大数据时代下的商业智能-zhengli.ppt

1、大数据时代的商业智能、大数据时代的商业智能、商业智能产业的目录、发展前景、传统商业智能与未来商业智能的区别、大数据与商业智能的结合、大数据时代的商业智能，从全球角度来看，商业智能已经成为最有前途的信息技术领域。2010年，商业智能在中国大陆地区的市场份额约为46亿元人民币，较2009年增长27%。目前，信息产业的商务智能人才并不多，商务智能人才的发展有很大的机遇。商业智能行业的发展前景，大数据时代的商业智能，商业智能从业者的关注点，设计，开发，架构，咨询，数据仓库模型设计，ETL设计，开发，报表设计和开发，业务理解，数据架构思想，案例，关注点，关注点，数据仓库模型设计，ETL设计，开发，业务理

2、解，数据商业智能在大数据时代，商业智能是从不同系统的许多数据中提取有用的数据， 对其进行清理以确保数据的正确性，然后通过提取、转换和加载的过程将其合并到企业级数据仓库中，从而获得企业数据的全局视图。 在此基础上，使用适当的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理。最后，将知识呈现给管理者，为管理者的决策过程提供支持。商业智能的概念，大数据时代的数据、信息、知识、企业利润、商业智能的溯源，学术界已经认识到，希尔伯特西蒙对决策支持系统的研究是现代商业智能概念的最早来源和起点。1970年，IBM研究员埃德加考德发明了关系数据库。1979年，Teradata诞生了，它将决策支持系

3、统作为自己的职责，致力于构建一个独立的数据存储结构。1983年，该公司为富国银行建立了第一个决策支持系统。1988年，为了解决企业集成问题，IBM研究人员巴里德夫林和保罗墨菲创造性地提出了一个新术语：数据仓库。1992年，比尔恩门出版了一本关于如何建立数据仓库的书。他倡导自顶向下的构建方法，强调数据的一致性，这为数据仓库的大规模应用拉开了序幕。1993年，拉尔夫金博尔出版了数据仓库工具一书。他主张实用的数据仓库应该是自下而上，从部门到企业，并把部门数据仓库称为“数据集市”。大数据时代商业智能和商业智能的历史。经过一波并购浪潮，商业智能供应商分为两类，一类是综合商业智能提供商。例如IBM、甲骨文

4、、思爱普和微软。另一个是专业的商业智能提供商，如Teradata和SAS。国际商用机器公司在商业智能领域已经取得了很多进展，包括数据阶段、协同操作系统和统计软件，最近还提出了商业分析。在甲骨文收购亥伯龙后，甲骨文的商业智能排名有了很大提高，而东亚银行的中间件加强了甲骨文的商业智能战略。在收购业务对象后，思爱普在商业智能产品的可用性方面做出了巨大努力。Teradata擅长数据仓库技术，而SAS擅长数据挖掘和分析。商业智能现在，大数据时代的商业智能，IBM-DB2，DataStage，Cognos，SPSS，涵盖了商业智能的所有领域，Oracle-Oracle，BIEE/Hyperion，涵盖了商

5、业智能的所有领域，数据挖掘需要加强微软-SQL Server，涵盖了商业智能的所有领域，SAP-Business Objects和Crystal Reports，它们适合于中小型企业并具有高性价比，主要是Informatica-Informatica在OLAP和报告领域，Teradata-Teradata在数据集成领域，Sybase-Sybase IQ在数据仓库领域。主要在数据仓库领域，在数据挖掘领域处于领先地位，主要商业智能供应商，大数据时代的商业智能，中国商业智能工具面临的挑战，以及复杂的报告格式。中国是世界上报道最复杂的国家。中国的报告设计思想不同于西方。西方报告往往只用一份报告来解释一

6、个问题，而中国报告往往将尽可能多的问题集中在一份报告中，这直接导致了中国报告中大量复杂格式的数据。中国是世界上人口最多的国家。以中国移动为例，中国一个省的用户数量相当于欧洲一个中等国家的人口，这真是海量数据！中国很多商业智能系统的架构和设计都不如国外，所以在性能上有很大的差距。在国外，客户分析应用程序可能在一两分钟内产生结果，但在中国，可能需要一两个小时。中国是世界上对商业智能系统要求最特殊的国家。最初，商业智能系统是基于真实再现源数据的原则，但这一原则在中国遇到了困难。许多领导人提出了修改数据的必要性。“如果报告中的数字不好看，就必须修改，让上级领导看一看。好吧！目前，微软、甲骨文BIEE都

7、是能够满足这种要求的商业智能产品。大数据时代的商业智能，区别于传统商业智能和未来商业智能，有一个观点：预测未来，分析历史，未来商业智能，传统商业智能，大数据时代的商业智能，以及传统商业智能的使用。固定报道：目前，中国市场的商业智能应用还停留在这个水平。主要过程是通过ETL工具将业务系统的源数据提取到数据仓库中，加载到数据集市中，建立模型，使用前端工具显示数据。OLAP分析：生成OLAP多维模型，实现多指标分析。数据挖掘：通过分析特定的数据，我们可以发现潜在的和有价值的信息，比如啤酒和尿布。结合商业信息系统。比如企业绩效管理。大数据时代的商业智能，第一阶段：查询。第二阶段：报告。第三阶段：多维分

8、析和统计分析。第四阶段：数据挖掘。传统商业智能的几个阶段，未来商业智能的方向，以及实时动态数据仓库的建立。传统数据仓库基于历史数据分析，而动态数据仓库支持前端应用程序，并使用分析结果启动业务流程。(2)增加对非结构化数据的处理。(3)缩短响应时间。商业智能在大数据时代，传统商业智能与未来商业智能的区别在于商业智能的传统功能如过滤、向上钻取、向下钻取、比较等也难以满足一些特殊企业用户的分析需求。如何保证外部数据的准确性、实时性和有效性是一个重大问题。随着从多媒体、智能手机和社交网站获得的信息，我们面临着比以往更多的数据。传统数据仓库的性能已无法应对海量信息。只有通过大数据技术，我们才能访问和使用

9、这些有价值的大规模数据集，以应对日益复杂的数据分析和更好的业务决策。大数据时代的商业智能，运营商业智能。商业智能用户群将相应地从当前的后台管理决策层扩展到前端业务运营用户。2.交互式商业智能。预测、分配、假设模拟、数据挖掘等技术的应用将越来越普遍。3.可视化商业智能。越来越多的用户不再满足于传统的图像显示，而是要求进一步的数据可视化。4.实时商业智能。由于商业智能应用将向操作化发展的特点，也导致了用户对商业智能应用的实时需求。5.移动商务智能。人们过去依赖电脑的商业智能被转移到了手机或黑莓手机上。SaaS商业情报。商业智能被用作云计算和服务。为了适应商业智能的未来发展，大数据技术应该与商业智能

10、技术相结合。大数据是对您现有数据仓库技术投资的补充。主要商业智能供应商已经宣布支持大数据技术或在其解决方案中使用大数据技术。数据海洋中的大数据不仅要分析大规模的信息操作，还要成为数据仓库的来源。大数据有利于大规模分析和长期战略方向。大数据是传统数据库、数据仓库和商业智能概念的延伸，是手段的扩展，不存在替代关系，也不是互斥关系。商业智能在大数据时代，大数据和商业智能的结合，例如，一个信用卡用户一个月刷10次卡，每个月刷一次。根据这一信息，该客户是一个生活满意度高、流失率低的客户。根据商业智能得出的结论，实际上客户的客服电话没有多次接通，客户在微博和博客上多次抱怨还款不方便，客户服务不好，客户的损

11、失风险很高。商业智能在大数据时代，大数据的概念被提出，而最先提出“大数据”时代已经到来的组织是世界著名的咨询公司麦肯锡。2011年，麦肯锡发布了研究报告大数据：创新、竞争和生产率的下一个新领域，行业、大学和研究界对“大数据”的关注达到了历史性的新高度。麦肯锡在研究报告中指出，数据已经渗透到各个行业和业务功能领域，并逐渐成为重要的生产要素；人们对海量数据的使用将预示着新一轮的生产率增长和消费者剩余。互联网、移动互联网、物联网、云计算的迅速崛起和移动智能终端的迅速普及，使得人类社会的数据增长速度超过了以往任何时期。它变得越来越大、越来越快、越来越复杂，数据特征的演变和发展催生了一个全新的大数据概念

12、。大数据、结构化数据时代的商业智能：信息技术存在于关系数据库中，多年来一直主导着信息技术应用；半结构化数据：包括电子邮件、文字处理文件和互联网上发布的大量新闻，基于内容，这也是谷歌和百度存在的原因；非结构化数据广泛存在于社交网络、物联网和电子商务中。随着社交网络、移动计算和传感器等新技术的出现，据报道超过80%的数据是非结构化数据。大数据是一个涵盖多种技术的概念。简而言之，它指的是一个数据集，其内容在一定时间内不能被传统软件工具捕获、管理和处理。IBM将“大数据”的概念定义为四个方面，即容量、多样性、速度和数据准确性。大数据时代的商业智能，数据规模从TB到PB的数据，结构化、非结构化、文本和多

13、媒体形式的各种数据，数据移动分析流动数据，在不到一秒钟的时间内做出决策，数据不确定性管理数据的可靠性和可预测性，尽管原始数据本身是不准确的，多样性和准确性，速度，容量，大数据时代的商业智能，大数据和商业智能的结合已经应用到各行各业， 能源和公用事业智能电表分析资产管理、零售全渠道营销实时推广、司法执法多点监控网络安全检测、缓解交通拥堵的交通物流优化、金融服务业欺诈检测360客户视角、数字媒体的实时广告定位属性分析、健康和生命科学的疾病监测病历分析、通信客户数据的货币化网络分析和优化、大数据时代的商业智能。 在大数据领域，无法完全形成使用大数据能力的竞争对手将被淘汰。大数据时代的商业智能，大数据

14、的使用，大数据时代的商业智能，通过用户行为分析进行精确营销是大数据的典型应用，但是大数据在各行各业都有着广阔的应用前景，特别是在公共服务领域，如消费行业、金融服务、食品安全、医疗卫生、军事、交通与环保、电子商务、气象、大数据时代的商业智能等。 大数据涉及的关键技术、要求高的大数据涉及的关键技术、描述、技术和海量数据存储技术。 分布式文件系统、实时数据处理技术、流数据、流计算引擎、数据分析技术、文本分析引擎可视化数据建模、自然语言处理、文本情感分析、机器学习、聚类关联、数据模型、高速数据传输技术、服务器和存储之间的高速通信、Infini Band、Hadoop、x86/MPP Map Reduc

15、e、搜索技术、文本检索、智能搜索、实时搜索、企业搜索、大数据时代的商业智能，建立对非结构化数据的SQL语法查询的支持， 实现与结构化数据、非结构化数据、数据采集、结构化数据、分析应用、数据集市、数据集市、EDW、Hadoop的集成和关键，构建非结构化信息的标签、摘要、索引、日志和内容，提取类别、索引和摘要等结构化元数据信息。 与结构化数据、ODS下的商业智能架构、SQL、大数据、大数据时代下的商业智能、大数据商业智能系统的底层技术系统、分布式计算内存计算的集成意味着，中央处理器直接从内存而不是硬盘读取数据，并对数据进行计算和分析。该技术是对传统数据处理方法的加速，是商业智能中实现海量数据分析和实现数据分析的关键应用技术。大数据时代的商业智能，大数据商业智能系统的演进过程，第一阶段OLTPOLAP，第二阶段物化视图，阶段ODS，DWD(细节数据层)，DWA(派生概要层)，MPP(大规模并行处理)，DW，MPP(大规模并行处理)，DM，大数据时代的商业智能，大数据下的商业智能系统不仅是数据展示，而