商业智能的特点及核心技术

    商业智能，首先是基于信息的大规模生产和数据库技术的运用。目前，商业智能具有如下特点：

    1、即时性

    传统手工数掘处理，从数掘收集、整理到分类、汇总，都需要经历漫长的时间过程。但是，商业智能使用的技术，可以实时地从业务系统中获得最新的数据。在对时间性敏感的决策分析中，这一点尤其重要。

    2、准确性

    在准确性方面，因为计算机数据处理，避免了手工操作中存在的失误，所以计算结果是绝对准确和可靠的。

    当然，这其中会存在因为业务逻辑关系的缺失而导致的错误，即程序中设定的限制条件不充分而导致数据失误。所以，对待重要的决策信息，应同时建立数据核对机制，以保证建立在即时信息的准确性基础上的决策的正确。

    3、自动化

    商业智能，包括一个数据抽取、转换、装载（ETL）的过程，这个过程可以按照用户的要求，设定ETL的时间和周期，因此，整个基础数据的获得、数据的处理，以及数据的展现，都是一个自动化的过程，无需手工参与。使用者每同甚至每时获得的信息，都可以是最新数据。这就为决策分析信息提供者的工作带来了极大的便利。

    4、灵活性

    决策支持的展现方式灵活多样，充分体现了智能的特点。

[page]    对于初级阶段分析的展示，可以使用图标和图形的方式。譬如结构百分比，可以使用饼图、三维饼图的方式；对于趋势百分比、同比、定比、环比，可以使用折线图、柱状图等；对于KPI指标，可以使用仪表盘管理；其他的散点图、泡泡图等，都可以根据实际业务的需要而建立。

    在图表数据方面，可以进行数据的钻取、旋转和切片操作。当需要进一步了解明细数据的时候，需要使用数据钻取功能，当需要从不同的角度观测数据以发现数据变动规律时，需要利用多维数据的旋转功能，而当需要关注特定数据的时候，可以对特定区域的数据进行切片分析。商业智能分析的灵活性，建立在分析模型设计时周全的考虑。

    从商业智能系统建立的技术角度来看，构建一个完整的商业智能系统涉及到以下几种核心技术：

    ·数据仓库（data warehousing）

    ·联机分析处理（on-line analytical processing，简称OLAP）

    ·数据挖掘（data mining）

    数据仓库主要是对分散在不同系统的数据进行收集、整理和分析，用于克服常常出现的信息孤岛问题，使机构对客户和自己内部有一个完整、准确的理解，更好地服务于客户，有效的管理内部。它是管理信息的基础工程，是企业和政府走向智能管理的关键和基石。联机分析处理和数据挖掘是数据仓库上获取两种不同的数据增值技术，将这两类技术在一定程度上融合，会使分析操作智能化，使挖掘操作目标化，从而全面提高商业智能技术的实用价值，一方面，联机分析技术可以为数据挖掘提供预期的挖掘对象和目标，避免挖掘的盲目性。另一方面，数据挖掘技术可以使联机分析处理智能化，减少分析人员的负担。把联机分析处理技术和数据挖掘技术进行融合和互补，将是商业智能技术发展的未来走向。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。