商业智能在信用卡业务中的实际应用

商业智能（BI，Business Intelligence）是对商业运营中所涉及的信息进行智能化、综合性处理的过程，它伴随互联网的高速发展和企业管理信息．化的不断深入而产生。商业智能使得企业的决策能够对企业各种信息进行有效、合理地分析和处理，为经营决策提供可靠的依据。确切地讲，商业智能并不是一项新技术，它是将数据仓库（Data Warehouse）或数据集市（Data Mart）、联机分析处理（OLAP）、数据挖掘（Data Mining）等技术与客户关系管理（CRM）结合起来应用于商业活动等实际过程中，通过把大量的数据转换成可靠的、商用的信息以增加利润和市场份额，实现了技术服务于决策的目的。[第一段]     

BI：文化建设重于系统建设

贾凤军（以下简称贾）：一谈到商业智能（BI），人们就会想到数据仓库，似乎两者是不可分的。我个人认为，BI与数据仓库没有必然的联系。认为没有数据挖掘就没有BI，是一个认识的误区。理论上讲，数据挖掘技术能够为企业提供需要的数据，但这些数据能否成为决策的依据，关键还是取决于决策者或执行者本身。数据挖掘如同给导弹提供了制导数据，但如果导弹的推进系统、爆破系统技术跟不上，即使发射出去也不具有威力。BI应用的关键是业务与技术要找到结合点，     

银行业数据仓库构建策略

随着人工智能和数据库技术的发展，建立以数据仓库为基础的银行智能系统，采用联机分析处理(OLAP)或数据挖掘(Data Mining)方法，把银行历史上积累的大量数据转换成可靠、有用的知识，在银行经营决策支持方面发挥了重要作用。数据仓库在银行业的应用领域非常广泛，例如银行主业中的存     

商业智能在保险数据分析和决策支持中的应用与实现

经过多年来的业务发展和信息系统建设,保险企业积累了大量的历史数据。如何充分利用这些数据,将其转化成商机,一直是保险企业思考的问题。商业智能（BI）技术提供了一个良好的方法,把分散的数据集成到一个数据仓库系统中,利用在线分析技术和数据挖掘技术帮助公司对业务进行分析,寻求业务规律,为领导层提供决策支持。     

2023年影响中国会计十大信息技术解读

<正>由上海国家会计学院主办2023年影响中国会计行业的十大信息技术评选结果发布,分别是数电发票;会计大数据分析与处理技术;财务云;流程自动化;电子会计档案;中台技术;新一代ERP;数据治理技术;商业智能（BI）;数据挖掘。2023年五大潜在影响技术分别是：生成式人工智能（(AIGC);大数据多维引擎与增强分析;AI信任、风险和安全管理;多模态预训练大模型;自适应人工智能。本文对入选十大信息技术的应用进行解读,对潜在影响的五项信息技术进行前景分析判断。     

Teradata推出主数据管理功能

近日，全球企业级数据仓库解决方案厂商Teradata公司宣布，正式推出Teradata主数据管理（MDM，Master Data Management）2．0版本，其新增功能可协助企业确保所有主数据（即与客户、产品及供应商相关的明确数据）的完整性与准确性。     

保险商务智能系统的设计与实现

商务智能系统实现了数据仓库的建设、数据挖掘模型的开发、多维数据集的开发，以及用Sharepoint Server2007开发的信息门户实现对BI展示层应用的集成，最终实现自动化智能决策。本文详细阐述了商务智能系统的解决方案、关键技术以及实现、展示工具和展示效果，最后提出成功应用BI的关键是要从管理层进行推动并培养应用队伍。     

商业智能提升金融机构竞争力

商业智能（Business Intelligence，简称BI）早在上个世纪80年代已在北美地区出现，90年代末以来已广泛应用于各行各业，成为许多企业参与竞争的必备工具。商业智能将数据仓库、联机分析处理、数据挖掘等技术结合起来综合应用，通过将信息转换为知识，帮助企业抓住新的市场机会、发现潜在的威胁，从而更好地保持企业的竞争优势，因此确切地说，商业智能不是一项技术或者具体的产品，而是一项完整的解决方案。     

基于ANN的数据挖掘及其在银行中的应用

银行数据仓库的建成,必然面临如何在上面建立应用进行数据综合利用和深度挖掘的问题,目前各数据仓库厂商提供数据仓库的同时提供OLAP分析软件,这种类型的软件能对数据仓库已有的数据进行统计和分析,得出某种结果。但要找出数据中的潜在规律,做出某种预测,却是力所不能及。这样的工作只有数据挖掘（DataMining）工具才能完成。数据挖掘是一种决策支持过程,它主要基于人工智能、机器学习、统计学等技术,高度自动化地分析银行原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略、减少风险、做出正确的决策。而当前真正成熟和能够投入实际应用的数据挖掘工具并不是很多。因此,设计一个适合我国金融业的数据挖掘工具显得非常必要。     

我国银行数据仓库和商业智能的发展策略

目前,中国银行业面临着全球比、网络化、同质化、多样化的竞争形势,需要借助数据仓库（DW）和商业智能（BI）应用,挖掘数据价值,实现科学决策。随着业务的扩张、业务风险的增加,银行业对与业务相结合的DW＆BI解决方案的需求陕速增长,如：风险数据分析、客户价值分析、综合绩效分析等。银行应根据技术发展趋势,合理选择DW＆BI产品,将其应用于复杂的业务分析、模型建立、系统构建相结合来制定DW＆BI应用策略,以确保商业利益的合理实现。