从事商业智能必备技能,商业智能入门学习

数据分析师 发布于 2014/10/28 11:45
阅读 514
收藏 0


首先,我们看一下知识分解。商业智能,顾名思义就是商业+智能。其中商业方面包括市场营销,管理学和财务。智能方面包括制作报表,数据分析以及数据挖掘。

 

商业智能为什么部署实施困难,就是因为掌握商业技能的业务人员不懂智能IT技术,而技术人员只会写代码而无法根据业务进行分析。

 

所以,如果你想成为一个成功的BIer,就需要全面发展自己,多学习多请教。

 

接下来我们具体看看商业智能需要掌握哪些技能。

 

1、数据知识不能少

先看商业智能的流程:企业数据从源数据库通过 ETL 过程流入数据仓库中,再通过数据建模将数据仓库中的数据组织成多维的立方体模型,在此基础上进行数据查询,多维分析,数据挖掘。

 

数据是商业智能分析的基础,而数据仓库可以说是有主题的数据库。数据仓库的建立可以说是商业智能部署中最不容易的一环,在建立数据库时必须保证数据的完整性和正确性。

 

数据挖掘是基于大数据量的基础上通过各种算法进行预测分析,是商业智能辅助决策功能的技术支撑。按算法来分类也就预测、分类、聚类、关联那么几种,大多都封装好的,使用起来很方便,普通应用只需要知道怎么读数据挖掘软件给出的报告即可,关键点是紧扣商业理解

 

2、报表也要会一点

报表是原始的BIBI是高级的报表。在学习BI之前最好具有制作报表的思路和技能(能够根据业务需求制作)——确定目的,选取字段,聚合维度,关联分析等

 

 

3、巧用统计和逻辑

在商业方面,如果应用好了统计学,就可以直接分析事物之间的联系,又因为事物往往存在因果逻辑关系,有经验的业务人员往往能准确判断出事件影响因素重要性,从而设计更好的分析过程

 

4、算法技能要跟上

一名好的商业智能数据分析师需要知道针对特定数据集选用怎样的算法,如何取得样本,算法需要满足的条件,且能够根据特定的问题写出相应的解决算法

 

5、其他知识要丰富

除了专业的技能知识,业余空闲多上一些相关论坛资讯网,掌握行业动态,技术进展,科技新闻也有利于思想新鲜血液的注入,分析问题的视野拓宽。

加载中
0
中山野鬼
中山野鬼

哈,不敢苟同。中间有些观点已经落伍了。面对甲方时,这么提,甲方真正懂的,会由此看低你的水平。我摘抄如下:

1、企业数据从源数据库通过 ETL 过程流入数据仓库中,再通过数据建模将数据仓库中的数据组织成多维的立方体模型,在此基础上进行数据查询,多维分析,数据挖掘。

说明:这件事情不是乙方主导的。而是甲方主导的。数据仓库的模型建设不可能由乙方构造。只是乙方完成基础建设工作,当然这包括基础客观的对象模型的构造,但面对甲方自身业务背景,需要由甲方的业务专家来主导。因为脱离业务逻辑的数据仍然需要业务背景域支撑。因为你要防止概念互指(就是一个概念去解释另一个概念,而自身的成立依赖后者的解释)。在明确业务背景域下,可以存在一些终结符号,具备基于该仓库作用域内共性认可的内涵(就是不需要再解释了。。。)。

2、报表是原始的BIBI是高级的报表。

甲方如果原因听,我第一件要告诉他们的就是,如果谁说这句话,谁一定不是真正搞数据分析的,且不谈商业智能。报表工具是报表工具,数据分析系统是数据分析系统。


3,4中间有一些描述问题,我不展开细讨论,那样就抬杠了。不过昨天还在一个数据分析的技术交流群里讨论,回归分析方法的选择的主观性问题。也就是给定样本下,先验的经验决定回归分析方法,并确定模型结构和异常样本的差异,这是主观的,得到的东西并不是数据挖掘,而是一种逻辑预期。如果是迭代多次,反复尝试不同的回归分析方法,确定某个回归分析方法,针对某种分类方式,存在最稳定关联关系,那么这个分析可以算是数据分析,否则不是数据分析,是确定逻辑下的数值计算,最多看成一个步骤较为复杂,具备自动分类的统计报表工具而已。


f
finebi
想请教下你认为的报表工具和商业智能/数据分析的区别在哪里?
0
f
finebi

引用来自“中山野鬼”的评论

哈,不敢苟同。中间有些观点已经落伍了。面对甲方时,这么提,甲方真正懂的,会由此看低你的水平。我摘抄如下:

1、企业数据从源数据库通过 ETL 过程流入数据仓库中,再通过数据建模将数据仓库中的数据组织成多维的立方体模型,在此基础上进行数据查询,多维分析,数据挖掘。

说明:这件事情不是乙方主导的。而是甲方主导的。数据仓库的模型建设不可能由乙方构造。只是乙方完成基础建设工作,当然这包括基础客观的对象模型的构造,但面对甲方自身业务背景,需要由甲方的业务专家来主导。因为脱离业务逻辑的数据仍然需要业务背景域支撑。因为你要防止概念互指(就是一个概念去解释另一个概念,而自身的成立依赖后者的解释)。在明确业务背景域下,可以存在一些终结符号,具备基于该仓库作用域内共性认可的内涵(就是不需要再解释了。。。)。

2、报表是原始的BIBI是高级的报表。

甲方如果原因听,我第一件要告诉他们的就是,如果谁说这句话,谁一定不是真正搞数据分析的,且不谈商业智能。报表工具是报表工具,数据分析系统是数据分析系统。


3,4中间有一些描述问题,我不展开细讨论,那样就抬杠了。不过昨天还在一个数据分析的技术交流群里讨论,回归分析方法的选择的主观性问题。也就是给定样本下,先验的经验决定回归分析方法,并确定模型结构和异常样本的差异,这是主观的,得到的东西并不是数据挖掘,而是一种逻辑预期。如果是迭代多次,反复尝试不同的回归分析方法,确定某个回归分析方法,针对某种分类方式,存在最稳定关联关系,那么这个分析可以算是数据分析,否则不是数据分析,是确定逻辑下的数值计算,最多看成一个步骤较为复杂,具备自动分类的统计报表工具而已。


感谢指正。这篇文章纯属个人观点,可能有些地方说的不是很清楚。首先明确对象,这里说的技能对象指的是需要部署商业智能的公司里的负责人员。现在普遍存在的情况就是公司里面懂技术的不懂业务需求,懂业务的不懂技术。BI厂商(乙方)帮助企业(甲方)完成基础建设工作后,怎样充分利用BI工具挖掘出企业信息的最大价值就靠乙方自己的本事了。所以我说企业负责分析的人员本身需要懂得数据知识,要懂得如何维护多维数据库,如何完成数据的转义统一,如何进行预测分析……
2、报表和商业智能的确是两个本质上就不同的产品,商业智能的诞生的美好愿景就是辅助企业的决策支持。但是不可否认的是,很多企业运用BI就仅仅停留在了多维分析的阶段,说到底还是数据的一种结果展示汇报,有些企业应用BI的目的甚至只是为了更方便的数据整合,为了业务人员也能做分析,为了领导查看方便直观。
0
中山野鬼
中山野鬼

回复 @finebi : 报表工具主要是各类数据的合并,统计、分析,展示。商业智能的概念,前几年还是比较热的,不过热归热,没有良好的产品支撑,现状是很多沦落为就是报表工具。这个我认同。不过商业智能内在还是数据分析。数据、信息、知识等概念,现在的理论都比较清楚。理论上可行的处理机制和目标也逐步明晰。

简单说一下区别:

1、商业智能也好,数据分析也好,区别传统统计分析和报表工具,其目标是要获得一个表述客观现象的逻辑陈述。后者是针对一个确定逻辑对数据进行的计算(当然前者的每一步仍然是数据计算)。

上述两个目标不同,是区分报表工具和商业智能差异的地方。对于应用者来说,报表工具,是针对已有数据,给出特定逻辑(报表工具本身可支持处理逻辑动态性),进行计算。而对于数据分析系统(数据挖掘),对于应用者来说,是给定一系列对客观对象可分类的规则,已经不同的逻辑。系统对不同客观对象分别进行分类,并寻求被分类后的不同客观对象之间的稳定关联关系的称述。

一个典型的应用,例如,已知一群用户和他们的购买产品,现在有新产品,希望用数据分析系统或者商业智能系统,确定,已知用户的哪个子分类用户,对该新产品存在比较一致的判定。数据分析系统并不是一定要找出哪些些用户需要这个新产品(这个受给入用户样本实际情况约束),但需要能有效描述,比如,收入到xxx,年龄在xxx,曾经有个什么行为的xxx,对这个产品有意向(或没有意向)。

现在比较常见的一些数据分析系统(我的个人观点算上一代吧),实际是一些数值分析工具,例如回归分析,聚类、分类分析等。这类工具只能分类,而并不能表述结果。和神经网络类似,你调整了很多参数得到结果,你的参数和结果之间的逻辑是不可表述的。

f
finebi
说的很详细,受教了:)
返回顶部
顶部