BI相关知识简介教程文件.pptVIP

多维数据分析方法 多维数据分析方法 下面的几个方法通过此图说明 多维数据分析方法 1. 上卷 上卷指在数据立方体中通过在级别中上升或通过消除某个或某些维莱观察更概括的数据。 2. 下钻 下钻是通过在维度级别中下降或通过引入某个或某些维来更细致地观察数据。 两个概念描述的如下图所示： 3. 切片 切片指在给定的数据立方体中对其中一个维的选择操作。 只取时间维 4. 切块 切块对给定的数据立方体的两个或多个维上的选择操作。 下图我们取了时间和地市两个维度 5. 转轴 转轴即改变维度的方向。 Wappush 报表展现版式的实现 需求分析 从上面的表中，我们分析得到涉及到的维度表有：时间维度、地市维度、用户群维度；度量值为：上行总数、成功下行数以及拉动率。以及事实表和维度表所包含的字段如下表所示： 分析详情见： 《Wappush用户拉动率分析过程文档 》 ETL过程： 数据挖掘简介 概念 数据挖掘时为了发现实现未知的规则和联系而对大量诗句进行选择、探索和建模的过程，目的在于得到对数据库的拥有者来说有用的结果。 数据挖掘与OLAP OLAP是通常是用户根据已知的情况对所关心的业务指标进行分析，所得到得为数据中相对表面的的信息；而数据挖掘则是在业务问题和 目标明确但考察的问题不清楚时，对数据进行探索，揭示隐藏其中的规律性，进而将其模型化，更多的是通过统计学等知识分析出众多数据中隐含的信息。 数据挖掘过程 明确数据分析目标 对数据进行选择、组织和预处理 探索性分析数据及转换 确定在分析阶段使用的统计方法 用选定的方法分析数据 评价和比较实用的方法，选择最后的分析模型 解释最终模型和它在决策过程中的应用 SAS(Statistic analysis system)协会把数据挖掘概括为：SEMMA Sample(抽样) 抽取数据 Explore(探索) 对数据的事先检测，寻找其中的关系和异常数据，理解对哪些数据感兴趣 Modify(修改)、Model（建模） 寻找能够提供数据中包含的信息的重要变量和模型 Assess(评价) 评价数据挖掘过程发现的信息的有用性和可靠性，在世纪分析环境中应用从模型中得到的规则 BI相关知识简介BI项目组 广州金鹏科技信息系统有限公司 2009年9月 预备知识内容提要 ETL和数据仓库简介 2 OLAP简介 3 成功案例 4 BI简介 1 BI相关知识 1. 概念 BI为Business Intelligence（商业智能）的简称，指应用在商业信息的收集，集成，分析和报告上的技术和应用与实践。 一种流行的说法：BI就是由数据仓库、数据挖掘、数据备份和恢复、OLAP（Online Analystical Processing 在线联机分析处理）、几大过程组成的一个总称。 2. 目的 支持商业决策 3. 评价指标 BI使用KPI(Key Performance Indication)即关键业绩指标作为他的评价指标。 (KPI是通过对组织内部流程的输入端、输出端的关键参数进行设置、取样、计算、分析，衡量流程绩效的一种目标式量化管理指标，是把企业的战略目标分解为可操作的工作目标的工具，是企业绩效管理的基础。） ETL和数据仓库简介 2 OLAP简介 3 BI简介 2 1 1. ETL过程 ETL是数据抽取（Extracting）、转换（Transforming）、清洗（Cleaning）、装载（Loading）几个过程的简称。 ETL是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过ETL最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。 数据清洗 重复行数据的清理，无用字段的清理，空值的处理等，正则表达式的使用。 数据转换 数据类型的转换，比如int转varchar,字符型转日期型（2009-08-01）等等。 有时候需要，还有类似用