企业商业智能实施的探讨（一）.docVIP

　　企业商业智能实施的探讨（一）|第1 内容显示中 图1 基于数据仓库的商业智能体系架构 下面简要地对图1进行说明。Source data system包括企业的各业务系统数据库，非数据库文件等。Data Staging Area是对源数据的规范化处理，目前市面上的许多ETL（Extract Transform Load）工具可以完成数据的清洗、标准化以及数据转换和装载的功能。Data Metadata Storage Area包含了企业数据仓库数据以及由数据仓库抽取出的数据集市数据（Data Mart）。ODS（Operational Data Store）是指不通过数据仓库，直接处理业务系统的数据然后由展现工具展现，对于实时性要求较高的数据可以采用该种方式。End-User presentation Tools是指报表设计工具，OLAP分析工具以及数据挖掘和相关的可视化工具。这里需要强调的是对于OLAP应用，目前在Data Storage Area中，许多产品采用的是MOLAP（多维OLAP）或者HOLAP（混合OLAP），这时的多维模型数据不仅仅存在于关系数据库中，也会包含其它类型的文件。 上述解决方案是认为较为合适的体系架构，其中既包含了对较为实时数据的展现，也包含了对数据仓库数据的展现以及对业务数据集市数据的展现和分析。但是，需要在这里强调的是由于企业整体的IT意识水平可能并不能很容易接受投资大、见效慢的这种体系。因此这种商业智能解决方案的体系架构是较为理想的体系架构，我们必须分布进行投资和实施才能够最终实现基于图1所示的商业智能体系架构。其中的一个重要原因是实施数据的整合和集中是一个工作量巨大且见效较慢的工作。主要原因是对于一个企业而言，有效地实现数据仓库，必须具有统一的企业数据模型（如图2所示），而一般的情况是由于信息系统发展的历史原因，存在于业务系统数据库中的数据存在着定义不统一，数据混乱和错误。 图2 三层数据架构 如果不能够一步到位的实现基于企业数据仓库的商业智能解决方案，那么我们该如何来分步实施呢。广州本田的“少投入、快产出、滚动发展”比较有借鉴意义。必须站在用户需求的立场、站在企业当前应用系统的状况以及站在未来发展的需求上来实施企业商业智能系统才会投资较少、少走弯路以及能够较快产出。对于商业智能系统而言，数据仓库层的数据获取是重点。在下一节将探讨如何获取数据。 内容显示中 图1 基于数据仓库的商业智能体系架构 下面简要地对图1进行说明。Source data system包括企业的各业务系统数据库，非数据库文件等。Data Staging Area是对源数据的规范化处理，目前市面上的许多ETL（Extract Transform Load）工具可以完成数据的清洗、标准化以及数据转换和装载的功能。Data Metadata Storage Area包含了企业数据仓库数据以及由数据仓库抽取出的数据集市数据（Data Mart）。ODS（Operational Data Store）是指不通过数据仓库，直接处理业务系统的数据然后由展现工具展现，对于实时性要求较高的数据可以采用该种方式。End-User presentation Tools是指报表设计工具，OLAP分析工具以及数据挖掘和相关的可视化工具。这里需要强调的是对于OLAP应用，目前在Data Storage Area中，许多产品采用的是MOLAP（多维OLAP）或者HOLAP（混合OLAP），这时的多维模型数据不仅仅存在于关系数据库中，也会包含其它类型的文件。 上述解决方案是认为较为合适的体系架构，其中既包含了对较为实时数据的展现，也包含了对数据仓库数据的展现以及对业务数据集市数据的展现和分析。但是，需要在这里强调的是由于企业整体的IT意识水平可能并不能很容易接受投资大、见效慢的这种体系。因此这种商业智能解决方案的体系架构是较为理想的体系架构，我们必须分布进行投资和实施才能够最终实现基于图1所示的商业智能体系架构。其中的一个重要原因是实施数据的整合和集中是一个工作量巨大且见效较慢的工作。主要原因是对于一个企业而言，有效地实现数据仓库，必须具有统一的企业数据模型（如图2所示），而一般的情况是由于信息系统发展的历史原因，存在于业务系统数据库中的数据存在着定义不统一，数据混乱和错误。 图2 三层数据架构 如果不能够一步到位的实现基于企业数据仓库的商业智能解决方案，那么我们该如何来分步实施呢。广州本田的“少投入、快产出、滚动发展”比较有借鉴意义。必须站在用户需求的立场、站在企业当前应用系统的状况以及站在未来发展的需求上来实施企业商业智能系统才会投资较少、少走弯路以及能够较快产出。对于商业智能系统而言，数据仓库层的数据获