智能物流_2

第4章商业智能学习要点商业智能的概念商业智能的核心技术商业智能在智能物流中的应用趋势目录4.5小结4.4商业智能的智能物流应用4.3商业智能决策分析技术4.2商业智能系统4.1商业智能概念思考题商业智能概念的提出1996年，加特纳集团（GartnerGroup）首次提出商业智能概念。它描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。2003年，奥伦-埃齐奥尼(OrenEtzioni)准备乘坐从西雅图到洛杉矶的飞机去参加弟弟的婚礼。他知道飞机票越早预订越便宜，于是他在这个大喜日子来临之前的几个月，就在网上预订了一张去洛杉矶的机票。在飞机上，埃齐奥尼好奇地问邻座的乘客花了多少钱购买机票。当得知虽然那个人的机票比他买得更晚，但是票价却比他便宜得多时，他感到非常气愤。于是，他又询问了另外几个乘客，结果发现大家买的票居然都比他的便宜。对大多数人来说，这种被敲竹杠的感觉也许会随着他们走下飞机而消失。然而，埃齐奥尼是美国最有名的计算机专家之一，从他担任华盛顿大学人工智能项目的负责人开始，他创立了许多在今天看来非常典型的大数据公司2008年，埃齐奥尼计划将这项技术应用到其他领域，比如宾馆预订、二手车购买等。只要这些领域内的产品差异不大，同时存在大幅度的价格差和大量可运用的数据，就都可以应用这项技术。到2012年为止，Farecast系统用了将近十万亿条价格记录来帮助预测美国国内航班的票价。Farecast票价预测的准确度已经高达75%，使用Farecast票价预测工具购买机票的旅客，平均每张机票可节省50美元。4.1.1商业智能的定义商业智能技术将企业现有的数据，经过管理分析等手段，提取有用信息，进而转化为知识，为企业做出明智的业务经营决策的工具。事务处理管理信息系统决策支持系统DecisionSupportSystem经理信息系统事务处理TransactionProcessingSystem管理信息系统ManagementInformationSystem经理信息系统ExecutiveInformationSystem商业智能的定义目前，学术界对商业智能的定义并不统一。商业智能通常被理解为是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者透过数据表面获得潜在知识，使他们做出对企业更为有利的业务经营决策。商业智能的定义（续）总结：商业智能（BI,BusinessIntelligence）是通过数据仓库、联机分析处理、数据挖掘等技术，通过应用基于事实的支持系统，对企业内部及外部数据的搜集、管理和分析，为企业提供决策支持以增强其综合竞争力的智能系统。4.1.1商业智能的定义1.基于事实的支持系统2.通过商业智能技术3.对企业内外部数据进行搜集、管理、分析为企业提供决策支持的智能系统4.1.2商业智能的背景和主要特点商业智能的背景传统：报表系统新型：商业智能系统被替代原因：数据“拥挤”现象：大量数据的无规则罗列和数据的不一致。数据内在价值被埋没：数据转化为信息及知识的过程存在困难。企业运营模式变化：传统形式向电子商务转型，大量电子数据的生成。数据库和人工智能技术发展：新技术使企业用更低的成本获得更高的IT投资回报率。报表系统商业智能系统被替代商业智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商业数据和信息，创造和累积商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。因此，随着企业信息化的不断深化，商业智能逐渐成为企业决策者的重要工具。4.1.2商业智能的背景和主要特点商业智能的主要特点即时性•实时从业务系统中获得最新的数据准确性自动化•避免了手工操作中的失误，并建立数据核对机制•根据客户设定，完成自动获取最新数据过程灵活性•决策支持的展现方式灵活多样网络化商业智能技术提升企业效率减少人力收集、分析数据时间增加核心决策时间4.1.3商业智能对智能物流的完善企业商业智能应用前后时间分配对比商业智能从四方面完善智能物流系统1更为合理的数据存储方式2更加灵活的分析手段及方法3实现各个级层的主题分析4提高综合决策能力4.1.3商业智能对智能物流的完善4.2.1系统的构成及运作商业智能系统商业智能系统是一个基于商业智能技术，通过搜取数据，理解数据在系统中的流动，发现数据在企业中的应用的过程。1.源数据层，即初始数据–它收集了包括由财务系统、销售系统、库存系统、客户服务等在内的企业内部数据以及包括竞争对手信息、其他外部环境在内的外部数据。–常用的软件：大型应用软件SAP、ORACLE，中型软件用友、金蝶等。源数据层数据转换层数据仓库层联机分析处理层数据挖掘层信息展示层商业智能系统结构4.2.1系统的构成及运作2.数据集成，即数据转换层–它负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取到临时中间层后进行抽取、转换、装载，最后加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。–数据处理方法：简单变换；数据形式转换；数据集成。–常用的软件：微软的SQLSever2005中的SSIS工具，还有Informatica、Datastage等。3.数据仓库（DataWarehouse,DW）–它面向主题的、集成的、稳定的、随时间不断变化的数据集合，用以支持经营管理中的决策制定过程。数据仓库能为多维分析和数据挖掘等分析工具提供所需要的、整齐一致的数据。–常用的软件：SQLSever、Oracle、Sybase等。4.2.1系统的构成及运作4.联机分析处理（OnLineAnalyticalProcessing,OLAP）–它帮助分析人员、管理人员从多种角度（维度）把从原始数据（当前及历史数据）中转化出来、能够真正被用户所理解的、并反映数据真实性的信息，进行快速、一致、交互地访问，从而使决策者获得对数据的更深入了解。–常用的软件：SQLSeverAnalysisServices和HyperionEssbase等。5.数据挖掘（DataMining,DM）–它负责进行数据汇总、概念描述、分类、聚类、相关性分析、偏差分析、演变分析、建模、预测等。–常用的软件：SAS,SPSS等。6.信息展示（Display）–它负责通过图形、图表、图像、模拟仿真等易于人们所辨识的方式展现原始数据间的复杂关系、潜在信息及发展趋势，以便决策者能够更好地利用所掌握的信息资源。–常用的软件：微软的ReportingServices,CrystalReport工具，BusinessObjects等；另一类为OLAP展现工具，包括微软的SSAS或者Excel等。4.2.1系统的构成及运作数据库财务、销售、库存、客户、其他内部数据竞争对手信息、其他外部环境外部数据EXCEL、TXT文档数据应用系统ETL(抽取、转换、加载)数据集成数据仓库(DW)用户决策常规报表分析展现挖掘展现联机分析处理(OLAP)数据挖掘(DM)数据源数据整合数据仓库分析工具展现工具应用4.2.2系统对象和系统优势商业智能系统的对象决策的初级阶段（操作层）决策的中级阶段（战术层）决策的高级阶段（战略层）管理层决策会议宏观分析业务总监微观分析业务经理看结果总经理原因查询原因查询过程监控过程监控结果汇报结果汇报找对策找对策推广执行战略层战术层操作层各层级的工作场景4.2.2系统对象和系统优势决策的初级阶段–决策所需要的信息是对原始数据的分类、汇总、排序，以获得对经营活动的直观印象。–数据：销售、市场、财务、运营等方面。决策的中级阶段–在中级阶段，是对分类汇总数据中的明细数据和相关关键绩效指标（KeyPerformanceIndicator,KPI）的展现，以及对相关联的明细数据，从不同角度进行的交叉观测，以获得对数据反映出的商业结果的原因探索。–主要KPI：财务分析指标；反映客户管理的指标；反映流程管理的指标；反映人力资源方面的指标。决策的高级阶段–企业根据数据对未来做出趋势判断，或者根据特定数学模型获得的分类信息，对未来市场进行预测，为行动提供指南。–趋势预测分析法：指数平滑分析、时间序列回归分析等方法，以及数据挖掘技术和运筹规划中的其他方法等等。4.2.2系统对象和系统优势高层决策阶段（战略层）*判断趋势*加强决策支持能力*评估、优化商业运作和关系*有效捕捉运营和事物数据*方便决策层使用中级决策阶段（战术层）*汇总明细数据*相关绩效指标*多维分析*特殊的报告系统和可能性分析*友好、详尽的用户界面初级决策阶段（操作层）销售*消费者行为*销售力量分析*异地销售分析市场*市场分析*市场活动效果*产品生命周期分析财务*预算和规划*商业表现*财务报告运营*运营效率*产品质量控制*供应商分析决策支持的三个层次4.2.2系统对象和系统优势商业智能系统的目的商业智能系统的目的是获得高的投资回报率，应用程度越高、体会越深，投资回报也会越丰厚。商业智能系统的应用，为企业决策智能化提供了完善的技术支持，也使决策更加快速、准确、科学。原始数据清洗后数据信息展现常规报表经分析后数据个性化制定/优化趋势预测数据信息知识智能投资回报了解现状知晓原因预测未来商业智能价值体现4.2.2系统对象和系统优势案例分析公司：雅戈尔集团行业：服装转型原因：–市场由买方市场转为买方市场，利润减少–根据订货安排生产计划的模式不能及时满足市场需求–库存积压，物流成本激增转型方式：使产业结构向信息化调整，建立自己的供应链和物流管理系统。使用软件：IBMCognos软件改进效果：–订单反应能力及生产周期缩短50%–库存周转率提高1倍以上–缺货损失减少30%以上–工厂准时交货率达到99%以上4.3.1数据仓库技术（DataWarehouse,DW）数据仓库技术数据仓库(DataWarehouse，DW)是储存和管理数据的地方，这些数据是来自各种数据源，经过抽取、转换、装载并经过加工和汇总得到的数据。它是一个面向主题的（SubjectOriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变（TimeVariant）的数据集合，用于支持管理决策（DecisionMakingSupport）。数据仓库优点将源数据进行抽取、转换、装载加工和汇总，提高利用数据价值。经由整理的数据是关于某一主题所特定筛选的数据集合，满足决策的不同目标和要求。克服了数据库的有限查询、数据易重复、利用率低的缺点。4.3.1数据仓库技术（DataWarehouse,DW）数据仓库与数据库与传统操作型数据库相比，数据仓库具有面向主题、集成的、相对稳定的、反映历史变化的特点。数据库数据仓库作用简单的数据检索，进行事务性支持为战术性和战略性决策提供信息数据日常事务及琐碎数据分析性数据数据来源未经加工的当前数据，或经初步汇总的数据被同构的，经提取、转换、装载等过程具有统计性的数据数据范围局部或专门数据来自企业内外部数据，具有广泛性和普遍性稳定性不停发生变化相对稳定，定期刷新停机时间可能意味着灾难性错误可能意味着延迟决策数据仓库与数据库的区别数据仓库与数据集市数据仓库–优点：数据量大，信息丰富、全面等。–缺点：查询速度缓慢，针对性不强。数据集市–针对数据仓库的缺陷而产生的数据存储结构。–它隶属于数据仓库。–为某个部门或某项业务提供对应目的或应用范围的数据。–提高查询效率及准确性。4.3.1数据仓库技术（DataWarehouse,DW）数据仓库数据集市数据来源系统，内部、外部数据数据仓库范围企业级部门级或工作组级主题企业主题部门级或工作组级数据颗粒最细的粒度较粗的粒度历史数据大量的历史数据适度的历史数据优化处理海量数据、数据索引便于访问和分析、快速查询数据仓库与数据集市的区别联机分析处理技术出现的背景联机事物处理（OnLineTransactionProcessing,OLTP）在1993年前被普遍使用，以处理日常业务。联机分析