商业智能和数据挖掘

商业智能和数据挖掘

众所周知，如今，商务智能（BI）非常“流行”，并且技术先进。无论涉及数据仓库乃至运营报告中心，许多公司都在投入大量精力来实施和维护其智能业务系统。机会很多，资源也无穷。似乎只有好处，但这真的值得吗？付出如此多的努力是否具有成本效益和生产力，还是只有大企业才能负担得起的奢侈品？就像没有两家公司有相同的需求一样，没有“一个解决方案能满足所有人的需求”，但是我不得不说，在出现分析需求时，根据客户定义的各种业务线，具有更好的见解增强信心并在做空时提供额外的保证。仅在过去的两年中，当今世界上90％的数据都是创建的。

让我们从头开始：什么是商业智能？这是从数据中提取有用信息和知识的一组原理和方法。无论是用于预测，探索还是调查，关注的地方都一样：数据。可以通过多种方式提取和显示它们：

图形表示摘要和/或详细报告互动展示（即动态表格）等等

现在，让我们谈谈一个特别及时且众所周知的方面：数据挖掘。它通常用于探索，包括根据预定义的标准使用有意义的结构或图案从数据（通常是大量数据）中提取知识。它涉及三个步骤：收集，分析数据并将其呈现给客户。这样做意味着了解需求并理解数据，准备数据并应用技术。

每个步骤都分为多个子步骤，这些子步骤可能会使看似简单的解决方案变得复杂。与任何技术领域一样，BI也带来了挑战。这里想到的是历史数据，以及如何将其与当前数据，不兼容数据的类型，所需的专业知识以及基于性能的技术选择结合起来。系统通常必须日夜运行，才能为上线日准备数据。同样值得注意的是，用户在数据挖掘中的重点不是生成公式，而是算法基于其目标的性能。

数据准备是流程的技术方面，它分四个阶段完成：合并，清理，转换和缩减。它的源是真实数据，目的地是已准备数据的基本系统。对于本文的技术部分，有几种类型的数据需要考虑。例如分类数据（标称和序数）和数字数据（间隔和比率）。

分类数据

通常来自数字变量（标称值）的转换例如，将年龄转换为年龄组将顺序的概念添加到可能的值（常规）例如，信用等级（低，中，高）

数字数据

用于测量一定数量的变量例如年龄，子女人数，家庭收入等。

其他资料

图片，音频，文本等

最后，我应该强调，数据挖掘提供了特别有吸引力的竞争优势。这项技术已经广泛用于高增长行业和快速发展的业务领域，现在可以应用于人类活动的大多数领域，例如科学研究和公共安全。这些新获得的知识使公司可以改善和加快决策制定速度，从而产生具有成本效益的原始业务解决方案。例如，它提供了无与伦比的专有技术，并推动了有关消费者行为的更明智的决策。数据挖掘使您可以更好地了解客户，从而了解他们真正想要的是什么—知识就是力量。

在接下来的几周中，我们将进一步详细介绍商业智能的各个方面以及利用它的各种技术。我尤其在考虑数据仓库，决策支持系统甚至是运营报告中心。幸运的是，我认为这是一个取之不尽的课题，希望您也这么认为。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。