1、BI 入門 體系架構及相關技術,系統(tǒng)說明,綱要 ： 什么是BI BI項目的建設過程 目前BI市場一些開發(fā)工具 目前公司BI狀況及使用工具,Business Intelligence - 連接數(shù)據(jù)與決策者,BI(Business Intelligence) 是一種運用了數(shù)據(jù)倉庫、在線分析和數(shù)據(jù)挖掘等技術來處理和分析數(shù)據(jù)的嶄新技術， 目的是為企業(yè)決策者提供決策支持。 BI 是一個工廠： BI 的原材料是海量的數(shù)據(jù)； BI 的產(chǎn)品是由數(shù)據(jù)加工而來的信息和知識； BI 將這些產(chǎn)品推送給企業(yè)決策者； 企業(yè)決策者利用 BI 工廠的產(chǎn)品做出正確的決策，促 進企業(yè)的發(fā)展； 這就是 Business Intel

2、ligence，即商業(yè)智能連接數(shù)據(jù)與決策者，變數(shù)據(jù)為價值。,BI 應用的兩大類別： 信息類應用 知識類應用,目前系統(tǒng)現(xiàn)狀,信息類 BI 應用 指由原始數(shù)據(jù)加工而來的數(shù)據(jù)查詢、報表圖表、多維分析、數(shù)據(jù)可視化等應用，這些應用的共同特點是：將數(shù)據(jù)轉(zhuǎn)換為決策者可接受的信息，展現(xiàn)給決策者。 例如將銀行交易數(shù)據(jù)加工為銀行財務報表。僅負責提供信息，而不會主動去分析數(shù)據(jù)。 例如，銀行財務報表工具沒有深入分析客戶流失和銀行利率之間關系的能力，而只能靠決策者結合信息，通過人的思考，得出知識。,目前系統(tǒng)現(xiàn)狀,知識類 BI 應用 指通過數(shù)據(jù)挖掘技術和工具，將數(shù)據(jù)中隱含的關系發(fā)掘出來，利用計算機直接將數(shù)據(jù)加工為知識，展

3、現(xiàn)給決策者。 會主動去數(shù)據(jù)中探查數(shù)據(jù)關聯(lián)關系，發(fā)掘那些決策者人腦無法迅速發(fā)掘的隱含知識，并將其以可理解的形式呈現(xiàn)在決策者面前。,目前系統(tǒng)現(xiàn)狀,BI 初級應用模式概覽數(shù)據(jù)查詢(Querying) 數(shù)據(jù)查詢是最簡單的 BI 應用，屬于 MIS 系統(tǒng)遺產(chǎn)，雖然出身比較老土，但是目前仍然是決策者獲取信息的最直接的方法。,目前系統(tǒng)現(xiàn)狀,BI 高級應用模式概覽在線分析(OnLine Analytical Processing,OLAP) OLAP ，即聯(lián)機分析處理，是 BI 帶來的一種全新的數(shù)據(jù)觀察方式，是 BI 的核心技術之一。,BI 應用模式概覽數(shù)據(jù)挖掘(Data Mining),數(shù)據(jù)挖掘是最高級的

4、BI 應用，因為它能代替部分人腦 數(shù)據(jù)挖掘隸屬于知識發(fā)現(xiàn)(Knowledge Discovery)在結構化數(shù)據(jù)中的特例。 數(shù)據(jù)挖掘的目的是通過計算機對大量數(shù)據(jù)進行分析，找出數(shù)據(jù)之間潛藏的規(guī)律和知識，并以可理解的方式展現(xiàn)給用戶。 數(shù)據(jù)挖掘的三大要素是： 技術和算法：目前常用的數(shù)據(jù)挖掘技術包括 自動類別偵測(Auto Cluster Detection) 決策樹(Decision Trees) 神經(jīng)網(wǎng)絡(Neural Networks) 數(shù)據(jù)：由于數(shù)據(jù)挖掘是一個在已知中挖掘未知的過程， 因此需要大量數(shù)據(jù)的積累作為數(shù)據(jù)源，數(shù)據(jù)積累 量越大，數(shù)據(jù)挖掘工具就會有更多的參考點。 預測模型：也就是將需要進行

5、數(shù)據(jù)挖掘的業(yè)務邏輯由 計算機模擬出來，這也是數(shù)據(jù)挖掘的主要任務。,二、BI項目的建設過程,商業(yè)智能定義為下列軟件工具的集合： 數(shù)據(jù)倉庫（Data Warehouse） 聯(lián)機分析處理工具（OLAP）OLAP也被稱為多維分析。 終端用戶查詢和報表工具。 數(shù)據(jù)挖掘（Data Mining）軟件。,1、設計數(shù)據(jù)倉庫,Cube多維數(shù)據(jù)集,源系統(tǒng),客戶端,設計數(shù)據(jù)倉庫 導入數(shù)據(jù)倉庫 建設Cubes 查詢數(shù)據(jù),1,3,4,查詢工具 報表 分析 數(shù)據(jù)挖掘,2,數(shù)據(jù)倉庫,維度與事實,一個數(shù)據(jù)倉庫包括了 一個中央事實表 Fact Table 多個維度外鍵和多個可以分析的指標 多個維度表 Dimension Tab

6、les 可以分析的角度,數(shù)據(jù)倉庫的星型結構,Employee_Dim,EmployeeKey,EmployeeID . . .,EmployeeKey,Time_Dim,TimeKey,TheDate . . .,TimeKey,Product_Dim,ProductKey,ProductID ProduceName ProductBrand ProductCategory . . .,ProductKey,Customer_Dim,CustomerKey,CustomerID . . .,CustomerKey,Shipper_Dim,ShipperKey,ShipperID . . .,S

7、hipperKey,Sales_Fact,TimeKey EmployeeKey ProductKey CustomerKey ShipperKey,Units Price . . .,TimeKey,CustomerKey,ShipperKey,ProductKey,EmployeeKey,維度鍵,2、導入數(shù)據(jù)倉庫,設計數(shù)據(jù)倉庫 導入數(shù)據(jù)倉庫 建設 Cubes 查詢數(shù)據(jù),1,3,4,2,Cube多維數(shù)據(jù)集,數(shù)據(jù)倉庫,源系統(tǒng),客戶端,查詢工具 報表 分析 數(shù)據(jù)挖掘,3、建設 Cubes,設計數(shù)據(jù)倉庫 導入數(shù)據(jù)倉庫 建設 Cubes 查詢數(shù)據(jù),1,3,4,2,Cube多維數(shù)據(jù)集,數(shù)據(jù)倉庫,源系統(tǒng),客戶端,查詢工具 報表 分析 數(shù)據(jù)挖掘,4、數(shù)據(jù)查詢界面,設計數(shù)據(jù)倉庫 導入數(shù)據(jù)倉庫 建設 Cubes 查詢數(shù)據(jù),1,4,2,3,Cube多維數(shù)據(jù)集,數(shù)據(jù)倉庫,源系統(tǒng),客戶端,查詢工具 報表 分析 數(shù)據(jù)挖掘,三、目前市場上做BI的產(chǎn)品,目前市場上做BI的產(chǎn)品,數(shù)據(jù)倉庫方面，有 IBM DB2，Oracle，Sybase IQ，NCR Teradata 等等； BI 應用方面，有 Cognos，Business Objects，MicroStrategy，Hyperion，IBM