1、讓 數 據 變 為 財 富 商務智能平臺交流目錄商務智能(BI)簡介介紹術語OLTP和OLAP的區別OLAP的整體框架數據倉庫的內部結構數據立方和數據倉庫的關系多維數據集組成數據倉庫的維度表在OLAP里的表現形式。查詢立方什么是商務智能(BI)?現代化的業務操作，通常會產生大量的數據，如何從如此繁多的業務數據中提取有用的信息，然后根據這些信息來采取明智的行動，這是決策者面臨的最大問題，這也就是商務智能解決的問題。什么是商務智能(BI)?商業智能能夠輔助業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。 商業智能是對商業信息的搜集、管理和分析過程，目的是使企業的各級決策者獲得知識或洞

2、察力（insight），促使他們做出對企業更有利的決策。 理解商務智能目標：數據信息 轉化為商務價值方法：轉儲、監控、分析和展現海量數據過程：知識決策價值數據信息分析提煉指導創造行動落實什么是商務智能(BI)?商業智能的關鍵:是根據企業發展需要,建立業務模型,從許多來自不同的企業運作系統的數據中提取出有用的數據并進行清理，以保證數據的正確性.然后對數據經過抽取（Extraction）、轉換（Transformation）和裝載（Loading），即ETL過程，合并到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖.在此基礎上利用合適的查詢和分析工具、數據挖掘工具、聯機分析處理（OLAP）

3、工具等對其進行分析和處理（這時信息變為輔助決策的知識），最后將知識呈現給管理者，為管理者的決策過程提供支持。 BI的基本框架什么是商務智能(BI)?所需技術: ETL數據倉庫、聯機分析處理（OLAP）工具數據挖掘等技術。商務智能的實現涉及到軟件、硬件、咨詢服務及應用 商務智能發展歷程1964年，一個叫Michael S. Scott Morton的研究員在哈佛商業學院提出了“決策支持系統”的想法，這便是BI商務智能萌芽。 20世紀70年代之后，當企業建立了大量的IT系統，信息已經不再缺乏而是泛濫，而企業國際化、消費者需求的多樣化與苛刻、競爭對手數量的增加和競爭層次的提高，無不要求企業更加關注對

4、企業內部知識、外部信息的提煉和洞察，以保證企業決策的快速與準確。 80年代，“商業智能”的標準是能容易地獲得想要的數據和信息。90年代是商業智能真正起步的階段。 商務智能發展當前，商務智能（BI）市場正處于一個重要的轉型期進入二十一世紀，“應用”成為關鍵詞之一，商務智能的深入應用也成為業界關注的焦點2003年起，商務智能領域掀起并購熱潮BI受市場關注的原因如何利用大量數據進行決策：ERP/SCM/CRM等產生大量地數據，刺激了BI投資，其目的應用數據進行決策績效管理成為BI市場增長重要因素： 績效管理是驅動商業智能市場增長的重要因素之一，絕大多數公司希望在該領域做出成績 日益嚴格的行業規范要求

5、：例如薩班斯-奧克斯利(Sarbanes-Oxley)法等法案的頒布，也推動了BI工具的接受和認同商務智能的熱點應用財務績效評估盈利分析預算風險控制欺詐識別市場客戶關系管理市場促銷市場細分品牌管理客戶忠誠度分析客戶流失分析產品及服務目錄管理銷售銷售分析客戶管理銷售漏斗管理需求預測關聯銷售分析Web點擊流和銷售分析運營供應鏈優化IT運營優化分銷商評估質量控制內部管理流程優化BI國內應用l 企業信息化整體上處理基礎建設階段 數據整合，規劃基礎體系架構，實施基礎應用l多數企業BI應用處于較低的層次 報表查詢+初步分析l金融、電信、保險等企業起步早些 BI應用的大好時期正在到來BI主要用途BI具有三方

6、面的主要用途：對組織的財務和運營健康狀況進行監視。報告、分析工具、關鍵性能指標（KPI）和儀表板規范 組織的運營從數據中挖掘出新的信息同運營系統、信息反饋系統的雙向集成BI 對現有系統的整合基于現有業務系統和歷史數據通過對數據的充分運用提升現有系統價值可以同時支持多種不同的數據庫平臺面向數據分析而非過程跟蹤可以基于實時數據也可以基于非實時數據商務智能系統如何輔助決策通過數據的整合提供更加全面的信息通過預先計算提供更快捷的速度通過OLAP技術可以非常靈活的以多種形式展現數據，以使管理者發現問題通過數據挖掘模型（以歷史數據為基礎）預測商務的未來走勢，為管理者提供決策支持商務智能應用的范圍不局限于某

7、一個行業或局限于具體的業務面向的是數據，不是過程使用通用的分析方法和模型不局限于特定的使用人Information worker、Knowledge Worker領導層和決策層任何其他需要使用數據和報表的人受行業發展冷熱的影響不大IT行業發展的時候需要商務智能IT行業冬天的時候仍然需要商務智能市場份額主要由國際BI廠商占領為什么我們需要商務智能？我們在未來的三年中將會制造出比過去三十萬年更多的數據資料！加州大學信息管理學院 統計,54%的人認為很難找到他們想得到的信息. 43%的人認為不知道這些內部的信息是否正確. 77%的人認為由于信息的缺乏,很多決定是不正確的. 61%的人認為50%的決定

8、是拍腦袋來的. 為什么我們需要商務智能？ 在過去的幾十年里，各種機構已經花費了大量的財力和資源去構建聯機事務處理系統(OLTP)和資源計劃系統(ERP)等各種系統.不斷累計的信息和存儲在數據倉庫中的數據達到了令人驚訝的規模。 當這些系統極大地改善了信息的自動處理能力時，也造就了很多“信息孤島”(information silos)-大量只有很有限的獲取和分析能力的數據。一項IBM的調查表明，大部分機構只利用了其存儲信息的2%-4%。北京市管委IT狀況應急事件處理數據基礎地理信息數據視頻監控數據城管通平臺數據井蓋數據市政設施數據環衛信息數據戶外廣告數據 視頻監控數據應急事件處理數據基礎地理信息數

9、據城管通平臺數據環衛信息數據戶外廣告數據市政設施數據井蓋數據?為什么我們需要商務智能？傳統的方案不能提供一個經過整合的，功能強大的分析工具給最終用戶。特別是給那些非技術的商業用戶。由于下圖中所示的兩個主要原因，傳統系統不能滿足商務層面的分析需要。 難以獲得的信息未經整合的信息獲得性和整合性的空缺傳統分析系統常見問題 術語介紹數據倉庫 ：面向主題的、集成的、與時間相關且不可修改的數據集合。 維度 ：維度是分析中描述性的分類，通過它可以將度量值分離出來進行分析 度量 ：在多維數據集中，度量值是一組值，這些值基于多維數據集的事實數據表中的一列，而且通常為數字。此外，度量值是所分析的多維數據集的中心值

10、。即，度量值是最終用戶瀏覽多維數據集時重點查看的數字數據。您所選擇的度量值取決于最終用戶所請求的信息類型。一些常見的度量值有 sales cost 、 和 production count 等 術語介紹粒度 ：數據匯總的層次或深度。 聚合 ：聚合是預先計算好的數據匯總，由于在問題提出之前已經準備了答案，聚合可以改進查詢響應時間。 切片 ：由一個維的一個成員限定的分區數據，稱為一個切片。 數據鉆取 ：最終用戶從常規多維數據集、虛擬多維數據集或鏈接多維數據集中選擇單個單元，并從該單元的源數據中檢索結果集以獲得更詳細的信息，這個操作過程就是數據鉆取。級別 ：級別是維度層次結構的一個元素。級別描述了數

11、據的層次結構，從數據的最高（匯總程度最大）級別直到最低（最詳細）級別。 OLTP 與OLAP的區別OLTP（On-Line Transaction Processing ）聯機事務處理OLAP（On-Line Analysis Processing ）聯機分析處理OLTP 與OLAP的區別 OLTP 系統的特征處理實時業務包含了為數據錄入和編輯進行優化的數據結構提供有限的決策支持能力OLTP 系統的例子 訂單系統客戶服務 庫存管理 財務 OLTP 與OLAP的區別OLTP原始數據細節性數據當前值數據可實時更新一次處理的數據量小面向應用,事務驅動業務操作人員 支持日常操作簡單的事務100MB-G

12、BOLAP整理后的數據綜合性和提煉性數據歷史數據周期性刷新更新一次處理大量的數據面向主題，分析驅動決策人員,高級管理人員分析決策復雜的查詢100GB-TB數據倉庫的特征為商業分析過程展示數據 提供一致的歷史數據存儲把數據儲存為抽取和查詢而優化的結構整合異構的數據統一有效的數據源把數據整理為穩定、面向主題的結構數據倉庫系統的創建數據倉庫終端用戶原始業務數據數據集結區 數據的提取，轉換，加載（ETL）了解數據倉庫數據倉庫終端用戶數據集市OLAP數據倉庫維度表維度是分析中描述性的分類，通過它可以將度量值分離出來進行分析。主鍵主鍵 唯一性 關聯事實表與維度表兩個選擇應用主鍵 (app suffix)

13、：原業務系統的主鍵代理鍵 (key suffix) 數據倉庫系統產生的數字鍵product_id_appproduct_dim_key在維度中分不同的層次定義層次結構的好處 允許用戶從不同的層次展示數據在分析中采用不同的路徑進行鉆取舉例：日期 分為，年半年季度月日期星型模型Employee_DimEmployeeKeyEmployeeID.Time_DimTimeKeyTheDate.Product_DimProductKeyProductID.Customer_DimCustomerKeyCustomerID.Shipper_DimShipperKeyShipperID.Sales_Fact

14、TimeKeyEmployeeKeyProductKeyCustomerKeyShipperKeySales AmountUnit Sales .雪花模型在多維表中定義層次節省存儲空間存取效率較低 事實表的組成維度表customer_dim201 ALFI Alfreds product_dim 25 123 Chai 事實表customer_keyproduct_keytime_keyquantity_salesamount_sales外鍵2012513440010,789事實表中的粒度就是維度表與事實表中相關聯的最小級別的數據134 1/1/2000 time_dim度量值事實表庫存數,

15、入庫數，出庫數產品的銷售數量, 成本,銷售額，訂單數度量值：業務數據外鍵 time_dim_keyproduct_dim_keycustomer_dim_keyproduct_keycustomer_keyorder_date_key外鍵約束與維度表中的主鍵的聯系使事實表的數據與維度表發生關聯外鍵 約束外鍵約束數據倉庫和多維立方 終端用戶數據存取數據集市OLAP數據倉庫多維數據集的組成度量值用戶分析的業務數據維度度量值的事實記錄的特性來源于維度表Cubes綜合維度和度量值的數據模型 OLAP 數據的邏輯存儲介質維度表OLAP 維度YearQuarterMonth1999Q1Jan1999Q1F

16、eb時間維MonthQuarterYear關系表OLAP立方重慶杭州北京上海地區產品維Q4Q3Q2時間維蘋果櫻桃葡萄Q1西瓜地區維Products DimensionQ4Q3Q2時間維蘋果櫻桃葡萄Q1西瓜查詢立方重慶杭州北京上海1000銷售量設計數據倉庫設計數據倉庫的步驟和注意點步驟： 1.確定主題 2.確定分析模型 3.建立數據倉庫 4.建立ETL過程 5.建立數據立方注意點： 1.盡量采用星型模型 2.事實表里的代理鍵在維度表里必須存在樹立質量法制觀念、提高全員質量意識。7月-227月-22Saturday, July 23, 2022人生得意須盡歡，莫使金樽空對月。00:26:5600:

17、26:5600:267/23/2022 12:26:56 AM安全象只弓，不拉它就松，要想保安全，常把弓弦繃。7月-2200:26:5600:26Jul-2223-Jul-22加強交通建設管理，確保工程建設質量。00:26:5600:26:5600:26Saturday, July 23, 2022安全在于心細，事故出在麻痹。7月-227月-2200:26:5600:26:56July 23, 2022踏實肯干，努力奮斗。2022年7月23日12:26 上午7月-227月-22追求至善憑技術開拓市場，憑管理增創效益，憑服務樹立形象。23 七月 202212:26:56 上午00:26:567月-22嚴格把控質量關，讓生產更加有保障。七月 2212:26 上午7月-2200:26July 2