BI相关知识.docVIP

BI:商业智能 商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。 商业智能(BI,BusinessIntelligence)的概念最早是由GartnerGroup提出来的。确切地讲，商业智能并不是一项新技术,它是将数据仓库(DataWarehouse：DW)、联机分析处理(OLAP)、数据挖掘(DataMining：DM)等技术与资源管理系统(ERP)结合起来应用于商业活动实际过程当中，实现了技术服务于决策的目的。商业智能一直存在于企业的日常工作当中。比如对数据的简单整理、对报表的分析、通过这些分析做出未来若干时间内的工作规划等，这些都是商业智能的表现。随着企业信息化的发展，在应用ERP过程中，大量的数据积累，大量的信息涌现，造成了企业对ERP数据信息的困惑，从而引发了企业对于专业商业智能软件产品的需求。商业智能不再仅仅是一种概念、一种技术，它更多的成为了一种业务层面的需求，为企业应用服务。商业智能产品在制造业领域应用的核心就是通过数据提取、整理、分析，最终通过分析结果制定有关策略、规划，达到资源的合理配置，节约成本提高效益。商业智能在制造业信息化领域大有可为。 商业智能 - 步骤 实施商业智能系统是一项复杂的系统工程,整个项目涉及企业管理,运作管理,信息系统,数据仓库,数据挖掘,统计分析 商业智能BI应用 等众多门类的知识.因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功.商业智能项目的实施步骤可分为:(1)需求分析:需求分析是商业智能实施的第一步,在其他活动开展之前必须明确的定义企业对商业智能的期望和需求,包括需要分析的主题,各主题可能查看的角度(维度);需要发现企业那些方面的规律.用户的需求必须明确.(2)数据仓库建模:通过对企业需求的分析,建立企业数据仓库的逻辑模型和物理模型,并规划好系统的应用架构,将企业各类数据按照分析主题进行组织和归类.(3)数据抽取:数据仓库建立后必须将数据从业务系统中抽取到数据仓库中,在抽取的过程中还必须将数据进行转换,清洗,以适应分析的需要.(4)建立商业智能分析报表:商业智能分析报表需要专业人员按照用户制订的格式进行开发,用户也可自行开发(开发方式简单,快捷).(5)用户培训和数据模拟测试:对于开发—使用分离型的商业智能系统,最终用户的使用是相当简单的,只需要点---击操作就可针对特定的商业问题进行分析.(6)系统改进和完善:任何系统的实施都必须是不断完善的.商业智能系统更是如此,在用户使用一段时间后可能会提出更多的,更具体的要求,这时需要再按照上述步骤对系统进行重构或完善 数据仓库 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。 比如武汉播思的Hugatable就是一个基于云计算的超级数据仓库系统。 数据仓库之父比尔·恩门（Bill Inmon）在1991年出版的《建立数据仓库》一书中所提出的定义被广泛接受，数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。 数据仓库是一个过程而不是一个项目；数据仓库是一个环境，而不是一件产品。数据仓库提供用户用于决策支持的当前和历史数据，这些数据在传统的操作型数据库中很难或不能得到。数据仓库技术是为了有效的把操作形数据集成到统一的环境中以提供决策型数据访问，的各种技术和模块的总称。所做的一切都是为了让用户更快更方便查询所需要的信息，提供决策支持。 数据仓库 - 特点 数据仓库的核心工具 1、面向主题 操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。 2、集成的 数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。 3、相对稳定的 数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。 4、反映历史变化 数据