比浏览器更快的访问！
9 关系: 企业，决策，商业，知识，線上分析處理，ETL，資訊共享空間，資料倉儲，数据挖掘。
企业
企业是组织众多个人开展经济活动的一种方式。企业在现代汉语中的基本用法，主要指独立的盈利性组织，并可进一步分为公司和非公司企业，后者如合伙企业、个人独资企业、个体工商户等。在20世纪后期中国大陆改革开放与现代化建设，以及信息技术领域新概念大量涌入的背景下，“企业”一词的用法有所变化，并不限于商业性或盈利组织。.
决策
在心理學中，決策（Decision-making）是一種認知過程，經過這個過程之後，個人可以在各种選擇方案中，根據個人信念或是綜合各項因素的推理，決定出行動，或是決定出個人要向外表達的意見。每个决策过程都会以产生最终决定、选取最终选择为目标。而这些选择的形式可以是一种行动或选取的意见。 决策者做决定之前，往往面临不同的方案和选择、以及有关其决定后果的某种程度上的不确定性；决策者需要对各种选择的利弊、风险做出权衡，以期达到最优的决策结果。 決策可被定義為在數個方案中做選擇的心理過程（亦稱為認知過程）。每個決策過程最後都會得到一個決擇，此決擇可以是一個行為，也可以是一個意見。 ----->.
商业
商业（Commerce），是一种有组织的提供顾客所需的商品与服务的一种行为。中文之“商业”含义指社会分工出现的有组织的贸易行为，现代概念指流通领域的所有产业，多与贸易合称“商业贸易”。大多数的商业行为是通过以成本以上的价格卖出商品或服务来營利，如微软、索尼、IBM、联想、通用都是營利性的商业组织典型的代表。然而某些商业行为只是为了提供运营商业所需的基本资金，一般称这种商业行为为非營利性的，如各种基金会，以及红十字会等。 一般認為商業行為成立的條件有以下幾點：.
知识
知识是对某个主题确信的认识，并且这些认识拥有潜在的能力为特定目的而使用。意指透過經驗或聯想，而能夠熟悉進而了解某件事情；這種事實或狀態就稱為知識，其包括認識或了解某種科學、藝術或技巧。此外，亦指透過研究、調查、觀察或經驗而獲得的一整套知識或一系列資訊。认知事物的能力是哲学中充满争议的中心议题之一，并且拥有它自己的分支—知识论。从更加实用的层次来看，知识通常被某些人的群体所共享，在这种情况下，知识可以通过不同的方式来操作和管理。.
線上分析處理
線上分析處理（On-Line Analytical Processing，简称OLAP），是一套以多維度方式分析資料，而能彈性地提供積存（Roll-up）、下鑽（Drill-down）、和--（pivot）等操作，呈現整合性決策資訊的方法，多用于決策支持系統、商務智能或数据仓库。其主要的功能，在于方便大规模数据分析及统计计算，对決策提供参考和支持。与之相区别的是線上交易處理（OLTP）。.
新！!: 商业智能和線上分析處理 · 查看更多 »
ETL
ETL，是英文Extract-Transform-Load的縮寫，用來描述將資料從來源端經過萃取（extract）、轉置（transform）、載入（load）至目的端的過程。ETL一詞較常用在資料倉儲，但其對象並不限於資料倉儲。.
資訊共享空間
資訊共享空間（Information Commons），或稱資訊市集、學習共享空間（Learning Commons）、資訊中心（Information Hub）、學習中心（Learning Hub）、資訊拱廊（Information Arcade）等。是現代圖書館建築的新風貌。資訊共享空間擁有相當多樣性的定義，但這些定義皆共同描繪出一個圖書館能夠提供「一次購足」(One-stop shopping)的資訊服務，並且促進資訊素養的形成，推動自主研究與終身學習。.
新！!: 商业智能和資訊共享空間 · 查看更多 »
資料倉儲
数据仓库是一门新兴的资讯科技相关理论，以下用二种方式解释。.
数据挖掘
数据挖掘（data mining）是一个跨学科的计算机科学分支 它是用人工智能、机器学习、统计学和数据库的交叉方法在相對較大型的中发现模式的计算过程。数据挖掘过程的总体目标是从一个数据集中提取信息，并将其转换成可理解的结构，以进一步使用。除了原始分析步骤，它还涉及到数据库和数据管理方面、、模型与推断方面考量、兴趣度度量、复杂度的考虑，以及发现结构、可视化及在线更新等后处理。数据挖掘是“資料庫知識發現”（KDD）的分析步骤。数据挖掘：实用机器学习技术及Java实现》一书大部分是机器学习的内容。这本书最初只叫做“实用机器学习”，“数据挖掘”一词是后来为了营销才加入的。通常情况下，使用更为正式的术语，（大规模）数据分析和分析学，或者指出实际的研究方法（例如人工智能和机器学习）会更准确一些。 数据挖掘的实际工作是对大规模数据进行自动或半自动的分析，以提取过去未知的有价值的潜在信息，例如数据的分组（通过聚类分析）、数据的异常记录（通过异常检测）和数据之间的关系（通过关联式规则挖掘）。这通常涉及到数据库技术，例如。这些潜在信息可通过对输入数据处理之后的总结来呈现，之后可以用于进一步分析，比如机器学习和预测分析。举个例子，进行数据挖掘操作时可能要把数据分成多组，然后可以使用决策支持系统以获得更加精确的预测结果。不过数据收集、数据预处理、结果解释和撰写报告都不算数据挖掘的步骤，但是它们确实属于“資料庫知識發現”（KDD）过程，只不过是一些额外的环节。 类似词语“”、“数据捕鱼”和“数据探测”指用数据挖掘方法来采样（可能）过小以致无法可靠地统计推断出所发现任何模式的有效性的更大总体数据集的部分。不过这些方法可以建立新的假设来检验更大数据总体。.
