136福利精品导航,国产小视频免费在线观看,久久久999精品

商業(yè)智能（BI，Business Intelligence）。

商業(yè)智能（BI，Business Intelligence）。商業(yè)智能的概念最早在1996年提出。當時將商業(yè)智能定義為一類由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等部分組成的、以幫助企業(yè)決策為目的技術及其應用。目前，商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉化為知識，幫助企業(yè)做出明智的業(yè)務經營決策的工具。商務智能系統(tǒng)中的數(shù)據(jù)來自企業(yè)其他業(yè)務系統(tǒng)。例如商貿型企業(yè)，其商務智能系統(tǒng)數(shù)據(jù)包括業(yè)務系統(tǒng)的訂單、庫存、交易賬目、客戶和供應商信息等，以及企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù)、其他外部環(huán)境數(shù)據(jù)。而這些數(shù)據(jù)可能來自企業(yè)的CRM、SCM等業(yè)務系統(tǒng)。

　　商業(yè)智能能夠輔助的業(yè)務經營決策，既可以是操作層的，也可以是戰(zhàn)術層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉化為知識，需要利用數(shù)據(jù)倉庫、聯(lián)機分析處理（OLAP）工具和數(shù)據(jù)挖掘等技術。因此，從技術層面上講，商業(yè)智能不是什么新技術，它只是數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘等技術的綜合運用。

　　把商業(yè)智能看成一種解決方案應該比較恰當。商業(yè)智能的關鍵是從許多來自不同的企業(yè)運作系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進行清理，以保證數(shù)據(jù)的正確性，然后經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具、OLAP工具等對其進行分析和處理（這時信息變?yōu)檩o助決策的知識），最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供支持。

　　目前，商業(yè)智能產品及解決方案大致可分為數(shù)據(jù)倉庫產品、數(shù)據(jù)抽取產品、OLAP產品、展示產品、和集成以上幾種產品的針對某個應用的整體解決方案等。

應具有的功能

　　目前，很多廠商活躍在商業(yè)智能（下面簡稱BI）領域。事實上，能夠滿足用戶需要的BI產品和方案必須建立在穩(wěn)定、整合的平臺之上，該平臺需要提供用戶管理、安全性控制、連接數(shù)據(jù)源以及訪問、分析和共享信息的功能。BI平臺的標準化也非常重要，因為這關系到與企業(yè)多種應用系統(tǒng)的兼容問題，解決不了兼容問題，BI系統(tǒng)就不能發(fā)揮出應有效果。這里我們通過對一個實驗室的BI系統(tǒng)模型（我們將其稱為D系統(tǒng)）進行功能解剖，來介紹BI系統(tǒng)。

　　D系統(tǒng)是一個面向終端使用者，直接訪問業(yè)務數(shù)據(jù)，能夠使管理者從各個角度出發(fā)分析利用商業(yè)數(shù)據(jù)，及時地掌握組織的運營現(xiàn)狀，作出科學的經營決策的系統(tǒng)。D系統(tǒng)可實現(xiàn)從簡單的標準報表瀏覽到高級的數(shù)據(jù)分析，滿足組織內部人員的需求。D系統(tǒng)涵蓋了常規(guī)意義上商業(yè)智能（BI）系統(tǒng)的功能，主要構架包括以下幾個方面。

　　讀取數(shù)據(jù)

　　D系統(tǒng)可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的文件，同時可讀取關系型數(shù)據(jù)庫 (對應ODBC)中的數(shù)據(jù)。在讀取文本和數(shù)據(jù)的基礎上，D系統(tǒng)還可以完成：

　　連接文本把2個CSV文件中的共同項目作為鍵（Key），將所需的數(shù)據(jù)合并到一個文件，這樣可以象操作數(shù)據(jù)庫一樣方便，但無須用戶編程即可實現(xiàn)。

　　設置項目類型作為數(shù)據(jù)的項目類型，除按鈕(button)（文字項目）、數(shù)值項目以外，還可以設置日期表示形式的日期數(shù)據(jù)項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。

　　期間設置日期項目數(shù)據(jù)可以根據(jù)年度或季度等組合后生成新??下午或時間帶等組合后生成新的時間項目。

　　設置等級對于數(shù)值項目，可以任意設置等級，生成與之相對應的按鈕。例如，可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。

　　分析功能

　　關聯(lián)/限定關聯(lián)分析主要用于發(fā)現(xiàn)不同事件之間的關聯(lián)性，即一個事件發(fā)生的同時，另一個事件也經常發(fā)生。關聯(lián)分析的重點在于快速發(fā)現(xiàn)那些有實用價值的關聯(lián)發(fā)生的事件。其主要依據(jù)是，事件發(fā)生的概率和條件概率應該符合一定的統(tǒng)計意義。D系統(tǒng)把這種關聯(lián)的分析設計成按鈕的形式，通過選擇有/無關聯(lián)，同時/相反的關聯(lián)。對于結構化的數(shù)據(jù)，以客戶的購買習慣數(shù)據(jù)為例，利用D系統(tǒng)的關聯(lián)分析，可以發(fā)現(xiàn)客戶的關聯(lián)購買需要。例如，一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以采取積極的營銷策略，擴展客戶購買的產品范圍，吸引更多的客戶。

　　顯示數(shù)值比例/指示顯示順序 D系統(tǒng)可使數(shù)值項目的數(shù)據(jù)之間的比例關系通過按鈕的大小來呈現(xiàn)，并顯示其構成比，還可以改變數(shù)值項目數(shù)據(jù)的排列順序等。選擇按鈕后，動態(tài)顯示不斷發(fā)生變化。這樣能夠獲得直觀的數(shù)據(jù)比較效果，并能夠凸顯差異，便于深入分析現(xiàn)象背后的本質。

　　監(jiān)視功能預先設置條件，使符合條件的按鈕顯示報警（紅）、注意（黃）信號，使問題所在一目了然。比如說：上季度營業(yè)額少于100萬元的店警告（黃色標出），少于50萬元的報警（紅色標出）。執(zhí)行后，D系統(tǒng)就把以店名命名的按鈕用相應的顏色表示出來。

　　按鈕增值功能可將多個按鈕組合，形成新的按鈕。比如：把【4月】、【5月】、【6月】三個按鈕組合后得到新的按鈕【第2季度】。

　　記錄選擇功能從大量數(shù)據(jù)中選擇按鈕，取出必要的數(shù)據(jù)。挑出來的數(shù)據(jù)可重新構成同樣的操作環(huán)境。這樣用戶可以把精力集中在所關心的數(shù)據(jù)上。

　　多媒體情報表示功能由數(shù)碼相機拍攝的照片或影像文件、通過掃描儀輸入的圖形等多媒體文件、文字處理或者電子表格軟件做成的報告書、HTML等標準形式保存的文件等，可以通過按鈕進行查找。

　　分割按鈕功能在分割特定按鈕類的情況下，只需切換被分割的個別按鈕，便可連接不斷實行已登錄過的定型處理。

　　程序調用功能把通過按鈕查找抽取出的數(shù)據(jù)，傳給其他的軟件或用戶原有的程序，并執(zhí)行這些程序。

　　查找按鈕名稱功能通過按鈕名查找按鈕，可以指定精確和模糊兩種查找方法。另外，其他的按鈕類也可以對查找結果相關的數(shù)據(jù)進行限定。

　　豐富的畫面

　　列表畫面可以用and/or改變查找條件，可以進行統(tǒng)計/排序。統(tǒng)計對象只針對數(shù)值項目，統(tǒng)計方法分三種：合計、件數(shù)、平均，而且可以按照12種方式改變數(shù)值的顯示格式。

　　視圖畫面提供切換視角和變換視圖功能，通過變換與設置條件相應的數(shù)值（單元格）的顏色表示強調。依次變換視角可進行多方面的數(shù)據(jù)分析。視圖的統(tǒng)計對象只針對數(shù)值項目，統(tǒng)計方法有合計、平均、構成比（縱向、橫向）、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。

　　數(shù)值項目切換通過按鈕類的階層化（行和列最多可分別設置8層），由整體到局部，一邊分層向下挖掘，一邊分析數(shù)據(jù)，可以更加明確探討問題所在。

　　圖表畫面 D系統(tǒng)使用自己開發(fā)的圖形庫，提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上，也可以像在階層視圖一樣，自由地對層次進行挖掘和返回等操作。

　　數(shù)據(jù)輸出功能

　　打印統(tǒng)計列表和圖表畫面等，可將統(tǒng)計分析好的數(shù)據(jù)輸出給其他的應用程序使用，或者以HTML格式保存。

　　定型處理

　　所需要的輸出被顯示出來時，進行定型登錄，可以自動生成定型處理按鈕。以后，只需按此按鈕，即使很復雜的操作，也都可以將所要的列表、視圖和圖表顯示出來。

　　D系統(tǒng)應用范圍

　　商業(yè)智能系統(tǒng)可輔助建立信息中心，如產生各種工作報表和分析報表。用作以下分析：

　　銷售分析主要分析各項銷售指標，例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環(huán)比等等；而分析維又可從管理架構、類別品牌、日期、時段等角度觀察，這些分析維又采用多級鉆取，從而獲得相當透徹的分析思路；同時根據(jù)海量數(shù)據(jù)產生預測信息、報警信息等分析數(shù)據(jù)；還可根據(jù)各種銷售指標產生新的透視表。

　　商品分析商品分析的主要數(shù)據(jù)來自銷售數(shù)據(jù)和商品基礎數(shù)據(jù)，從而產生以分析結構為主線的分析思路。主要分析數(shù)據(jù)有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節(jié)商品等多種指標。通過D系統(tǒng)對這些指標的分析來指導企業(yè)商品結構的調整，加強所營商品的競爭能力和合理配置。

　　人員分析通過D系統(tǒng)對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標??換、購銷商品數(shù)、代銷商品數(shù)、資金占用、資金周轉等）的分析，以達到考核員工業(yè)績，提高員工積極性，并為人力資源的合理利用提供科學依據(jù)。主要分析的主題有，員工的人員構成、銷售人員的人均銷售額、對于銷售的個人銷售業(yè)績、各管理架構的人均銷售額、毛利貢獻、采購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量如何等等。

定義為下列軟件工具的集合

　　終端用戶查詢和報告工具。專門用來支持初級用戶的原始數(shù)據(jù)訪問，不包括適應于專業(yè)人士的成品報告生成工具。

　　OLAP工具。提供多維數(shù)據(jù)管理環(huán)境，其典型的應用是對商業(yè)問題的建模與商業(yè)數(shù)據(jù)分析。OLAP也被稱為多維分析。

　　數(shù)據(jù)挖掘（Data Mining）軟件。使用諸如神經網絡、規(guī)則歸納等技術，用來發(fā)現(xiàn)數(shù)據(jù)之間的關系，做出基于數(shù)據(jù)的推斷。

　　數(shù)據(jù)倉庫（Data Warehouse）和數(shù)據(jù)集市（Data Mart）產品。包括數(shù)據(jù)轉換、管理和存取等方面的預配置軟件，通常還包括一些業(yè)務模型，如財務分析模型。

　　聯(lián)機分析處理 (OLAP) 的概念最早是由關系數(shù)據(jù)庫之父E.F.Codd于1993年提出的，他同時提出了關于OLAP的12條準則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯(lián)機事務處理 (OLTP) 明顯區(qū)分開來。

　　當今的數(shù)據(jù)處理大致可以分成兩大類：聯(lián)機事務處理OLTP（On-Line Transaction Processing）、聯(lián)機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統(tǒng)的關系型數(shù)據(jù)庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數(shù)據(jù)倉庫系統(tǒng)的主要應用，支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。

　　OLAP是使分析人員、管理人員或執(zhí)行人員能夠從多角度對信息進行快速、一致、交互地存取，從而獲得對數(shù)據(jù)的更深入了解的一類軟件技術。OLAP的目標是滿足決策支持或者滿足在多維環(huán)境下特定的查詢和報表需求，它的技術核心是"維"這個概念。

　　“維”是人們觀察客觀世界的角度，是一種高層次的類型劃分。“維”一般包含著層次關系,這種層次關系有時會相當復雜。通過把一個實體的多項重要的屬性定義為多個維(dimension)，使用戶能對不同維上的數(shù)據(jù)進行比較。因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。

　　OLAP的基本多維分析操作有鉆取（roll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等。

　　鉆取是改變維的層次，變換分析的粒度。它包括向上鉆?。╮oll up）和向下鉆?。╠rill down）。roll up是在某一維上將低層次的細節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)，或者減少維數(shù)；而drill down則相反，它從匯總數(shù)據(jù)深入到細節(jié)數(shù)據(jù)進行觀察或增加新維。

　　切片和切塊是在一部分維上選定值后，關心度量數(shù)據(jù)在剩余維上的分布。如果剩余的維只有兩個，則是切片；如果有三個，則是切塊。旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。 OLAP有多種實現(xiàn)方法，根據(jù)存儲數(shù)據(jù)的方式不同可以分為ROLAP、MOLAP、HOLAP。

　　ROLAP表示基于關系數(shù)據(jù)庫的OLAP實現(xiàn)（Relational OLAP）。以關系數(shù)據(jù)庫為核心，以關系型結構進行多維數(shù)據(jù)的表示和存儲。ROLAP將多維數(shù)據(jù)庫的多維結構劃分為兩類表：一類是事實表，用來存儲數(shù)據(jù)和維關鍵字；另一類是維表，即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯(lián)系在一起,形成了“星型模式”。對于層次復雜的維，為避免冗余數(shù)據(jù)占用過大的存儲空間，可以使用多個表來描述，這種星型模式的擴展稱為“雪花模式”。

　　MOLAP表示基于多維數(shù)據(jù)組織的OLAP實現(xiàn)（Multidimensional OLAP）。以多維數(shù)據(jù)組織方式為核心，也就是說，MOLAP使用多維數(shù)組存儲數(shù)據(jù)。多維數(shù)據(jù)在存儲中將形成“立方塊（Cube）”的結構，在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維數(shù)據(jù)報表的主要技術。

　　HOLAP表示基于混合數(shù)據(jù)組織的OLAP實現(xiàn)（?型的。這種方式具有更好的靈活性。

　　還有其他的一些實現(xiàn)OLAP的方法，如提供一個專用的SQL Server，對某些存儲模式（如星型、雪片型）提供對SQL查詢的特殊支持。

　　OLAP工具是針對特定問題的聯(lián)機數(shù)據(jù)訪問與分析。它通過多維的方式對數(shù)據(jù)進行分析、查詢和報表。維是人們觀察數(shù)據(jù)的特定角度。例如，一個企業(yè)在考慮產品的銷售情況時，通常從時間、地區(qū)和產品的不同角度來深入觀察產品的銷售情況。這里的時間、地區(qū)和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數(shù)組則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區(qū)、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的數(shù)據(jù)采取切片（Slice）、切塊（Dice）、鉆?。―rill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析數(shù)據(jù)，使用戶能從多個角度、多側面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入理解包含在數(shù)據(jù)中的信息。

　　主流的商業(yè)智能工具包括BO、COGNOS、BRIO。一些國內的軟件工具平臺如KCOM也集成了一些基本的商業(yè)智能工具。

　　根據(jù)綜合性數(shù)據(jù)的組織方式的不同，目前常見的OLAP主要有基于多維數(shù)據(jù)庫的MOLAP及基于關系數(shù)據(jù)庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數(shù)據(jù)，ROLAP則利用現(xiàn)有的關系數(shù)據(jù)庫技術來模擬多維數(shù)據(jù)。在數(shù)據(jù)倉庫應用中，OLAP應用一般是數(shù)據(jù)倉庫應用的前端工具，同時OLAP工具還可以同數(shù)據(jù)挖掘工具、統(tǒng)計分析工具配合使用，增強決策分析功能。

三個層次

　　經過幾年的積累，大部分中大型的企事業(yè)單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統(tǒng)。這些系統(tǒng)的統(tǒng)一特點都是:通過業(yè)務人員或者用戶的操作，最終對數(shù)據(jù)庫進行增加、修改、刪除等操作。上述系統(tǒng)可統(tǒng)一稱為OLTP(Online Transaction Process，在線事務處理)，指的就是系統(tǒng)運行了一段時間以后，必然幫助企事業(yè)單位收集大量的歷史數(shù)據(jù)。但是，在數(shù)據(jù)庫中分散、獨立存在的大量數(shù)據(jù)對于業(yè)務人員來說，只是一些無法看懂的天書。業(yè)務人員所需要的是信息，是他們能夠看懂、理解并從中受益的抽象信息。此時，如何把數(shù)據(jù)轉化為信息，使得業(yè)務人員(包括管理者)能夠充分掌握、利用這些信息，并且輔助決策，就是商業(yè)智能主要解決的問題。如何把數(shù)據(jù)庫中存在的數(shù)據(jù)轉變?yōu)闃I(yè)務人員需要的信息?大部分的答案是報表系統(tǒng)。簡單說，報表系統(tǒng)已經可以稱作是BI了，它是BI的低端實現(xiàn)。

　　現(xiàn)在國外的企業(yè)，大部分已經進入了中端BI，叫做數(shù)據(jù)分析。有一些企業(yè)已經開始進入高端BI，叫做數(shù)據(jù)挖掘。而我國的企業(yè)，目前大部分還停留在報表階段。

　　數(shù)據(jù)報表不可取代

　　傳統(tǒng)的報表系統(tǒng)技術上已經相當成熟，大家熟悉的Excel、水晶報表、Reporting Service等都已經被廣泛使用。但是，隨著數(shù)據(jù)的增多，需求的提高，傳統(tǒng)報表系統(tǒng)面臨的挑戰(zhàn)也越來越多。

　　1. 數(shù)據(jù)太多，信息太少

　　密密麻麻的表格堆砌了大量數(shù)據(jù)，到底有多少業(yè)務人員仔細看每一個數(shù)據(jù)?到底這些數(shù)據(jù)代表了什么信息、什么趨勢?級別越高的領導，越需要簡明的信息。如果我是董事長，我可能只需要一句話:目前我們的情況是好、中還是差?

　　2. 難以交互分析、了解各種組合

　　定制好的報表過于死板。例如，我們可以在一張表中列出不同地區(qū)、不同產品的銷量，另一張表中列出不同地區(qū)、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如“華北地區(qū)中青年顧客購買數(shù)碼相機類型產品的情況”等問題。業(yè)務問題經常需要多個角度的交互分析。

　　3. 難以挖掘出潛在的規(guī)則

　　報表系統(tǒng)列出的往往是表面上的數(shù)據(jù)信息，但是海量數(shù)據(jù)深處潛在含有哪些規(guī)則呢?什么客戶對我們價值最大，產品之間相互關聯(lián)的程度如何?越是深層的規(guī)則，對于決策支持的價值越大，但是，也越難挖掘出來。

　　4. 難以追溯歷史，數(shù)據(jù)形成孤島

　　業(yè)務系統(tǒng)很多，數(shù)據(jù)存在于不同地方。太舊的數(shù)據(jù)(例如一年前的數(shù)據(jù))往往被業(yè)務系統(tǒng)備份出去，導致宏觀分析、長期歷史分析難度很大。

　　因此，隨著時代的發(fā)展，傳統(tǒng)報表系統(tǒng)已經不能滿足日益增長的業(yè)務需求了，企業(yè)期待著新的技術。數(shù)據(jù)分析和數(shù)據(jù)挖掘的時代正在來臨。值得注意的是，數(shù)據(jù)分析和數(shù)據(jù)挖掘系統(tǒng)的目的是帶給我們更多的決策支持價值，并不是取代數(shù)據(jù)報表。報表系統(tǒng)依然有其不可取代的優(yōu)勢，并且將會長期與數(shù)據(jù)分析、挖掘系統(tǒng)一起并存下去。

　　八維以上的數(shù)據(jù)分析

　　如果說OLTP側重于對數(shù)據(jù)庫進行增加、修改、刪除等日常事務操作，OLAP(Online Analytics Process，在線分析系統(tǒng))則側重于針對宏觀問題，全面分析數(shù)據(jù)，獲得有價值的信息。

　　為了達到OLAP的目的，傳統(tǒng)的關系型數(shù)據(jù)庫已經不夠了，需要一種新的技術叫做多維數(shù)據(jù)庫。

　　多維數(shù)據(jù)庫的概念并不復雜。舉一個例子，我們想描述2003年4月份可樂在北部地區(qū)銷售額10萬元時，牽扯到幾個角度:時間、產品、地區(qū)。這些叫做維度。至于銷售額，叫做度量值。當然，還有成本、利潤等。

　　除了時間、產品和地區(qū)，我們還可以有很多維度，例如客戶的性別、職業(yè)、銷售部門、促銷方式等等。實際上，使用中的多維數(shù)據(jù)庫可能是一個8維或者15維的立方體。

　　雖然結構上15維的立方體很復雜，但是概念上非常簡單。

　　數(shù)據(jù)分析系統(tǒng)的總體架構分為四個部分:源系統(tǒng)、數(shù)據(jù)倉庫、多維數(shù)據(jù)庫、客戶端。

　　·源系統(tǒng):包括現(xiàn)有的所有OLTP系統(tǒng)，搭建BI系統(tǒng)并不需要更改現(xiàn)有系統(tǒng)。

某案例中對銷售額的解析及當前產品的分類

·數(shù)據(jù)倉庫:數(shù)據(jù)大集中，通過數(shù)據(jù)抽取，把數(shù)據(jù)從源系統(tǒng)源源不斷地抽取出來，可能每天一次，或者每3個小時一次，當然是自動的。數(shù)據(jù)倉庫依然建立在關系型數(shù)據(jù)庫上，往往符合叫做“星型結構”的模型。

　　·多維數(shù)據(jù)庫:數(shù)據(jù)倉庫的數(shù)據(jù)經過多維建模，形成了立方體結構。每一個立方體描述了一個業(yè)務主題，例如銷售、庫存或者財務。

　　·客戶端:好的客戶端軟件可以把多維立方體中的信息豐富多彩地展現(xiàn)給用戶。

　　數(shù)據(jù)分析案例:

使用多維數(shù)據(jù)分析的案例

在實際的案例中，我們利用Oracle 9i搭建了數(shù)據(jù)倉庫，Microsoft Analysis Service 2000搭建了多維數(shù)據(jù)庫，ProClarity 6.0 作為客戶端分析軟件。

　　分解樹好像一個組織圖。分解樹在回答以下問題時很?最高的銷售額?

　　·在特定的產品種類內，各種產品間的銷售額分布如何?

　　·哪個銷售人員完成了最高百分比的銷售額?

　　在圖1中，可以對PC機在各個地域的銷售額和所占百分比一目了然。任意一層分解樹都可以根據(jù)不同維度隨意展開。在該分解樹中，在大區(qū)這一層是按國家展開，在國家這一層是按產品分類展開。

　　投影圖(圖3)使用散點圖的格式，顯示兩個或三個度量值之間的關系。數(shù)據(jù)點的集中預示兩個變量之間存在強的相關關系，而稀疏分布的數(shù)據(jù)點可能顯示不明顯的關系。

　　投影圖很適合分析大量的數(shù)據(jù)。在顯示因果關系方面有明顯效果，比如例外的數(shù)據(jù)點就可以考慮進一步研究，因為它們落在“正常”的點群范圍之外。

某案例的數(shù)據(jù)分析投影圖

數(shù)據(jù)挖掘看穿你的需求

　　廣義上說，任何從數(shù)據(jù)庫中挖掘信息的過程都叫做數(shù)據(jù)挖掘。從這點看來，數(shù)據(jù)挖掘就是BI。但從技術術語上說，數(shù)據(jù)挖掘(Data Mining)特指的是:源數(shù)據(jù)經過清洗和轉換等成為適合于挖掘的數(shù)據(jù)集。數(shù)據(jù)挖掘在這種具有固定形式的數(shù)據(jù)集上完成知識的提煉，最后以合適的知識模式用于進一步分析決策工作。從這種狹義的觀點上，我們可以定義:數(shù)據(jù)挖掘是從特定形式的數(shù)據(jù)集中提煉知識的過程。數(shù)據(jù)挖掘往往針對特定的數(shù)據(jù)、特定的問題，選擇一種或者多種挖掘算法，找到數(shù)據(jù)下面隱藏的規(guī)律，這些規(guī)律往往被用來預測、支持決策。

發(fā)展趨勢

　　與DSS、EIS系統(tǒng)相比，商業(yè)智能具有更美好的發(fā)展前景。近些年來，商業(yè)智能市場持續(xù)增長。IDC預測，到2005年，BI市場將達到118億$，平均年增長率為27%（Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001）。隨著企業(yè)CRM、ERP、SCM等應用系統(tǒng)的引入，企業(yè)不停留在事務處理過程而注重有效利用企業(yè)的數(shù)據(jù)為準確和更快的決策提供支持的需求越來越強烈，由此帶動的對商業(yè)智能的需求將是巨大的。

　　商業(yè)智能的發(fā)展趨勢可以歸納為以下幾點：

　　功能上具有可配置性、靈活性、可變化性

　　BI系統(tǒng)的范圍從為部門的特定用戶服務擴展到為整個企業(yè)所有用戶服務。同時，由于企業(yè)用戶在職權、需求上的差異，BI系統(tǒng)提供廣泛的、具有針對性的功能。從簡單的數(shù)據(jù)獲取，到利用WEB和局域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。

　　解決方案更開放、可擴展、可按用戶定制，在保證核心技術的同時，提供客戶化的界面

　　針對不同企業(yè)的獨特的需求，BI系統(tǒng)在提供核心技術的同時，使系統(tǒng)又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的接口和擴展特性；可為企業(yè)提供基于商業(yè)智能平臺的定制/P>

　　從單獨的商業(yè)智能向嵌入式商業(yè)智能發(fā)展

　　這是目前商業(yè)智能應用的一大趨勢，即在企業(yè)現(xiàn)有的應用系統(tǒng)中，如財務、人力、銷售等系統(tǒng)中嵌入商業(yè)智能組件，使普遍意義上的事務處理系統(tǒng)具有商業(yè)智能的特性?？紤]BI系統(tǒng)的某個組件而不是整個BI系統(tǒng)并非一件簡單的事，比如將OLAP技術應用到某一個應用系統(tǒng)，一個相對完整的商業(yè)智能開發(fā)過程，如企業(yè)問題分析、方案設計、原型系統(tǒng)開發(fā)、系統(tǒng)應用等過程是不可缺少的。

　　從傳統(tǒng)功能向增強型功能轉變

　　增強型的商業(yè)智能功能是相對于早期的用SQL工具實現(xiàn)查詢的商業(yè)智能功能。目前應用中的BI系統(tǒng)除實現(xiàn)傳統(tǒng)的BI系統(tǒng)功能之外，大多數(shù)已實現(xiàn)了圖2中數(shù)據(jù)分析層的功能。而數(shù)據(jù)挖掘、企業(yè)建模是BI系統(tǒng)應該加強的應用，以更好地提高系統(tǒng)性能。

posted on 2011-10-31 13:51 順其自然EVO 閱讀(376) 評論(0) 編輯收藏所屬分類: 數(shù)據(jù)庫

qileilove

商業(yè)智能（BI，Business Intelligence）。

應具有的功能

定義為下列軟件工具的集合

三個層次

發(fā)展趨勢

導航

統(tǒng)計

常用鏈接

留言簿(55)

隨筆分類

隨筆檔案

文章分類

文章檔案

搜索

最新評論

閱讀排行榜

評論排行榜

qileilove

商業(yè)智能（BI，Business Intelligence）。

應具有的功能

定義為下列軟件工具的集合

三個層次

發(fā)展趨勢

導航

統(tǒng)計

常用鏈接

留言簿(55)

隨筆分類

隨筆檔案

文章分類

文章檔案

搜索

最新評論

閱讀排行榜

評論排行榜

商業(yè)智能（BI，Business Intelligence）。