商业智能分析的方法论（商业智能的步骤）

数据分析和商业智能的区别

1、所以数据分析包含的内容可以很宽泛，而商业智能则更聚焦于实现商业价值。数据分析的概念：通俗意义上来讲，“数据分析”并没有特定的应用场景，人们更喜欢将数据分析作为一种行为过程去讨论，或在其后加上诸如方法论这类的具体名词来定义。

2、数据分析只是一种利用数学方法处理数据的工具，讲究的是对数据的统计分析、探索假设以及验证的过程。数据分析只是商业智能运用里的一部分。在使用方面，FineBI一类的商务智能系统应用性和使用感都要更强。

3、传统报表：向上级报告情况的表格。简单的说：报表就是用表格、图表等格式来动态显示数据。商业智能：BI（Business Intelligence）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确地提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

4、商业智能（BI）系统是直接连接到业务系统的，可以对MIS的数据进行抽取、转换和加载（ETL），生成多维数据模型，然后用户可以直接对这个多维数据模型进行包括钻取、切块等分析操作。以我们正在用的Wyn Enterprise为例，整个过程全是图形界面的，拖拖拽拽即可完成这些数据处理。

请问你是数据挖掘的研究生?数据挖掘研究生阶段都学什么?

因为与数据库密切相关，又称为数据库知识发现（Knowledge Discovery in Databases，KDD） ，就是将高级智能计算技术应用于大量数据中，让计算机在有人或无人指导的情况下从海量数据中发现潜在的，有用的模式（也叫知识）。 广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来，数据挖掘就是BI（商业智能）。

如下：编程语言 目前工业界的机器学习编程语言很多，基于个人的一些浅显的工作经验，发现目前比较常用的编程语言是 Python 和 SQL。需要掌握的内容有以下几点：聚合函数，数学函数，字符串函数，表格的连接函数，条件语句等。机器学习 推荐教材《机器学习实战》，作者是 Peter Harrington。

建议就是你得了解数据挖掘都涉及到哪些学科：首先是概率论与数理统计，还有矩阵论，两门最基础的数学，这是研究算法的工具。其次，会编程，掌握java或者c++平台下开发的数据挖掘工具，能够学习算法源代码进而更深入地研究，还有数据库方面的知识。

首先，数据挖掘的技术有好多种，你要定位到某类数据挖掘算法，比如分类，聚类，关联规则，预测等等。再次，就是根据你的定位，大量阅读国内外（特别是国外）研究人员对这类算法的改进及应用，要熟悉。然后呢，就是提出你对该算法的改进方法，并实现。说白了，就是算法的改进，实现。