1、大数据(big data)，或称巨量资料，指的是所涉及的资料量规模巨大到无法通过目前主流软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。

2、(在维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中大数据指不用随机分析法（抽样调查）这样的捷径，而采用所有数据的方法[2]）大数据的4V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）。

3、说起大数据，就要说到商业智能：商业智能（Business Intelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

(资料图片)

4、 　　商业智能作为一个工具，是用来处理企业中现有数据，并将其转换成知识、分析和结论，辅助业务或者决策者做出正确且明智的决定。

5、是帮助企业更好地利用数据提高决策质量的技术，包含了从数据仓库到分析型系统等。

6、 　　 商务智能的产生发展　　商业智能的概念经由Howard Dresner(1989年)的通俗化而被人们广泛了解。

7、当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。

8、 　　商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。

9、它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。

10、因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。

11、 　　目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。

12、这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。

13、而商业智能能够辅助的业务经营决策既可以是作业层的，也可以是管理层和策略层的决策。

14、 　　为了将数据转化为知识，需要利用数据仓库、线上分析处理（OLAP）工具和数据挖掘等技术。

15、因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。

16、 　　把商业智能看成是一种解决方案应该比较恰当。

17、商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

18、 企业导入BI的优点1.随机查询动态报表 　　2.掌握指标管理 　　3.随时线上分析处理 　　4.视觉化之企业仪表版 　　5.协助预测规划 导入BI的目的1.促进企业决策流程(Facilitate the Business Decision-Making Process)：BIS增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。

19、 2.降低整体营运成本(Power the Bottom Line)：BIS改善企业的资讯取得能力，大幅降低IT人员撰写程式、Poweruser制作报表的时间与人力成本，而弹性的模组设计介面，完全不需撰写程式的特色也让日后的维护成本大幅降低。

20、 3.协同组织目标与行动(Achieve a Fully Coordinated Organization)：BIS加强企业的资讯传播能力，消除资讯需求者与IT人员之间的认知差距，并可让更多人获得更有意义的资讯。

21、全面改善企业之体质，使组织内的每个人目标一致、齐心协力。

22、 商业智能领域的技术应用 　　商业智能的技术体系主要有数据仓库（Data Warehouse，DW）、联机分析处理（OLAP）以及数据挖掘（Data Mining，DM）三部分组成。

23、 　　数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。

24、所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。

25、多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。

26、 　　在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。

27、 　　数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。

28、 商业智能的应用范围　　1.采购管理 　　2.财务管理 　　3.人力资源管理 　　4.客户服务 　　5.配销管理 　　6.生产管理 　　7.销售管理 　　8.行销管理 商业智能实施步骤　　 商业智能系统处理流程[1]　　商业智能（BI）作为一个概念，描述与业务紧密结合，并且根据需要进行相关特性展示和数据处理的过程。

29、 　　为了让数据“活”起来，往往需要利用数据仓库、数据挖掘、报表设计与展示、联机在线分析（OLAP）等技术。

30、数据或者数据源包含的种类繁多，例如存储在关系型数据库中的，在外围数据文件中的，在业务流中实时产生存储在内存中的等等。

31、而商业智能最终能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。

32、 　　这些分析有财务管理、点击流分析（Clickstream）、供应链管理、关键绩效指标（Key Performance Indicators, KPI）、客户分析等。

33、商业智能关注的是，从各种渠道（软件，系统，人，等等）发掘可执行的战略信息。

34、商业智能用的工具有抽取（Extraction）、转换（Transformation）和加载（Load）软件（搜集数据，建立标准的数据结构，然后把这些数据存在另外的数据库中）、数据挖掘和在线分析（Online Analytical Processing，允许用户容易地从多个角度选取和察看数据）等 。

35、 　　 商业智能系统的功能 　　商业智能系统应具有的主要功能： 　　数据仓库：高效的数据存储和访问方式。

36、提供结构化和非结构化的数据存储，容量大，运行稳定，维护成本低，支持元数据管理，支持多种结构，例如中心式数据仓库，分布式数据仓库等。

37、存储介质能够支持近线式和二级存储器。

38、能够很好的支持现阶段容灾和备份方案。

39、 　　数据ETL：数据ETL支持多平台、多数据存储格式（多数据源，多格式数据文件，多维数据库等）的数据组织，要求能自动化根据描述或者规则进行数据查找和理解。

40、减少海量、复杂数据与全局决策数据之间的差距。

41、帮助形成支撑决策要求的参考内容。

42、 　　数据统计输出（报表）：报表能快速的完成数据统计的设计和展示，其中包括了统计数据表样式和统计图展示，可以很好的输出给其他应用程序或者Html形式表现和保存。

43、对于自定义设计部分要提供简单易用的设计方案，支持灵活的数据填报和针对非技术人员设计的解决方案。

44、能自动化完成输出内容的发布。

45、 　　分析功能：可以通过业务规则形成分析内容，并且展示样式丰富，具有一定的交互要求，例如预警或者趋势分析等。

46、要支持多维度的联机在线分析（OLAP分析），实现维度变化、旋转、数据切片和数据钻取等。

47、帮助决策做出正确的判断。

48、 典型的商业智能系统 　　典型的商业智能系统有： 　　客户分析系统、菜篮分析系统、反洗钱系统、反诈骗系统、客户联络分析系统、市场细分系统、信用计分系统、产品收益系统、库存运作系统以及与商业风险相关的应用系统等。

49、 [编辑]商业智能解决方案厂商 　　提供商业智能解决方案的著名IT厂商包括微软、IBM、Oracle、Microstrategy、Business Objects、Cognos、SAS等说的简单的，就是你的所有资料都在网上能查到。

本文到此分享完毕，希望对大家有所帮助。

关键词：