BI基础概念培训ppt

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,*,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,*,让 数 据 变 为 财 富,商务智能平台交流,目录,商务,智,智能,(BI),简介,介绍,术,术语,OLTP,和,OLAP,的区,别,别,OLAP,的整,体,体框,架,架,数据,仓,仓库,的,的内,部,部结,构,构,数据,立,立方,和,和数,据,据仓,库,库的,关,关系,多维,数,数据,集,集组,成,成,数据,仓,仓库,的,的维,度,度表,在,在,OLAP,里的,表,表现,形,形式,。,。,查询,立,立方,什么,是,是商,务,务智,能,能,(BI)?,现代,化,化的,业,业务,操,操作,，,，通,常,常会,产,产生,大,大量,的,的数,据,据，,如,如何,从,从如,此,此繁,多,多的,业,业务,数,数据,中,中提,取,取有,用,用的,信,信息,，,，然,后,后根,据,据这,些,些信,息,息来,采,采取,明,明智,的,的行,动,动，,这,这是,决,决策,者,者面,临,临的,最,最大,问,问题,，,，这,也,也就,是,是商,务,务智,能,能解,决,决的,问,问题,。,。,什么,是,是商,务,务智,能,能,(BI)?,商业,智,智能,能,能够,辅,辅助,业,业务,经,经营,决,决策,，,，既,可,可以,是,是操,作,作层,的,的，,也,也可,以,以是,战,战术,层,层和,战,战略,层,层的,决,决策,。,。,商业,智,智能,是,是对,商,商业,信,信息,的,的搜,集,集、,管,管理,和,和分,析,析过,程,程，,目,目的,是,是使,企,企业,的,的各,级,级决,策,策者,获,获得,知,知识,或,或洞,察,察力,（,（,insight,），,促,促使,他,他们,做,做出,对,对企,业,业更,有,有利,的,的决,策,策。,理解,商,商务,智,智能,目标,：,：数据,信,信息转化,为,为商务,价,价值,方法,：,：转,储,储、,监,监控,、,、分,析,析和,展,展现,海,海量,数,数据,过程,：,：,知识,决策,价值,数据信息,分析,提,提炼,指导,创造,行动,落实,什么,是,是商,务,务智,能,能,(BI)?,商业,智,智能,的,的关,键,键,:,是根,据,据企,业,业发,展,展需,要,要,建立,业,业务,模,模型,从许,多,多来,自,自不,同,同的,企,企业,运,运作,系,系统,的,的数,据,据中,提,提取,出,出有,用,用的,数,数据,并,并进,行,行清理，以,保,保证,数,数据,的,的正,确,确性,.,然后对数据,经,经过抽取（,Extraction,）、转换（,Transformation,）和装载（,Loading,），即,ETL,过程，合并,到,到一个企业,级,级的数据仓,库,库里，从而,得,得到企业数,据,据的一个全,局,局视图,.,在此基础上,利,利用合适的,查,查询和分析,工,工具、数据,挖,挖掘工具、联机分析处,理,理（,OLAP,）工具等对其,进,进行分析和,处,处理（这时,信,信息变为辅,助,助决策的知,识,识），最后,将,将知识呈现,给,给管理者，,为,为管理者的,决,决策过程提,供,供支持。,BI,的基本框架,什么是商务,智,智能,(BI)?,所需技术,:,ETL,数据仓库、,联机分析处,理,理（,OLAP,）工具,数据挖掘等,技,技术。,商务智能的,实,实现涉及到,软,软件、硬件,、,、咨询服务,及,及应用,商务智能发,展,展历程,1964,年，一个叫,Michael S.Scott Morton,的研究员在,哈,哈佛商业学,院,院提出了“,决,决策支持系,统,统”的想法,，,，这便是,BI,商务智能萌,芽,芽。,20,世纪,70,年代之后，,当,当企业建立,了,了大量的,IT,系统，信息,已,已经不再缺,乏,乏而是泛滥,，,，而企业国,际,际化、消费,者,者需求的多,样,样化与苛刻,、,、竞争对手,数,数量的增加,和,和竞争层次,的,的提高，无,不,不要求企业,更,更加关注对,企,企业内部知,识,识、外部信,息,息的提炼和,洞,洞察，以保,证,证企业决策,的,的快速与准,确,确。,80,年代，“商,业,业智能”的,标,标准是能容,易,易地获得想,要,要的数据和,信,信息。,90,年代是商业,智,智能真正起,步,步的阶段。,商务智能发,展,展,当前，商务,智,智能（,BI,）市场正处,于,于一个重要,的,的转型期,进入二十一,世,世纪，“应,用,用”成为关,键,键词之一，,商,商务智能的,深,深入应用也,成,成为业界关,注,注的焦点,2003,年起，商务,智,智能领域掀,起,起并购热潮,BI,受市场关注,的,的原因,如何利用大,量,量数据进行,决,决策：,ERP/SCM/CRM,等产生大量,地,地数据，刺,激,激了,BI,投资，其目,的,的应用数据,进,进行决策,绩效管理成,为,为,BI,市场增长重,要,要因素：,绩,绩效管理是,驱,驱动商业智,能,能市场增长,的,的重要因素,之,之一，绝大,多,多数公司希,望,望在该领域,做,做出成绩,日益严格的,行,行业规范要,求,求：例如萨,班,班斯,-,奥克斯利,(Sarbanes-Oxley),法等法案的,颁,颁布，也推,动,动了,BI,工具的接受,和,和认同,商务智能的,热,热点应用,财务,绩效评估,盈利分析,预算,风险控制,欺诈识别,市场,客户关系管,理,理,市场促销,市场细分,品牌管理,客户忠诚度,分,分析,客户流失分,析,析,产品及服务,目,目录管理,销售,销售分析,客户管理,销售漏斗管,理,理,需求预测,关联销售分,析,析,Web,点击流和销,售,售分析,运营,供应链优化,IT,运营优化,分销商评估,质量控制,内部管理流,程,程优化,BI,国内应用,l,企业信息化,整,整体上处理,基,基础建设阶,段,段,数据整合，,规,规划基础体,系,系架构，实,施,施基础应用,l,多数企业,BI,应用处于较,低,低的层次,报表查询,+,初步分析,l,金融、电信,、,、保险等企,业,业起步早些,BI,应用的大好,时,时期正在到,来,来,BI,主要用途,BI,具有三方面,的,的主要用途,：,：,对组织的财,务,务和运营健,康,康状况进行,监视。,报告、分析,工,工具、关键,性,性能指标（,KPI,）和仪表板,规范,组织的运营,从数据中挖,掘,掘出新的信,息,息,同运营系统,、,、信息反馈,系,系统的双向,集,集成,BI,对现有系统,的,的整合,基于现有业,务,务系统和历,史,史数据,通过对数据,的,的充分运用,提,提升现有系,统,统价值,可以同时支,持,持多种不同,的,的数据库平,台,台,面向数据分,析,析而非过程,跟,跟踪,可以基于实,时,时数据也可,以,以基于非实,时,时数据,商务智能系,统,统如何辅助,决,决策,通过数据的,整,整合提供更,加,加全面的信,息,息,通过预先计,算,算提供更快,捷,捷的速度,通过,OLAP,技术可以非,常,常灵活的以,多,多种形式展,现,现数据，以,使,使管理者发,现,现问题,通过数据挖,掘,掘模型（以,历,历史数据为,基,基础）预测,商,商务的未来,走,走势，为管,理,理者提供决,策,策支持,商务智能应,用,用的范围,不局限于某,一,一个行业或,局,局限于具体,的,的业务,面向的是数,据,据，不是过,程,程,使用通用的,分,分析方法和,模,模型,不局限于特,定,定的使用人,Information worker,、,KnowledgeWorker,领导层和决,策,策层,任何其他需,要,要使用数据,和,和报表的人,受行业发展,冷,冷热的影响,不,不大,IT,行业发展的,时,时候需要商,务,务智能,IT,行业冬天的,时,时候仍然需,要,要商务智能,市场份额主,要,要由国际,BI,厂商占领,为什么我们,需,需要商务智,能,能？,我们在未来,的,的三年中将,会,会制造出比,过,过去三十万,年,年更多的数,据,据资料！,！,！,加州大学,信,信息管理学,院,院,统计,54%,的人认为很,难,难找到他们,想,想得到的信,息,息,.,43%,的人认为不,知,知道这些内,部,部的信息是,否,否正确,.,77%,的人认为由,于,于信息的缺,乏,乏,很多决定是,不,不正确的,.,61%,的人认为,50%,的决定是拍,脑,脑袋来的,.,为什么我们,需,需要商务智,能,能？,在过去的几,十,十年里，各,种,种机构已经,花,花费了大量,的,的财力和资,源,源去构建联,机,机事务处理,系,系统,(OLTP),和资源计划,系,系统,(ERP),等各种系统,.,不断累计的,信,信息和存储,在,在,数据仓库,中的数据达,到,到了令人惊,讶,讶的规模。,当这些系统,极,极大地改善,了,了信息的自,动,动处理能力,时,时，也造就,了,了很多“信,息,息孤岛”,(information silos)-,大量只有很,有,有限的获取,和,和分析能力,的,的数据。一,项,项,IBM,的调查表明,，,，大部分机,构,构只利用了,其,其存储信息,的,的,2%-4%,。,北京市管委,IT,状况,应急事件处,理,理数据,基础地理信,息,息数据,视频监控数,据,据,城管通平台,数,数据,井盖数据,市政设施数,据,据,环卫信息数,据,据,户外广告数,据,据,视频监控数据,应急事件处理数据,基础地理信息数据,城管通平台数据,环卫信息数据,户外广告数据,市政设施数据,井盖数据,?,为什么我们,需,需要商务智,能,能？,传统的方案,不,不能提供一,个,个经过整合,的,的，功能强,大,大的分析工,具,具给最终用,户,户。特别是,给,给那些非技,术,术的商业用,户,户。由于下,图,图中所示的,两,两个主要原,因,因，传统系,统,统不能满足,商,商务层面的,分,分析需要。,难以获得的,信,信息,未经整合的,信,信息,获得性和整,合,合性的空缺,传统分析,系,系统常见,问,问题,术语介绍,数据仓库,：,：面向,主,主题的、,集,集成的、,与,与时间相,关,关且不可,修,修改的数,据,据集合。,维度：,维,维度是分,析,析中描述,性,性的分类,，,，通过它,可,可以将度,量,量值分离,出,出来进行,分,分析,度量：,在,在多维数,据,据集中，,度,度量值是,一,一组值，,这,这些值基,于,于多维数,据,据集的事,实,实数据表,中,中的一列,，,，而且通,常,常为数字,。,。此外，,度,度量值是,所,所分析的,多,多维数据,集,集的中心,值,值。即，,度,度量值是,最,最终用户,浏,浏览多维,数,数据集时,重,重点查看,的,的数字数,据,据。您所,选,选择的度,量,量值取决,于,于最终用,户,户所请求,的,的信息类,型,型。一些,常,常见的度,量,量值有,salescost,、和,production count,等,术语介绍,粒度：,数,数据汇总,的,的层次或,深,深度。,聚合：,聚,聚合是预,先,先计算好,的,的数据汇,总,总，由于,在,在问题提,出,出之前已,经,经准备了,答,答案，聚,合,合可以改,进,进查询响,应,应时间。,切片：,由,由一个维,的,的一个成,员,员限定的,分,分区数据,，,，称为一,个,个切片。,数据钻取,：,：最终,用,用户从常,规,规多维数,据,据集、虚,拟,拟多维数,据,据集或链,接,接多维数,据,据集中选,择,择单个单,元,元，并从,该,该单元的,源,源数据中,检,检索结果,集,集以获得,更,更详细的,信,信息，这,个,个操作过,程,程就是数,据,据钻取。,级别：,级,级别是维,度,度层次结,构,构的一个,元,元素。级,别,别描述了,数,数据的层,次,次结构，,从,从数据的,最,最高（汇,总,总程度最,大,大）级别,直,直到最低,（,（最详细,）,）级别。,OLTP,与,OLAP,的区别,OLTP,（,On-LineTransactionProcessing,）联机事,务,务处理,OL