月白树下载9、商务智能应用趋势：①更成熟的数据分析和展现技术；②从战略型的BI到操作型或者实时型的BI；③关注绩效、关注价值、关注数据质量。

　　3、商务智能概念：商务智能是整合了先进信息技术与创新管理理念的结合体，集成了企业内外的数据，进行加工并从中提取能够创造商业价值的信息，面向企业战略并服务于管理层、业务层，指导企业经营决策，提升企业竞争力，涉及企业战略、管理思想、业务整合和技术体系等层面，促进信息到知识再到利润的转变，从而实现更好的绩效。

　　3、商务智能系统的组成：①数据源与数据提取；②数据仓库；③访问工具；④决策支持工具；⑤商务智能应用；⑥系统管理；⑦元数据管理。

　　4、数据集成：数据集成是在逻辑上或物理上把不相同来源、格式、特点的数据有机地整合，从而为企业提供全面的数据共享。

　　目的：运用一定的技术手段把分布在异构系统中的数据按一定的规则组织成一个整体，使用户能有效地对其进行共享、分析，因此数据集成是构建数据仓库的基础。

　　数据和信息关系：信息是经过某种加工处理后的数据，是反映客观事物规律的一些数据。数据是信息的载体,信息是对数据的解释。

　　2、决策离不开信息、知识：①决策需要信息，更离不开知识；知识更多地表现为经验--学习的结晶；学习的过程是不断地对信息加工处理；信息的收集、加工、传输与利用贯穿着决策各阶段的工作过程。②信息已成为企业经营中重要性仅次于人才的第二大要素。③决策=信息经验冒险④商务智能是对企业信息的科学管理。

　　4、商务智能的特点：①先进信息技术：商务智能是多项技术的综合应用；②集成了企业内外的数据，进行加工并从中提取能够创造商业价值的信息：商务智能的层次；③企业战略：商务智能服务于企业战略；④管理层、业务层：商务智能用户多样性；⑤更好的绩效：商务智能提升企业绩效。

　　5、商务智能的价值：①制定合适的市场营销策略；②改善顾客智能；③经营成本与收入分析；④提高风险管理能力；⑤改善业务洞察力；⑥提高市场响应能力。

　　10、中国商务智能应用存在的问题：①起步较晚：国内管理者想要利用商务智能解决缺乏有效信息支持决策的管理模式和操作准则越来越体现出缺乏理性的缺点。因此国内企业管理者试图通过商务智能解决上述问题，但这种需求比国外发达国家滞后了。②差距拉大：目前国内各行业商务智能的发展水平仍是参差不齐，商务智能在行业内也存在差距，不同规模的企业应用商务智能的差距也在拉大。③普及有待时日：技术、观念和管理水平的相对落后，商务智能的普及还需要较长时间④供应商有待成长

　　7、主数据管理与ODS的关系：实时性要求具有共性，但主数据管理系统不储存ODS系统的交易数据。

　　6、商务智能系统的功能：①数据集成：数据是决策分析的基础；②信息呈现：商务智能的初步功能；③经营分析：运营指标、运营业绩和财务分析；④战略决策支持：合理的投资组合。

　　7、商务智能应用领域：①银行：美国银行家协会(ABA)预测数据仓库和数据挖掘技术在美国商业银行的应用增长率是14.9％。分析客户使用分销渠道的情况和分销渠道的容量；建立利润评测模型；客户关系优化；风险控制等②电子商务：网上商品推荐；个性化网页；自适应网站…③生物制药、基因研究：DNA序列查询和匹配；识别基因序列的共发生性…④电信：欺诈甄别；客户流失…Fra Baidu bibliotek保险、零售……⑥政府部门、教育机构、医疗机构和公用事业等。利用商务智能的企业现在已越来越多，遍及各行各业。

　　11、商务智能发展的特点：①实时；②标准化；③嵌入式商务智能；④移动商务智能；⑤大众化趋势；⑥供应商的动向；⑦易用性。

　　1、体系结构(Architecture)：体系结构是指一整套的规则和结构,为一个系统或产品的整体设计提供主框架。

　　2、商务智能的体系结构：一个商务智能的体系结构是通过识别和理解数据在系统中的流动过程和数据在企业中的应用过程来提供商业智能系统应用的主框架。

　　5、数据集成的常用方法：①数据联邦；②基于中间件模型；③数据仓库；④主数据管理

　　6、主数据管理与数据仓库的关系：①联系：二者相辅相成，都是减少数据冗余和不一致性的跨部门集中式系统，都依赖ETL、元数据管理等技术保证数据质量。数据仓库系统的分析结果可以输入到主数据管理系统中。②区别：主数据管理是为呼叫中心、电子商务和CRM等业务系统提供联机服务，数据仓库面向分析型的应用；主数据管理涉及的数据量相对较小，在运行中对主数据的集成实时性要求比数据仓库高。

　　10商务智能在中国的发展：商务智能在中国的发展尚处于起步阶段，大部分企业对商务智能仍然缺乏必要的了解。国、内外商务智能软件企业的实施和应用水平有很大的差距，目前国外有一些企业已进入多维分析和数据挖掘阶段，而国内商务智能的发展只是近几年的事情，商务智能应用的范围和程度都与国外企业有很大差距。绝大多数实施商务智能的企业的应用水平停留在基本的数据整合阶段和简单的统计分析阶段，真正实现深度数据分析的项目很少。