BI入门体系架构及相关技术.pptx

BI 入门 体系架构及相关技术 系统说明 纲要     ： 什么是BI BI项目的建设过程 目前BI市场一些开发工具 目前公司BI状况及使用工具 Business Intelligence - 连接数据与决策者     BI(Business Intelligence) 是一种运用了数据仓库、在线分析和数据挖掘等技术来处理和分析数据的崭新技术， 目的是为企业决策者提供决策支持。    BI 是一个工厂：        BI 的原材料是海量的数据；        BI 的产品是由数据加工而来的信息和知识；        BI 将这些产品推送给企业决策者；        企业决策者利用 BI 工厂的产品做出正确的决策，促 进企业的发展；   这就是 Business Intelligence，即商业智能——连接数据与决策者，变数据为价值。    BI 应用的两大类别： 信息类应用 知识类应用 目前系统现状 信息类 BI 应用 指由原始数据加工而来的数据查询、报表图表、多维分析、数据可视化等应用，这些应用的共同特点是：将数据转换为决策者可接受的信息，展现给决策者。     例如将银行交易数据加工为银行财务报表。仅负责提供信息，而不会主动去分析数据。      例如，银行财务报表工具没有深入分析客户流失和银行利率之间关系的能力，而只能靠决策者结合信息，通过人的思考，得出知识。 目前系统现状 知识类 BI 应用 指通过数据挖掘技术和工具，将数据中隐含的关系发掘出来，利用计算机直接将数据加工为知识，展现给决策者。     会主动去数据中探查数据关联关系，发掘那些决策者人脑无法迅速发掘的隐含知识，并将其以可理解的形式呈现在决策者面前。  目前系统现状 BI 初级应用模式概览——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。    目前系统现状 BI 高级应用模式概览——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。 BI 应用模式概览——数据挖掘(Data Mining)   数据挖掘是最高级的 BI 应用，因为它能代替部分人脑 数据挖掘隶属于知识发现(Knowledge Discovery)在结构化数据中的特例。   数据挖掘的目的是通过计算机对大量数据进行分析，找出数据之间潜藏的规律和知识，并以可理解的方式展现给用户。      数据挖掘的三大要素是：         技术和算法：目前常用的数据挖掘技术包括——                 自动类别侦测(Auto Cluster Detection)                 决策树(Decision Trees)                 神经网络(Neural Networks)         数据：由于数据挖掘是一个在已知中挖掘未知的过程，                 因此需要大量数据的积累作为数据源，数据积累                 量越大，数据挖掘工具就会有更多的参考点。         预测模型：也就是将需要进行数据挖掘的业务逻辑由                 计算机模拟出来，这也是数据挖掘的主要任务。 二、BI项目的建设过程 商业智能定义为下列软件工具的集合： 数据仓库（Data Warehouse） 联机分析处理工具（OLAP）OLAP也被称为多维分析。 终端用户查询和报表工具。 数据挖掘（Data Mining）软件。 1、设计数据仓库 Cube多维数据集 源系统 客户端 设计数据仓库 导入数据仓库 建设Cubes 查询数据 1 3 4 查询工具 报表 分析 数据挖掘 2 数据仓库 维度与事实 一个数据仓库包括了 一个中央事实表 Fact Table 多个维度外键和多个可以分析的指标 多个维度表 Dimension Tables 可以分析的角度 数据仓库的星型结构 Employee_Dim EmployeeKey EmployeeID . . . EmployeeKey Time_Dim TimeKey TheDate . . . TimeKey Product_Dim ProductKey ProductID ProduceName ProductBrand ProductCategory . . . ProductKey Cu