商業(yè)智能管理功能：從多個數(shù)據(jù)源獲取數(shù)據(jù)、處理多種格式的數(shù)據(jù)、存儲海量數(shù)據(jù)的能力。為輔助這一功能，一些BI系統(tǒng)具備元數(shù)據(jù)管理模塊，即對描述數(shù)據(jù)的數(shù)據(jù)也進行管理。隨著業(yè)務量級的提升、數(shù)據(jù)口徑的日益復雜，不遠的將來我們也會有提升數(shù)據(jù)管理能力的需要，而元數(shù)據(jù)管理就是最好的解決方案。

   數(shù)據(jù)分析功能：傳統(tǒng)BI系統(tǒng)具備即席查詢、報表生成、數(shù)據(jù)可視化等數(shù)據(jù)分析功能。而大數(shù)據(jù)時代來臨的意義在于，數(shù)據(jù)的鴻溝正在逐步消除，不僅企業(yè)決策人員能更加方便靈活地操作數(shù)據(jù)，普通用戶也有獲取數(shù)據(jù)的需求，企業(yè)滿足用戶這方面的需求，讓用戶分析自己、管理自己，對雙方都會帶來巨大的價值。

   新浪微博的數(shù)據(jù)分析插件、淘寶的數(shù)據(jù)魔方等都是正面的成功范例。不幸的是，仍有一些古董級的企業(yè)逆勢而為，力圖加高數(shù)據(jù)壁壘，讓用戶對自己的消費情況查不清、問不明，這只會加速用戶流失。筆者建議這些企業(yè)盡早轉(zhuǎn)變陳腐的觀念，營造透明開放的數(shù)據(jù)環(huán)境，只有擁抱變革，才不會遭受變革。

   知識發(fā)現(xiàn)功能：將數(shù)據(jù)中隱含的、潛在有用的而人們又感興趣的部分固化下來形成知識的功能。提取的知識通常表現(xiàn)為概念、規(guī)則、規(guī)律、模式等。筆者認為，知識發(fā)現(xiàn)主要解決who、where、what的問題，即客戶是誰、客戶在哪里、客戶想要什么。

   在大數(shù)據(jù)環(huán)境下，人們甚至可以發(fā)現(xiàn)一些難以想象的銷售模式，如沃爾瑪“啤酒與尿布”的經(jīng)典案例。對我們公司來說，這塊能力急需加強。公司領導層多次提到“對圖書和用戶都不了解”，是一個明確的缺乏知識發(fā)現(xiàn)能力的信號。

聯(lián)機分析處理（On-LineAnalytical Processing，OLAP）用于處理聯(lián)機數(shù)據(jù)訪問和分析需求。BI系統(tǒng)需要向決策人員提供高效、直觀的數(shù)據(jù)查詢和展現(xiàn)，更方便地輔助決策人員，于是OLAP概念產(chǎn)生了，它將原始的、難以使用的數(shù)據(jù)轉(zhuǎn)化為能夠被理解的、多維的信息，并對多維信息提供鉆取、切片、切塊等操作，從而滿足用戶在各種維度上的數(shù)據(jù)查詢需求。

   數(shù)據(jù)挖掘（DataMining，DM）指從海量數(shù)據(jù)中通過某種算法找出隱藏信息的技術。通常包含關聯(lián)分析、聚類分析、異常分析等功能。數(shù)據(jù)挖掘的價值在于，它可利用企業(yè)數(shù)據(jù)進行歸納推理，挖掘出潛在的模式，幫助決策人員制定決策和調(diào)整戰(zhàn)略。數(shù)據(jù)挖掘的存在也是BI系統(tǒng)區(qū)別于傳統(tǒng)報表系統(tǒng)的最主要區(qū)別。

   在傳統(tǒng)的技術手段下，BI系統(tǒng)的三大組成部分都可利用關系型數(shù)據(jù)庫（RDBMS）實現(xiàn)，許多關系型數(shù)據(jù)庫的生產(chǎn)商，如Oracle、IBM、微軟，同時也是商業(yè)智能解決方案的提供商，可見兩者結(jié)合之緊密。

   近年來，隨著大數(shù)據(jù)時代的來臨，非關系型數(shù)據(jù)庫（NoSQL）的優(yōu)勢開始凸顯。許多IT企業(yè)，尤其是互聯(lián)網(wǎng)行業(yè)，已經(jīng)邁入了SQL和NoSQL并存的時代，非關系型數(shù)據(jù)庫如HBase用于海量數(shù)據(jù)的清洗和處理，關系型數(shù)據(jù)庫如Oracle用于面向用戶的多維查詢和展現(xiàn)。

使用多種數(shù)據(jù)類型綜合決策。以零售業(yè)為例，傳統(tǒng)的線下銷售模式中，企業(yè)的信息化系統(tǒng)中保存的數(shù)據(jù)通常只有訂單數(shù)據(jù)，企業(yè)也只關心訂單的狀況和由此生成的財務報表。

   顧客的人身特征、詢價過程、物流配送等等信息都被丟棄了。而線上銷售模式中，訂單只是數(shù)據(jù)的一小部分，對企業(yè)更有價值的反而是用戶瀏覽過程、搜索、對比、收藏、詢價、物流、評價這些被傳統(tǒng)行業(yè)遺棄的數(shù)據(jù)，甚至很多電商網(wǎng)站費盡心機爬取用戶的其他網(wǎng)頁訪問、位置、通訊錄等數(shù)據(jù)。

   姑且不論收集這些數(shù)據(jù)是否合法，至少線上銷售能給客戶帶來更精準的推薦和更個性化的體驗，可以說電商已經(jīng)靠著數(shù)據(jù)革了線下銷售的命。

不再探尋因果，而探尋關聯(lián)。傳統(tǒng)行業(yè)喜歡使用因果論來指導經(jīng)營，如“買了籃球——推薦籃球鞋”、“因為淡季——所以促銷”等。類似的方案需要對行業(yè)本身具備了解，但頻繁使用又會使經(jīng)營模式趨于雷同。

   在大數(shù)據(jù)環(huán)境下，我們需要探究的是關聯(lián)而非因果。如沃爾瑪?shù)?ldquo;啤酒和尿布”故事，便是沃爾瑪?shù)臄?shù)據(jù)分析人員找到了兩者的強關聯(lián)而提出的銷售方案。數(shù)據(jù)分析人員無需探究深層次的原因是妻子讓丈夫帶尿布，還是丈夫讓妻子帶啤酒，這根本無關緊要。

   從異常數(shù)據(jù)和臟數(shù)據(jù)中淘金。傳統(tǒng)的數(shù)據(jù)倉庫構(gòu)造過程中，異常數(shù)據(jù)、臟數(shù)據(jù)需要在ETL過程中予以剔除，否則將會造成數(shù)據(jù)入庫失敗等各種問題。然而在大數(shù)據(jù)環(huán)境下，異常數(shù)據(jù)卻可能有其價值。

    筆者在之前的工作中，發(fā)現(xiàn)每天8點和20點均有大量客戶端訪問錯單，這些記錄均被ETL清洗了。進一步研究發(fā)現(xiàn)這些錯單均為調(diào)用同一個接口導致的，再進一步核查業(yè)務代碼，發(fā)現(xiàn)安卓客戶端在設計時為跟蹤沉默客戶端用戶，每天8點和20點兩個時段客戶端會向服務器發(fā)送握手消息，當客戶端保有量增大時，握手消息使服務器不堪重負，最終產(chǎn)生錯單。

   之后的客戶端設計調(diào)整了代碼，將握手機制分散至全天執(zhí)行，減少了服務器負荷，避免根據(jù)錯誤的壓力“峰值”對服務器擴容。又比如，美國一家信用機構(gòu)發(fā)現(xiàn)，有10%的“已死亡”客戶仍在正常償還貸款，保留這些異常數(shù)據(jù)而非做銷戶處理，會給企業(yè)帶來額外的利潤。

  當然，商業(yè)智能的好處遠不止以上幾點，它帶來的既是機遇，也是挑戰(zhàn)。如何將商業(yè)智能與傳統(tǒng)的數(shù)據(jù)分析相結(jié)合，以產(chǎn)生新的功能，是我們迫切需要思考的問題。以上就是小編為大家?guī)淼纳虡I(yè)智能的好處是什么的介紹，希望對您有幫助。