1、第15章 電子商務(wù)與商務(wù)智能,2013年6月,一、商務(wù)智能概述,（一）商務(wù)智能的定義 商務(wù)智能指利用數(shù)據(jù)倉(cāng)庫(kù)、數(shù)據(jù)挖掘技術(shù)對(duì)客戶數(shù)據(jù)進(jìn)行系統(tǒng)地儲(chǔ)存和管理，并通過(guò)各種數(shù)據(jù)統(tǒng)計(jì)分析工具對(duì)客戶數(shù)據(jù)進(jìn)行分析，提供各種分析報(bào)告，如客戶價(jià)值評(píng)價(jià)、客戶滿意度評(píng)價(jià)、服務(wù)質(zhì)量評(píng)價(jià)、營(yíng)銷效果評(píng)價(jià)、未來(lái)市場(chǎng)需求等，為企業(yè)的各種經(jīng)營(yíng)活動(dòng)提供決策信息。（IBM官方網(wǎng)站）,商務(wù)智能是企業(yè)利用現(xiàn)代信息技術(shù)收集、管理和分析結(jié)構(gòu)化和非結(jié)構(gòu)化的商務(wù)數(shù)據(jù)和信息，創(chuàng)造和累計(jì)商務(wù)知識(shí)和見(jiàn)解，改善商務(wù)決策水平，采取有效的商務(wù)行動(dòng)，完善各種商務(wù)流程，提升各方面商務(wù)績(jī)效，增強(qiáng)綜合競(jìng)爭(zhēng)力的智慧和能力。（王茁，顧潔，2004）,實(shí)質(zhì)：從現(xiàn)有的結(jié)

2、構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)中，有效地提取去除嗓音后的信息，然后對(duì)信息進(jìn)行量化分析和語(yǔ)義分析，從而發(fā)現(xiàn)知識(shí)規(guī)律，為人類的思維決策和戰(zhàn)略發(fā)展服務(wù)。,（二）商務(wù)智能的內(nèi)涵 1、企業(yè) 8、改善商務(wù)決策水平 2、現(xiàn)代信息技術(shù) 9、有效的商務(wù)行動(dòng) 3、收集 10、完善商務(wù)流程 4、管理 11、提升商務(wù)績(jī)效 5、分析 12、增強(qiáng)綜合競(jìng)爭(zhēng)力 6、商務(wù)數(shù)據(jù)和信息 13、智慧和能力 7、商務(wù)知識(shí)和見(jiàn)解,二、商務(wù)智能的作用及應(yīng)用,（一）商務(wù)智能的作用 商務(wù)智能利用現(xiàn)代信息技術(shù)整合企業(yè)所擁有的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)，并進(jìn)行智能語(yǔ)義分析處理，利用聯(lián)機(jī)分析和數(shù)據(jù)分析方法，挖掘出潛在的有用數(shù)據(jù)，并把它們轉(zhuǎn)化成信息和知識(shí)來(lái)避免企業(yè)

3、中的猜測(cè)行為和無(wú)知狀態(tài)，提供給決策者作為運(yùn)營(yíng)的決策依據(jù)。,（二）商務(wù)智能的應(yīng)用 1、了解企業(yè)運(yùn)營(yíng)情況 2、衡量績(jī)效，促進(jìn)創(chuàng)新 3、創(chuàng)造機(jī)會(huì) 4、增加用戶體驗(yàn),三、商務(wù)智能的體系結(jié)構(gòu),圖1 商務(wù)智能系統(tǒng)的體系結(jié)構(gòu),（一）異構(gòu)數(shù)據(jù)源的整合 從業(yè)務(wù)上說(shuō)，包括運(yùn)營(yíng)數(shù)據(jù)、客戶關(guān)系數(shù)據(jù)、系統(tǒng)性能數(shù)據(jù)、故障處理數(shù)據(jù)等； 從結(jié)構(gòu)上說(shuō)，包括文本數(shù)據(jù)、關(guān)系數(shù)據(jù)庫(kù)數(shù)據(jù)、HTTP（超文本傳送協(xié)議）和XML（可擴(kuò)展標(biāo)記語(yǔ)言）結(jié)構(gòu)的數(shù)據(jù)等。,（二）ETL過(guò)程 ETL是從數(shù)據(jù)源獲取需要的數(shù)據(jù)并對(duì)數(shù)據(jù)進(jìn)行清洗、校驗(yàn)、轉(zhuǎn)換、加載等的過(guò)程。 數(shù)據(jù)提取過(guò)程會(huì)過(guò)濾掉數(shù)據(jù)倉(cāng)庫(kù)中不需要的源數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行正確性和完整性校驗(yàn)，然后進(jìn)行格

4、式和類型轉(zhuǎn)換以及聚合分流等操作，最后加載。,（三）數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)存儲(chǔ)和管理 數(shù)據(jù)倉(cāng)庫(kù)是以關(guān)系數(shù)據(jù)庫(kù)、并行處理和分布式技術(shù)為基礎(chǔ)的，面向主題的、集成的、結(jié)構(gòu)穩(wěn)定的、隨時(shí)間不斷變化的數(shù)據(jù)集合，具有豐富的數(shù)據(jù)管理、數(shù)據(jù)和信息描述能力。,（四）數(shù)據(jù)分析模型 商務(wù)智能系統(tǒng)的數(shù)據(jù)分析模型是基于OLAP（聯(lián)機(jī)分析處理）模型構(gòu)建的，OLAP模型建立后，利用數(shù)據(jù)挖掘技術(shù)對(duì)數(shù)據(jù)進(jìn)行深度挖掘并最終利用前端展現(xiàn)工具把結(jié)果呈現(xiàn)出來(lái)。 在商務(wù)智能系統(tǒng)中，交互式信息分析、數(shù)據(jù)分析軟件與商業(yè)運(yùn)營(yíng)規(guī)則相結(jié)合對(duì)數(shù)據(jù)的模式和趨勢(shì)進(jìn)行分析，提供給用戶企業(yè)商務(wù)方方面面的詳細(xì)信息，以輔助商務(wù)活動(dòng)決策。,四、商務(wù)智能系統(tǒng)的關(guān)鍵技術(shù),（一）

5、數(shù)據(jù)倉(cāng)庫(kù)（Data Warehouse） 1、定義 數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。 與其他數(shù)據(jù)庫(kù)應(yīng)用不同的是，數(shù)據(jù)倉(cāng)庫(kù)更像是一種過(guò)程，是對(duì)分布在企業(yè)內(nèi)部各處的業(yè)務(wù)數(shù)據(jù)的整合、加工和分析的過(guò)程，而不是一種可以購(gòu)買(mǎi)的產(chǎn)品。,2、特性 （1）面向主題 （2）集成 （3）穩(wěn)定 （4）反映歷史變化,3、數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的結(jié)構(gòu) 數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)通常由管理部分、存儲(chǔ)部分和應(yīng)用部分三部分組成。如下頁(yè)圖所示：,圖2 數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng),（二）ETL技術(shù),圖3 ETL的工作流程,1、數(shù)據(jù)抽取 數(shù)據(jù)抽取是指從數(shù)據(jù)源獲取符合需要的數(shù)據(jù)的過(guò)程，該過(guò)程會(huì)過(guò)濾掉數(shù)據(jù)倉(cāng)庫(kù)中不需要的源數(shù)

6、據(jù)，并進(jìn)行格式和類型轉(zhuǎn)換。 數(shù)據(jù)抽取可采用“推”和“拉”兩種方式：“推”是指由源系統(tǒng)按照雙方定義的數(shù)據(jù)格式，將符合要求的格式抽取出來(lái)，再通過(guò)某種方式傳送到ETL系統(tǒng)中；“拉”則是由ETL程序直接訪問(wèn)數(shù)據(jù)源，獲取數(shù)據(jù)的方式。,2、數(shù)據(jù)轉(zhuǎn)換 數(shù)據(jù)轉(zhuǎn)換按照數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)結(jié)構(gòu)，對(duì)源系統(tǒng)每個(gè)記錄進(jìn)行轉(zhuǎn)換，轉(zhuǎn)換以后就可寫(xiě)入數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)的轉(zhuǎn)換過(guò)程不僅是數(shù)據(jù)格式的改變，還意味著要準(zhǔn)備運(yùn)行數(shù)據(jù)，轉(zhuǎn)換其結(jié)構(gòu)和內(nèi)容，以便集成到數(shù)據(jù)倉(cāng)庫(kù)中去。,3、數(shù)據(jù)加載 經(jīng)轉(zhuǎn)換和匯總的數(shù)據(jù)可用SQL（結(jié)構(gòu)化查詢語(yǔ)言）批量加載到目標(biāo)數(shù)據(jù)倉(cāng)庫(kù)中。數(shù)據(jù)加載策略包括加載周期和數(shù)據(jù)追加策略。加載過(guò)程中應(yīng)避免生成日志，利用成批的轉(zhuǎn)載功能。,

7、4、ETL作業(yè)調(diào)度 ETL作業(yè)調(diào)度包含以下內(nèi)容：定義一組作業(yè)的步驟，并且指明作業(yè)之間的各種關(guān)系，即寫(xiě)入數(shù)據(jù)倉(cāng)庫(kù)的流程；提供有關(guān)加載步驟；提供開(kāi)始時(shí)間和進(jìn)行多長(zhǎng)時(shí)間等信息。,（三）聯(lián)機(jī)分析處理（OLAP） 1、OLAP的含義 1993年，關(guān)系數(shù)據(jù)庫(kù)之父EFCodd提出，用于解決OLTP（聯(lián)機(jī)事務(wù)處理）及SQL（結(jié)構(gòu)化查詢語(yǔ)言）無(wú)法解決的查詢分析并大量計(jì)算的需求。 OLAP與數(shù)據(jù)倉(cāng)庫(kù)密切相關(guān)，用于支持復(fù)雜的數(shù)據(jù)庫(kù)分析操作，偏重對(duì)決策人員提供支持，可以對(duì)大數(shù)據(jù)量的信息進(jìn)行快速、靈活的復(fù)雜查詢處理。,2、OLAP中的幾個(gè)重要概念 （1）度量值。指在分析中我們感興趣的一塊數(shù)字化的信息。 （2）維度。用O

8、LAP術(shù)語(yǔ)來(lái)說(shuō)，每個(gè)不同的種類就可以代表一個(gè)單獨(dú)的維度。 （3）級(jí)別。通常將維度分為層次結(jié)構(gòu)，每一個(gè)層次的成員稱為一個(gè)級(jí)別。 （4）多維數(shù)據(jù)集。一個(gè)多維數(shù)據(jù)集是由一定數(shù)目的維度和度量值結(jié)合而成的整體存儲(chǔ)單位。,3、OLAP的特征 （1）快速性 （2）可分析性 （3）多維性 （4）信息性,（四）數(shù)據(jù)挖掘 數(shù)據(jù)挖掘是一種決策支持過(guò)程，它主要基于AI（人工智能）、機(jī)器學(xué)習(xí)、統(tǒng)計(jì)學(xué)等技術(shù)，高度自動(dòng)化地分析企業(yè)原有數(shù)據(jù)，做出歸納性的推理，從中挖掘出潛在的模式，預(yù)測(cè)客戶的行為，幫助企業(yè)決策者調(diào)整市場(chǎng)策略，減少風(fēng)險(xiǎn)，做出正確的決策。,1、數(shù)據(jù)挖掘的實(shí)現(xiàn),圖4 典型數(shù)據(jù)挖掘系統(tǒng)的結(jié)構(gòu),（1）數(shù)據(jù)的抽取 由于數(shù)

9、據(jù)倉(cāng)庫(kù)是一個(gè)獨(dú)立的數(shù)據(jù)環(huán)境，它需要通過(guò)抽取過(guò)程將數(shù)據(jù)從聯(lián)機(jī)事務(wù)處理系統(tǒng)、外部數(shù)據(jù)源、脫機(jī)的數(shù)據(jù)存儲(chǔ)介質(zhì)中導(dǎo)入數(shù)據(jù)倉(cāng)庫(kù)。數(shù)據(jù)抽取在技術(shù)上主要涉及互聯(lián)、復(fù)制、增量、轉(zhuǎn)換、調(diào)度和監(jiān)控等幾個(gè)方面的處理。,（2）數(shù)據(jù)的存儲(chǔ)和管理 數(shù)據(jù)倉(cāng)庫(kù)管理所涉及的數(shù)據(jù)量比傳統(tǒng)事務(wù)處理大得多，且隨時(shí)間的推移快速積累。在數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)存儲(chǔ)和管理中需要解決的是，如何管理大量的數(shù)據(jù)，如何并行處理大量的數(shù)據(jù)，如何優(yōu)化查詢等。 目前常見(jiàn)的技術(shù)解決方案是擴(kuò)展關(guān)系型數(shù)據(jù)庫(kù)的功能，將普通關(guān)系數(shù)據(jù)庫(kù)改造成適合擔(dān)當(dāng)數(shù)據(jù)倉(cāng)庫(kù)的服務(wù)器。,（3）數(shù)據(jù)的展現(xiàn) 查詢：實(shí)現(xiàn)預(yù)定義查詢、動(dòng)態(tài)查詢、OLAP查詢與決策支持智能查詢； 報(bào)表：產(chǎn)生關(guān)系數(shù)據(jù)表格

10、、復(fù)雜表格、OLAP表格、報(bào)告以及各種綜合報(bào)表； 可視化：用易于理解的點(diǎn)線圖、直方圖、餅圖、網(wǎng)狀圖、交互式可視化、動(dòng)態(tài)模擬、計(jì)算機(jī)動(dòng)畫(huà)技術(shù)表現(xiàn)復(fù)雜數(shù)據(jù)及其相互關(guān)系； 統(tǒng)計(jì)：進(jìn)行平均值、最大值、最小值、期望、方差、匯總、排序等各種統(tǒng)計(jì)分析； 挖掘：利用數(shù)據(jù)挖掘等方法從數(shù)據(jù)中得到關(guān)于數(shù)據(jù)關(guān)系和模式的知識(shí)。,2、數(shù)據(jù)挖掘的原則 （1）自動(dòng)映射原則：在做元數(shù)據(jù)術(shù)語(yǔ)映射時(shí)，遵循最相近的語(yǔ)義原則。 （2）最精確的匹配原則：指映射應(yīng)盡可能地轉(zhuǎn)換到粒度最小的術(shù)語(yǔ)單元。 （3）最廣泛的兼容原則：強(qiáng)調(diào)更大的兼容性。,3、數(shù)據(jù)挖掘的主要功能 （1）分類 （2）聚類 （3）回歸 （4）時(shí)間序列預(yù)測(cè) （5）關(guān)聯(lián) （6）

11、排序,4、數(shù)據(jù)挖掘的應(yīng)用領(lǐng)域 數(shù)據(jù)挖掘在各領(lǐng)域的應(yīng)用非常廣泛，只要該產(chǎn)業(yè)擁有具有分析價(jià)值與需求的數(shù)據(jù)倉(cāng)儲(chǔ)或數(shù)據(jù)庫(kù)，就可以利用數(shù)據(jù)挖掘工具進(jìn)行有目的的挖掘分析。 一般較常見(jiàn)的應(yīng)用案例多發(fā)生在零售業(yè)、直效營(yíng)銷、制造業(yè)、金融保險(xiǎn)業(yè)、通信業(yè)以及醫(yī)療服務(wù)業(yè)等。,（五）其他相關(guān)技術(shù) 1、可視化技術(shù) 2、知識(shí)管理技術(shù) 3、智能搜索技術(shù) 4、個(gè)性化推薦技術(shù) 5、元數(shù)據(jù)技術(shù),五、商務(wù)智能在電子商務(wù)中的應(yīng)用體系,圖5 商務(wù)智能在電子商務(wù)中的應(yīng)用體系結(jié)構(gòu)圖,（一）電子商務(wù)的信息采集、識(shí)別、過(guò)濾 電子商務(wù)商務(wù)智能的數(shù)據(jù)來(lái)自多種數(shù)據(jù)源，包括結(jié)構(gòu)化數(shù)據(jù)和非結(jié)構(gòu)化數(shù)據(jù)，其中包括交易處理數(shù)據(jù)、產(chǎn)品基礎(chǔ)數(shù)據(jù)、企業(yè)數(shù)據(jù)、消費(fèi)者數(shù)

12、據(jù)；包括網(wǎng)上數(shù)據(jù)采集和信息系統(tǒng)內(nèi)部數(shù)據(jù)采集。 異構(gòu)的數(shù)據(jù)識(shí)別和采集要求商務(wù)智能能夠通過(guò)技術(shù)和規(guī)范對(duì)數(shù)據(jù)進(jìn)行統(tǒng)一的處理和采集，并能有效過(guò)濾信息中的無(wú)用格式信息和噪音。,（二）電子商務(wù)的數(shù)據(jù)集成 數(shù)據(jù)集成主要通過(guò)元數(shù)據(jù)影射、數(shù)據(jù)倉(cāng)庫(kù)、全文索引技術(shù)把來(lái)自不同數(shù)據(jù)源的數(shù)據(jù)進(jìn)行統(tǒng)一數(shù)據(jù)集成，經(jīng)過(guò)變換、過(guò)濾及與其他相關(guān)信息的合并存儲(chǔ)在集中的倉(cāng)庫(kù)中。,（三）電子商務(wù)的智能分析和建模 電子商務(wù)數(shù)據(jù)通過(guò)商務(wù)智能交互式信息分析、挖掘工具、數(shù)據(jù)分析軟件、商務(wù)智能工具與商業(yè)運(yùn)營(yíng)規(guī)則相結(jié)合對(duì)數(shù)據(jù)的模式和趨勢(shì)進(jìn)行分析，以輔助商務(wù)活動(dòng)決策獲得更高的投資回報(bào)率和利潤(rùn)。,（四）商務(wù)智能在電子商務(wù)中的應(yīng)用體現(xiàn) 商務(wù)智能在電子商務(wù)

13、中的應(yīng)用主要體現(xiàn)在按照參與者（企業(yè)、消費(fèi)者、商務(wù)平臺(tái)服務(wù)機(jī)構(gòu)）的需求，展現(xiàn)商務(wù)智能在電子商務(wù)中的價(jià)值。,六、商務(wù)智能在電子商務(wù)中的典型應(yīng)用,（一）數(shù)據(jù)挖掘的應(yīng)用 指挖掘出有潛在價(jià)值數(shù)據(jù)的信息技術(shù)，主要應(yīng)用在情報(bào)分析、數(shù)據(jù)庫(kù)營(yíng)銷、識(shí)別用戶消費(fèi)行為、客戶流失分析、劃分客戶群體等相關(guān)領(lǐng)域。,（二）智能搜索的應(yīng)用 電子商務(wù)中的知識(shí)管理和智能搜索的理論和方法，主要包括：智能的商務(wù)知識(shí)表達(dá)與數(shù)據(jù)挖掘方法，分布式智能商務(wù)節(jié)點(diǎn)的數(shù)據(jù)采集與知識(shí)集成，非結(jié)構(gòu)化信息中的知識(shí)獲取技術(shù)，網(wǎng)頁(yè)數(shù)據(jù)有效提取與實(shí)時(shí)動(dòng)態(tài)分析技術(shù)，電子商務(wù)的實(shí)時(shí)決策支持理論和方法，個(gè)性化推薦技術(shù)的應(yīng)用等。如對(duì)比商務(wù)和精確營(yíng)銷。,（三）可視化技術(shù)的應(yīng)用 基于有限的離散采樣，三維數(shù)據(jù)比幾何形態(tài)的信息更為豐富和完整，而且更適合表示不規(guī)則的研究對(duì)象。商務(wù)智能系統(tǒng)實(shí)施時(shí)，需將相關(guān)的基礎(chǔ)數(shù)據(jù)按事先制定的標(biāo)準(zhǔn)格式進(jìn)行數(shù)據(jù)輸入，對(duì)圖形處理系統(tǒng)的二維矢量圖形、三維矢量圖形、屬性數(shù)據(jù)庫(kù)系統(tǒng)的各種相關(guān)數(shù)據(jù)進(jìn)行必要的處理和可視化