大数据分析即服务增强商业智能

商业智能的大数据分析即服务

1 引言

大数据和数据分析已成为重要的研究前沿之一 [1]。大数据及其新兴技术，包括大数据分析，不仅正在深刻改变电子商务和电子服务的运营方式，还为传统数据分析和商业分析带来了新的重大机遇，惠及学术界和企业 [2]。大数据分析是一项新兴的大数据技术，现已成为主流市场技术，广泛应用于各行各业、组织机构、地理区域以及个人中，以支持商业领域的数据驱动决策和个人享乐主义需求 [3, 4]。

商业智能（BI）在过去二十年中在学术界、电子商务和商业领域受到了广泛关注[5]。BI不仅已成为提升企业业务绩效的重要技术，也成为推动电子商务和电子服务发展的动力[15]。然而，由于大数据和大数据技术的迅猛发展，商业智能正面临新的挑战和机遇[6, 7]；即如何利用大数据分析来增强商业智能，已成为商业、电子商务、电子服务和信息系统领域的一个重要课题。

大数据分析与商业智能是首席信息官（CIO）的首要任务，构成了一个 122亿美元的市场[8]。根据高德纳的一项研究，2013年全球商业智能和分析软件（包括商业智能平台、分析应用和高级分析）总额达到144亿美元，比2012 年的收入增长了8%[9]。这一事实引发了前所未有的对大数据分析的关注和采用。根据对850名首席执行官及其他全球组织高管的年度调查结果，麦肯锡[2]得出结论：45%的高管将“大数据和高级分析”列为未来三年战略和支出中的前三项战略优先事项，超过三分之一的高管目前或在未来三年内将在该领域进行投入。国际数据公司（IDC）预测，商业分析软件市场将从2012年到2017[4]的未来五年内以9.7%的复合年增长率增长。

上述简要讨论和文献综述表明，大数据分析与商业智能之间存在密切关系。然而，以下两个重要问题在学术同行评审文献中尚未受到足够关注：
- 大数据分析与商业智能之间的关系是什么？
- 大数据分析如何增强商业智能？

本文将通过扩展我们早期关于分析服务导向架构的研究来解决这两个问题 [2]。为了解决第一个问题，我们在第2节中通过回顾我们在数据分析和大数据分析方面的早期工作，提出了一个大数据分析本体。为了解决第二个问题，我们在第3节中通过考察大数据分析与商业智能之间的关系，探讨大数据分析作为支持商业智能的技术。然后，我们提出了一种大数据分析服务导向架构（BASOA），并在其中探讨如何应用大数据分析即服务来增强商业智能，同时表明根据我们对数据分析的调查结果，所提出的BASOA在开发商业智能方面是可行的。

本文其余部分的结构如下。第2节通过提出大数据分析本体，并讨论大数据分析与数据分析之间的关系，探讨了大数据分析的基本原理。第3节讨论商业智能及其与大数据分析的关系。第4节介绍了大数据分析服务导向架构。第5节将所提出的大数据分析服务导向架构应用于商业智能。最后几节讨论了相关工作，并以结论和未来工作结束本文。

2 大数据分析基础

本节提出了一种大数据分析本体，并探讨了大数据分析与数据分析之间的相互关系。首先，本节将考察大数据分析的基本原理。

大数据分析是一种用于大数据[2]的数据分析和网络分析的集成形式。根据 [7, 10], ，大数据分析可以被定义为收集、组织和分析大数据以发现其中的模式、知识、情报及其他信息的过程。同样，大数据分析也可以被定义为用于从大数据中分析并获取知识和情报的技术。

大数据 [7]。大数据分析是一门新兴的科学与技术，涉及多学科前沿的信息与通信技术（ICT）、数学、运筹学（OR）、机器学习（ML）和决策科学，用于处理大数据 [1, 2]。大数据分析的主要组成部分包括大数据描述性分析、大数据预测性分析和大数据规范性分析 [11]。

• 大数据描述性分析 是对大数据的描述性分析[12], ，用于发现和解释现有大数据中实体的特征以及实体之间的关系[13, p. 611]。它解决的问题包括发生了什么、何时发生，以及正在发生什么。例如，针对按点击付费或电子邮件营销数据的网络分析属于大数据描述性分析[14]。
• 大数据预测性分析 是对大数据的预测性分析，侧重于通过解决将会发生什么、可能发生什么以及为什么会发生等问题来进行趋势预测[12, 15]。大数据预测性分析用于基于现有大数据创建模型，以预测未来的事件或结果[13,p. 611]。例如，大数据预测性分析可用于预测恐怖分子的下一个攻击目标。
• 大数据规范性分析 是针对大数据的规范性分析，用于解决我们应该做什么、为什么应该做，以及在不确定性条件下如何实现最佳结果等问题[11, p. 5]。例如，大数据规范性分析可用于为电子商务公司提供最优营销策略。

本体是对特定论述领域中实际或根本存在的若干概念及其相互关系的正式命名和定义[16]。因此，大数据分析本体是对大数据分析领域中根本存在的若干概念及其相互关系的研究。基于上述讨论，我们提出了如图1所示的大数据分析本体。在此本体中，大数据分析位于顶层，而大数据和数据分析位于底层。大数据描述性分析、大数据预测性分析和大数据规范性分析位于中间层，构成任何大数据分析的核心部分。

需要注意的是，上述提出的大数据分析本体仍然较为简单。我们将通过在第二层和第三层之间添加另一层来扩展它。

在图1中，数据分析指的是一种利用数据、信息和知识来学习、描述和预测某种事物的方法或技术 [15,第 341]页。简而言之，数据分析可被视为一种数据驱动的知识、智能和通信发现过程 [12]。更广泛地说，数据分析是一门关于检查、总结和从数据中得出结论以学习、描述和预测某种事物的科学与技术 [2]。

大数据分析的基础包括数学、统计学、工程学、人机界面、计算机科学和信息技术[1, 2]。大数据分析所采用的技术涵盖广泛的数学、统计学和建模技术 [13, p.590]。大数据分析始终涉及历史或当前数据以及可视化[17]。这就要求大数据分析利用数据挖掘（DM）从数据仓库（DW）或大数据集中发现知识，以支持决策，特别是在大型商业与管理领域[15,p.344]。数据挖掘（DM）借助高级统计工具，分析通过数据仓库（DW）及其他来源获得的大数据，识别可能的关系、模式和异常，并发掘可用于理性决策的信息或知识[13, p. 590]。数据仓库（DW）从操作数据库以及外部开放来源提取或获取数据，形成包含历史或当前数据的更全面的数据池[13, p.590]。大数据分析还使用统计建模（SM）来获取有助于决策的知识[2]。作为大数据分析重要组成部分的可视化技术，能够以图表、表格或多媒體形式呈现用于决策的知识模式和信息。总之，大数据分析可通过分析当前问题和未来趋势，构建预测模型以预测未来威胁与机遇，并基于相关的历史或当前数据对业务流程进行分析与优化，从而借助上述技术促进商业决策和实现业务目标，提升组织绩效[12]。因此，大数据分析可表示如下。

(1)

其中 + 可以解释为“与”。这种表示揭示了大数据、数据分析和大数据分析之间的基本关系，即大数据分析建立在大数据和数据分析的基础之上，如图1所示。它还表明，计算机科学和信息技术通过提供数据挖掘（DM）、数据仓库（DW）、机器学习（ML）和可视化等复杂的技术和工具，在大数据分析的发展中起着主导作用 [2]。统计学（SM）和优化在大数据分析的发展中仍然起着基础性作用，特别是在大数据规范性分析中 [11]。

需要注意的是，上述方程是对大数据分析技术组件的简明表示，而本节提出的大数据分析本体则是从相对较高的层次来探讨大数据分析的构成。我们将考虑大数据描述性、预测性和规范性分析将分析作为一个维度，大数据分析的技术组件作为另一个维度，然后我们将提供这一二维分析作为未来研究工作。

3 商业智能与大数据分析

本节将探讨商业智能（BI）及其与大数据分析的关系。

在过去二十年中，商业智能（BI）在学术界和商业领域受到越来越多的关注，尽管该术语早在1958年就由一位IBM科学家[18]提出。关于BI有许多不同的定义。例如，

• BI被定义为通过利用各种数据来源以及结构化和非结构化信息，向决策者提供有价值的信息和知识[19]。
• BI指的是支持运营控制中的管理决策者的一系列信息系统（IS）和技术，通过提供有关内部和外部运营的信息来实现[15]。
• BI是一个由一组概念、理论和方法组成的框架，旨在通过基于事实的支撑系统来改进商业决策[5]。

BI的第一个定义强调为决策者提供信息和知识。第二个定义强调“一系列信息系统和技术”，同时将决策者明确为“运营控制中的管理决策者”，并将信息具体化为“有关内部和外部运营的信息”。最后一个定义强调“一套用于改进商业决策的概念、理论和方法”。基于上述分析，BI可以被定义为一组支持商业决策的理论、方法、架构、系统和技术，以提供有价值的数据、信息和知识。这一定义反映了BI及其技术从决策支持系统（DSS）演变而来的历程，以及其与数据仓库、主管信息系统的关系[8]。

商业智能（BI）的主要工具包括用于数据库查询和报告的软件（例如 SAP ERP、Oracle ERP 等）、多维数据分析工具（例如 联机分析处理（OLAP））以及数据挖掘（例如 预测分析、文本挖掘、网络挖掘）[20]。数据仓储也被视为商业智能的基础[5]。

根据前一小节的讨论，大数据分析可被视为商业智能（BI）[5],的一部分，因为它“通过有价值的数据、信息和知识支持商业决策”[2]。商业智能与大数据分析均普遍强调有价值的数据、信息或知识。商业智能包含用于数据探索与发现的交互式可视化，例如Tableau、QlikView和TIBCO Spotfire就是用于数据探索与发现的交互式可视化工具[21]。这些商业智能工具也被视为大数据分析（BA）的工具。这表明，商业智能与大数据分析在支持商业决策方面具有一些共用的工具。

目前，商业智能基于四大前沿技术支柱：云计算、移动技术、大数据和社交技术 [17, 22], ，每个支柱对应一种特殊功能Web服务，即云服务、移动服务、大数据服务和社交网络服务；所有这些构成了现代Web服务[17]。这些服务均得到了分析服务和技术的支持[2]。如图2所示，它们也有效地由作为服务和技术的大数据分析提供支持。

需要注意的是，对于最先进的Web服务，孙和耶伍德 [17]指出，Web服务主要由移动服务、分析服务、云服务、社交网络服务以及作为Web服务的服务构成。实际上，每一项都涉及复杂的信息与通信技术。随后，在[2]中，技术被添加到移动服务、分析服务、云服务和社交网络服务中。本文强调以作为服务和技术的大数据分析为核心，以支持云计算服务和技术、社交网络服务和技术、移动服务和技术、电子服务和技术，从而体现大数据与分析作为一种新兴的服务和技术。读者可以很容易地找到实际例子来反映这一趋势。由于篇幅限制，我们不再进一步探讨。

根据国际数据公司对信息技术市场的预测，在2014[22], ，大数据支出将激增30%，达到$14+十亿美元，其中大数据分析服务将经历爆炸性增长。大数据分析服务的支出将超过45亿美元，增长21%。大数据分析服务提供商的数量将在三年内增至三倍。这意味着作为服务和技术的大数据分析已成为重要的新兴市场，与云服务、移动服务和社交网络服务[2]共同构成电子商务和电子服务最重要的市场[17]。

此外，商业智能（BI）是一种更广泛的概念，旨在提升业务绩效和商业决策。从技术和数据角度来看，大数据分析是开发商业智能的关键组成部分。从技术角度看，大数据分析是一种数据驱动且以业务为导向的技术，有助于商业决策，从而提升商业智能 [2]。从数据角度看，大数据分析依赖于数据分析和大数据，而数据分析和大数据已成为每个组织的战略性自然资源，特别是对跨国组织以及电子商务和电子服务而言。从数据库、数据仓库和数据中发现秘密数据集市和网络已成为业务运营、市场营销和商业智能的核心议题。这正是大数据分析的任务。

4 大数据分析服务导向架构：面向服务架构的大数据分析服务

本节提出了一种大数据分析服务导向架构（BASOA），并随后探讨了BASOA中的各个主要参与者。与传统的面向服务的架构不同[23], 所提出的BASOA为大数据分析服务指定了通用服务，如图3所示。在该架构BASOA中，我们使用大数据分析（BA）来代表大数据分析，这意味着大分析（BA）可以简要地表示大数据分析。这是合理的，因为我们有大数据和大分析，它们分别源自数据和分析。

在此大数据分析服务导向架构中，大数据分析服务提供商、大数据分析服务请求者和大数据分析服务中介是三个主要参与者。接下来，我们将结合商业智能，详细探讨每一方。

大数据分析服务请求者 包括组织、政府以及各级商业决策者，如首席执行官、首席信息官和首席财务官，以及经理。大数据分析服务请求者还包括商业信息系统和电子商务系统。大数据分析服务请求者需要大数据分析服务，包括信息分析服务、知识分析服务、商业分析服务，并结合可视化技术，以图表、表格或报告的形式提供用于决策的知识模式和信息[24]。更广泛地说，大数据分析服务请求者包括那些希望基于大数据分析服务提供商所提供的分析报告来进行决策或获取信息的人员[2]。因此，使用智能手机接收分析服务的人员也是大数据分析服务请求者[12]。

大数据分析服务代理 是指所有促进大数据分析服务发展的实体，包括大众媒体、传统媒体和社交媒体、咨询公司、学者以及大学生等[2]。所有这些实体都采用各种方法和技术，以增进对大数据分析服务的全面理解，特别是对数据分析、商业分析、网络分析及其相关服务的理解[2]；近年来，这些内容已在一定程度上作为课程材料或内容提供给大学生，涵盖商业和计算领域。麦肯锡咨询公司（http://www.mckinsey.com/），波士顿咨询集团（BCG）和国际数据公司（IDC）作为大数据分析服务中介，在推动企业和企业中的大数据分析方面发挥了重要作用，就像它们推广“大数据”一样。高德纳和弗雷斯特研究公司也是世界著名的大数据分析服务中介 [12]。

大数据分析服务提供商 包括分析开发人员、分析供应商、分析系统或软件以及其他可提供分析服务的中介机构。近年来，网络分析服务（WAS）提供商是重要的大数据分析服务提供商。例如，WAS提供商Adobe营销云（http:// www.adobe.com/au/solutions/digital-marketing.html），会聚合并分析有关访问客户网站的用户在线行为的博客数据，然后评估客户希望了解的关于其客户在线行为的各种分析报告。这可以促进其战略商业决策 [25]。应用服务提供商（ASP）也可以通过托管ASP模式提供网络分析，实现更快的实施和更低的管理成本 [25]。分析开发人员提供具有强大数据提取、分析和报告功能的分析工具，例如Piwik、CrawlTrack [26]。谷歌不仅是搜索引擎提供商，也是一家WAS供应商，因为谷歌提供了谷歌分析（http://www.google.com/analytics/），这是一种具备良好跟踪工具的大数据分析服务。事实上，大多数托管网站（如百度）也提供类似的大数据分析服务。手机公司可以为使用智能手机的客户提供大数据分析服务 [12]。例如，移动应用分析（http:// www.google.com/analytics/mobile/），作为谷歌分析的一部分，也是一个移动大数据分析服务提供商，帮助智能手机用户通过流量来源报告发现新的相关用户。移动应用分析起到整合作用，并通过事件跟踪和流程可视化参与其中，设定并追踪用户最关心的目标转化：购买、点击或在应用内的停留时间。更普遍地说，许多信息系统都包含一个分析应用作为系统组件，以生成表格、图表或报告。所有这类信息系统均可被视为大数据分析服务提供商。Web上的大数据分析服务提供商包括亚马逊、谷歌和微软 [2]。

5 将大数据分析服务导向架构应用于商业智能

本节详细探讨了如何应用所提出的大数据分析服务导向架构（BASOA）来增强商业智能（BI）。

分析即服务（AaaS）是一个相对较新的概念，已作为网络分析行业快速增长的业务领域出现，为企业级客户提供高效的网络日志分析服务[17]。如上文所述的BASOA，数据分析即服务（BAaaS）意味着个人、组织或信息系统可以在任何位置使用各种分析工具或应用程序[12]。BAaaS能够将通用分析平台转变为为企业提供可视化分析服务的共享资源[12]。分析服务可通过网络或智能手机提供使用。因此，大数据分析服务包括电子分析服务或网络分析服务（WAS）[2]。近年来，BAaaS在商业、电子商务、电子服务和管理领域迅速普及。例如，许多著名的网络公司已采用BAaaS模式，如亚马逊、微软和eBay [12]。其背后的主要原因是，传统的中心辐射型架构无法满足日益复杂的商业分析所驱动的需求[12]。数据分析即服务有望为决策者提供可视化所需的大数据。云分析是大数据分析的一种新兴替代解决方案[2]。

如前所定义，商业智能（BI）是“一套支持商业决策的理论、方法、架构、系统和技术，以提供有价值的数据、信息和知识”。大数据分析服务导向架构（BASOA）是一种利用大数据分析服务来支持商业决策的架构。BASOA中关于大数据分析提供商、经纪商和请求者的理论，有助于促进对商业智能及商业决策的理解与发展。例如，通过对BASOA的深入分析，企业及其首席执行官（CEO）可以了解哪些是最优秀的大数据分析提供商和经纪商，从而提升企业的业务表现、市场竞争力。

我们在蒙特利尔举行的新闻与大众传播教育协会（AEJMC）期间，于2014年8月6-9日对71名信息技术经理进行了调查，以收集有关大数据分析服务导向架构（BASOA）概念在企业层面可接受性的数据。这些结果表明，BASOA概念获得了一些初步支持，即服务经纪商与服务请求者和服务提供者协作的方式类似于美国私人抵押贷款和贷款的运作方式。基于该BASOA模型在企业中的初步可接受性，我们建议进一步开展研究，以探讨其可能的应用方式。

6 相关工作与讨论

我们已经提到了一些关于数据分析、大数据分析和商业智能的学术研究。接下来，我们将重点关注大数据分析本体的相关工作与讨论，以及SAP的工作和将大数据分析整合到商业智能中的研究。

为什么大数据分析对现代商业组织确实重要？对于这个问题，不同研究者有不同的回答。例如，戴维斯认为当前的大数据分析体现了现代计算发展的前沿水平[27], ，这一点已在第2节中体现。甘多米和哈德[7]讨论了大数据分析如何通过将大数据分析分解为文本分析、音频分析、视频分析、社交媒体分析和预测分析，吸引了商业和政府领导者的关注。这意味着数据已被划分为文本数据、音频数据、视频数据和社交媒体数据在[7]。

大数据分析与商业智能在计算、商业和电子商务领域引起了越来越多的关注。例如，林等人[5]通过关注其研究方向来探讨商业智能与分析。他们将商业智能与分析（BIA）视为取代传统商业智能的当前形态，而我们认为商业智能与大数据分析仍是两个不同的概念，尽管它们关系密切且存在共同点。范等人 [6]通过识别营销组合中各要素——人员、产品、渠道——对应的大数据来源、方法和应用，提出了一个用于大数据管理的营销组合框架。价格和促销。然而，他们的研究中本应提及市场情报与商业智能在大数据分析方面的关系 [6]。本体在计算机科学和人工智能中一直具有重要意义[16]。在谷歌学术上进行基本搜索（即文章标题和关键词）发现，题为“大数据分析本体”的出版物很少。随后我们对此进行了探索，并通过更新我们在数据分析、商业分析和大数据分析方面的早期工作，将其作为本研究的一部分[2]。我们利用所提出的本体探讨了大数据分析、大数据描述性分析、大数据预测性分析以及大数据规范性分析之间的相互关系。本文报告的大数据分析本体及大数据分析方程的研究结果，是在我们早期工作的基础上，通过在方程中加入优化和机器学习而形成的扩展与发展[2] 。这仅仅是构建一个相对全面的大数据分析本体的开端。在此方向上，我们将以范等人[6]的方法为基础，把大数据、方法和应用三个层次纳入考虑，调查更多经过学术评审的文献作为未来工作，以进一步发展大数据分析本体。此类研究将成为大数据分析与商业智能研究与开发的重要指导。

SAP作为领先的ERP [28], 供应商之一，已推出了其企业面向服务的架构 [20, p.383]。SAP的架构将通用服务定义为企业服务，而我们的BASOA模型则将通用服务定义为大数据分析服务。大数据分析服务应成为最先进的电子商务服务[17], 的一部分，因此所提出的BASOA可被视为SAP企业面向服务的架构的一个具体应用。然而，SAP的企业系统主要关注财务、物流、采购和人力资源管理等核心应用，这是作为ERP系统的定位。我们认为，我们的BASOA将被整合到下一代企业系统中，实现SCM、CRM和KM系统以及电子商务系统的集成。这也是我们提出BASOA的动机所在。

7 结论

本文提出了一种大数据分析本体，并探讨了大数据分析与商业智能之间的关系。本文还提出了一种大数据分析服务导向架构（BASOA），并讨论了如何利用BASOA来增强商业智能。对所收集数据的初步分析表明，所提出的BASOA在促进商业智能发展方面是可行的。本文提出的方法可能有助于大数据分析、商业分析、商业智能、电子商务和电子服务的研究与开发。

在未来工作中，除了前几节中提到的内容外，我们将大力分析前述收集的数据，并探讨企业与电子商务对用于商业智能的BASOA的可接受性。我们还将探索大数据分析及其在电子商务和云服务中的应用，并利用智能代理技术实现BASOA [29], ，同时研究一些与实施相关的问题，例如如何收集、存储和处理大数据——由谁进行、目的为何、访问权限如何，以及其他诸多问题。