数据挖掘和企业商务智能upload.doc

数据挖掘与现代企业的商务智能 摘要：数据挖掘与商务智能的结合是实现企业自主创新和科学发展的必要手段，企业商务智能系统应成为以数据仓库为基础，以数据分析模型为核心，以辅助商务决策为目标的开放式信息平台。本文首先探讨了现代企业建立商务智能的基本特点，然后剖析了企业建立数据挖掘系统时选择分析模块的技巧，最后给出了数据挖掘系统开发工具的选择建议。 关键词：数据挖掘、 商务智能、企业决策支持 20世纪90年代之后，以信息技术、计算机和网络技术等高新技术发展为标志，商业信息化得到了前所未有的发展。商业企业在信息平台和网络建设上投入了大量财力和物力，从而改善了信息存储、交互和管理的效率。信息化企业为实现差异化竞争能力和可持续发展能力，就必须发挥出信息资源在企业决策上的支持作用，增强企业内部对市场的判断力，提高科学决策和知识学习能力。企业基于信息资源的商业洞察力、数据分析力和科学决策力构成了现代企业商务智能的基本要素。 现代企业都具备持续产出、存储和管理企业运营数据的能力，并积聚了大量的结构各异、维度众多的数据资源。比如：业务管理数据库、财务管理数据库、办公管理数据库、各类文档资料等。在这些数据内部往往蕴含着大量的知识、经验、未被发现的商业规律和完善流程、制定决策所必需的信息依据。数据挖掘技术可以帮助企业实现从“数据拥有者”到“知识发现者”的转变。提供从数据钻取、数据组织、数据分析到知识展现的实用技术方法和全面解决方案。数据挖掘为商务智能提供了行之有效的方法论，商务智能为数据挖掘提供了广阔的应用和发展空间。应该说数据挖掘与商务智能的结合是现代企业实现自主创新和科学发展的必要手段。 本文将探讨数据挖掘与现代企业商务智能的结合，主要关注三个问题，1、建立在数据挖掘理念上的企业商务智能基本特点；2、企业建立数据挖掘智能系统中分析模块的选择技巧；3、数据挖掘智能系统的工具选择。 一、建立在数据挖掘理念上企业商务智能的基本特点 根据1996年Fayyad在KDD会议上对数据挖掘的定义，数据挖掘是一个自动或半自动化的复杂过程，能够从大量数据中发现有效的，有意义的，潜在有用的，理解性强的数据模式。从这个定义出发，我们可以归纳出在商务智能领域运用数据挖掘的几个特点： 数据挖掘的基本目标是发现数据中存在的有价值的模式和规律。而在企业商务智能产生过程中，直接为生成智慧所用的并非运营数据，而是按照一定的流程对数据进行加工、整理和分析后提炼出来的基本概念和特征。这些概念和特征是辅助企业认识问题和形成判断的基本要素，是企业延伸思考和形成可靠决策的依据，也正是数据挖掘的目标所在。而直接为数据挖掘所有的则是包括运营数据在内的各类数据资源。与现有数据库的统计查询功能相比，数据挖掘面临的是更加复杂的商务问题和多样化的信息需求。如：数据挖掘的预测功能将建立起从原始数据到概念层次的信息升值。 数据挖掘的方法是一个逐层递阶不断揭开数据价值的发现过程，这符合人类智慧积累形成的基本规律。从数据到决策，并非一个简单的工具应用过程，它需要经过包括认识问题，数据确认、数据筛选、数据分析、形成概念、概念评价六个阶段。分析大量的数据，离开工具是很难想象的，因此，商务智能的核心必须是能够提供至少包括这六个过程的开发和自动分析工具的开放式平台。然而，仅仅拥有这个平台并不等同于拥有了数据挖掘和商务智能。一方面具有通用性的工具软件要实现数据分析的针对性并不简单。工具软件的默认设置并不适用于所有的数据特点，可能产生的垃圾会大大多于有用的结果。比如，在数据分析中，不同类型的数据需要应用不同的模型，工具显然是不能自动给出数据分析模型的最优选择；数据规模也会影响到方法的选择；大规模数据的拆分方式与工具的表现也是相关的。另外一方面，一个好的分析工具还应该提供检验方法适用性的技术，比如：通过一些图形来判断模型是否被恰当使用，一些自动选择技术用于数据适度拆分比例的建议，一些验证技术辅助对一些参数的选择提供参考。作为企业商务智能平台不仅应具有丰富的数据分析模块，而且要有可以自由设计的开发环境和灵活适用的工具集，特别是掌握数据分析技巧的专业人才，才能实现对数据的合理使用和有效开发。 数据挖掘是各种复杂技术的集结体。一般认为，机器学习，统计技术、数据库技术和商务经验共同构成数据挖掘的重要支撑。这些技术和实际数据的有机结合使敏捷、高效、实用的商务智能应用成为可能。 综上所述，企业商务智能系统应成为以数据仓库为基础，以数据分析模型为核心，以辅助商务决策为目标的开放式信息平台。[1] 二、商务智能系统中数据挖掘分析模块的稳健预测模型选择 如前所述，具有数据分析流程的商务智能是企业建立可持续发展的智能决策系统的核心。数据挖掘的分析按照功能可以分为无监督的分析技术和有监督的分析技术。无监督的分析模型是间接生成概念的技术，是有监督分析