商務(wù)智能的考試重點(diǎn)

1、1?商務(wù)智能的基本概念（簡(jiǎn)答）對(duì)工業(yè)界來(lái)說(shuō)，商務(wù)智能是一類技術(shù)或工具，利用他們可以對(duì)大量的數(shù)據(jù)進(jìn)行收集、管理、分析和挖掘，以改善業(yè)務(wù)決策水平，增強(qiáng)金業(yè)競(jìng)爭(zhēng)力。對(duì)學(xué)術(shù)界來(lái)說(shuō)，商務(wù)智能是一套理論、方法、和應(yīng)用，通過(guò)他們可以快速的發(fā)現(xiàn)海量數(shù)據(jù)中隱含的各種知識(shí), 冇效的解決企業(yè)而臨的管理和決策問(wèn)題，支持企業(yè)的戰(zhàn)略實(shí)施2.商務(wù)智能系統(tǒng)的開(kāi)發(fā)過(guò)程規(guī)劃識(shí)別業(yè)務(wù)需求識(shí)別信i息需求時(shí)間成本規(guī)劃設(shè)計(jì)OLAP設(shè)計(jì)數(shù)據(jù)集市數(shù)據(jù)挖掘設(shè)計(jì)1 1V 1 /需求分析1詳細(xì)的需求分析技術(shù):選擇1在線 分析 處理數(shù)據(jù)挖掘算法實(shí)現(xiàn)構(gòu)建數(shù)據(jù)倉(cāng)昨構(gòu)建數(shù)據(jù)集市聊強(qiáng) 查詢 報(bào)表3?在線分析處理和在線事務(wù)處理 (簡(jiǎn)答)在線事務(wù)處理在線分析處

2、理用戶普通職員管理人員和分析人員功能日常業(yè)務(wù)處理決策支持?jǐn)?shù)據(jù)庫(kù)設(shè)計(jì)高度規(guī)范化非規(guī)范化數(shù)據(jù)處理在線插入、刪除、修改批量加載和刪除使用方式重復(fù)操作即時(shí)的、圖表形式的交互查詢執(zhí)仃單兀短的事務(wù)處理復(fù)雜的查詢數(shù)據(jù)當(dāng)前的、細(xì)節(jié)的數(shù)據(jù)丿力史的匯總數(shù)據(jù)性能指標(biāo)事務(wù)吞吐量查詢響應(yīng)時(shí)間事務(wù)特性并發(fā)控制和事務(wù)恢復(fù)很重要并發(fā)控制和事務(wù)恢復(fù)不匣要4.決策支持系統(tǒng)的系統(tǒng)架構(gòu)(1) 模型庫(kù)管理系統(tǒng)主要用于管理決策所需的各種模型，例如財(cái)務(wù)、統(tǒng)計(jì)、預(yù)測(cè)以及管理等方面的定量模型，利用這些模型可以進(jìn)行問(wèn)題分析。用戶利用該系統(tǒng)可以方便快捷的構(gòu)建和操縱模型。系統(tǒng)提供對(duì)模型的分類、刪除、復(fù)制等維護(hù)功能，可以將已冇模型進(jìn)行合并，以及對(duì)模型

3、的執(zhí)行情況進(jìn)行跟蹤、分析和評(píng)價(jià)，如對(duì)變量進(jìn)行嫩感度分析等。(2) 知識(shí)庫(kù)管理系統(tǒng)提供知識(shí)的表示、存儲(chǔ)和管理功能，用于支持定量模型無(wú)法解決的決策過(guò)程，幫助用戶建立、應(yīng)用和管理描述性、過(guò)程性和推理性知識(shí)。(3) 對(duì)話產(chǎn)生與管理系統(tǒng)主要負(fù)責(zé)用戶與系統(tǒng) Z間的交互。接受用戶的輸入，能 夠與數(shù)據(jù)庫(kù)管理系統(tǒng)、模型庫(kù)管理系統(tǒng)和知識(shí)庫(kù)管理系統(tǒng)進(jìn)行交互，以各種形式將結(jié)果返回給用戶，提供圖形用戶界面以及可視化功能。川戶對(duì)話產(chǎn)牛與管理系統(tǒng)知識(shí)庫(kù)管理系統(tǒng)知識(shí)庫(kù)數(shù)據(jù)咋倉(cāng)理系統(tǒng)模型丿乍管理泵統(tǒng)模型庫(kù)數(shù)據(jù)庫(kù)6?回歸：回歸方法中最常用的是線性回歸，包括一元線性回歸、多元線性回歸以及非線性回歸。線性回歸方法不僅用于預(yù)測(cè)，也口J

4、 以用作解釋模型，以探尋變量 之間的關(guān)系。另外述有回歸樹(shù)和模型樹(shù)等模型。7.回歸系數(shù)的顯著性檢驗(yàn)：回歸系數(shù)的顯著性檢驗(yàn)可以采用 t 檢驗(yàn)。對(duì)于每個(gè)回歸系數(shù) b (41, 2, ? ? ? ?)k , 顯著 性檢驗(yàn)的兩個(gè)假設(shè)分別為 Ho: bK和h biHO。若6=0說(shuō)明自變量&的變 化對(duì)因變量 沒(méi)冇線性影響，即變量冶對(duì)因變量的影響不顯著。為每個(gè)回歸系數(shù)b.構(gòu)造變量S如式所示:式中 5 是對(duì)矩陣 C 二 XXF 的對(duì)角線上的第 i 個(gè)值。給定顯者性水平a，查自由度為(n-k-1)的t分布表，得到ta (n-k-1),若tbi>t ?(n-k-1)，則拒絕假設(shè)H°,即回歸系

5、數(shù)b顯著。在通過(guò)以上顯著性檢驗(yàn)之后，給定一個(gè)因變量位置的樣本(xti,Q將其帶入式5二b°bN+SXk屮的各個(gè)自變量取值屮就可以得到因變量的一個(gè)預(yù)測(cè)值。?回歸樹(shù)和模型樹(shù):都是通過(guò)自頂向下分而治之的思想，將訓(xùn)練集不斷分割成子 據(jù)集來(lái)不斷擴(kuò)展樹(shù)枝，當(dāng)滿足 - 定條件吋停止樹(shù)的生長(zhǎng)9?聚類效果衡量方法:(概念)凝聚度:是用丁 ?衡量簇內(nèi)各對(duì)象緊密程度的常用度量 分離度:用于衡量簇間齊對(duì)象的相異程度。輪廓系數(shù):也是將凝聚度和分離度相結(jié)合的一種度量10.4 類主要的數(shù)據(jù)預(yù)處理任務(wù):(簡(jiǎn)答)1 ) 數(shù)據(jù)規(guī)范化2) 數(shù)據(jù)離散化3) 數(shù)據(jù)清洗4) 特征提取與特征選擇噪音數(shù)據(jù)的處理以及數(shù)據(jù)不一致的 識(shí)

6、別11. 數(shù)據(jù)清洗的主要任務(wù)是數(shù)據(jù)缺失的處理、 和處理。以將填補(bǔ)數(shù)據(jù)缺失方法:將屬于同一類的對(duì)象的該屬性值的均值賦予此缺失值；還可 其轉(zhuǎn)換為分類問(wèn)題或數(shù)值預(yù)測(cè)問(wèn)題。他非噪音的處理方法可以分為兩類：一類是識(shí)別出噪音，將其去除；另一類是利用其 噪音數(shù)據(jù)降低噪音的影響，起到平滑的作用。12?多維數(shù)據(jù)模型 （名）：又稱維度數(shù)據(jù)模型， 由維度表和事實(shí)表兩種類型的表構(gòu) 成。 為了解企業(yè)內(nèi)業(yè)務(wù)過(guò)程的績(jī)效， 通常可以通過(guò)多種度量指標(biāo)加以衡量。 對(duì)于 每個(gè)度量， 可以從多種視角和方位進(jìn)行分析，這就是不同維度。度量通常是定量 屬性（還有數(shù)值 型屬性），存放于事實(shí)表中；維度屬性綜合起來(lái)限定了度量的取 值粒度。13?

7、在線分析處理 OLAP 的定義：在線分析處理是一類軟件技術(shù)， 利用它可以使分 析 人員、管理人員以及主管從多種信息視角通過(guò)快速、一致和交互地訪問(wèn)數(shù)據(jù) , 達(dá)到對(duì) 數(shù)據(jù)的洞察。這些視角是從原始數(shù)據(jù)轉(zhuǎn)換過(guò)來(lái)的，反映了金業(yè)的真實(shí)維度 , 易于被用 戶理解。14.積分卡和儀表盤（名詞解釋）：是常用的兩種展示企業(yè)關(guān)鍵業(yè)務(wù)業(yè)務(wù)指標(biāo)和度 量 的可視化工具。積分卡用于顯示企業(yè)的關(guān)鍵性能指標(biāo) （KPT），儀表盤綜合各種類型 的圖形和報(bào)表，提供豐富的可視化界面，提供一個(gè)金業(yè)在某個(gè)時(shí)間的業(yè)務(wù)狀態(tài)。15?云計(jì)算的定義：是一種基于互聯(lián)網(wǎng)的計(jì)算方式，通過(guò)這種方式，共享的軟碩 件資源和 信息可以按需捉供給計(jì)算機(jī)和其他設(shè)備1

8、?商務(wù)智能的系統(tǒng)構(gòu)成 ( 填空/ 簡(jiǎn)答/ 論述 )(1) 數(shù)據(jù)源 商務(wù)智能的根本是數(shù)據(jù)。數(shù)據(jù)的來(lái)源主要包括企業(yè)內(nèi)部的操作型系統(tǒng)，即支持各 業(yè) 務(wù)部分日常 ' 運(yùn)營(yíng)的信息系統(tǒng)，以及企業(yè)外部的信息。(2) 數(shù)據(jù)倉(cāng)庫(kù)各種數(shù)據(jù)源的數(shù)據(jù)經(jīng)過(guò)抽取、傳換 Z 后需要被放到一個(gè)供分析使用的環(huán)境，以便對(duì)數(shù)據(jù)進(jìn)行管理，這就是數(shù)據(jù)倉(cāng)庫(kù)。 數(shù)據(jù)倉(cāng)庫(kù)可以將分析數(shù)據(jù)與實(shí)現(xiàn)業(yè)務(wù)處理的操作型數(shù)據(jù)隔離，一方面不影響業(yè)務(wù)處理系統(tǒng)的性能，另一方面為數(shù)據(jù)的分析提供了一個(gè)綜合的、集成的、統(tǒng)一的數(shù)據(jù)管理平臺(tái)。(3) 在線分析處理 數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)可以通過(guò)不同的方法進(jìn)行分析。在線分析處理是其中的方式Z 一。利用該法，業(yè)務(wù)性能度量可

9、以通過(guò)多個(gè)維度、多個(gè)層次進(jìn)行多種聚集匯總， 通過(guò)交 互的方式可以發(fā)現(xiàn)業(yè)務(wù)運(yùn)行的關(guān)鍵性能指標(biāo)的異常之處。(4) 數(shù)據(jù)探查數(shù)據(jù)探杳包括靈活的杳詢、即時(shí)報(bào)表以及統(tǒng)計(jì)方法等。該類方法屬于被動(dòng)分析方 法， 因?yàn)檫@些分析方法需要基于分析者對(duì)于問(wèn)題的假設(shè)。(5) 數(shù)據(jù)挖掘數(shù)據(jù)挖掘是從大量數(shù)據(jù)中自動(dòng)發(fā)現(xiàn)隱含的信息和知識(shí)的過(guò)程， 屬于主動(dòng)分析方法 , 不 需耍分析者的先驗(yàn)假設(shè)，可以發(fā)現(xiàn)未知的知識(shí)。數(shù)據(jù)挖掘可以作用于結(jié)構(gòu)化數(shù)據(jù)，也可以對(duì)文木數(shù)據(jù)以及多媒體數(shù)據(jù)進(jìn)行分析。常用分析方法包括分類、聚類、關(guān)聯(lián)分析、數(shù)值預(yù)測(cè)、序列分析、社會(huì)網(wǎng)絡(luò)分析等。(6) 業(yè)務(wù)績(jī)效管理業(yè)務(wù)績(jī)效管理，乂稱為企業(yè)績(jī)效管理，是對(duì)企業(yè)的關(guān)鍵性能指

10、標(biāo)( 如銷售、成本、 利潤(rùn)以及可盈利性等 ) 進(jìn)行度量、監(jiān)控和比較的方法和工具。2?數(shù)據(jù)倉(cāng)庫(kù)的體系結(jié)構(gòu)：（論述）數(shù)據(jù)源部分：支持企業(yè)口常業(yè)務(wù)的操作性系統(tǒng)中的數(shù)據(jù)以及已經(jīng)存檔的數(shù)據(jù) 都 是數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)來(lái)源。 各種數(shù)據(jù)源屮的數(shù)據(jù)通過(guò)一定的處理才能儲(chǔ)存到 數(shù)據(jù)倉(cāng)庫(kù) 中，處理一般利用 ETL （抽取轉(zhuǎn)換加載）工具完成。抽取過(guò)程：從不同的數(shù)據(jù)源把需要的數(shù)據(jù)讀取出來(lái)就是抽取過(guò)程，不同的數(shù) 據(jù) 源的數(shù)據(jù)結(jié)構(gòu)可能不同，因此，需要針對(duì)不同的數(shù)據(jù)源采用不同的抽取工具， 口 J 直接使用商品化的工具來(lái)抽取常見(jiàn)數(shù)據(jù)結(jié)構(gòu)的數(shù)據(jù)。轉(zhuǎn)換過(guò)程：主要涉及數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)匯總等功能。加載過(guò)程：分為兩種情況：一種是數(shù)據(jù)倉(cāng)庫(kù)建成之初，需要將各種數(shù)據(jù)源中 的 數(shù)據(jù)大批量的一次性導(dǎo)入到數(shù)據(jù)倉(cāng)庫(kù)屮；另一種是數(shù)據(jù)倉(cāng)庫(kù)正常運(yùn)作之后，需 要將 操作性系統(tǒng)的數(shù)據(jù)更新定期加載到數(shù)據(jù)倉(cāng)庫(kù)中。不同的數(shù)據(jù)的加載頻率可以 不同。元數(shù)據(jù)部分 : 是對(duì)數(shù)據(jù)倉(cāng)庫(kù)小數(shù)據(jù)的描述信息。主要描述三方面的信息：數(shù) 據(jù)源