沈阳[1]2009年在《商务智能在电信行业的应用研究》文中研究指明电信行业是国内比较领先的几个拥有大型电子化运营数据的行业之一,而且目前电信市场的激烈竞争也迫使电信运营商选择更深层次的数据分析手段,提高企业的分析能力,通过更加科学的决策活动,提高企业的市场竞争力。提到商务智能的应用,主要包括两个方面的内容,首先是数据仓库的建立,其次是数据分析的应用。在最近十年里,电信业已经逐渐积累了大量成熟的数据库应用系统,如“电信业务综合管理系统”、“本地网管系统”、“财务管理系统”、“10000客服系统”等,通过这些系统产生了大量的业务处理数据。而这些历史数据都分布在不同的硬件,数据库内,要查询一次历史数据时,费时费力,更不用说把不同业务部门的数据关联起来比较分析了,同时,也会遇到如数据类型不匹配,数据定义不同,数据不一致,数据冗余等问题。因此,虽然电信行业积累了大量的业务数据,但是这些数据都是零散的,彼此孤立存放的,所以无法为电信企业的发展提供支持。如果针对电信行业的特点和发展需求,对这些数据进行结构上的重组,按更有利于决策分析的角度去重新整理和组织,就会使电信企业的宝贵资源——数据,变成真正有价值的信息。商务智能在电信行业中能够产生广泛的应用,不仅涉及市场经营方面的内容,也包括财务、人力资源等方面的分析内容。这些应用增强了企业的总体经营水平,增加了企业的科学决策能力。本人近年来一直从事电信行业商务智能项目的应用研究,参与多个省市电信企业的商务智能项目研发及推广工作,主要的应用项目包括如下的一些例子：1、固定电话话费行为分析在固定电话通信市场,固定电话的热装冷用一直是令各电信公司头痛的事。如果能对用户历年来大量的长途电话、本地电话和信息台的详细话单数据和用户的档案资料等相关数据进行关联分析,通过对用户的分类,从消费能力、消费习惯、消费周期等诸多方面对用户的话费行为进行分析和预测,就可以寻找出哪些用户的消费能力比较强,具有发展成为通信大客户的潜力,然后针对性地提供一些优惠资费策略,就可以激发出这些用户通话的热情,有效地解决电话的“热装冷用”问题。还可以通过对通话起止时间及通过时长的分析,得到各类用户的通话时段分布情况及日消费高峰、月消费高峰、长话的消费时间、消费次数及什么地方的用户消费能力比较高,什么地方的用户消费能力偏低等信息。行为分析的目的就是寻找出电话用户消费的特点,并据此提出有关的业务推销策略,满足业务发展的需要。2、优惠策略预测仿真电信市场中经常需要通过一些优惠策略,鼓励用户使用电信业务,增加通话时间等。这些优惠策略既方便了用户的使用,也增加了企业的实际利润额。优惠促销固然可以开拓市场,但如果优惠策略不当,结果可能适得其反。利用商务智能技术实现优惠策略在模型上的仿真,根据优惠策略进行模拟计费和模拟出账,其仿真结果将提示所制定的优惠策略是否合适,并可按情况进行调整、优化,使优惠策略获得最大的成功。3、欠费和动态防欺诈行为分析欠费问题一直是电信企业面临的一个严重问题。催费、停机、拆机这样的举措层出不穷,但对于恶意欠费的用户并不能制止,相反却会使一些偶尔欠费的用户怨声载道。欠费和动态防欺诈行为分析就是在总结各种骗费,欠费行为的内在规律后,在数据仓库的基础上建立一套欺骗行为和欠费行为规则库。另外,欠费和动态防欺诈行为分析不仅仅是被动式的预防分析,还可以主动地进行统计分析。欠费和动态防欺诈行为分析能及时预警各种骗费、欠费,使企业损失尽量减少。同时,通过用户的缴费销账情况、社会类别、占用资源等分析用户的信誉度,对不同信誉度用户给予不同的服务及优惠。防欺诈分析是商务智能在电信领域的主要应用之一,可以为企业节约大量的资金,降低企业经营的风险。4、客户关系管理(CRM)分析在电信行业内,赢得一个新客户比保留一个老客户所付出的代价要高得多,因此,提高服务质量,赢得客户的忠诚对企业的生存发展意义重大。但是,电信的客户群体非常庞大,而且客户对服务的要求也越来越高,做好服务工作不再是漂亮的营业员会微笑就可以完成的事了,必须利用先进的商务智能技术,对用户进行客户关系管理分析,也就是CRM(Customer Relation Manage)。具体内容包括：利用客户资料和一切可能有助于进行客户分析管理的资料进行客户概况分析,客户忠诚度分析,客户利润分析,客户性能分析,客户未来分析,客户产品分析,客户促销分析：通过对这些数据的分析,提供既能留住老客户又能吸引新客户的决策信息。商务智能引入CRM后,能够帮助电信企业发现许多原来无法发现的规律,提高企业对用户的了解程度,在技术层面帮助企业为自己的用户提供更好的服务,从而提高用户的忠诚度。5、经营成本与收入分析作为一个在市场经济中运作的电信企业,无疑以获得最大的经济效益为企业运作的核心目标之一,当然还应兼顾社会效益、客户服务等方面。经营成本与收入分析就是对各种类型的经济活动进行成本核算,比较可能的业务收入(通信业务收入、其他收益)与各种费用(业务成本、管理费用、税收、其他支出)之间的收支差额,分析经济活动的曲线,得到相应的改进措施和办法,从而降低成本,减少开支,提高收入。6、网络管理和网络优化分析国内电信企业目前大都建成了省网管中心和各地的网管集中操作维护中心,对网络进行管理。它们包含的数据是调整、优化固定网络结构,提高全网通话质量的根本依据。网络管理和网络优化分析就是在对目前网络管理中大量的数据进行分析、聚类,从而为提高全网质量,优化网络结构,进行网络规划提供可靠的保证。网络管理和优化分析将在以下叁个方面对现行系统进行扩展：扩大并细化数据源：增加数据量：丰富统计分析类型。7、动态报表由于业务和管理的需求不断变化,许多需求在系统设计之初不曾想到,报表输出已成为一个日益突出的矛盾,因此,报表形成困难和制表人员工作量极大增加是目前亟待解决的问题。动态报表就是利用商务智能技术中元数据的思想,将报表元素分解成基本构件,实现对数据按用户轴、时间轴、地域轴、通话类型轴等,对用户的呼叫量、消费量等进行分析统计,形成各种各样的报表,即动态报表。另外,商务智能在电信行业中的应用,不仅包括市场分析,而且也可以包括财务、人力资源等方面的数据,并就此完成对企业发展管理中各个环节的诊断分析,寻找企业内部管理的不足,并提出针对性的改进措施。商务智能系统在国内大规模建设的经验很少,在电信领域国内的案例也不多,因此,国内的电信行业商务智能系统,具有如下的一些特点：1、经验较少商务智能技术在国外有了一些比较广泛的应用,但在国内,无论是电信行业还是金融行业,都没有大规模建设的经验可以遵循,具体的业务应用,也是参考国外电信运营商的一些应用内容进行建设的,由于数据分析涉及到很多用户的消费行为,有很多的文化特征,因此,国外的很多数据分析模型并不能够直接搬到国内,这对国内的商务智能建设提出了很多问题。2、数据量大由于中国通信事业的迅速发展,使中国成为目前世界范围内十分巨大的电信运营市场,现在,中国已经有移动通信用户超过2亿,固定用户2.4亿,如此庞大的用户群,仅存在于5～6家电信运营商,必然导致每个运营商的用户数据十分庞大。在商务智能项目上,国内电信运营商的数据积累也是十分庞大的,这些庞大的数据量的分析和存储,使商务智能项目面临技术上的很多挑战。如何整理如此庞大的数据源,并从中分析出有价值的信息,构成了国内商务智能项目建设重要的技术难点。3、集成复杂国内的电信运营商,涉及的业务种类十分庞杂,不仅有网络管理系统,而且有大量的网络支撑系统(例如计费等系统),同时也有管理系统(例如：财务系统、人力资源系统等)。由于历史的原因,这些庞杂的系统都采用不同的厂家和系统构成,要将这些系统进行集成,在技术上面临着很大的问题,怎样进行数据源的规划和采集,就是十分困难的。而数据仓库不仅会采集部门级的数据,最终也将演化成为企业级的数据仓库,涉及到企业的各个运转环节,包括：生产、支撑、管理等多个系统。因此,商务智能建设的过程是一个循序渐进的过程,无法一蹦而就,这本身也说明了商务智能项目的难度。4、业务种类多国内的电信运营商都有不同的经营范围和内容,但经营的业务种类都比较多,商务智能的应用是与业务内容结合紧密的,业务种类的繁多,意味着商务智能后续的分析工作量会比较多。例如,国内的电信企业不仅提供传统的通话业务,也提供一些数据业务,而通话业务和数据业务在业务特征方面的表现有很多的不同,因此,在数据分析方面,也将有很多不同的内容。5、分析系统性能要求高由于国内电信运营商的用户数据量比较大,导致数据仓库的规模比较庞大,因此,对数据分析系统的性能要求较高,否则将无法满足实际业务应用的需要。例如,国内电信运营商一个省的用户规模,就常常相当于欧洲一个中等国家的全国用户规模,因此,在进行数据分析的过程中数据仓库的规模比较大,约有几十个TB规模,常常出现系统运行繁忙的情况,而且无法判断是死机了,还是忙于计算,一时无法计算出结果。这就对分析系统的性能要求较高。6、与管理数据进行结合目前,国内的电信企业在建设商务智能的过程初期,仅是一个部门级的数据仓库,随着业务的不断扩展,必将完成最终企业级数据仓库的建设工作。在建设企业级数据仓库的过程中,与管理数据进行结合将十分重要,因为只有财务、人力资源等数据才能反映出企业实际运营过程中,在成本支出等方面的信息,并就此进行有关的企业诊断活动,提高企业的管理效率。由于以上的诸多特点,国内的商务智能系统建设面临着很多的困难和挑战,也构成了国内电信行业商务智能系统建设过程中的重要课题。本文主要根据我自身的从业经历和经验,集合当前行业内的一些应用研究参考文献,首先阐述商务智能的一些基本概念,再逐步论述电信行业数据仓库、数据挖掘、OLAP等目前普遍存在的应用方面的问题、难点及解决方案,最后针对数据分析处理过程的应用研究作出了个人的一些经验总结。
孙悦[2]2007年在《商务智能在电信行业客户关系管理中的应用研究》文中认为随着我国电信行业改革和重组的进行,电信行业开始面临新的竞争格局,开始由网络资源的竞争转向服务竞争,市场变得更加完全竞争化,客户资源成为企业竞争的焦点,因此客户关系管理(CRM)成为电信运营商的必然选择。目前我国电信行业的客户关系管理还很不完善,对于客户行为的研究主要是依据统计分析的结果而进行,这种方法难以反映客户真正的需求动机和消费偏好等。商务智能的出现给企业带来了希望,商务智能是一种基于大量信息基础上的提炼和重新整合知识的过程,这个过程能够帮助企业做出及时、正确、可行和有效的决策,最终提高企业的竞争优势。本文在深入研究商务智能的概念、关键技术以及商务智能的实施方法等基础上,详细分析了目前我国电信行业客户关系管理的现状及存在的问题,对电信行业在客户关系管理方面的商务智能实际需求做出判断,设计并实现了商务智能在电信行业客户关系管理中的决策分析应用。
蔡庆武[3]2007年在《电信商务智能系统的研究与实现》文中研究表明随着国内电信行业之间竞争的白热化，企业发展战略已由过去的以产品为重心转为现在的“客户需求至上”。因而企业要想获得最大程度的利润，就必须对不同类型的客户采取不同的策略。在这种背景下，一种全新的基于信息技术的管理理念——电信商务智能管理系统便受到国内各电信运营商的青睐。一、本文在第一章，第二章里概述了电信商务智能系统的发展现状及发展方向，介绍了数据仓库、Agent技术、知识库管理等技术。二、在第叁章、第四章和第五章，结合电信商务智能系统的需求分析，阐述了本文的研究内容。主要侧重以下几个方面：1．一种新型的电信客户价值评估体系的设计与实现方案。2．一种面向需求变化的实时数据处理容器的设计和实现。3．介绍精确营销功能的实现与应用，系统从电信客户价值和客户行为两个方面进行客户细分，对目标市场进行定位，然后对目标客户行为进行跟踪，最后对营销的效果进行评估。叁、最后提出了本系统中有待改善的地方以及应用前景。
郭崇[4]2004年在《商务智能在电信企业的应用研究》文中研究说明电信企业是国家信息基础设施的主要建设者和运营者,担负着基础建设的重要使命。为了顺应信息化时代的发展潮流,满足客户个性化服务,缩短服务链条,提高核心能力创新能力,各电信企业纷纷建设以IT技术为依托的业务信息支撑系统。 近年来,以商务智能技术为基础的经营分析系统逐渐成为建设的方向,但是多年的信息化实践显示,我们的信息化建设由于缺乏统一的业务流程框架、标准和规范使得电信企业内部流程混乱,导致电信管理中前台的业务提供、定单处理、客户关怀和后台的网络管理、资源调配以及IT支撑不能很好的配合,前后台的协调一致性差,资源利用率低下。可以说,电信运营企业拥有资源优势,但缺乏资源运作优势,资源不能实现共享并造成严重浪费。 随着中国加入WTO和电信市场多元化竞争格局的形成,增加了电信企业引入eTOM的紧迫性。eTOM是电信管理论坛(TeleManagement Forum,TMF)通过对国际领先电信运营商的运营实践和管理理论的总结,对电子商务时代信息和通信服务以及运营商内部的活动、组织架构、业务流程等进行研究和描述的基础上,提出了企业内部活动和作业的整体规划。eTOM业务流程的框架结构,从业务驱动、市场导向、聚焦客户的角度,整合已有的企业信息资源,创新和再造业务活动流程,缩短服务管理链条,可以进一步发挥电信企业核心竞争优势,增强在目标细分市场的竞争力。 企业在下一代智能化运营系统的开发与建立过程中应处于主导地位。通过借鉴国际上众多的电信运营商实践经验和eTOM参考模型,根据企业实际的情况,理论联系实际,理顺企业流程,形成科学的组织管理体制,建立科学的企业信息系统体系结构,电信企业才能在实现规范化管理的同时走向信息化、智能化的康庄大道。
夏国恩[5]2007年在《基于商务智能的客户流失预测模型与算法研究》文中研究说明客户流失管理是许多行业关注的一个重要问题，近年来，以传统统计学方法和人工智能方法为基础，客户流失预测研究取得了丰富的研究成果，但尚存许多值得研究的问题。商务智能的崛起为客户流失预测的研究提供了新的思路。本文在商务智能理论和客户关系理论框架下，对现有客户流失预测模型结构进行修订，提出了新的预测模型结构。然后，以新的预测模型结构为基础建立了客户流失策略管理模型、客户流失特征提取与属性选择方法、客户流失预测模型，对电信业的客户流失预测问题进行了实证考察，从一个新的角度加深了对客户流失的规律理解。最后，对控制客户流失的策略进行了研究。现总结如下一、提出一种新的客户流失预测模型结构，以一种崭新的思路研究客户流失问题。根据客户数据的特点和现用预测方式的不足，采用特征提取、属性选择、预测模型设计的预测新思路来研究客户流失问题。通过对新模型结构实现算法和实证的研究，证明了新模型结构比现用模型结构更加有效。二、应用基于企业竞争的Delta策略模型，提出一种用于电信业的客户流失管理策略模型(CMSM)。通过使用某电信企业客户流失数据集，对CMSM进行了验证。其结果表明，该模型描述了客户流失的原因且包含了与企业竞争策略相关的主要预测因子，从而使其实际应用更易控制。叁、利用特征提取和指标属性选择方法，对电信业客户流失预测进行实证分析。主要结论是1、将核主成分分析(KPCA)引入到客户流失预测中，提出了相应的特征提取算法，将KPCA与Logistic回归结合，设计了预测模型。对某电信公司客户流失预测的实证结果表明，该方法获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa，高于原始属性集和主成分分析(PCA)特征提取法。这表明KPCA能提取客户数据的非线性特征，是研究客户流失预测问题的有效方法。2、将信息增益(IG)引入到客户流失预测中，提出了相应的属性选择算法，将IG与神经网络(NN)结合，设计信息增益神经网络(IGNN)预测模型。对某电信公司客户流失预测的实证结果表明，该方法获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa，高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法，这表明IGNN具有比NN更好的预测能力和泛化能力，从而证实了该方法的有效性、可行性和可靠性。3、客户流失预测中的属性选择是一个满意优化问题。针对已有属性选择方法较少考虑属性获取代价和属性集维数的自动确定问题，提出一种满意属性选择方法(SASM)，将样本分类性能、属性集维数和属性提取复杂性等多种因素综合考虑。给出属性满意度和属性集满意度定义，设计出满意度函数，导出满意属性集评价准则，详细描述了属性选择算法。对某电信公司客户流失预测的实证结果显示，SASM获得的命中率、覆盖率、准确率、提升系数、命中率置信度区间、覆盖率置信度区间、整体准确率置信度区间和Kappa，高于属性相关性选择法、一致性选择法、实例选择法和对称不确定性选择法。证实了SASM的有效性、可靠性和实用性。4、随着时间跨度增加，利用特征提取和属性选择方法所建立的预测模型，需重新训练，才可能得到满意的结果。四、利用基于结构风险最小化准则的SVM方法，对电信业客户流失预测进行实证分析。主要结论是1、应用标准SVM，研究了电信业客户流失预测问题，并以某电信公司客户流失预测为实例，与人工神经网络、决策树、贝叶斯分类器等方法进行了对比，发现，除模型整体准确率、整体准确率置信度区间略低于决策树C4.5外，该方法能获得最好的命中率、覆盖率、提升系数、命中率置信度区间、覆盖率置信度区间、Kappa，是研究客户流失预测问题的有效方法。2、针对目前客户流失预测方法的不足，在利用训练样本中不同类个数比值来确定各类惩罚参数的基础上，改进标准的C支持向量分类机(SVC)。通过以某电信公司客户流失预测为实例，与标准C-SVC、人工神经网络、决策树、贝叶斯分类器等方法进行了对比，发现，除模型整体准确率、整体准确率置信度区间略低于ANN，Logistic回归和贝叶斯分类器外，该方法能获得较好的正确率、命中率、覆盖率、提升系数、命中率置信度区间、覆盖率置信度区间、Kappa，是研究客户流失预测问题的有效方法；3、利用简易SVM方法所建的客户流失预测模型，在模型评价结果相当的条件下，其运算花费的时间较小：4、通过对“拒真纳伪”两类错误在客户流失预测中不同影响分析比较，采用SVM作为预测模型，并利用某电信公司实际数据对两类错误的平衡控制进行了研究。实验结果表明，选取一个适当的损失比例系数，预测模型能在控制两类错误的前提下，有效地减少期望损失函数值，这在实际应用中具有反映问题本质的现实意义。5、随时间跨度的增加，预测模型应该重新训练才能得到满意的效果。五、结合客户关系管理理论，从客户价值和客户满意的角度提出了客户流失分类表；然后通过对客户流失进行受力分析，发现导致客户流失的为推力和引力；最后通过引入拉力策略和阻力策略来控制客户流失。
戴春良[6]2006年在《“商务智能”在物流行业的实现》文中认为物流行业在经历了近几年的高速发展之后，重新回归理性，重新回归到如何有效降低物流运输、仓储成本，增强物流服务水平上来。企业之间的竞争实际上就是如何以最低的成本获取最大的利润的竞争。物流企业要快速发展和壮大就必须要在激烈的市场竞争中领先一步，每个成功的公司都需要对所从事的商业活动有着深入的理解，知道什么东西可以给公司带来更多的业务。这种理解或者说商务智能(BI)需要捕捉业务交易和客户交流的每个角度来生成有用的信息。因此现行物流业务是从单一的处理转向拥有分析和管理的综合系统。 随着物流业计算机业务系统的持续投入和广泛使用，物流企业已拥有大量的客户和业务数据。科学管理和合理开发这些内部和外部信息资源已经成为企业正确决策、增强竞争力的关键。由于已经拥有大量的数据并且数据相对真实可靠，因此物流业务是建立基于分析的企业管理运营体系完全可行。 本文提出的商务智能解决方案，目的是帮助物流企业充分利用其业务支撑系统产生的大量宝贵的数据资源，实现对信息的智能化加工和处理，为市场经营工作提供及时、准确和科学的决策依据，使企业适应日趋激烈的市场竞争环境，提升物流企业的核心竞争力。 本文采用首先利用ETL过程从源调度系统中收集，分析和转化来清洗源数据，建立一个可供利用的数据仓库。再利用Microstrategy报表软件来实现报表的灵活，方便，快捷的产生。通过支持数据的再挖掘，使决策者可以了解更详细的信息。报表中心的建立可以使决策者对企业的数据进行分析，通过对过去的数据来调整策略，预测未来，即通过历史数据来发现趋势。进一步加强了物流企业经营管理和客户分析的科学性，提升了企业的决策水平和经营效率。 作者在项目中集中参与了数据仓库和Microstrategy软件制作报表的过程，体会到了建立数据仓库以后，报表制作的灵活性，完整性。通过灵活的报表生成，更深切体会到商务智能对于企业决策的重要价值。商务智能在物流行业的成功应用必将带来物流行业新的IT建设以及管理思路的格新。
王凯峰[7]2007年在《基于ERP的商务智能系统的研究与应用》文中认为决策支持一直是软件工程面临的挑战之一。ERP，销售POS终端，市场调查、供应商、客户、WEB，政府等都在不断地往我们的计算机里添加信息、实际上，平均18个月信息量就翻一番，然而，据一些项目专家估计，我们能分析的数据只有7％，并且我们能分析的数据来源仅仅限于数据库。各个企业面临这样庞大的数据，如何提高信息利用率，快速准确地找出所需要的信息，做出高明的决策，成为商务智能发展的驱动力。ERP与商务智能的整合应用使企业能够利用数据仓库、OLAP和数据挖掘等技术，从ERP数据源提取有用的数据，再将数据转变为信息来指导企业行动，从而最小化企业用于决策的时间，最大化企业对资源的利用率。本文对ERP与商务智能、战略管理理论整合应用的相关理论和实现技术进行了分析和研究，同时指明了数据仓库是ERP与商务智能整合应用的桥梁。本文在从ERP在国内的实施与不足出发，分析了基于ERP的商务智能系统的总体需求情况，给出了系统整体设计方案和开发流程方案；对分析主题的确立、数据转换、智能分析以及管理理论在系统建设中的应用问题提出了新的见解。ERP商务智能系统可简单描述为：商务智能处于高度整合的ERP环境下，ERP数据仓库和ERP应用系统通过接口紧密结合；数据挖掘工具从ERP系统中提取合适的数据，然后将其放入以商务主题为导向的ERP数据仓库中，再利用商务智能技术和工具进行数据分析，最终将可视化的结果展示给决策分析人员。本论文以国机集团ERP的管理模式作为依托，采用理论与实践相结合的方式，对分析主题的确立，多维数据集的生成、终端展现形式进行了介绍，对系统应用结果进行了详尽的效益分析。
杨小平[8]2007年在《商务智能系统在制造业的应用研究》文中认为从2003年起,全球商业智能(BI)软件市场的重量级供应商逐一在国内亮相,国内的软件厂商也纷纷推出了各自的商业智能产品。在随后的几年里,电信、金融、保险这些数据集中程度高的行业,商业智能得到了大量的应用。但在制造业领域内,由于企业信息化水平参差不齐,商业智能的使用并未真正打开。本文分析了制造业企业信息系统对及时、有效获取信息的强烈需求,结合商务智能系统的技术特点与技术工具,针对制造企业应用提出了商务智能垂直性行业解决方案和基于制造业当前信息系统的商务智能应用模式。该模式能适应制造业以产品为核心的管理方法,使各种商务智能工具能够真正地为企业所用,做到降本增效。在分析市场上各种主流商务智能软件系统架构的基础上,本文根据制造企业的特色,提出了适合制造业企业的商务智能的解决方案,构建了基于销售、采购、生产、仓储、财务这几大模块的分析架构,并构造了其信息需求矩阵以及逻辑和物理模型;建立抽取异构数据源数据的批处理方式,并按照各个模块的需求转换数据,包括合并、分离、聚合等;建立事实表、纬度表及其关系,完成各个模块相对应的数据集,使用户能够方便快捷地从这些数据集的维度表和事实表中获取他们想要的信息;按照最终用户需求划分分析粒度,并按照描述型模式做数据分析、挖掘,展示数据深层意义,用报表、多维分析、预测报警、仪表盘等多种方式前端展现分析结果,辅助用户获取所需信息。最后结合实际工程案例,说明分析制造业企业需求并具体实施商务智能系统的过程,并着重说明全面成本管理模块的构成。
江多默[9]2008年在《商业智能在移动通信中的应用研究》文中研究表明商业智能系统是新型的决策支持系统,是指现代企业在其管理信息系统的基础,使用了数据仓库技术、联机分析处理、数据挖掘技术等,从大量的数据中分析后得出有用的信息,从而为企业提供更好、更合理的决策支持的新应用。商业智能技术能够帮助用户对自身业务经营做出科学决策,帮助用户在加强管理、促进营销和企业发展方面做出及时、准确的决策,发现、分析和把握新的商机。随着我国移动通信行业的飞速发展,移动通信运营商之间的竞争日趋激烈。激烈的市场竞争,促使各移动通信运营商去降低运营成本、提供差异化的客户服务,中国的移动运营商已经在从简单的语音业务向多媒体数据业务过渡。因此,面对海量的业务数据,移动运营商需要一个针对移动通信行业特点的以数据仓库技术为基础的商业智能解决方案,以提高业务支撑能力,增强企业的市场竞争力,为了更开放,更加激烈的电信市场做好技术准备。本文主要研究了以数据仓库、联机分析处理、数据挖掘为基础的商业智能技术。结合一个本人参与的中国联通的“长途业务运营支撑系统”项目,就如何运用商业智能中的各种技术(如数据仓库、OLAP、数据挖掘等)来帮助移动运营商更好地制定业务模式,发展巩固用户,提高服务质量进行研究。以中国联通已有的CRM,BOSS,BASS系统为背景,对商业智能平台进行分析和设计,从数据源、业务和功能需求出发,完成了“长途业务运营支撑系统”的需求分析,系统设计,实施过程的论述。
袁亮[10]2005年在《网络环境下商务智能的解决方案及应用》文中研究说明商务智能(Business Intelligence)是20世纪90年代美国分析师所创造出来的新名词,不过,它并不是一个凭空冒出的东西。事实上,已经兴起的决策支持系统(DSS:Decision Support System)、企业资源计划系统(ERP:Enterprise Resource Planning)、客户关系管理(CRM:Customer Relationship Management)等即是为满足同样的目的而兴起的IT潮流。BI是在ERP等信息化管理工具的基础上提出的,是基于信息技术构建的智能化管理工具,它实时地对ERP、CRM、SCM(供需链管理:Supply Chain Management)等管理工具生成的企业数据进行各种分析,并给出报告,帮助管理者认识企业的现状并做出正确的决策。 本文研究基于商务网络环境:电子商务、电子数据交换、电子资金传送和电子营销下,BI的实现,包括:数据仓库、OLAP(联机分析处理:Online Analytical Process)、数据挖掘和EIS(高层管理信息系统:Executive Information Systems)。数据仓库是20世纪90年代中后期提出的概念,它是以传统的数据库技术作为存储数据和管理资源的基本手段,以统计分析技术作为分析数据和提取信息的有效方法,以人工智能技术作为挖掘知识和发现规律的科学途径的一种解决问题的方案。许多来自数据库领域、决策支持系统领域的专家对数据仓库技术展开了深入的研究认为:在商务智能系统中,数据仓库是基础。为了充分利用数据仓库中的数据、满足决策需要,数据仓库工具应运而生,联机分析处理和数据挖掘是其中重要的两类。联机分析处理把数据的组织由二维平面结构扩充到多维空间结构,并提供了多维数据分析方法。数据挖掘则是在人工智能、机器学习中发展起来的,它为知识和规律的自动发现提供了有效的技术和方法。通过联机分析分析处理和数据挖掘等技术对各类大量的数据和信息进行分析处理,实现了数据向信息的转换,它的分析结果以多维视图的形式展示,为中、高层领导的决策提供有效的支持。在商务智能系统中,联机分析处理和数据挖掘是针对商业数据的分析工具。目前,以数据仓库、联机分析处理和数据挖掘为基础构建的集成化的智能决策支持系统越来越受到重视,开创了决策支持系统发展的新方向。全文共分为六章: 第1章:首先简单介绍了商务智能的理解和产生,并说明了商务智能实现的几个方面。接着介绍了本文研究的商务智能实现的环境及其平台革命。 第2章:主要论述了数据仓库的产生和发展,提出并解释一个基于商务智能的数据仓库体系结构。指出一般情况下数据仓库的创建过程和实施,并说明了数据仓库在商业决策中的应用。 第3章:讨论当今商务智能的一个热门技术:OLAP。本章主要论述了联机分析型处理对商业数据的分析方法、联机分析处理的实现,并对对当今的联机分
参考文献：
[1]. 商务智能在电信行业的应用研究[D]. 沈阳. 西南财经大学. 2009
[2]. 商务智能在电信行业客户关系管理中的应用研究[D]. 孙悦. 吉林大学. 2007
[3]. 电信商务智能系统的研究与实现[D]. 蔡庆武. 北京邮电大学. 2007
[4]. 商务智能在电信企业的应用研究[D]. 郭崇. 东北财经大学. 2004
[5]. 基于商务智能的客户流失预测模型与算法研究[D]. 夏国恩. 西南交通大学. 2007
[6]. “商务智能”在物流行业的实现[D]. 戴春良. 华东师范大学. 2006
[7]. 基于ERP的商务智能系统的研究与应用[D]. 王凯峰. 哈尔滨工程大学. 2007
[8]. 商务智能系统在制造业的应用研究[D]. 杨小平. 上海交通大学. 2007
[9]. 商业智能在移动通信中的应用研究[D]. 江多默. 厦门大学. 2008
[10]. 网络环境下商务智能的解决方案及应用[D]. 袁亮. 华东师范大学. 2005
标签：计算机软件及计算机应用论文; 电信论文; 商务智能论文; 数据仓库论文; 置信度论文; 预测模型论文; 客户分析论文; 用户研究论文; 客户信息论文; 有效市场论文; 客户管理论文; 用户分析论文; 信息发展论文; 市场策略论文; 用户流失论文; 运营商论文; 数据分析论文;