数据分析师解读:商业智能BI与数据挖掘DM的关系

数据挖掘是一个技术概念，而商业智能是一个非常广泛的应用概念，用于商业领域中数据的综合利用。本文就让数据分析师来解读，商业智能与数据挖掘的关系到底是怎样的。

6

一、商业智能与数据挖掘是什么
数据挖掘的英文是data mining，简称DM，它的作用是描述过去，预测未来，评估未来。它是商业智能(BI)的一个重要应用方向。数据挖掘是从未处理的数据中提取信息的过程，其重点是发现相关性和模式分析。它可以帮助公司预测未来发生的事情，预测和评估风险。还需要统计分析功能来帮助分析客户细分、预测客户行为、预测客户业务趋势、识别欺诈等等。数据挖掘的一般功能包括分类、估计、预测、关联分类和聚类。

商业智能是利用现代信息技术收集、管理和分析结构化和非结构化的业务数据和信息，创造和积累业务知识，并改进业务决策。它是将数据中正确和有用的信息传递给适当的决策者，以便为决策提供有效的信息支持。

二、商业智能与数据挖掘的联系
BI基于企业中的数据仓库，通过各种查询分析工具、在线分析处理(OLAP)工具或数据挖掘工具以及决策规划者的行业知识，从数据仓储中获得有利的信息，帮助公司提高盈利能力，提高生产力和竞争力。也就是说，商业智能(BI) =数据+人+工具+算法+知识+预测。

由此可见，数据挖掘只是商业智能的一部分。商业智能依赖于对不断生成和积累的数据的挖掘，从而得出一个论点。数据挖掘是实现商业智能的一种方式。事实上，数据挖掘的目的之一就是企业决策，这就是商业智能。

数据挖掘是一个技术概念，而商业智能是一个非常广泛的应用概念，用于商业领域中数据的综合利用。也可以说商业智能是数据挖掘技术在商业领域的应用。数据挖掘的步骤大致分为:业务理解、评价指标设计、数据提取、清理、数据转换、算法选择(聚类、预测算法、线性回归、时间序列、神经网络、决策树、贝叶斯分析、逻辑回归……)。

举个例子，像帆软的FineBI产品，数据挖掘、数据分析和报告表示是最关键的商业智能的主要组件。剩下的是一些参数，如处理数据的大小、挖掘深度、处理速度。FineBI的数据挖掘，是将以字段和记录的形式添加到多维数据库中，可以在创建新分析时从专用的数据挖掘服务包中使用，使用的方法与拖动任何正常字段没什么不同。