商業智慧 (Business Intelligence)

企業經理人要能快速有效率地做出決策的先決條件是必須能即時獲得所需的參考資訊，而企業營運過程中存在於各部門及流程中的資料要如何才能轉變成為企業經理人所需的資訊呢?

BI就好比一套戰情系統，可將企業前端各系統之有用資訊匯整，經過一連串特定的分析，得出可以支援各種決策的結果。

BI (Business Intelligence) – 商業智慧是近年來提倡的一種解決平台，乃是IT產業中資料管理技術的一個領域，主要在強調整合各種大量資料來源(如ERP、SCM、CRM…等)，提取出有用的部份進行整理，然後經過資料的擷取(Extraction)、轉換(Transformation )、匯入(Load)的程序，並透過強大的多維度運算技術取得動態資訊的能力。其技術架構包括資料倉儲(Data Warehouse)、線上分析處理(On-Line Analytical Processing)及資料探勘(Data Mining) ，以應用於銷售、行銷、財務、人力資源、生產、研發等各個層面的決策支援，或是轉化成一種經營智慧，做為調整營運策略方針的輔助工具。


但這種BI作法曠日費時，將資料轉進資料倉儲緩不濟急，外面市場變化速度加劇，如何在建置BI的過程中，也能提供高層有用的資訊以供決策分析，變成是一重要的課題。因此，最近市場上出現結合DB及EXCEL的資料，針對非結構性資料(PDF, EXCEL等)產生BI所需的report or analysis or dashboard 等的工具，讓各企業在長期建置BI的同時，也能夠有一暫時的應變方式。

Data Mining

Data Mining 是 Data Warehouse 應用方式中最重要的一種。基本上，Data Mining 是用來將你的資料中隱藏的資訊挖掘出來，所以 Data Mining 其實是所謂的 Knowledge Discovery 的一部份，Data Mining 使用了許多統計分析與 Modeling 的方法，到資料中尋找有用的特徵（Patterns）以及關連性（Relationships）。 Knowledge Discovery 的過程對 Data Mining 的應用成功與否有重要的影響，只有它才能確保 Data Mining 能獲得有意義的結果。
一般而言，Data Mining功能可包含下列五項功能：

• 分類(classification)

按照分析對象的屬性分門別類加以定義，建立類組(class)。例如，將信用申請者的風險屬性，區分為高度風險申請者，中度風險申請者及低度風險申請者。使用的技巧有決策樹(decision tree)，記憶基礎推理(memory - based reasoning)等。

• 推理 (estimation)

根據既有連續性數值之相關屬性資料，以獲致某一屬性未知之值。例如按照信用申請者之教育程度、行為別來推估其信用卡消費量。使用的技巧包括統計方法上之相關分析、迴歸分析及類神經網路方法。

• 預測(prediction) 

根據對象屬性之過去觀察值來推估該屬性未來之值。例如由顧客過去之刷卡消費量預測其未來之刷卡消費量。使用的技巧包括迴歸分析、時間數列分析及類神經網路方法。

• 關聯分組(affinity grouping)

從所有物件決定那些相關物件應該放在一起。例如超市中相關之盥洗用品(牙刷、牙膏、牙線)，放在同一間貨架上。在客戶行銷系統上，此種功能係用來確認交叉銷售(cross selling)的機會以設計出吸引人的產品群組。

• 同質分組(clustering)

將異質母體中區隔為較具同質性之群組(clusters)。同質分組相當於行銷術語中的區隔化(segmentation)，但是，假定事先未對於區隔加以定義，而資料中自然產生區隔。使用的技巧包括k-means法及agglomeration法。

Data Mining 可以建立六種模式：

• Classification

即所謂的分類。可用來做預測。此乃根據一些參數進行計算，並依照計算的結果加以分類。Classification 常常被用來處理如郵寄對象篩選的問題。

• Regression

乃統計的迴歸分析。可用來做預測。此乃利用一系列現有的數值，透過統計方法推算出一連續數值。

• Time Series

時間序列分析類似迴歸分析，只是其乃用一系列現有資料，去預測未來的數值。而且其所分析之資料都與時間有關。

• Clustering

用來描述行為（例如消費行為）以及做預測。此乃將資料分組，其目的在找出組與組間的差異。Clustering與Classification的差異在於，無法預期clustering的結果會以何種方式來進行分類，因此分析結果須加以解讀才有意義。

• Association

用來描述行為（例如消費行為）。關連性分析在於找出買了A產品的消費者，也會同時購買B產品的機率。

• Sequence

用來描述行為（例如消費行為）。序列分析類似關聯性分析，但是序列分析帶有先後的關係。例如買了哈利波特第一集的消費者，有X%機率會再買第二集。