第六章-商务智能基础:数据库与信息管理

开篇案例

👉USPS（美国邮政局）通过良好数据管理复兴

问题

• ①老旧运输缓慢

• ②面临其他企业创新化服务的竞争

  解决方案

• 👉重新设计邮件跟踪系统以充分发挥业务中的数据

  • 同时建立计算机模型分析
    • 提供高效益的邮件运送路线
    • 发现邮件中的欺诈行为减少损失
    • 发挥数据作用帮助零售商和目录公司推广

      👉企业的业务绩效取决于组织用数据做什么

      传统文件系统

      存在的管理数据资源问题

      👉不同部门不同系统，文件管理不统一。

      长期如此造成的问题

• ①数据冗余与不一致

  • dataRedundancy多个地方重复存储相同的数据
    • 浪费存储空间
    • 导致数据不一致
• ②程序-数据依赖
  • 👉文件和程序需要更新与维护时，存储在其中的数据也需要更新和维护。
• ③缺乏灵活性
  • 数据获取价值困难
• ④安全性低

• ⑤在应用系统间难以分享数据

  • 数据孤岛，信息差

    数据库管理系统（DBMS）

    👉可以解决传统文件系统处理方式产生的许多问题。(一个严格的数据库是指通过集中和控制冗余数据，有效地为多个应用程序服务的数据集合)

    👉DBMS用来集中并有效管理数据，且可由应用程序存取数据的软件

    非关系型数据库（NoSQL）

    👉可以加速在大量结构化和非结构化信息中的简单查询

    商务智能基础设施

    👉用于从大量不同类型的半结构化和非结构化的商业数据中获取有效信息

    工具

    ①数据仓库和数据集市

• 数据仓库

  • 是一个存储着决策者认为有潜在价值的当前和以往公司数据的数据库。数据从企业内多个业务系统中提取出与外部数据结合并清洗转换重新组织后加载到数据仓库
  • 任何人可访问但不可修改

• 数据集市

  • 数据仓库的子集
    • 为特定用户建立的独立数据库

      ②Hadoop

• 一种分布式系统基础架构，用于在低廉的计算机硬件上进行分布式并行处理海量数据

  ③内存计算

  ④分析平台

  分析工具：关系、模式和趋势

  主要数据分析工具

  ①数据分析处理OLAP

• 支持多维数据分析

  ②数据挖掘

• 以探索为驱动，为企业数据提供洞察力，通过在大型数据库中发现隐藏的模式和关系，从中推断规则以预测未来的行为

• 获取的信息类型

  • 关联
  • 序列
  • 分类
  • 类聚
  • 预测

    ③文本挖掘与网络挖掘

• 文本挖掘

  • 从非结构化大数据中提取关键信息发现模式与关系并进行总结
  • 例子
    • ①客户服务中心确定主要的服务问题
    • ②评估客户对公司的情感

      信息政策

      定义

      （保护信息被正确的人合理地运用）明确组织对于分析、传播、获取、标准化、分类和盘点信息的规则

      数据管理

      👉负责制定具体的政策和程序使得数据可作为组织资源进行管理

      数据治理

      制定相关政策和流程以保证企业数据的可靠性、可用性..强调隐私、安全性

      保证数据质量

      👉数据库设计和信息政策的制定确保企业获取信息有效，但仍需采取措施保证数据库的数据是准确的。

      ①数据库设计

      ②信息政策制定

      ③数据质量审计（分析）

      ④数据清洗