經過幾年的積累,大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是:通過業務人員或者用戶的操作,最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process,在線事務處理),指的就是系統運行了一段時間以後,必然幫助企事業單位收集大量的歷史資料。但是,在資料庫中分散、獨立存在的大量資料對於業務人員來說,只是一些無法看懂的天書。業務人員所需要的是信息,是他們能夠看懂、理解並從中受益的抽象信息。此時,如何把資料轉化為信息,使得業務人員(包括管理者)能夠充分掌握、利用這些信息,並且輔助決策,就是商業智能主要解決的問題。

如何把資料庫中存在的資料轉變為業務人員需要的信息?大部分的答案是報表系統。簡單說,報表系統已經可以稱作是BI了,它是BI的低端實現。 現在國外的企業,大部分已經進入了中端BI,叫做資料分析。有一些企業已經開始進入高端BI,叫做資料挖掘。而我國的企業,目前大部分還停留在報表階段。
資料報表不可取代
傳統的報表系統技術上已經相當成熟,大家熟悉的Excel、水晶報表、Reporting Service等都已經被廣泛使用。但是,隨著資料的增多,需求的提高,傳統報表系統面臨的挑戰也越來越多。
1. 資料太多,信息太少
密密麻麻的表格堆砌了大量資料,到底有多少業務人員仔細看每一個資料?到底這些資料代表了什麼信息、什麼趨勢?級別越高的領導,越需要簡明的信息。如果我是董事長,我可能只需要一句話:目前我們的情況是好、中還是差?
2. 難以交互分析、了解各種組合
定製好的報表過於死板。例如,我們可以在一張表中列出不同地區、不同產品的銷量,另一張表中列出不同地區、不同年齡段顧客的銷量。但是,這兩張表無法回答諸如「華北地區中青年顧客購買數碼相機類型產品的情況」等問題。業務問題經常需要多個角度的交互分析。
3. 難以挖掘出潛在的規則
報表系統列出的往往是表面上的資料信息,但是海量資料深處潛在含有哪些規則呢?什麼客戶對我們價值最大,產品之間相互關聯的程度如何?越是深層的規則,對於決策支持的價值越大,但是,也越難挖掘出來。
4. 難以追溯歷史,資料形成孤島
業務系統很多,資料存在於不同地方。太舊的資料(例如一年前的資料)往往被業務系統備份出去,導致宏觀分析、長期歷史分析難度很大。 因此,隨著時代的發展,傳統報表系統已經不能滿足日益增長的業務需求了,企業期待著新的技術。
資料分析和資料挖掘的時代正在來臨。值得注意的是,資料分析和資料挖掘系統的目的是帶給我們更多的決策支持價值,並不是取代資料報表。報表系統依然有其不可取代的優勢,並且將會長期與資料分析、挖掘系統一起並存下去。

資料挖掘看穿你的需求
廣義上說,任何從資料庫中挖掘信息的過程都叫做資料挖掘。從這點看來,資料挖掘就是BI。但從技術術語上說,資料挖掘(Data Mining)特指的是:源資料經過清洗和轉換等成為適合於挖掘的資料集。資料挖掘在這種具有固定形式的資料集上完成知識的提煉,最後以合適的知識模式用於進一步分析決策工作。從這種狹義的觀點上,我們可以定義:資料挖掘是從特定形式的資料集中提煉知識的過程
。資料挖掘往往針對特定的資料、特定的問題,選擇一種或者多種挖掘演算法,找到資料下面隱藏的規律,這些規律往往被用來預測、支持決策。
關聯銷售案例:
美國的超市有這樣的系統:當你採購了一車商品結賬時,售貨員小姐掃描完了你的產品後,計算機上會顯示出一些信息,然後售貨員會友好地問你:我們有一種一次性紙杯正在促銷,位於F6貨架上,您要購買嗎?
這句話決不是一般的促銷。因為計算機系統早就算好了,如果你的購物車中有餐巾紙、大瓶可樂和沙拉,則86%的可能性你要買一次性紙杯。結果是,你說,啊,謝謝你,我剛才一直沒找到紙杯。 這不是什麼神奇的科學算命,而是利用資料挖掘中的關聯規則演算法實現的系統。
每天,新的銷售資料會進入挖掘模型,與過去N天的歷史資料一起,被挖掘模型處理,得到當前最有價值的關聯規則。同樣的演算法,分析網上書店的銷售業績,計算機可以發現產品之間的關聯以及關聯的強弱。
資料報表、資料分析、資料挖掘是BI的三個層面。我們相信未來幾年的趨勢是:越來越多的企業在資料報表的基礎上,會進入資料分析與資料挖掘的領域。商業智能所帶來的決策支持功能,會給我們帶來越來越明顯的效益。

4500+企業選擇FineReport報表與 BI 商業智慧工具【免費下載】
opensource開發,類excel設計,全方位異質資料庫整合,資料填報、Flash列印、權限控制、行动應用、客制化、交互分析、報表協同作業管理系統。
來源:未知