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，     

大数据背景下企业加强预测分析以优化决策

由于大数据的极大丰富,企业进行大数据预测分析,获取更智能的决策信息.在数据预测分析的原则指导下,建立预测分析框架.在数据预测分析的各个阶段,运用数据预测分析的结果,将企业运营与预测分析结合起来,提高绩效管理并优化决策.     

成本预测在企业中的应用

<正>成本预测是指根据成本特性、各种技术经济条件的相关数据和情况,结合发展前景,采用一定的科学方法,对企业未来期间的一定产品、项目或方案的成本水平及变动趋势进行预计和测算,为企业的决策、计划服务,以提高生产经营综合经济效益的一种会计预测。一、成本预测在企业中的作用(一)成本预测是企业成本决策的依据正确的决策来自可靠的预测。通过成本预测,企业可以预计在各种技术经济条件下产品的成本,提供制造产品的多个技术经济方案,由决策者从中选择成本最低、效益最好、切实可     

我国证券分析师特征与预测准度之间的经验分析

基于2002—2009年的大样本证券分析师公司年盈余预测数据,使用相对预测分析方法,在控制了其他预测影响因素之后,发现我国证券分析师特征显著影响他们的盈余预测准度。具体而言,我国证券分析师跟进公司的时间越长就越有经验,盈余预测就会越准;证券分析师跟进的公司数目越多和行业数目越多,预测研究的组合任务就越复杂,就不能有效发挥专业化优势,盈余预测就会越不准。不过,与假设预期不一致的是,我国证券分析师所在的研究机构规模越大,并没有发挥像国外大型研究机构所具有的资源优势,证券分析师盈余预测反倒越不准确。     

管理层盈利预测偏差与企业非效率投资

以2010～2020年沪深A股上市公司数据为例,实证检验管理层盈利预测偏差与企业非效率投资的相关关系。结果显示,管理层盈利预测偏差与企业非效率投资正相关,即乐观的盈利预测偏差与更多的过度投资相关,而悲观的盈利预测偏差则与更多的投资不足相关;当分析师预测的反馈信息加强了管理者盈利预测偏差的方向和幅度以及管理者的预测偏差存在持续性时,管理者盈利预测偏差与企业非效率投资之间的相关关系更强。异质性分析得出,在非国有企业、公司治理质量较低的环境中,管理层盈利预测偏差与企业非效率投资之间的关系更显著。研究结果可以为提高管理者的决策效率提供参考,同时有助于外部利益相关者合理认识管理层盈利预测偏差对公司投资决策的影响。     

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。     

基于BI的数据中心建设探讨

如何在海量数据和信息中快速、准确获取有价值的知识与决策,是银行业务不断拓展、信息化水平不断提高过程中急需思考的问题。商业智能（BI）的出现倍受银行业关注。本栏目紧跟城市商业银行信息化建设步伐,节选了BI在城商行数据中心、绩效考核等系统的应用及BI项目实施的经验总结,供行业同仁探讨。     

企业财务大数据预测投资对收益水平和风险程度的变革和影响

大数据的爆炸式增长,考验着现代企业的对于数据的处理和分析能力。然而,如何从大数据中发掘出正真有价值的信息则是一个巨大的挑战。对于企业来说,在大数据时代用大数据预测投资收益水平和风险程度,是一个挑战,也是一个机遇。如何掌握数据,拥有风险定价能力成为了赢得竞争优势的关键。     

销售组合预测模型构建及实证分析

预测销售是企业确保销售指标制定的先决条件,准确的销售预测不仅有助于提高企业及其产品的竞争力,减少销售风险,也是企业提高市场应变能力的有效手段。本文构建了组合预测模型,然后运用单项预测模型和组合预测模型对a公司的销售情况进行了预测分析和比较。实践证明,组合预测的预测精度比单项预测更高、可靠性更强是企业制定生产计划和销售计划的科学依据。     

基于生产大数据的生产成本预测在A热电企业全面预算中的运用

A热电企业成本预算包含生产成本和输送成本两部分,其中生产成本中直接材料预算占总成本50％以上,直接材料主要包含煤炭、水、电、环保耗材等,品种比较少,但是预测直接材料预计需要量时,确定单位产品耗用直接材料的消耗定额(下称单耗)有很大难度,影响单耗的重要设备参数数十个,相关参数上百个,且热电企业采用小型锅炉进行城市供热,炉型较多,参数也有较大差别,同行业数据可比性不强,因此很难准确地进行全面预算.本文利用大数据技术对A热电企业的生产数据进行智能化处理,以此为基础对A热电企业直接材料成本进行预测分析,得到最优的生产参数组合,减少了人工工作量的同时提高了预测精度,为企业的战略发展提供了有力的工具.