數據分析師解讀:商業智能BI與數據挖掘DM的關係

數據挖掘是一個技術概念，而商業智能是一個很是普遍的應用概念，用於商業領域中數據的綜合利用。本文就讓數據分析師來解讀，商業智能與數據挖掘的關係究竟是怎樣的。

6

1、商業智能與數據挖掘是什麼
數據挖掘的英文是data mining，簡稱DM，它的做用是描述過去，預測將來，評估將來。它是商業智能(BI)的一個重要應用方向。數據挖掘是從未處理的數據中提取信息的過程，其重點是發現相關性和模式分析。它能夠幫助公司預測將來發生的事情，預測和評估風險。還須要統計分析功能來幫助分析客戶細分、預測客戶行爲、預測客戶業務趨勢、識別欺詐等等。數據挖掘的通常功能包括分類、估計、預測、關聯分類和聚類。

商業智能是利用現代信息技術收集、管理和分析結構化和非結構化的業務數據和信息，創造和積累業務知識，並改進業務決策。它是將數據中正確和有用的信息傳遞給適當的決策者，以便爲決策提供有效的信息支持。

2、商業智能與數據挖掘的聯繫
BI基於企業中的數據倉庫，經過各類查詢分析工具、在線分析處理(OLAP)工具或數據挖掘工具以及決策規劃者的行業知識，從數據倉儲中得到有利的信息，幫助公司提升盈利能力，提升生產力和競爭力。也就是說，商業智能(BI) =數據+人+工具+算法+知識+預測。

因而可知，數據挖掘只是商業智能的一部分。商業智能依賴於對不斷生成和積累的數據的挖掘，從而得出一個論點。數據挖掘是實現商業智能的一種方式。事實上，數據挖掘的目的之一就是企業決策，這就是商業智能。

數據挖掘是一個技術概念，而商業智能是一個很是普遍的應用概念，用於商業領域中數據的綜合利用。也能夠說商業智能是數據挖掘技術在商業領域的應用。數據挖掘的步驟大體分爲:業務理解、評價指標設計、數據提取、清理、數據轉換、算法選擇(聚類、預測算法、線性迴歸、時間序列、神經網絡、決策樹、貝葉斯分析、邏輯迴歸……)。

舉個例子，像帆軟的FineBI產品，數據挖掘、數據分析和報告表示是最關鍵的商業智能的主要組件。剩下的是一些參數，如處理數據的大小、挖掘深度、處理速度。FineBI的數據挖掘，是將以字段和記錄的形式添加到多維數據庫中，能夠在建立新分析時從專用的數據挖掘服務包中使用，使用的方法與拖動任何正常字段沒什麼不一樣。