商业智能是本书中涉及篇幅最多的内容；这将有助于读者充分了解与预测性分析相关的商业智能应用的主要特征。很多商业智能分析的输出结果是分析报告或是可视化数据结构化汇总，对数据中具有关键性意义的内容进行提炼和总结，这部分内容通常被称之为关键性表征指数（KPIs）。KPI报告通常是客户驱动性的内容，能够帮助分析师或是决策者对经营状况中的关键性内容进行恰当描述。这些报告中包含有一些很简单的统计结果，也会存在有很复杂的多功能的测量方法。有趣的是，KPI在预测性分析软件和相关参考文献中并不常见用于对运算方法进行描述。

传统的商业智能输出结果是一份可为分析师或是决策者进行服务的报告。如下一些问题是在欺诈识别和客户分析的商业智能过程中常会涉及到的经典性问题：

欺诈识别：

·上个月一共调查了多少个案例？

·收账的成功率有多少？

·通过收账行为恢复了多少营收？

·不同营收方式的ROI是什么：信件、电话或是其他媒介？

·上个月一共完成了多少个案件？上个季度呢？去年呢？

·对于已经偿还的负债，偿还的平均时长有多久呢？

·在负债的偿还过程中，需要和借贷人进行多少次联系才能完成所有相关债务的偿还呢？

客户分析

· 电子邮件的打开率、点击跳转率和回复率有多少呢？

· 哪一个地区/州/ZIPs 具有最高的响应率呢？

· 哪件产品具有最高的点击获取率呢？

· 上个月达成了多少次重复购买呢？

· 有多少新客户参加了忠诚度计划？

· 每个参与了忠诚度计划的客户的平均花费有多少？不在忠诚度计划范围内的客户有多少平均花费？两者间是否具有足够显著的差异呢？

· 平均每个客户对商店/网站的访问贡献量有多少？

�������S���4�