商务智能案例

商务智能方法与应用北京信息科技大学胡敏minmin516@引例：（1）榨菜指数3引例：榨菜指数（1/2）4引例：榨菜指数（3/4）引例：榨菜指数（4/4）（2）日本7-11案例（感冒指数）6日本7-11案例（温度和畅销品）7一家零售商最近发现，当天气变冷，肉桂葡式蛋挞的销量上升500%。那么零售商可能就要做出抉择。每当预测天气转冷时，应该储备多少肉桂葡式蛋挞？还有一家零售商发现，奶酪打折似乎能促进红酒的销售。那么希望减小红酒库存的时候，是不是应考虑奶酪打折这种方法？

这两个问题的答案取决于大数据分析的核心问题：弄清与因果关系之间的区别。将相关性误解为因果关系所做出的决策是危险的，可能会遭受惨败，因为你所期待看到的影响可能并不会发生。8葡式蛋挞（3）啤酒与尿布一般看来，啤酒和尿布是顾客群完全不同的商品。但是沃尔玛一年内数据挖掘的结果显示，在居民区中尿布卖得好的店面啤酒也卖得很好。原因其实很简单，一般太太让先生下楼买尿布的时候，先生们一般都会犒劳自己两听啤酒。因此啤酒和尿布一起购买的机会是最多的。塔吉特美国一名男子闯入Target店铺进行抗议："你们竟然给我17岁的女儿发婴儿尿片和童车的优惠券。“该经理当时并不知道这一行为是总公司数据挖掘的结果。一个月后，这位父亲来道歉，因为这时他才知道他的女儿的确怀孕了。Target比这位父亲知道他女儿怀孕的时间足足早了一个月。10塔吉特Target能够通过分析女性客户购买记录，“猜出”哪些是孕妇。他们从Target的数据仓库中挖掘出25项与怀孕高度相关的商品，制作“怀孕预测”指数。比如他们发现女性会在怀孕四个月左右，大量购买无香味乳液。以此为依据推算出预产期后，就抢先一步将孕妇装、婴儿床等折扣券寄给客户来吸引客户购买。1112★过去零售商依靠供应链软件、内部分析软件甚至直觉来预测库存需求。预测分析能够准确预测哪些商店位置应该保持哪些产品。★使用Microsoft

AnalysisServices，采用数据挖掘技术可以为产品存储决策提供准确及时的信息，可以预测在未来一周内一本书是否将脱销，准确性为98.52%，预测该书是否将在未来两周内脱销的准确性为86.45%。（4）库存预测★美国一家箱包销售网站通过个性化的展示提高销售额。与其他网站设计页面以鼓励大部分消费者采购的做法不同，该网站个性化的解决方案将不停地创建页面以适合每个具体的访问者。★如果访问者的浏览记录显示其对手提包感兴趣，网站将创建突出这些商品的个性化页面。★支撑上述目的实现的手段：准确的数据挖掘和智能分析。（5）登录网站的当前用户现在最可能购买什么东西？亚马逊网站的个性化推荐服务★NBA的教练的新式武器：数据挖掘。使用IBM公司开发的数据挖掘应用软件优化他们的战术组合。★AnferneeHardaway+BrianShaw=-17分★AnferneeHardaway+DarrellArmstrong=+14分★增加Armstrong的上场时间，Armstrong得了21分，哈德卫得了42分，魔术队以88比79获胜。（6）NBA教练如何布阵以提升获胜机会？曼城队2011年夏天，曼城队助理教练大卫·普拉特决定利用数据分析来解决球队在表现方面遇到的一个棘手难题。普拉特发现，尽管球队阵容中拥有多名高大强壮的球员，但他们的角球得分情况却不尽如人意。

在征求了俱乐部内部数据分析师的意见后，该队增加了对内旋角球（球转向守门员方向）的使用。战术转变产生了惊人的效果。在整个赛季中，曼城队依靠角球打入15个进球，成为英超角球得分效率最高的球队，其中2/3的进球采用的是内旋角球。

17曼城队这一实践为数据驱动型决策提供了强有力的支撑。事实上，早在两年前，曼奇尼曾就球队角球的使用情况咨询过俱乐部的数据分析师。分析师回应，曼奇尼依靠直觉偏爱采用的战术——外旋角球（球飞向远离守门员的方向）从数据统计上看并不理想。曼奇尼选择相信自己的直觉而非数据分析的导向性建议。因为直觉告诉他，球旋向远离门将的方向减小了门将触球的概率，同时增加了进攻队员冲顶时争到头球的概率。但当曼奇尼发现两种变数存在某种联系的时候，直觉却模糊了他对两者关联程度的判断能力。换句话说，外旋角球和进球数可能存在着某种关联，但数据表明，内旋角球和进球数存在着更为直接的因果关系。

18创立于2007年9月，是淘宝第一箱包品牌成功秘笈：强大的数据分析来锁定消费者需求利用IT技术，麦包包实现了对淘宝、拍拍和有啊三大C2C平台数百家箱包店铺以及数十家B2C箱包网站的信息和数据抓取，从而判断市场前景。麦包包的数据抓取范围已经走出中国，开始监控亚马逊、eBay和欧洲的一些电子商务平台。支撑这一系统的，是50多台服务器以及10个专职的数据分析师，天天对抓回来的数据进行分析，试图精确捕捉消费者需求。（7）麦包包：数据预测需求提前两个月，麦包包就在做市场分析计算出各种款式的受欢迎度预测在淘宝以及它所有在线零售市场可能的销售数额倒推回去做产品设计、包装及宣传推广麦包包：数据预测需求成功模式中粮生化简介中粮集团中粮集团有限公司于1952年成立，是一家集贸易、实业、金融、信息、服务和科研为一体的大型企业集团，横跨农产品、食品、酒店、地产等众多领域。1994年以来，一直名列美国《财富》杂志全球企业500强。旗下上市公司

中国粮油

中国食品

中粮屯河

中粮包装

中粮生化

中粮地产

蒙牛乳业旗下品牌福临门玉米油，金帝巧克力，长城葡萄酒…中粮生化简介信息化建设较为完善作为世界500强企业，中粮集团一直积极致力于信息化建设工作，充分利用信息化工具提高企业管理水平。中粮生化下属各利润点基本实现业务流程的信息化，主要包括财务系统、生产制造系统、采购系统、人力资源管理系统、6S报表系统。全面信息化后存在的问题1数据量增大，数据难以管理★随着中粮生化能源事业部各个业务系统的持续运行和未来业务系统的陆续投入，形成了大量的基础数据★子公司数据不断上传各业务系统，给业务系统带来大数据量的事务处理压力全面信息化后存在的问题2查询与报表不足以支持战略决策的需求★在各业务系统中进行统计分析，对各系统的日报表汇总形成企业整体日报表★领导层不会看底层的原始数据和怎么处理业务，希望看到整个公司层面的信息全面信息化后存在的问题3信息孤岛，部门数据相互独立★销售、财务、人力资源、生产、日报表等业务系统相互独立，形成信息孤岛★各子公司数据相互独立，无法满足决策层统观全局的要求商务智能解决方案-数据整合建立统一数据模型对数据的规范化定义，实现统一的信息资源层次体系、数据元素标准和信息编码，建立统一的数据模型以满足各个业务系统的集成。整合各个业务系统，建立中粮生化数据仓库系统由于数据分布在不同的业务系统，给数据共享、数据管理和数据应用带来很多不便，因此中粮生化整合各个业务系统，建立中粮生化数据仓库系统，将数据集中起来，解决数据层面的信息孤岛问题。

商务智能解决方案-数据分析多维分析支持直接基于现有的业务数据库(关系型数据库)创建多维立方体；可进行常规的切片，旋转、钻取等在线分析操作；支持图表(如：直方图、饼图等)，并能在图表中钻取数据。数据挖掘从时间、空间、横向、纵向等多维度对数据进行分析。按主题细分，可划分为生产主题分析、采购主题分析、销售主题分析、财务主题分析、产成品库存主题分析、物流主题分析、人力资源主题分析等。商务智能解决方案-数据分析销售分析产品库存管理分析物流管理分析人力资源管理分析财务管理分析原料采购管理分析生产管理分析商务智能解决方案-结果展示能够制作标准、主从、交叉、分组统计、参数等各种形式的报表能够创建多种类型图形包括2D和3D饼图、柱状图、线性图、泡泡图、散点图、漏斗图、金字塔图、锥体图等，提供多种美观仪表盘、信号灯等，支持多种形式的数据钻取支持Web方式浏览，所有报表能发布到指定的Webserver，可以通过IE方式浏览各种报表的数据和相应的图表商业智能案例：银行高管驾驶舱SmarteVision高管驾驶舱目标32以用户最熟悉工具实现关键业务应用高可用性高性能

及时的关键指标以集团运营的视角，渗透到整个企业，释放新的洞察力突破性的洞察力按需要，快速创建跨系统、逐步扩展的业务解决方案按需求构建与扩大

关注三位一体战略实况产品业务类别现金管理绩效分析客户贡献分析36营业网点收益分析37服务网点扩张策略分析38数据挖掘(2)商务智能能够为我们做什么？Tosupportdecisionmakingatalllevelsofbusinessmanagementbasedonthefactsand(scientific)predictionsofcurrentandfuturebusinesssituationsthatareobtainedfromintelligentanalysisofhistoricalb