6、商业智能全面解析：从基础到敏捷方法

商业智能全面解析：从基础到敏捷方法

1. 商业智能基础与数据挖掘

在商业智能（BI）领域，发现数据模式、关注异常值、空结果和数据离散度至关重要，因为它们能为模型的有效性提供反馈。若想获得尽可能准确的结果，在定义数据挖掘模型时需尽可能详尽，纳入更多变量以构建能预测未来结果的商业模型。

基本的预测计算基于两个主要成分：过往结果和趋势。之后要分析它们在不同维度下的变化情况。通常可从时间维度入手，查看是否存在季节性行为、月内或多年周期。还可探究产品是否因生命周期、宣传投资与净收入的关联等因素产生影响。

2. 商业智能未来趋势

未来十年，BI 方法和选项的发展难以预测。当前，主要焦点是开发大数据解决方案，以处理电子设备产生的海量信息。这需要使 BI 工具具备足够强大的分析能力，并改变传统数据仓库的理念，在不严格遵循数据仓库规则的情况下管理这些信息。

3. 商业智能工具能力

BI 工具的能力因工具而异，主要能力包括：
1. 钻取（Drilling） ：在 BI 环境中，钻取是指在模型数据中导航，以获取单个行的详细信息。当发现异常数据量时，通过钻取产品层次结构、时间、国家或地区等维度，可找出差异原因。例如，在分析员工销售报告时，可通过钻取定位销售异常员工的原因。在 Excel 工作表的数据透视表中，可从特定项目进行钻取，分析该项目的具体任务。
2. 透视（Pivoting） ：透视数据是指将概念在行列之间转换，或将某些概念移至过滤空间、生成不同信息页面等，以友好格式组织数据。例如，将时间概念置于列中更便于理解趋势分析报告；结合钻取发