商務智能與大數據的系統(tǒng)化文獻調研.pdf

1、如今，隨著商務化程度的不斷提高，全世界商務機構的決策者們需要不斷尋求新的方法來了解和提高他們的業(yè)務和產業(yè)。過去的歷史告訴我們，知識需要去粗取精、不斷的更新。幾個世紀以來，人們從文明程度不斷提高的社會中找到了他們的問題的答案，并正確的指引著人們前行。
　　隨著現代社會的發(fā)展和進步，需要存儲和管理系統(tǒng)中產出的大量數據，從中獲得有價值的信息已然成為商務機構或政府部門決策的關鍵。對這些結構化或者非結構化的數據進行挖掘和分析，得出相應的分析

2、解決方案，對決策者來說越來越重要，這些數據不僅僅是私有的數據，還有大量公開在互聯網中的數據同樣具有很大的價值。
　　大數據已經引發(fā)了學術界、商務界、政府及工業(yè)界的廣泛關注。大數據有以下三個方面的特點:(1)數據量巨大(2)傳統(tǒng)的關系型數據庫無法處理(3)數據的產生速度極快，需要快速捕獲這些數據，同時進行快速的分析和處理。與此同時，大數據正在逐漸改變醫(yī)療保健、科學研究、工程工業(yè)、金融行業(yè)、商務模式，并最終服務社會，改變社會。數據存儲

3、和挖掘技術的進步使得人們可以存儲越來越多的數據。
　　如今，商務機構的決策者逐漸把重心放到商務智能上，他們認為商務智能能夠幫助他們取得更大的競爭優(yōu)勢，能夠為他們指明方向，幫助企業(yè)做決策。商務智能能夠提高企業(yè)的效率，帶來經過科學武裝的管理思維，帶來正確的決策。商務智能需要大量的數據進行支撐，這些數據主要來源于企業(yè)內部正在運行的交易系統(tǒng)。商務智能系統(tǒng)通常部署在企業(yè)內部，是企業(yè)的大腦。
　　商務智能(BI)作為一種概念和工具，在學

4、科領域，尤其在戰(zhàn)略管理學科以及信息管理學科被廣泛的重視和強調。BI是獲取和分析從多個渠道所收集的數據的一種應用工具和過程，能夠幫助人們做出決策。使用BI工具還能夠通過管理組織企業(yè)業(yè)績來提高企業(yè)利潤以及通過整合過去的成功經驗來獲得競爭優(yōu)勢。雖然BI工具提供了許多好處，但實現BI的最主要的因素包括:開發(fā)能夠有效地挖掘數據的工具，特定行業(yè)或業(yè)務上下文的可用性解決方案，以及對此再次感興趣的高級經理。
　　不同的機構之間使用BI進行數據分析

5、能為企業(yè)帶來巨大的利益，這通常被稱為技術，技術集、系統(tǒng)、實踐、方法學、以及與與關鍵業(yè)務數據分析相關的應用程序集?？梢詭椭髽I(yè)更好的理解其業(yè)務和市場，及時發(fā)現問題，敏銳地挖掘出潛在的知識和規(guī)律，從而能夠及時的進行決策。除了最根本的數據處理和分析技術之外，BI&A還包括了以商務為中心的最佳實踐和方法學，能夠應用到多種重要的領域中去，其中包括電子商務、市場資訊、電子政務、電子醫(yī)療服務以及安全領域。
　　系統(tǒng)化文獻調研于2004年開始得到

6、了軟件工程研究人員的廣泛關注。很多研究者報道了他們在軟件工程的不同研究領域中應用系統(tǒng)化文獻調研時的經驗教訓。然而，沒有嘗試任何獨立探索的經驗和感知系統(tǒng)評價的從業(yè)者為了獲得深入的了解，將系統(tǒng)性評價作為軟件工程的一種新的研究方法。他們宣稱系統(tǒng)化文獻調研是一種需要在系統(tǒng)化綜述中使用基于證據的知識體系的系統(tǒng)化文獻綜述方法。系統(tǒng)化文獻調研作為一種系統(tǒng)化綜述，被認為是基于證據的軟件工程研究領域的一種關鍵研究方法學。
　　系統(tǒng)化文獻調研在得到廣

7、泛的關注之后，軟件工程的研究者們在許許多多不同的研究當中使用了系統(tǒng)化文獻調研，例如敏捷軟件開發(fā)、回歸測試、流程建模、可變性管理、成本估算。研究者們也在發(fā)表的論文中總結歸納出了系統(tǒng)化文獻調研的最佳實踐方法以及他們使用系統(tǒng)化文獻調研的經驗。此外，系統(tǒng)化文獻調研的技術策略評估以及質量報告也在主要的研究中被提出。隨著軟件工程研究者們對系統(tǒng)化文獻調研的興趣的不斷提高，系統(tǒng)化文獻調研就必須提供適當的方法論指導的設計、執(zhí)行和報告高質量的系統(tǒng)評價。

8、r>　　本文研究的目的是系統(tǒng)地調查現有的關于商務智能與大數據的研究，把相關的研究現狀及趨勢，研究所用到的技術和相關的工具軟件，和主要的研究內容與研究重點做出相應的分類。我們采用以證據為基礎的軟件工程范例的系統(tǒng)化文獻調研的研究方法，對所研究的問題進行調查，最終得出分析結果的報告。
　　本文的系統(tǒng)化文獻調研從最初的1585篇論文中提取出70篇，從中得出以下5個調查結果:
　　1、這些論文的發(fā)表時間在2004年至2015年之間。從

9、分布在這些年份的論文中發(fā)現，從2008年開始文章發(fā)表的數量及趨勢呈直線上升。2013年，文章發(fā)表數達到最高值，選取了16篇。
　　2、在本文選取的論文中的共218名作者當中，他們分別來自26個不同國家的117個不同研究機構。他們當中，大部分來自于美國，其中9篇論文中的45個作者來自于29個不周研究機構。其次來自于中國，選取的11篇論文中的35個作者來自于16個不同的研究機構。接下來是德國，選取的8篇論文中的19個作者來自于9個不同

10、的研究機構。
　　3、選取的論文當中，有21篇期刊論文和49篇會議論文。其中頻率最多的有4篇來自HICSS，2篇來自SAICSIT，其他2篇來自ATMIS。
　　4、在選取的論文中，有25篇使用了經驗學習方法，占31.25％。其次，描述和文獻綜述有13篇，占16.26％。接著有12篇提出了新的思想或方法，占15％。
　　5、大多數研究者關注元分析，有25篇文獻，占34.25％。其次23篇講述大數據的應用，占31.51％