智能物流概论.ppt

商业智能概念的提出 1996年，加特纳集团（Gartner Group）首次提出商业智能概念。它描述了一系列的 概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。 2003年，奥伦-埃齐奥尼(Oren Etzioni)准备乘坐从西雅图到洛杉矶的飞机去参加弟弟的婚礼。他知道飞机票越早预订越便宜，于是他在这个大喜日子来临之前的几个月，就在网上预订了一张去洛杉矶的机票。在飞机上，埃齐奥尼好奇地问邻座的乘客花了多少钱购买机票。当得知虽然那个人的机票比他买得更晚，但是票价却比他便宜得多时，他感到非常气愤。于是，他又询问了另外几个乘客，结果发现大家买的票居然都比他的便宜。对大多数人来说，这种被敲竹杠的感觉也许会随着他们走下飞机而消失。然而，埃齐奥尼是美国最有名的计算机专家之一，从他担任华盛顿大学人工智能项目的负责人开始，他创立了许多在今天看来非常典型的大数据公司 2008年，埃齐奥尼计划将这项技术应用到其他领域，比如宾馆预订、二手车购买等。只要这些领域内的产品差异不大，同时存在大幅度的价格差和大量可运用的数据，就都可以应用这项技术。 到2012年为止，Farecast系统用了将近十万亿条价格记录来帮助预测美国国内航班的票价。Farecast票价预测的准确度已经高达75%，使用Farecast票价预测工具购买机票的旅客，平均每张机票可节省50美元。 商业智能的定义 目前，学术界对商业智能的定义并不统一。 商业智能通常被理解为是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者透过数据表面获得潜在知识，使他们做出对企业更为有利的业务经营决策。 商业智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商业数据和信息，创造和累积商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。 因此，随着企业信息化的不断深化，商业智能逐渐成为企业决策者的重要工具。 数据仓库（Data Warehouse, DW） 它面向主题的、集成的、稳定的、随时间不断变化的数据集合，用以支持经营管理中的决策制定过程。数据仓库能为多维分析和数据挖掘等分析工具提供所需要的、整齐一致的数据。 常用的软件： SQLSever、Oracle、Sybase等。 数据挖掘（Data Mining, DM） 它负责进行数据汇总、概念描述、分类、聚类、相关性分析、偏差分析、演变分析、建模、预测等。 常用的软件：SAS, SPSS等。 信息展示（Display） 它负责通过图形、图表、图像、模拟仿真等易于人们所辨识的方式展现原始数据间的复杂关系、潜在信息及发展趋势，以便决策者能够更好地利用所掌握的信息资源。 常用的软件：微软的ReportingServices, CrystalReport工具，BusinessObjects等；另一类为OLAP展现工具，包括微软的SSAS或者 Excel等。 数据仓库优点 将源数据进行抽取、转换、装载加工和汇总，提高利用数据价值。 经由整理的数据是关于某一主题所特定筛选的数据集合，满足决策的不同目标和要求。 克服了数据库的有限查询、数据易重复、利用率低的缺点。 数据仓库与数据集市 数据仓库 优点：数据量大，信息丰富、全面等。 缺点：查询速度缓慢，针对性不强。 数据集市 针对数据仓库的缺陷而产生的数据存储结构。 它隶属于数据仓库。 为某个部门或某项业务提供对应目的或应用范围的数据。 提高查询效率及准确性。 联机分析处理技术出现的背景 联机事物处理（On Line Transaction Processing, OLTP）在1993年前被普遍使用，以处理日常业务。 联机分析处理技术（On Line Analytical Processing, OLAP）在1993年由数据库之父 E. F. Cold 提出， 满足日益增长的数据处理需求。 我国物联网环境： 优势： 息网络与传输技术基础较好。 劣势： 在感知层即传感器和芯片制造、集成、预处理等方面还很薄弱。 应用层上，海量信息处理的软件技术亟待加强。 商业智能技术完善物联网 商业智能技术通过三大支撑技术，快速、合理、有效地完成数据汇总、“提纯”过程，满足企业希望对数据进一步进行分析的需求，从而帮助进行智能分析管理，完善物联网。 商业智能技术与智能物流技术的结合 商业智能技术中数据仓库的建立需要以数据收集作为基础。 智能物流中感知技术RFID的应用，使这些数据及相关信息的收集更为方便、全面、无漏洞。 商业智能技术中数据间的传输需要应用高端且稳定的信息传递技术以达到信息共享。 智能物流中的通信技术便是利用几大网络，达到快速、稳定、流畅的数据传输，为分析的及时性提供保障