IBM零售业智能解决方案

      商业智能是指通过对数据的收集、管理、分析以及转化，使数据成为可用的信息，从而获得必要的洞察力和理解力，更好地辅助决策和指导行动。

    商业智能的实现涉及到咨询服务、应用，以及信息技术的充分利用。其基本体系结构包括以下部分:

    数据仓库:用于抽取、整合、分布、存储有用的信息。

    一个企业的信息往往分布在不同的部门和分支机构，管理者要综观全局、运筹帷幄，必须能迅速地找到能反映真实情况的数据，这些数据也许是当前的现实数据，也可能是过去的历史数据。因此，有必要把各个区域的数据集合起来，去其糟粕、取其精华，将真实的、对决策有用的数据保留下来，随时准备管理人员使用。因此，数据仓库不仅仅是个数据的储存仓库，更重要的是它提供了丰富的工具来清洗、转换和从各地提取数据，使得放在仓库里的数据有条有理，易于使用。

    多维分析:全方位了解现状。

    管理人员往往希望从不同的角度来审视业务数值，比如从时间、地域、功能、利润来看同一类储蓄的总额。每一个分析的角度可以叫作一个维，因此，我们把多角度分析方式称为多维分析。以前，每一个分析的角度需要制作一张报表。由此产生了在线多维分析工具，它的主要功能，是根据用户常用的多种分析角度，事先计算好一些辅助结构，以便在查询时能尽快抽取到所要的记录，并快速地从一维转变到另一维，将不同角度的信息以数字、直方图、饼图、曲线等等方式展现在用户面前。

   数据挖掘:发现问题、找出规律，达到真正的智能效果:预测将来。

    正如在矿井中可以开采出珍贵的矿石，在数据仓库的数据里也常常可以开采出业务人员意想不到的信息。它比多维分析更进一步。例如，如果管理人员要求比较各个区域某类储蓄在过去一年的情况，可以从多维分析中找答案。但是，如果管理人员要问为何一种储蓄在某地区的情况突然变得特别好或是不好，或者问该储蓄在另一地区将会怎么样，这时数据开采工具可以作出回答。

    简单的说，数据挖掘使用统计、分析等数学方法、以及电脑学习和神经网络等人工智能方式，从大量的数据中，找寻数据与数据之间的关系。这种关系，一般显示数据组之间相似或相反的行为或变化。一个细心的分析者，往往能从这些发掘出来的关系得到启示。而这种启示又很可能使得到它的业者，获得其他竞争者所没有的先机 。

    IBM商业智能解决方案组成部分

    如上所述，商业智能的手段主要在三方面:抽取，分析及发掘，IBM在这三方面都提出了强有力的工具:

    Warehouse Manager (数据仓库管理器)

    DB2 OLAP Server (DB2多维服务器)

    Intelligent Miner (数据挖掘)