人大金仓bi产品方案.pdf

人大金仓BI 产品方案 Business Intelligence （BI ） 商务智能 商业智能：将数据转换成信息的过程，再通过发现将信息转化为知识。 从业务角度看 用来辅助商业决策的制定；商业智能提供迅速分析数据的技术和方法，包括收集、管理 和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。 从技术角度看 将数据仓库(DW )、联机分析处理(OLAP)、数据挖掘(DM ) 等技术与业务结合起来应用于 商业决策的过程，实现技术服务于决策的目的。 商业智能也称作 BI，是英文单词 Business Intelligence 的缩写。商业智能的概念最早在 1996 年提出。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、 数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。目前，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。 因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不 同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过 抽取（Extraction）、转换（Transformation ）和装载（Load），即 ETL 过程，合并到一个企业 级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工 具、数据挖掘工具、OLAP 工具等对其进行分析和处理（这时信息变为辅助决策的知识），最 后将知识呈现给管理者，为管理者的决策过程提供支持。 金仓BI 的体系架构及相关技术 BI 系统为了满足企业管理者的要求，从浩如烟海的资料中找出其关心的数据，必须要做 到以下几步：  为了整合各种格式的数据，清除原有数据中的错误记录——数据预处理的要求；  对预处理过数据，应该统一集中起来——元数据(Meta Data)、数据仓库(Data Warehouse) 的要求；  最后，对于集中起来的庞大的数据集，还应进行相应的专业统计，从中发掘出对企业决 策有价值的新的机会——OLAP(联机事务分析)和数据挖掘(Data Mining)的要求； 金仓BI 统一平台是一个面向数据分析和数据集成的企业级商业智能平台，集数据处理、 数据管理、数据分析和数据展现为一体。产品基于J2EE 架构设计，采用统一的管理架构和 集中的管理工具，采用可视化的图形操作界面和本地化的设计风格，规范企业数据，提高数 据质量，为政府部门、企业集团、特定行业提供数据处理、分析整合，从而有力的保障决策 支持的正确性。 金仓BI 统一平台系统架构如下： 接下来，从上述几个核心部分对金仓BI 统一平台进行详细说明。 数据预处理 当早期大型的在线事务处理系统(OLTP) 问世后不久，就出现了一种用于“抽取”处理的 简单程序，其作用是搜索整个文件和数据库，使用某些标准选择合乎要求的数据，将其复制 拷贝出来，用于总体分析。因为这样做不会影响正在使用的在线事务处理系统，降低其性能， 同时，用户可以自行控制抽取出来的数据。但是，现在情况发生了巨大的变化，企业同时采 用了多个在线事务处理系统，而这些系统之间的数据定义格式不尽相同，即使采用同一软件 厂商提供的不同软件产品，或者仅仅是产品版本不同，之间的数据定义格式也有少许差距。 由此，我们必须先定义一个统一的数据格式，然后把各个来源的数据按新的统一的格式进行 转换，然后集中装载入数据仓库中。 其中，尤其要注意的一点时，并不是各个来源的不同格式的所有数据都能被新的统一格 式包容，我们也不应强求非要把所有数据源的数据全部集中起来。其中原因很多，有可能原 来录入的数据中，少量的记录使用了错误的数据，这类数据如果无法校正，应该被舍去。某 些数据记录是非结构化的，很难将其转化成新定义的统一格式，而且从中抽取信息必须读取 整个文