项目管理师1-2010课件.pptVIP

商业智能的基础 商业智能的关键是企业的系统数据，从EPR、SCM、CRM提取出有用的信息，通过信息整理，将数据合并到数据仓储，并通过商业智能工具二次开发，得到企业数据分析的全视图， 企业是否引入商业智能，不在于规模的大小，而在于企业内部数据的来源，以及数据集成的难易程度。商业智能够成功基础是具有准确的、及时的、可靠的数据源。 * * 商业智能理解的4个层面 信息系统层面 面向商业领域的信息系统平台。如SCM、CRM、ERP。是分析数据和趋势预测的工具软件。 数据分析层面 某种数学算法或模型工具。以自动或人工方式，使用算法或模型工具，运算分析得出结论，形成假设，并验证。 知识发现层面 对数据的深度利用。通过寻找发现，提取并存储对决策有用的知识。 战略决策层面 将知识应用在未来高层的战略决策上。 * 商业智能系统功能 主要包括：数据操作和数据分析 数据操作功能： 　 例如： 指标选择、数据提取、标题修改、报表打印、图形操作（饼图、折线图、直方图）、排序功能（正向、反向）、计算相关系数（最大值、最小值、平均值、方差）、预测处理（移动平均预测、指数平滑预测） * 数据分析功能 供应商供应能力、供应商的运营状况、供应商的综合评分、 会员结构分析、会员购买行为分析、购买行为相关分析、顾客忠诚度分析、 销售考核、营业员考核、合同员考核、计划指标考核、 商品结构分析、非正常商品分析、 市场需求分析、促销效果分析、 商品经营价值分析、比价分析。 * 3．智能信息技术 以商业智能为代表的智能信息技术，汇集了数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等技术，并与企业资源管理系统(ERP)相结合。 商业智能信息技术发展的三个层次： 数据集成 数据仓库和数据集市 多维数据分析 * （1）数据仓库技术 数据仓库的定义： 数据仓库（Data Warehouse DW）由美国著名信息工程专家 William Inmon 博士在90年代初提出的。 数据仓库是面向主题的、集成的、随时间变化的、但信息本身相对稳定的数据集合，用于对管理决策过程的支持。 * 数据仓库主题 数据仓库中的所谓主题，是指使用数据仓库进行决策时所关心的重点方面，如：收入、客户、销售渠道等。 数据仓库面向主题 数据仓库的面向主题，是指数据仓库内的信息是按主题进行组织的，而不是像业务支撑系统那样是按照业务功能组织的。 * 数据仓库基本性质 集成数据。是指数据仓库中的信息不是从各个业务系统中简单抽取出来的，而是经过一系列加工、整理和汇总的过程；数据仓库中的信息是关于整个企业的全局信息。 时段数据。不记录动态的业务数据，而是反映过去某一时刻的、各个阶段的汇总信息。通过这些信息，可以对企业的发展历程和未来趋势做定量分析和预测。 相对稳定的数据。是指数据进入数据仓库后，很少进行修改，更多的是对信息进行查询操作。 * 数据仓库的ETL ETL设计和实施是数据仓库技术的重要环节，工作量通常占项目的60%-80%。 Extract数据抽取：将数据从各种原始的业务系统中读取出来，这是所有工作的前提。 查询工具 Transform转换：按照预先设计好的规则将抽取得数据进行转换、清洗，以及处理一些冗余、歧义的数据，使本来异构的数据格式能统一起来。 Loading装载：将转换完的数据按计划增量或全部的导入到数据仓库中。 * 数据仓库系统结构 数据源 ETL 数据仓库 数据集市 服务 OLAP 服务器 OLAP 服务器 查询工具 报表工具 分析工具 数据挖据 前端工具 ....... * （2）OLAP联机分析处理（On-Line Analytical Processing ） 由关系数据库之父E.F.Codd于1993年提出的一种数据动态分析模型，它允许以一种称为多维数据集的多维结构访问商业数据源，经过聚合和组织整理的数据。 OLAP与OLTP的区别 联机事务处理OLTP（on-line transaction processing） 传统的关系型数据库的主要应用，是基本的、日常的事务处理，例如银行交易。 联机分析处理OLAP（On-Line Analytical Processing） 数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持的查询结果。 * OLAP主要技术 多维分析。以多维形式组织数据，采取切片(Slice)、切块(Dice)、钻取(Drill-down和Roll-up)、旋转(Pivot)等分析动作剖析数据，从多个角度、多侧面观察分析。如：从时间、地区和产品不同角度考虑销售情况。 其中：数据钻取，是细化数据，获得精确信息。 数据CUBE（立方）预运算。为了提高OLAP运算效率，对数据预处理，进行聚类