ระบบธุรกิจอัจฉริยะ

จากวิกิพีเดีย สารานุกรมเสรี
ข้ามไปที่การนำทาง ข้ามไปที่การค้นหา

ระบบธุรกิจอัจฉริยะ ( BI ) ประกอบด้วยกลยุทธ์และเทคโนโลยีที่ใช้โดยองค์กรสำหรับการวิเคราะห์ข้อมูลของข้อมูลทางธุรกิจ [1]เทคโนโลยี BI ให้ประวัติศาสตร์ปัจจุบันและคาดการณ์มุมมองของการดำเนินธุรกิจ

การทำงานร่วมกันของเทคโนโลยีทางธุรกิจรวมถึงการรายงาน , การวิเคราะห์ online , วิเคราะห์ , แดชบอร์ดการพัฒนา, การทำเหมืองข้อมูล , การทำเหมืองแร่กระบวนการ , การประมวลผลเหตุการณ์ที่ซับซ้อน , การจัดการประสิทธิภาพการดำเนินธุรกิจ , การเปรียบเทียบ , การทำเหมืองข้อความ , การวิเคราะห์การทำนายและการวิเคราะห์ที่กำหนด

เทคโนโลยี BI สามารถจัดการข้อมูลที่มีโครงสร้างและบางครั้งไม่มีโครงสร้างจำนวนมากเพื่อช่วยระบุ พัฒนา และสร้างโอกาสทางธุรกิจเชิงกลยุทธ์ใหม่ๆ โดยมีเป้าหมายเพื่อให้การตีความข้อมูลขนาดใหญ่เหล่านี้ง่ายขึ้น การระบุโอกาสใหม่ ๆ และการใช้กลยุทธ์ที่มีประสิทธิภาพตามข้อมูลเชิงลึกสามารถช่วยให้ธุรกิจมีความได้เปรียบในการแข่งขันและความมั่นคงในระยะยาว[2]

ธุรกิจอัจฉริยะสามารถใช้โดยองค์กรเพื่อสนับสนุนการตัดสินใจทางธุรกิจที่หลากหลายตั้งแต่การดำเนินงานไปจนถึงเชิงกลยุทธ์ การตัดสินใจในการดำเนินงานขั้นพื้นฐานรวมถึงการวางตำแหน่งผลิตภัณฑ์หรือการกำหนดราคา การตัดสินใจทางธุรกิจเชิงกลยุทธ์เกี่ยวข้องกับการจัดลำดับความสำคัญเป้าหมายและทิศทางในระดับกว้างที่สุด ในทุกกรณี BI จะมีประสิทธิภาพสูงสุดเมื่อรวมข้อมูลที่ได้จากตลาดที่บริษัทดำเนินการ (ข้อมูลภายนอก) กับข้อมูลจากแหล่งข้อมูลภายในของบริษัทไปยังธุรกิจ เช่น ข้อมูลทางการเงินและการดำเนินงาน (ข้อมูลภายใน) เมื่อรวมกันแล้ว ข้อมูลภายนอกและภายในสามารถให้ภาพที่สมบูรณ์ ซึ่งส่งผลให้เกิด "ความฉลาด" ที่ไม่สามารถหาได้จากชุดข้อมูลที่เป็นเอกพจน์ใดๆ[3]

ท่ามกลางการใช้งานมากมาย เครื่องมือข่าวกรองธุรกิจช่วยให้องค์กรได้รับข้อมูลเชิงลึกเกี่ยวกับตลาดใหม่ เพื่อประเมินความต้องการและความเหมาะสมของผลิตภัณฑ์และบริการสำหรับกลุ่มตลาดต่างๆและเพื่อวัดผลกระทบของความพยายามทางการตลาด [4]

แอปพลิเคชัน BI ใช้ข้อมูลที่รวบรวมจากคลังข้อมูล (DW) หรือจากดาต้ามาร์ทและแนวคิดของ BI และ DW จะรวมกันเป็น "BI/DW" [5] หรือเป็น "BIDW" คลังข้อมูลมีสำเนาของข้อมูลการวิเคราะห์ที่อำนวยความสะดวกในการสนับสนุนการตัดสินใจ

ประวัติ

การใช้คำว่าBusiness Intelligenceเร็วที่สุดคือในCyclopædia of Commercial and Business Anecdotes (1865) ของRichard Millar Devens Devens ใช้คำนี้เพื่ออธิบายวิธีที่นายธนาคารSir Henry Furneseได้รับผลกำไรจากการรับและดำเนินการตามข้อมูลเกี่ยวกับสภาพแวดล้อมของเขา ก่อนคู่แข่งของเขา:

ทั่วทั้งฮอลแลนด์ แฟลนเดอร์ส ฝรั่งเศส และเยอรมนี เขาได้ดูแลระบบการดำเนินธุรกิจอัจฉริยะที่สมบูรณ์และสมบูรณ์แบบ เขาจึงรับข่าวการสู้รบหลายครั้งก่อน และการล่มสลายของนามูร์เพิ่มผลกำไรของเขา เนื่องจากเขาได้รับข่าวแต่เนิ่นๆ

—  เดเวนส์, พี. 210

Devens กล่าวว่าความสามารถในการรวบรวมและตอบสนองตามข้อมูลที่ดึงมาได้นั้นเป็นศูนย์กลางของระบบธุรกิจอัจฉริยะ [6]

เมื่อHans Peter LuhnนักวิจัยของIBMใช้คำว่าBusiness Intelligenceในบทความที่ตีพิมพ์ในปี 1958 เขาใช้คำจำกัดความของความฉลาดทางพจนานุกรมของ Webster : "ความสามารถในการเข้าใจความสัมพันธ์ของข้อเท็จจริงที่นำเสนอในลักษณะที่เป็นแนวทางในการดำเนินการ เป้าหมายที่ต้องการ” [7]

ในปี 1989 Howard Dresner (ภายหลังเป็นนักวิเคราะห์ของGartner ) ได้เสนอBusiness Intelligenceเป็นคำที่ใช้อธิบาย "แนวคิดและวิธีการปรับปรุงการตัดสินใจทางธุรกิจโดยใช้ระบบสนับสนุนตามข้อเท็จจริง" [8]จนกระทั่งช่วงปลายทศวรรษ 1990 ที่การใช้งานนี้แพร่หลาย[9]

นักวิจารณ์[ ใคร? ]มองว่า BI เป็นเพียงแค่วิวัฒนาการของการรายงานทางธุรกิจพร้อมกับเครื่องมือวิเคราะห์ข้อมูลที่ทรงพลังและใช้งานง่ายขึ้น ในแง่นี้ก็ยังถูกวิพากษ์วิจารณ์[ โดยใคร? ]เป็นคำศัพท์ทางการตลาดในบริบทของ " ข้อมูลขนาดใหญ่ " ที่เพิ่มขึ้นอย่างรวดเร็ว [10]

คำจำกัดความ

ตามที่ Solomon Negash และ Paul Gray กล่าว Business Intelligence (BI) สามารถกำหนดให้เป็นระบบที่รวม:

ด้วยการวิเคราะห์เพื่อประเมินข้อมูลองค์กรที่ซับซ้อนและข้อมูลการแข่งขันเพื่อนำเสนอต่อผู้วางแผนและผู้มีอำนาจตัดสินใจ โดยมีวัตถุประสงค์เพื่อปรับปรุงความทันเวลาและคุณภาพของข้อมูลป้อนเข้าสู่กระบวนการตัดสินใจ" [11]

จากข้อมูลของForrester Researchระบบธุรกิจอัจฉริยะคือ "ชุดของวิธีการ กระบวนการ สถาปัตยกรรม และเทคโนโลยีที่เปลี่ยนข้อมูลดิบให้เป็นข้อมูลที่มีความหมายและมีประโยชน์ ซึ่งใช้เพื่อให้เกิดข้อมูลเชิงลึกและการตัดสินใจเชิงกลยุทธ์ ยุทธวิธี และการปฏิบัติงานที่มีประสิทธิภาพมากขึ้น" [12]ภายใต้คำนิยามนี้ทางธุรกิจครอบคลุมการจัดการข้อมูล ( บูรณาการข้อมูล , ข้อมูลที่มีคุณภาพ , คลังข้อมูลการจัดการต้นแบบข้อมูลแอปรับส่งข้อความและเนื้อหาการวิเคราะห์, et al.) ดังนั้น Forrester หมายถึงการเตรียมข้อมูลและการใช้ข้อมูลเป็นสองส่วนแยกกันแต่เชื่อมโยงอย่างใกล้ชิดของสแต็กสถาปัตยกรรมข่าวกรองธุรกิจ

องค์ประกอบบางอย่างของ Business Intelligence ได้แก่: [ ต้องการการอ้างอิง ]

Forrester แตกต่างนี้จากตลาดธุรกิจปัญญาซึ่งเป็น "เพียงแค่ชั้นบนสุดของกองสถาปัตยกรรม BI เช่นรายงาน , การวิเคราะห์และแดชบอร์ด ." [13]

เมื่อเทียบกับความฉลาดทางการแข่งขัน

แม้ว่าคำว่า Business Intelligence ในบางครั้งจะเป็นคำพ้องสำหรับข้อมูลการแข่งขัน (เพราะทั้งคู่สนับสนุนการตัดสินใจ ) BI ใช้เทคโนโลยี กระบวนการ และแอปพลิเคชันเพื่อวิเคราะห์ข้อมูลภายในที่มีโครงสร้างเป็นส่วนใหญ่ และกระบวนการทางธุรกิจ ในขณะที่ข่าวกรองด้านการแข่งขันจะรวบรวม วิเคราะห์ และเผยแพร่ข้อมูลด้วย เน้นเฉพาะคู่แข่งของบริษัท หากเข้าใจในวงกว้าง ระบบธุรกิจอัจฉริยะถือได้ว่าเป็นส่วนย่อยของข้อมูลการแข่งขัน [14]

เปรียบเทียบกับการวิเคราะห์ธุรกิจ

ข้อมูลทางธุรกิจและการวิเคราะห์ทางธุรกิจบางครั้งใช้แทนกันได้ แต่มีคำจำกัดความอื่น [15] โทมัสดาเวนพอร์ศาสตราจารย์ด้านเทคโนโลยีสารสนเทศและการจัดการที่Babson Collegeระบุว่าทางธุรกิจควรจะแบ่งออกเป็นการสอบถาม , รายงาน , การประมวลผลการวิเคราะห์ทางออนไลน์ (OLAP) เป็นเครื่องมือ "แจ้งเตือน" และการวิเคราะห์ธุรกิจ ในคำจำกัดความนี้ การวิเคราะห์ธุรกิจเป็นส่วนย่อยของ BI ที่เน้นที่สถิติ การคาดการณ์ และการเพิ่มประสิทธิภาพ มากกว่าฟังก์ชันการรายงาน [16]

ข้อมูล

การดำเนินธุรกิจสามารถสร้างจำนวนมากของข้อมูลในรูปแบบของ e-mail, บันทึก, บันทึกจากศูนย์บริการ, ข่าว, กลุ่มผู้ใช้, แชท, รายงานหน้าเว็บนำเสนอภาพไฟล์ไฟล์วิดีโอและ สื่อการตลาด จากข้อมูลของMerrill Lynchข้อมูลทางธุรกิจมากกว่า 85% มีอยู่ในรูปแบบเหล่านี้ บริษัทอาจใช้เอกสารดังกล่าวเพียงครั้งเดียว[17]เนื่องจากวิธีการที่จะผลิตและจัดเก็บข้อมูลนี้เป็นทั้งที่ไม่มีโครงสร้างหรือกึ่งโครงสร้าง

การจัดการข้อมูลกึ่งโครงสร้างเป็นปัญหาที่ไม่ได้รับการแก้ไขในอุตสาหกรรมเทคโนโลยีสารสนเทศ[18]ตามการคาดการณ์ของ Gartner (2003) พนักงานปกขาวใช้เวลา 30-40% ของเวลาในการค้นหา ค้นหา และประเมินข้อมูลที่ไม่มีโครงสร้าง BI ใช้ทั้งข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง แบบแรกนั้นง่ายต่อการค้นหา และแบบหลังมีข้อมูลจำนวนมากที่จำเป็นสำหรับการวิเคราะห์และการตัดสินใจ[18] [19]เนื่องจากความยากลำบากในการค้นหา การค้นหา และการประเมินข้อมูลที่ไม่มีโครงสร้างหรือกึ่งโครงสร้างอย่างเหมาะสม องค์กรจึงไม่สามารถใช้แหล่งเก็บข้อมูลขนาดใหญ่เหล่านี้ได้ ซึ่งอาจส่งผลต่อการตัดสินใจ งาน หรือโครงการเฉพาะ ในที่สุดสิ่งนี้สามารถนำไปสู่การตัดสินใจที่มีข้อมูลไม่ดี[17]

ดังนั้นเมื่อออกแบบ Business Intelligence/DW-solution ปัญหาเฉพาะที่เกี่ยวข้องกับข้อมูลกึ่งโครงสร้างและไม่มีโครงสร้างจะต้องได้รับการปรับให้เหมาะสมเช่นเดียวกับปัญหาสำหรับข้อมูลที่มีโครงสร้าง

ข้อมูลที่ไม่มีโครงสร้างกับข้อมูลกึ่งโครงสร้าง

ข้อมูลที่ไม่มีโครงสร้างและกึ่งโครงสร้างมีความหมายต่างกันขึ้นอยู่กับบริบท ในบริบทของระบบฐานข้อมูลเชิงสัมพันธ์, ข้อมูลที่ไม่มีโครงสร้างไม่สามารถเก็บไว้ในคำสั่งให้คาดการณ์คอลัมน์และแถวข้อมูลที่ไม่มีโครงสร้างประเภทหนึ่งมักจะถูกจัดเก็บไว้ในBLOB (วัตถุขนาดใหญ่แบบไบนารี) ซึ่งเป็นชนิดข้อมูลที่จับได้ทั้งหมดที่มีอยู่ในระบบการจัดการฐานข้อมูลเชิงสัมพันธ์ส่วนใหญ่ข้อมูลที่ไม่มีโครงสร้างอาจหมายถึงรูปแบบคอลัมน์ที่ซ้ำกันอย่างผิดปกติหรือสุ่มซึ่งแตกต่างกันไปในแต่ละแถว[20]หรือไฟล์ของภาษาธรรมชาติที่ไม่มีข้อมูลเมตาโดยละเอียด[21]

อย่างไรก็ตาม ข้อมูลหลายประเภทเหล่านี้ เช่น อีเมล ไฟล์ข้อความการประมวลผลคำ PDF, PPTs, ไฟล์รูปภาพ และไฟล์วิดีโอเป็นไปตามมาตรฐานที่มีความเป็นไปได้ของข้อมูลเมตาข้อมูลเมตาสามารถรวมข้อมูลต่างๆ เช่น ผู้เขียนและเวลาในการสร้าง และสามารถจัดเก็บไว้ในฐานข้อมูลเชิงสัมพันธ์ ดังนั้นจึงอาจถูกต้องกว่าที่จะพูดถึงเรื่องนี้เป็นเอกสารกึ่งโครงสร้างหรือข้อมูล[18]แต่ดูเหมือนว่าจะไม่มีความเห็นพ้องต้องกันเฉพาะเจาะจง

ข้อมูลที่ไม่มีโครงสร้างยังสามารถเป็นความรู้ที่ผู้ใช้ทางธุรกิจมีเกี่ยวกับแนวโน้มธุรกิจในอนาคต การคาดการณ์ทางธุรกิจจะสอดคล้องกับระบบ BI เนื่องจากผู้ใช้ทางธุรกิจคิดถึงธุรกิจของตนในภาพรวม การรวบรวมความรู้ทางธุรกิจที่อาจมีอยู่ในใจของผู้ใช้ทางธุรกิจจะมอบจุดข้อมูลที่สำคัญที่สุดบางส่วนสำหรับโซลูชัน BI ที่สมบูรณ์

ข้อจำกัดของข้อมูลกึ่งโครงสร้างและไม่มีโครงสร้าง

มีความท้าทายหลายประการในการพัฒนา BI ด้วยข้อมูลกึ่งโครงสร้าง จากคำกล่าวของ Inmon & Nesavich [22]บางส่วน ได้แก่:

  • การเข้าถึงข้อมูลข้อความที่ไม่มีโครงสร้างทางกายภาพ – ข้อมูลที่ไม่มีโครงสร้างจะถูกจัดเก็บในหลากหลายรูปแบบ
  • คำศัพท์  – ในหมู่นักวิจัยและนักวิเคราะห์ มีความจำเป็นต้องพัฒนาคำศัพท์ที่เป็นมาตรฐาน
  • ปริมาณข้อมูล – ตามที่ระบุไว้ก่อนหน้านี้ มากถึง 85% ของข้อมูลทั้งหมดเป็นข้อมูลกึ่งโครงสร้าง ควบคู่ไปกับความต้องการการวิเคราะห์แบบคำต่อคำและเชิงความหมาย
  • ความสามารถในการค้นหาของข้อมูลที่เป็นข้อความที่ไม่มีโครงสร้าง – การค้นหาข้อมูลบางอย่างอย่างง่าย เช่น apple ส่งผลให้เกิดลิงก์ที่มีการอ้างอิงถึงข้อความค้นหาที่แม่นยำนั้น (Inmon & Nesavich, 2008) [22]ให้ตัวอย่าง: "มีการค้นหาคำว่า felony ในการค้นหาอย่างง่าย คำว่า felony ถูกใช้ และทุกที่ที่มีการอ้างอิงถึง felony การตีเอกสารที่ไม่มีโครงสร้าง ถูกสร้าง แต่การค้นหาธรรมดาๆ นั้น หยาบ ไม่พบการอ้างอิงถึงอาชญากรรม การลอบวางเพลิง การฆาตกรรม การยักยอกทรัพย์ การฆาตกรรมด้วยยานพาหนะ และอื่นๆ แม้ว่าอาชญากรรมเหล่านี้จะเป็นประเภทของอาชญากรรมก็ตาม”

ข้อมูลเมตา

ในการแก้ปัญหาความสามารถในการค้นหาและการประเมินข้อมูล จำเป็นต้องรู้บางอย่างเกี่ยวกับเนื้อหา ซึ่งสามารถทำได้โดยการเพิ่มบริบทผ่านการใช้ข้อมูลเมตา [17]หลายระบบจับข้อมูลเมตาบางส่วนแล้ว (เช่น ชื่อไฟล์ ผู้แต่ง ขนาด ฯลฯ) แต่ข้อมูลเมตาเกี่ยวกับเนื้อหาจริงจะมีประโยชน์มากกว่า เช่น ข้อมูลสรุป หัวข้อ บุคคล หรือบริษัทที่กล่าวถึง สองเทคโนโลยีที่ออกแบบมาสำหรับการสร้างเมตาดาต้าเกี่ยวกับเนื้อหาที่มีการจัดหมวดหมู่โดยอัตโนมัติและข้อมูลการสกัด

แอปพลิเคชัน

ระบบธุรกิจอัจฉริยะสามารถนำไปใช้กับวัตถุประสงค์ทางธุรกิจดังต่อไปนี้: [23]

บทบาท

บทบาททางเทคนิคทั่วไปบางประการสำหรับนักพัฒนา Business Intelligence ได้แก่: [24]

ความเสี่ยง

ในรายงานปี 2013 Gartner ได้จัดหมวดหมู่ผู้จำหน่ายระบบธุรกิจอัจฉริยะเป็นผู้จำหน่ายอิสระ "เล่นจริง" หรือ "megavendor" แบบรวม [25] [26]ในปี 2019 ตลาด BI สั่นสะเทือนในยุโรปเนื่องจากกฎหมายใหม่ของ GDPR (ระเบียบคุ้มครองข้อมูลส่วนบุคคล) ซึ่งทำให้ความรับผิดชอบในการเก็บรวบรวมและจัดเก็บข้อมูลแก่ผู้ใช้ข้อมูลด้วยกฎหมายที่เข้มงวดเพื่อให้แน่ใจว่า ข้อมูลเป็นไปตามข้อกำหนด การเติบโตภายในยุโรปเพิ่มขึ้นอย่างต่อเนื่องตั้งแต่เดือนพฤษภาคม 2019 เมื่อมีการนำ GDPR มาใช้ กฎหมายได้ให้ความสำคัญกับบริษัทต่างๆ ในการดูข้อมูลของตนเองจากมุมมองด้านการปฏิบัติตามกฎระเบียบ แต่ยังเปิดเผยโอกาสในอนาคตโดยใช้การปรับเปลี่ยนให้เป็นส่วนตัวและผู้ให้บริการ BI ภายนอกเพื่อเพิ่มส่วนแบ่งการตลาด [27]

ดูเพิ่มเติม

อ้างอิง

  1. ^ Dedić N. & Stanier C. (2016). "การวัดความสำเร็จของการเปลี่ยนแปลงที่มีอยู่ Business Solutions หน่วยสืบราชการลับในการปรับปรุงธุรกิจการรายงานข่าวกรอง" (PDF) การวัดความสำเร็จของการเปลี่ยนแปลงโซลูชัน Business Intelligence ที่มีอยู่เพื่อปรับปรุงการรายงานข่าวกรองธุรกิจ บรรยายในการประมวลผลข้อมูลทางธุรกิจ หมายเหตุการบรรยายในการประมวลผลข้อมูลทางธุรกิจ 268 . สำนักพิมพ์สปริงเกอร์อินเตอร์เนชั่นแนล น. 225–236. ดอย : 10.1007/978-3-319-49944-4_17 . ISBN 978-3-319-49943-7. ปิดการเข้าถึง
  2. ^ ( Rud, Olivia (2009). Business Intelligence Success Factors: Tools for Aligning Your Business in the Global Economy . Hoboken, NJ: Wiley & Sons. ISBN 978-0-170-39240-9.)
  3. ^ โคเกอร์, แฟรงค์ (2014). ชีพจร: การทำความเข้าใจสัญญาณสำคัญของธุรกิจของคุณ สำนักพิมพ์แสงโดยรอบ น. 41–42. ISBN 978-0-9893086-0-1.
  4. ^ Chugh, R & Grandhi, S 2013, 'ทำไมต้องข่าวกรองธุรกิจ? ความสำคัญของเครื่องมือ Business Intelligence และการรวมการกำกับดูแล BI กับการกำกับดูแลกิจการ', International Journal of E-Entrepreneurship and Innovation, vol. 4, no.2, หน้า 1-14. https://www.researchgate.net/publication/273861123_Why_Business_Intelligence_Significance_of_Business_Intelligence_Tools_and_Integrating_BI_Governance_with_Corporate_Governance
  5. ^ โกลเด้น เบอร์นาร์ด (2013). Amazon Web Services สำหรับ Dummies สำหรับหุ่น. จอห์น ไวลีย์ แอนด์ ซันส์. NS. 234. ISBN  9781118652268. สืบค้นเมื่อ6 กรกฎาคม 2557 . [...] ระบบธุรกิจอัจฉริยะแบบดั้งเดิมหรือเครื่องมือคลังข้อมูล (คำนี้ใช้แทนกันได้จนมักเรียกกันว่า BI/DW) มีราคาแพงมาก [...]
  6. ^ มิลเลอร์ Devens, ริชาร์ด (1865) Cyclopaedia ของเกร็ดเล็กเกร็ดน้อยทางการค้าและธุรกิจ; ประกอบด้วยรำลึกที่น่าสนใจและข้อเท็จจริงลักษณะที่โดดเด่นและ Humors ของพ่อค้าผู้ค้าธนาคาร ฯลฯ ในทุกยุคและประเทศ D. Appleton และบริษัท NS. 210 . สืบค้นเมื่อ15 กุมภาพันธ์ 2557 . ระบบธุรกิจอัจฉริยะ.
  7. ^ HP Luhn (1958). "ระบบธุรกิจอัจฉริยะ" (PDF) . วารสารการวิจัยและพัฒนาไอบีเอ็ม . 2 (4): 314–319. ดอย : 10.1147/rd.24.0314 . เก็บถาวรจากต้นฉบับ(PDF)เมื่อ 13 กันยายน 2551
  8. ^ ดีเจ พาวเวอร์ (10 มีนาคม 2550). "ประวัติโดยย่อของระบบสนับสนุนการตัดสินใจ เวอร์ชัน 4.0" . DSSResources.COM . สืบค้นเมื่อ10 กรกฎาคม 2551 .
  9. ^ พาวเวอร์, ดีเจ"ประวัติย่อของระบบสนับสนุนการตัดสินใจ" สืบค้นเมื่อ1 พฤศจิกายน 2010 .
  10. ^ "ถอดรหัสคำศัพท์ข้อมูลขนาดใหญ่" . cio.com พ.ศ. 2558 BI หมายถึงแนวทาง เครื่องมือ กลไกที่องค์กรสามารถใช้เพื่อจับตาดูธุรกิจของตน นอกจากนี้ยังอ้างอิงโดยเวอร์ชันที่ไม่เซ็กซี่ -- "แดชบอร์ด", "MIS" หรือ "การรายงาน"
  11. ^ Springer-Verlag เบอร์ลินไฮเดลเบิร์ก Springer-Verlag เบอร์ลินไฮเดลเบิร์ก (21 พฤศจิกายน 2008) ภาพรวมหัวข้อ: ข่าวกรองธุรกิจ ดอย : 10.1007/978-3-540-48716-6 . ISBN 978-3-540-48715-9.
  12. ^ Evelson บอริส (21 พฤศจิกายน 2008) "ภาพรวมหัวข้อ: ระบบธุรกิจอัจฉริยะ" .
  13. ^ Evelson บอริส (29 เมษายน 2010) "ต้องการทราบว่านักวิเคราะห์ข้อมูลนำของ Forrester คิดอย่างไรเกี่ยวกับ BI และโดเมนข้อมูล" . เก็บถาวรจากต้นฉบับเมื่อ 6 สิงหาคม 2016 . สืบค้นเมื่อ4 พฤศจิกายน 2010 .
  14. ^ Kobielus เจมส์ (30 เมษายน 2010) "สิ่งที่ไม่ BI คืออะไร? โอ้ไม่ได้รับฉันเริ่มต้น .... โอ๊ะสายเกินไป ... ที่นี่จะไป ..."ที่จัดเก็บจากเดิมในวันที่ 7 พฤษภาคม 2010 สืบค้นเมื่อ4 พฤศจิกายน 2010 . ข่าวกรอง "ธุรกิจ" เป็น catchall ที่ไม่ใช่เฉพาะโดเมนสำหรับข้อมูลการวิเคราะห์ทุกประเภทที่สามารถส่งไปยังผู้ใช้ในรายงาน แดชบอร์ด และอื่นๆ ในทำนองเดียวกัน เมื่อคุณระบุโดเมนหัวเรื่องสำหรับข่าวกรองนี้ คุณสามารถอ้างถึง "ข่าวกรองการแข่งขัน" "ข่าวกรองตลาด" "ข่าวกรองทางสังคม" "ข่าวกรองทางการเงิน" "ข่าวกรองด้านทรัพยากรบุคคล" "ข่าวกรองห่วงโซ่อุปทาน" และอื่นๆ ในทำนองเดียวกัน
  15. ^ "การวิเคราะห์ธุรกิจเทียบกับระบบธุรกิจอัจฉริยะ?" . Timoelliott.com 9 มีนาคม 2554 . สืบค้นเมื่อ15 มิถุนายน 2557 .
  16. ^ Henschen ดั๊ก (4 มกราคม 2010) "Analytics at Work: Q&A กับ Tom Davenport" (สัมภาษณ์)
  17. ^ a b c Rao, R. (2003). "จากข้อมูลที่ไม่มีโครงสร้างสู่ปัญญาที่ดำเนินการได้" (PDF) . ผู้เชี่ยวชาญด้าน IT 5 (6): 29–35. ดอย : 10.1109/MITP.2003.1254966 .
  18. ^ a b c Blumberg, R. & S. Atre (2003). "ปัญหาเกี่ยวกับข้อมูลที่ไม่มีโครงสร้าง" (PDF) . DM รีวิว : 42–46. เก็บถาวรจากต้นฉบับ(PDF)เมื่อวันที่ 25 มกราคม 2554
  19. ^ เน กัช เอส (2004). "ข่าวกรองธุรกิจ" (PDF) . คมนาคม ของ สมาคม ระบบ สารสนเทศ . 13 : 177–195. ดอย : 10.17705/1CAIS.01315 . เก็บถาวรจากต้นฉบับ(PDF)เมื่อ 15 ธันวาคม 2554
  20. ^ Inmon, WH (25 กรกฎาคม 2014). "แก้คำจำกัดความของข้อมูลที่ไม่มีโครงสร้าง" . ข้อมูลขนาดใหญ่และการวิเคราะห์ Hub ไอบีเอ็ม. สืบค้นเมื่อ8 พฤษภาคม 2018 .
  21. ^ ซิง, FZ; แคมเบรีย อี.; เวลส์, RE (2018). "ภาษาธรรมชาติตามการคาดการณ์ทางการเงิน: การสำรวจ" (PDF) ทบทวนปัญญาประดิษฐ์ . 50 (1): 49–73. ดอย : 10.1007/s10462-017-9588-9 . hdl : 1721.1/116314 . S2CID 207079655 .  
  22. ^ a b Inmon, B. & A. Nesavich, "Unstructured Textual Data in the Organization" จาก "Managing Unstructured data in the organization", Prentice Hall 2008, pp. 1–13
  23. ^ เฟลด์แมน, ดี.; ฮิมเมลสไตน์, เจ. (2013). การพัฒนาระบบธุรกิจอัจฉริยะปพลิเคชันสำหรับ SharePoint O'Reilly Media, Inc. หน้า 140–1 ISBN 9781449324681. สืบค้นเมื่อ8 พฤษภาคม 2018 .
  24. ^ บทบาทในข้อมูล - เรียนรู้ | Microsoft Docs
  25. ^ แอนดรูว์ บรัสต์ (14 กุมภาพันธ์ 2556). "การ์ทเนอเผยแพร่ 2013 BI Magic Quadrant" ซีดีเน็ต. สืบค้นเมื่อ21 สิงหาคม 2556 .
  26. ^ เพนเซ , ไนเจล (7 มีนาคม 2551). "การควบรวมกิจการในอุตสาหกรรม BI" . OLAP รายงาน
  27. ^ การเติบโตของ SaaS BI จะทะยานในปี 2010 | คลาวด์คอมพิวติ้ง . อินโฟเวิลด์ (1 กุมภาพันธ์ 2553) สืบค้นเมื่อ 17 มกราคม 2555.

บรรณานุกรม

  • ราล์ฟ คิมบอลล์และคณะ "ชุดเครื่องมือวงจรชีวิตคลังข้อมูล" (ฉบับที่ 2) Wiley ISBN 0-470-47957-4 
  • ปีเตอร์ Rausch, Alaa Sheta, Aladdin Ayesh: ระบบธุรกิจอัจฉริยะและการจัดการประสิทธิภาพ: ทฤษฎีระบบและการประยุกต์ใช้ในอุตสาหกรรมสปริงเกอร์เวอร์สหราชอาณาจักร 2013, ISBN 978-1-4471-4865-4 
  • มูนอซ เจเอ็ม (2017). ข่าวกรองธุรกิจระดับโลก เลดจ์ : สหราชอาณาจักร. ISBN 978-1-1382-03686 

ลิงค์ภายนอก