智能数据分析在企业中的应用研究 毕业论文.docxVIP

智能数据分析在企业中的应用研究随着各种信息化建设的不断发展，海量数据的处理以及如何实现从数据到信息、从信息到知识、从知识到利润的转化，成为当前企业面临的巨大的课题，因此智能数据分析系统正应运而生。本论文主要就智能数据分析的内涵、产生必然性、相关应用等进行阐述，并且着重分析了在现阶段智能数据分析在我国的现状，同时提出了符合我国国情的建议。关键词 智能数据分析 企业应用 大数据 企业分析决策目录1 引言41.1 本文研究背景41.2 智能数据分析发展历程51.3 智能数据分析意义及产生的必然性62 智能数据分析的概述72.1 智能数据分析的含义72.2 智能数据分析的主要技术82.2.1 数据仓库82.2.2 联机分析处理(OLAP)82.2.3 数据挖掘(DM)82.2.4 数据可视化技术92.3 智能数据分析适用行业分析92.4 智能数据分析（BI）与CRM和ERP的联系103 智能数据分析在企业职能中的应用103.1 供应流程分析113.2 经营分析113.3 决策支持123.4 绩效管理124 我国智能数据分析现状及存在的问题134.1 我国智能数据分析现状134.1.1 我国智能数据分析总体状况134.1.2 我国制造业中智能数据分析应用现状134.2 我国智能数据分析存在的问题及原因分析144.2.1 BI市场混乱，建立良好销售渠道较难144.2.2 产品实施与服务的问题154.2.3 缺乏BI规范154.2.4 采用BI分析系统的积极性较低154.2.5 缺乏专业BI人才155 完善国内智能数据分析的建议165.1 规范国内BI市场，建立国家BI标准165.2 发展BI的支撑产业165.3 对BI进行规范化整合165.4 扶持国内BI厂商，建立BI人才培养机制17结 论17致 谢18参 考 文 献191 引言1.1 本文研究背景随着信息化时代的来临，经济全球化的发展，企业数据正在以惊人的速度增长，这虽然告别了以往缺乏事实数据的尴尬，但是如何更好的利用这些数据成为了新时代摆在各个企业眼前的难题。面对浩如烟海的数据，企业更渴望从庞杂的数据中得到适度的、有效的信息，并可以将其转化为知识，从而获得有效快捷的决策。然而，传统的分析工具早已满足不了众多企业的要求，其显现出来的问题日渐增多：整合能力有限，时效性和流动性差，对问题的解答不彻底。正是针对这样的需求，智能数据分析随之产生。它使信息化从管理深化到决策，让企业管理者和决策者以一种更清晰的角度看待业务数据，提高企业运转效率、增加利润并建立良好的客户关系，并使企业以最短的时间发现商业机会、捕捉商业机遇。目前，智能数据分析越来越受到全世界政府、企业的青睐，而我国的智能数据分析的发展起步较晚，地区之间发展较不平衡，因此智能数据分析的应用仍然存在着诸多不完善。本论文结合了我国智能数据分析应用及国内外智能数据分析发展现状，主要论述了智能数据分析的发展历程、含义、主要技术等，分析了我国智能数据分析存在的问题，从而提出适合我国国情的智能数据分析的完善建议。1.2 智能数据分析发展历程智能数据分析起源于赫伯特·西蒙对决策支持系统的研究。在半个多世纪的漫长过程中，决策支持系统曾经一度因为缺乏有效的数据组织方式而徘徊不前。直到上世纪90年代，若干新技术的出现，打破瓶颈，“智能数据分析”才浮出水面。随后，其取得了前所未有的发展，并在本世纪第一个十年蓬勃成长。回顾这些新技术的出现，可以清楚的看到智能数据分析的产业链条不断向前延伸的轨迹。1970年，IBM的研究员埃德加·科德发明了关系型数据库，使大型信息系统的应用遍地开花。但这些信息系统，都是针对特定的业务过程、处理离散事务的“运营式”信息系统。数据在其中仅仅限于查询，而不是分析。管理大师彼得·德鲁克曾发出感叹：迄今为止，我们的信息技术产生还仅仅是数据，而不是信息、更不是知识！如何实现从数据到信息、从信息到知识、从知识到利润的转化？这个要求，在西方发达国家先后进入了后工业社会之后，变得更加迫切。1988年，IBM公司的研究员Barry Devlin和Paul Murphy创造性的提出了一个新的术语：数据仓库。它可以形象的理解为一种语义格式一致的多源数据存储中心，并且数据源可以是来自多种不同平台的系统。数据仓库是智能数据分析的依托，是对海量数据进行分析的核心物理构架。智能数据分析的下一个产业链：联机分析，如水到渠成般迅速形成，其将分立的数据库“相联”，通过建立一个复杂的、中介性的“数据综合引擎”，把分布在不同系统的数据库联结起来，实现了多维分析。并且因为有了数据仓库，多维分析的实现已经不再需要不同数据库之间的人为“联机”。随着数据仓库、联机分析技术的发展和成熟，智能数据分析的框架