2015学习报告.docVIP

S5506-00 学 习 报 ○试用报告 ○固定报告 ○临时报告 报告人 部门 报告日期 BI初级应用模式 数据查询（Querying） 数据查询是最简单的BI应用，属于MIS系统遗产，虽然出身比较老土，但是目前仍然是决策者获取信息的最直接的方法。 如今，数据查询界面已经彻底摆脱了传统SQL命令行，大量的下拉菜单、输入框、列表框等元素甚至是鼠标拖拽界面将后台干苦力的SQL语句包装成一个妖艳无比的数据获取系统，而本质仍然没有离开数据查询的几大要素： 查什么 从哪儿查 过滤条件 展示方法 目前国外比较流行的数据查询应用已经完全释放了数据查询的灵活性，允许用户通过纯浏览器界面，以鼠标拖拽操作定义数据查询要素，并以报表和图表等多种方式展现数据。 报表（Reporting） 报表是国内最热衷的BI应用之一，这与报表在我国企事业单位中的历史地位是分不开的，我国的报表以其格式诡异、数据集中、规则古怪等特征著称于世，曾经让无数国外报表工具和BI工具捶胸顿足。 报表的两大要素是数据和格式，如果没有格式，则报表应用几乎等同于数据查询应用，可以说，报表就是将查询出来的数据按照指定的格式展现。 报表应用包含了报表展现和报表制作两大模块。报表展现就是让决策者看到报表，并允许决策者通过条件定义来选择报表数据，例如选择报表年度、部门、机构等等；报表制作面向报表的开发人员，其格式定义灵活性、数据映射灵活性、计算方法的丰富程度等均影响了BI报表应用的质量。 Microsoft excel不算是一个BI报表工具，因为excel没有连接数据源的能力，充其量是一个shread sheet。但是excel强大的格式功能让报表制作人员竞折腰，乃至到后来，几乎所有BI厂商都提供了面向microsoft excel的插件，通过插件，excel可以连接到BI的数据源上，摇身一变为BI报表工具，丑小鸭变天鹅。 BI高级应用模式 在线分析(online analytical processing，OLAP) OLAP，即联机分析处理，是BI带来的一种全新的数据观察方式，是BI的核心技术之一。 我们知道，数据在数据库中是以数据表来存储的，比如某商店的小猴数据存储在如下所示的一张数据表中： 决策者希望知道的往往是分布、占比、趋势之类的宏观信息，比如下列问题： 北京地区的销售数量随时间的变化趋势？ 哪种产品在2005年销售比2004年销售增幅最大？ 2004年各产品销售额的比例分布？ 面对这种需求，必须用SQL语句进行大量的SUM操作，每得出一个问题的结果，就需要SQL SUM。面对上面的7条记录，我们可以很容易的得出结果，但是当我们面对百万级甚至亿级的记录条数时，例如移动公司通话数据，每次SQL SUM都需要消耗大量的时间来计算，决策者经常是在第一天提出分析需求，等到第二天才能拿到计算结果，这种分析方式是“脱机分析”，效率很低。 为了提高数据分析效率，OLAP技术彻底打破以记录为单位的数据浏览方式，而将数据分离为“维度(dimension)”和“度量(measure)”： 维度是观察数据的角度，例如上面示例中的“销售时间”、“销售地点”、“产品”； 度量是具体考察的数量值，例如上例中的“销售数量”和“销售金额”； 这样一来，我们就可以将上面这张平版的数据列表转换为一个拥有三个维度的数据立方体(cube)，而探查数据的过程，就是在这个立方体中确定一个点，然后观察这个点的度量值。当然，数据立方体并不局限于三个维度，这里采用三个维度来说明问题，只是因为通过图形可以表现出来的极限就是三个维度。 维度可以划分层次，例如时间上可以从日向上汇总为月和年，产品可以向上汇总为食品和日用品，地点可以向上汇总为华北和华南，用户可以沿着维度的层次任意向下钻取(drill down)和向上汇总(roll up)。 通过这种方式，我们就可以摆脱SQL SUM对速度的制约，快速定位符合不同条件的细节数据，更可以迅速得到某一层次的汇总数据。OLAP技术为决策者提供了多角度、多层次、高效率的数据探查方式，决策者的思维不再被固定的下拉菜单、查询条件所束缚，而是由决策者的思维带领数据的获取，任意组合分析角度和分析目标，这种打破传统的互动性分析和高效率使OLAP成为BI系统的核心应用。 数据可视化 数据可视化应用致力于将信息以尽可能多的形式展现出来，目的是使决策者通过图形这种直观的表现方式迅速获取信息中蕴藏的知识，如趋势、分布、密度等要素。值得一提的是，以mapinfo公司为代表的gis软件商，目前也正在努力结合BI应用，mapinfo率先提出了location intelligence概念，依托于地理信息系统，展现各地区的属性值，例如人口密度、工业产值、人均医院数