如今社会、企业从不缺数据，但如何利用数据，把数据转化为信息才是重点，使得业务人员、公司领导、决策者能更充分掌握、透过信息去辅助决策，这一系类过程就是商业智能主要解决的问题。今天，大圣众包平台（www.dashengzb.cn）就为大家讲讲商业智能的不同阶段，如何把数据转化为有用的信息。
第一阶段：数据报表
数据报表应该是我们经常做的，每天各种数据，各种表，EXcel、ReportingService已练得炉火纯青，但是我们很多时候无法根据这些数据进行很好判断，作出决策。具体原因主要有几点：
1、数据庞大处理难，信息量少
每个企业、行业都有自己的数据，数据人员整天处理各种表格，但数据有时过于庞大，让业务人员、领导等等无从下手，不知道这些数据背后的意义，或者可以表现出什么。
2、表与表之间交互分析差
一大堆数据，很多数据分析只能从中得出某一方面的因素，但无法把表与表之间相互联系，然后进行分析。举个例子，我们在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答诸如“上海地区25-30岁顾客购买苹果6产品的情况”等问题。
3、难挖掘背后的真相
透过数据得“真知”，我们做报表分析，就是希望能从庞大的数据堆里找出影响因素、趋势等等，知道客户的意图、喜好，分析忠诚用户等等，这些深层的分析，数据报表是无法得出的，也难以从一两张报表中挖掘而来。
4、数据易成孤岛，难以对比分析
一个企业的发展经常受市场环境影响，没有数据就没有对比，没有对比就无法预测市场规律。每个行业都有个市场周期，但企业往往忽视了久远的数据，导致宏观分析对比难度加大，因此容易出现数据孤岛。
第二阶段：数据分析和数据挖掘阶段
数据分析和数据挖掘本身是不同阶段，但在此我们把它们统一来看。随着大数据时代来临，数据分析和挖掘给我们带来更有价值的数据决策支持。我们先看个例子可能易于理解商业智能的数据挖掘阶段：
美国某超市，消费者买了餐巾纸、可乐、果汁等等，当收银员计算完后，计算机上会显示些信息，收银员会温馨提示下：你是否需要纸杯呢？我们有款纸杯正在促销。这个简单温馨提示并不是收银员无意之举，而是计算机系统根据你的清单分析得出，利用数据挖掘中的关联规则算法进行关联推荐。
因此，这个过程就是利用新的销售数据自动进入数据挖掘模型中，与之前的数据对比分析得出的关联推荐。一般而言，数据挖掘（DataMining）指的是：源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作，找到数据下面背后的规律，这些规律我们用来预测、支持决策。
从简单数据报表到数据分析再到数据挖掘，这个过程都是随着发展而递进，每个阶段都为商业智能的发展奠定基础，为商业的决策提供有利的信息决策，但未来，数据挖掘也将越来越普遍。
原文地址：http://www.dashengzb.cn/articles/a-152.html
（更多大数据与商业智能领域干货、兼职机会及行业资源分享等请关注大圣众包平台，或添加大圣花花个人微信号（dashenghuaer)，拉你入bigdata&BI交流群330648564。)
网友评论