商业智能BI简介

单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,*,BI,BI,的诞生,BI,概念,ODS,DATA WAREHOUSE,ETL,OLAP,BI,展现,常用的,BI,厂商和产品,BI,在中国,主 题,BI,的诞生,随着,IT,技术的进步，传统的业务交易系统有了长足的发展，已经实现了业务信息化，每一笔业务数据都记录在数据库中，星转斗移，累积了以,TB,为计量单位的业务数据记录。也许你会问：这么多数据，占用了很多存储设备，耗费存储成本，却又不经常访问，留着它有什么用处？可以给你肯定的回答,留着这些历史数据意义巨大，挖掘业务的规律、支持决策。,典型的案例有,“,尿片和啤酒,”,的故事，尿片和啤酒本来是两样不相干的东西，可是，有人就发现，星期五在超市里购物的，购买尿片的年轻父亲中有,30%,40%,的人同时购买啤酒。原来，星期五年轻的父亲购买尿片时，还会为自己捎带买啤酒，因为，,星期五是各家电视台转播橄榄球赛的时间，于是，超市老板们就把尿片和啤酒捆绑销售获得了巨大成功。,这个故事成了一个利用数据挖掘商业价值最大化的神话。由此看来，非常不关联的两样东西，通过海量的信息数据处理，可以挖掘出它们之间潜在的关联，将这种关联商业化，就会得到意想不到的新业务或新的商业模式。,到底该怎样把这些占据大量存储空间的数据的价值挖掘出来，让这些数据从成本的消耗者变成利润的促进者呢？新的数据分析技术由此诞生了，完成了,“,数据,”,到,“,数据价值,”,转换的环节，同时给这项技术起了一个响亮而又神密的名字,“,BI”,（,Business Intelligence,）,BI,概念,一、,BI,的定义,BI,是,Business Intelligence,的英文缩写，中文解释为商务智能，用来帮助企业更好地利用数据提高决策质量的技术集合，是从大量的数据中钻取信息与知识的过程。简单讲就是业务、数据、数据价值应用的过程。用图解的方式可以理解为下图：,这样不难看出，传统的交易系统完成的是,Business,到,Data,的过程，而,BI,要做的事情是在,Data,的基础上，让,Data,产生价值，这个产生价值的过程就是,Business Intelligence analyse,的过程。,数据价值,业务,数据,场景,说个场景，一天去街上买烤白薯，和老板那银聊天。,银：,“,你娃干哈地呀？,”,俺：,“,做软件的。,”,银：,“,啥子软件？,”,俺：,“,bi”,银：,“,啥东西？,”,俺：,“,哦，就比如说你天天在街上卖烤白薯，天天有人买，可是你希望生意能再好一点，我就把你过去两年卖白薯的记录都拿出来，拿俺们的软件分析分析，就能告诉你，这疙瘩都啥样银喜欢七烤白薯，啥样白薯受欢迎，多大个的白薯涨点价还能卖得好，预测一下你下礼拜大概还能卖多少白薯,”,俺：,“,俺们软件大概就是这东西吧,”,银：,“,哦,俺明白了,”,系统结构,历史数据,外部数据,Sybase,Oralce,Informix,DB2,MS SQL,DBF,Excel,业务数据,数 据 源,数 据 仓 库 系 统 后 台,企业级,数据仓库,元数据,抽取,转换,清洗,聚合,装载,ETL,过程,多维数据库,前 端 展 现,OLAP,报表,挖掘,查询,Templates,数据挖掘技术（,Data Mining,）,DM,的定义,数据挖掘（,Data Mining,）是从大量数据中挖掘出,隐含的、先前未知的、对决策有潜在价值的知识和规则,，为决策、策划、金融预测等提供依据，使大型数据库作为一个丰富可靠的资源为知识归纳服务。,DM,的特点,面向应用,涉及数据库技术,运用了统计分析、人工智能多种技术,特征和规律描述,预测和验证功能,ODS,ODS,全称为,Operational,Data Store,，即操作型数据存储，是,“,面向主题的、集成的、可变的、反映当前数据值的和详细的数据的集合，用来满足企业综合的、集成的以及操作型的处理需求,”,(Bill.Inmon),。,ODS,是数据仓库体系结构中的一个可选部分，,ODS,具备数据仓库的部分特征和,OLTP,系统的部分特征。,DATA WAREHOUSE,概念产生标志：,以,Prism Solutions,公司副总裁,W.H.Inmon,在,1990,年出版的,建立数据仓库,(Building the Data Warehouse),。,数据仓库,面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。,目的,：解决在信息技术,(IT),发展中存在的拥有大量数据、然而有用信息贫乏,(Data rich-Information poor),的问题。,ETL,是数据抽取（,Extract,）、转换（,Transform,）、清洗（,Cleansing,）、装载（,Load,）的过程。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,数据清洗,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。,OLAP,（,On-Line Analytical Processing,）即联机分析处理，是,BI,的一种全新的数据封装方式，直接产物是报表或,Cube,，是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。,OLAP,展现在用户面前的是一幅幅多维视图。,维（,Dimension,）：是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维（时间维、地理维等）。,维的层次（,Level,）：人们观察数据的某个特定角度（即某个维）还可以存在细节程度不同的各个描述方面（时间维：日期、月份、季度、年）。,维的成员（,Member,）：维的一个取值，是数据项在某维中位置的描述。（,“,某年某月某日,”,是在时间维上位置的描述）。,度量（,Measure,）：多维数组的取值。（,2000,年,1,月，上海，笔记本电脑，,0000,）。,OLAP,的基本多维分析操作有钻取（,Drill-up,和,Drill-down,）、切片（,Slice,）和切块（,Dice,）、以及旋转（,Pivot,）等。,钻取：是改变维的层次，变换分析的粒度。它包括向下钻取（,Drill-down,）和向上钻取（,Drill-up,）,/,上卷,(Roll-up),。,Drill-up,是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而,Drill-down,则相反，它从汇总数据深入到细节数据进行观察或增加新维。,切片和切块：是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个或以上，则是切块。,旋转：是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。,商业智能的应用,典型行业：,银行,保险,证券,电信,零售,新应用行业：,税务,电力,前端展示工具评估,MSTR,BO,Cognos,Brio,SAS,CA,BI,在中国,中国拥有,5000,年的文化史，灿烂的文件让日常报表也非常具有凝聚力，交错纵横，里外相嵌，格式诡异、规则古怪、数据集中而闻名于世，让无数报表工具折腰。,BI,概念是从欧美引进的，现有的工具也多是欧美国家提供，中国是世界上报表最复杂的国家，报表设计风格与这些国家有明显的差别，,BI,工具制作的报表倾向于仅用一张报表说明一个问题，而中国的报表倾向于将尽可能多的问题集中在一张报表中，这种思路直接导致了,BI,工具应用难度的提升。,谢谢！,