决弊端的途经 (5)〔四〕商务智能可应用的领域 (7)三、实施商务智能所必须具备的核心条件 (7)〔一〕保证数据的真实性、可靠性和一致性 (7)〔二〕实现信息民主化 (8)四、商务智能工程投资回报分析 (8)五、阻碍商务智能在国有银行应用的因素 (8)〔一〕网络平安 (8)〔二〕隐私保护 (9)〔三〕管理层观念 (9)一、国有银行未来开展趋势当前，国有银行业正以前所未有的速度加快向现代化商业银行的转变，同业竞争日趋剧烈。
以传统借贷为根底的“轻而易举〞的利润模式已经逐步淡出，客户关系和新的金融业务创新显得日益重要。
与此同时，面对逐渐敞开的WTO大门，外资银行必然将引进以客户为中心的决策支持系统，以更为多样化的金融业务和更为优质的金融效劳来争取客户。
世界银行业的格局从来都在不断地划分，国有银行如何做大做强，参与世界格局的竞争，无疑面临诸多新的挑战。
（一）技术变革“技术变革〞被认为是影响银行业的最为主要的力量。
就世界范围来看，支票的使用越来越少，早在1982年，芬兰的银行和客户之间的交易中就有82%是以电子形式完成的，如今在日本，20岁的年轻人有10%利用互联网使用银行效劳，大约有一半的加拿大人说在未来3年内会使用网上银行，而大多数人都希望银行能用新技术改良效劳。
种种现象说明，客户需要以技术为根底的高质量的银行效劳，而技术变革将逐渐成为商业银行赖以生存的核心竞争力。
（二）海量数据的有效利用国有银行开展到今天，历史数据越来越多，如何将放在档案室或业务主机上林林总总的数据变成对决策者有用的信息和知识，进而提炼成有独创性指导作用的智慧，确是一项艰巨的工程，但“凭经验决策〞的历史终将被“用数据说话〞所取代，海量数据的有效利用，必定会成为国有银行未来核心竞争力的重要因素。
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。
人工智能在银行业务中的应用与效益分析
人工智能在银行业务中的应用与效益分析近年来，随着科技的快速发展，人工智能（Artificial Intelligence，简称AI）已经成为了各行各业的热门话题。
银行业作为金融行业的重要组成部分，也开始逐渐应用人工智能技术来提升业务效率和客户体验。
本文将探讨人工智能在银行业务中的应用，并分析其带来的效益。
一、智能客服系统的应用在银行业务中，客户服务是至关重要的一环。
传统的客服中心往往需要大量的人力资源来处理客户的问题和投诉，而且由于人为因素，服务质量也难以保证。
而引入人工智能技术后，银行可以利用智能客服系统来自动回答常见问题，提供24小时不间断的服务。
这样不仅可以减少人力成本，还可以提高客户满意度。
此外，智能客服系统还可以通过语音识别和自然语言处理技术，实时分析客户的情感和需求，从而更好地满足客户的个性化需求。
二、风险管理与反欺诈银行作为金融机构，风险管理和反欺诈是其重要的职责之一。
传统的风险管理和反欺诈手段往往需要大量的人力和时间，而且容易出现漏洞。
而引入人工智能技术后，银行可以利用机器学习算法和大数据分析来实现实时监测和预测风险。
通过对大量历史数据的分析，人工智能系统可以识别出异常行为和潜在的欺诈风险，并及时采取相应的措施。
这样可以大大提高银行的风险管理能力，减少不必要的损失。
三、智能投资顾问的应用随着金融市场的复杂性增加，普通投资者在进行投资决策时面临很大的困惑。
而引入人工智能技术后，银行可以利用智能投资顾问系统来为客户提供个性化的投资建议。
通过对客户的风险承受能力、投资目标和市场情况的分析，智能投资顾问可以根据客户的需求给出最优的投资组合。
这样不仅可以提高客户的投资收益，还可以节省客户的时间和精力。
四、智能信贷决策的应用在传统的信贷决策中，银行需要对客户的信用记录、收入情况等进行评估，以确定是否给予贷款。
而引入人工智能技术后，银行可以利用机器学习算法和大数据分析来实现智能信贷决策。
通过对大量历史数据的分析，智能信贷系统可以准确评估客户的信用风险，并根据客户的信用等级和还款能力给出相应的贷款额度和利率。
商务智能研究综述
商务智能研究综述商务智能是指运用先进技术和软件来帮助企业做出更明智的商业决策的过程。
它涉及到数据收集、整合、分析和展示，为企业提供更准确的商业洞察和预测能力。
随着大数据和人工智能技术的不断发展，商务智能正成为企业决策的重要工具。
本文将对商务智能的相关研究进行综述，探讨其现状和未来发展趋势。
一、商务智能的发展历程商务智能的发展可以追溯到信息技术的兴起和企业对数据分析的需求。
20世纪80年代，企业开始使用数据仓库和数据挖掘技术来分析大规模的数据，以发现商业趋势和规律。
随着互联网和移动技术的普及，企业对实时数据分析和预测能力的需求越来越迫切，商务智能技术也得到了迅速发展。
今天，商务智能已经成为企业决策的重要工具，涵盖了数据分析、数据可视化、预测分析、机器学习等多个领域。
二、商务智能的技术应用商务智能技术主要包括数据仓库、数据挖掘、数据可视化、在线分析处理（OLAP）、预测分析、机器学习等多种技术手段。
数据仓库是商务智能的基础，它用于整合和存储企业的各种数据，包括销售数据、市场数据、财务数据等。
数据挖掘技术可以帮助企业挖掘数据中隐藏的规律和趋势，发现潜在的商业机会。
数据可视化则可以将复杂的数据转化为直观的图表和图像，帮助企业快速理解数据背后的含义。
预测分析和机器学习则可以帮助企业根据历史数据和实时数据做出精准的商业预测和决策。
三、商务智能的应用领域商务智能技术可以应用于各个行业和领域，帮助企业提高决策效率和竞争力。
在零售行业，商务智能可以帮助企业分析消费者行为和购物习惯，优化商品陈列和促销策略。
在金融行业，商务智能可以帮助银行和证券公司分析金融市场动态，预测交易风险和利润率。
在制造业，商务智能可以帮助企业优化供应链管理和生产计划，提高生产效率和产品质量。
在医疗行业，商务智能可以帮助医院和诊所分析患者病历和医疗数据，提供个性化的诊疗方案。
四、商务智能的发展趋势随着大数据和人工智能技术的不断发展，商务智能也在不断演进和完善。
商务智能案例
商务智能案例商务智能（Business Intelligence，简称BI）是指通过各种技术和工具对企业内部和外部的数据进行分析，从而提供决策支持的一种信息化技术。
随着信息化时代的到来，商务智能在企业管理中的作用越来越受到重视。
下面将通过几个实际案例，来探讨商务智能在不同行业中的应用。
首先，我们来看一个零售行业的案例。
某零售企业通过商务智能系统对销售数据进行分析，发现某款产品在特定季节和地区的销量异常突出。
通过进一步分析，发现这一现象与当地的气候和消费习惯有关。
基于这一发现，企业调整了产品的上架时间和地区分布，从而有效提升了销售额。
其次，我们来看一个金融行业的案例。
一家银行通过商务智能系统对客户的贷款申请数据进行分析，发现信用评分较低的客户往往违约率较高。
基于这一发现，银行调整了贷款审批流程，加强了对信用较低客户的审核，有效降低了不良贷款率，提升了贷款业务的盈利能力。
另外，我们再来看一个制造业的案例。
某制造企业通过商务智能系统对生产数据进行分析，发现某个工序的产能利用率较低，成本较高。
通过进一步分析，发现这一现象与设备故障率和人员技能水平有关。
企业随后进行了设备维护和员工培训，从而提升了该工序的产能利用率，降低了生产成本。
最后，我们来看一个互联网行业的案例。
一家电商企业通过商务智能系统对用户行为数据进行分析，发现某个产品的点击量较高，但转化率较低。
通过进一步分析，发现这一现象与产品描述和页面布局有关。
企业随后优化了产品描述和页面布局，从而提升了该产品的转化率，增加了销售额。
通过以上案例的介绍，我们可以看到商务智能在不同行业中的应用场景各异，但都发挥了重要的作用。
商务智能系统通过对数据的深度分析，帮助企业发现了隐藏在数据背后的规律和价值，为企业的决策提供了有力支持。
因此，商务智能已经成为现代企业管理中不可或缺的重要工具，对企业的发展起到了至关重要的作用。
随着技术的不断进步，商务智能系统的应用范围和深度将会进一步扩大，为企业带来更多的发展机遇。
AI在商业银行中的应用分析
AI在商业银行中的应用分析随着信息时代的到来，人们对于智能化技术的需求越来越强烈。
在商业领域中，人工智能（AI）的应用尤为突出，其中商业银行是一个非常重要的应用场景。
本文将从以下几个方面进行分析：AI在商业银行中的应用现状、AI的优势和挑战、AI的未来发展趋势以及如何更好地应用AI服务于客户。
一、AI在商业银行中的应用现状AI在商业银行中有着广泛的应用场景。
它可以通过机器学习、自然语言处理、图像识别等技术手段建立起精准、高效、自动化的智能系统，帮助银行实现风险管理、信用评估、客户服务等多方面的工作。
其中，风险管理是AI在银行业中普遍应用的领域之一。
通过大数据挖掘、模型训练等方式，可以对资产、金融市场等多个领域进行分析，从而实现对银行内部和外部风险的预测和控制。
同时，AI可以对客户进行画像分析和信用评估，随时监控客户的信用状况和风险变化，为银行提供更加准确的风险定价和预警。
二、AI的优势和挑战AI在商业银行中具有诸多优势。
首先，AI可以处理海量的数据和信息，实现了对业务的全面监控和预测。
其次，AI可以实现自主学习和适应，不断提高分析和决策的准确性和效率。
再次，AI可以智能化、自动化的为客户提供服务，增强了客户对银行的信任和满意度。
最后，AI可以显著降低银行的成本和风险，提高业务的盈利能力。
AI在商业银行中面临的挑战也非常明显。
首先，AI需求数据的质量和时效性非常高。
如果数据不准确或更新不及时，AI的决策将会出现误差。
其次，AI的算法可解释性存在问题，有些算法和结果不容易被人理解和验证，这会增加数据隐私和安全风险。
最后，AI的发展和应用需要专业的人才支持，对机器学习和算法研究方面的人才需求非常大。
三、AI的未来发展趋势未来，AI在商业银行中的应用将会不断加强和优化。
首先，AI 将不断完善机器学习和深度学习算法，更好地适应商业银行的业务需求和挑战。
其次，随着区块链技术的发展，AI将与区块链技术共同构建智能合约、数字货币等业务，为银行客户提供更加安全、高效、智能化的银行服务。
- 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)。
商务智能在国有银行业的应用前景分析
(建设银行广东省分行行长办公室)
一、国有银行以后进展趋势 (2)
（一）技术变革 (2)
（二）海量数据的有效利用 (2)
（三）多大程度上了解客户 (3)
二、商务智能的应用前景分析 (3)
（一）商务智能的体系结构 (3)
（二）国有银行信息系统现状 (4)
（三）解决弊端的途经 (5)
（四）商务智能可应用的领域 (7)
三、实施商务智能所必须具备的核心条件 (7)
（一）保证数据的真实性、可靠性和一致性 (7)
（二）实现信息民主化 (8)
四、商务智能项目投资回报分析 (8)
五、阻碍商务智能在国有银行应用的因素 (8)
（一）网络安全 (8)
（二）隐私爱护 (9)
（三）治理层观念 (9)
一、国有银行以后进展趋势
当前，国有银行业正往常所未有的速度加快向现代化商业银行的转变，同业竞争日趋激烈。
以传统借贷为基础的“轻而易举”的利润模式差不多逐步淡出，客户关系和新的金融业务创新显得日益重要。
与此同时，面对逐渐放开的WTO大门，外资银行必定将引进以客户为中心的决策支持系统，以更为多样化的金融业务和更为优质的金融服务来争取客户。
世界银行业的格局从来都在不断地划分，国有银行如何做大做强，参与世界格局的竞争，无疑面临诸多新的挑战。
（一）技术变革
“技术变革”被认为是阻碍银行业的最为要紧的力量。
就世界范围来看，支票的使用越来越少，早在1982年，芬兰的银行和客户之间的交易中就有82%是以电子形式完成的，现在在日本，20岁的年轻人有10%利用互联网使用银行服务，大约有一半的加拿大人讲在以后3年内会使用网上银行，而大多数人都希望银行能用新技术改进服务。
种种现象表明，客户需要以技术为基础的高质量的银行服务，而技术变革将逐渐成为商业银行赖以生存的核心竞争力。
（二）海量数据的有效利用
国有银行进展到今天，历史数据越来越多，如何将放在档案室或业务主机上林林总总的数据变成对决策者有用的信息和知识，进而提炼成有独创性指导作用的智慧，确是一项艰巨的工程，但“凭经验决策”的历史终将被“用数据讲话”所取代，海量数据的有效利用，必定会成为国有银行以后核心竞争力的重要因素。
（三）多大程度上了解客户
交易是双方的，在银行选择客户的同时，客户也在选择银行。
不了解客户需求，以致于无法依照客户需求提供市场服务的银行终将面临淘汰。
国内银行的信用等级体系将日趋完善，来自于客户的银行信用等级将会频繁变动，改制后的国有商业银行将会面临前所未有的“了解客户、争夺客户”的压力。
二、商务智能的应用前景分析
（一）商务智能的体系结构
商务智能，即BI（Business Intelligence），是一种将存储于各种信息系统中的数据转换成有用信息的技术，它起源于经理信息系统（EIS），是决策支持系统（DSS）的继承和拔高。
它通常被理解为将企业中现有的数据转化为知识，关心企业做出明
智的业务经营决策的工具。
在企业做大做强的过程中，商务智能扮演着至关重要的角色，它使企业能精确地把握不断变化的商业环境，作出快速而准确的治理决策。
商务智能的核心技术在于数据仓库的建立（DW）、数据挖掘（DM）和在线分析处理（OLAP）三个部分，其体系结构如下图所示。