《電子商務技術基礎》?精品課件合集第X章XXXX模塊7商務智能第七章 商務智能

7.1商務智能概述

7.2數據倉庫概述7.3數據倉庫建模7.4數據倉庫系統的開發過程7.5數據倉庫的前端訪問和分析工具7.1商務智能概述商務智能的基本任務是收集、管理和分析數據，通過先進的工具把數據轉換為有用的信息，然后將這些信息發布到整個企業，促進企業科學決策的制定，有效獲得更具戰略意義的決策。商務智能是數據處理技術與多種技術，如人工智能技術、統計技術、數據庫技術的有機結合。商務智能應用不能理解為是建立一種簡單的計算機應用系統。7.2數據倉庫概述7.2.1從數據庫到數據倉庫數據庫系統作為數據管理手段，主要用于事務處理。數據庫技術一直力圖使自己能勝任從事務處理、批處理到分析處理的各種類型的信息處理任務。盡管數據庫在事務處理方面的應用獲得了巨大的成功，但它對分析處理的支持一直不能令人滿意。人們逐漸認識到，事物處理和分析處理具有極不相同的性質，直接使用事務處理環境來支持DSS是行不通的。7.2數據倉庫概述7.2.1從數據庫到數據倉庫事務處理環境不適宜DSS應用的原因主要有以下五條：（1）事務處理和分析處理的性能特性不同（2）數據集成問題（3）數據動態集成問題（4）歷史數據問題（5）數據的綜合問題7.2數據倉庫概述7.2.2 數據倉庫的定義數據倉庫就是面向主題的、集成的、穩定的且隨時間變化的數據集合，用以支持企業或組織的決策分析過程的7.2數據倉庫概述7.2.2 數據倉庫的定義數據倉庫的第一個特性是面向主題數據倉庫的第二個特性是集成數據倉庫第三個特性是穩定性數據倉庫的最后一個特性是其隨時間的變化性7.2數據倉庫概述7.2.3數據倉庫中的數據組織1、數據倉庫的數據組織結構

7.2數據倉庫概述7.2.3數據倉庫中的數據組織2、粒度與分割

1）粒度粒度問題是設計數據倉庫的一個最重要方面。粒度是指數據倉庫的數據單位中保存數據的細化或綜合程度的級別。細化程度越高，粒度級就越小；相反，細化程度越低，粒度級就越大。7.2數據倉庫概述7.2.3數據倉庫中的數據組織2、粒度與分割

2）分割 數據的分割是指把邏輯上是統一整體的數據分割成較少的、可以獨立管理的物理單元進行存儲。數據分割為什么如此重要，是因為小的物理單元能為操作者和設計者在管理數據時提供比對大的物理單元更大的靈活性。7.3 數據倉庫建模7.3.1星型模型7.3 數據倉庫建模7.3.2雪花模型

7.4 數據倉庫系統的開發過程

開發數據倉庫的流程包括以下幾步：（1）啟動工程：建立開發數據倉庫工程的目標及制定工程計劃。計劃包括數據范圍、提供者、技術設備、資源、技能、人員培訓、責任、方式方法、工程跟蹤及詳細工程調度等。（2）建立技術環境：選擇實現數據倉庫的軟硬件資源，包括開發平臺、DBMS、網絡通信、開發工具、終端訪問工具及建立服務水平目標（關于可用性、裝載、維護及查詢性能）等。（3）設計主題進行數據建模：根據決策需要確定主題，選擇數據源，對數據倉庫的數據組織進行邏輯結構設計。7.4 數據倉庫系統的開發過程

開發數據倉庫的流程包括以下幾步：（1）啟動工程：建立開發數據倉庫工程的目標及制定工程計劃。計劃包括數據范圍、提供者、技術設備、資源、技能、人員培訓、責任、方式方法、工程跟蹤及詳細工程調度等。（2）建立技術環境：選擇實現數據倉庫的軟硬件資源，包括開發平臺、DBMS、網絡通信、開發工具、終端訪問工具及建立服務水平目標（關于可用性、裝載、維護及查詢性能）等。（3）設計主題進行數據建模：根據決策需要確定主題，選擇數據源，對數據倉庫的數據組織進行邏輯結構設計。（4）設計數據倉庫中的數據庫：基于用戶的需求，著重于某個主題，開發數據倉庫中數據的物理存儲結構，即設計多維數據結構的事實表和維表。（5）數據轉換程序：實現從源系統中抽取數據、清理數據、一致性格式化數據、綜合數據、裝載數據等過程的設計和編碼。（6）管理元數據：定義元數據，即表示、定義數據的意義及系統各組成部分部件之間的關系。元數據包括關鍵字、屬性、數據描述、物理數據結構、源數據結構、映射及轉換機制、綜合算法、代碼、缺省值、安全要求、變化及數據時限等。（7）開發用戶決策的數據分析工具：建立結構化的決策支持查詢，實現和使用數據倉庫的數據分析工具，包括優化查詢工具、C/S工具、OLAP工具及數據挖掘工具等，通過分析工具實現決策支持需求。（8）管理數據倉庫環境：數據倉庫必須像其他系統一樣進行管理，包括質量檢測、管理決策支持工具及應用程序，并定期進行數據更新，使數據倉庫正常運行。7.5 數據倉庫的前端訪問和分析工具7.5.1OLAP的多維數據分析1、OLAP的概念

OLAP稱為在線事務處理，它是利用一種叫做多維結構的專用數據結構對數據倉庫中的數據進行復雜分析。它是通過對信息的多種可能的觀察角度進行快速、一致和交互性的存取，從而使分析員、經理和行政人員能夠對數據進行深入地分析和觀察。OLAP有以下幾個基本概念：7.5 數據倉庫的前端訪問和分析工具7.5.1OLAP的多維數據分析1、OLAP的概念OLAP有以下幾個基本概念：1）變量2）維3）維的層次4）維成員5）多維數組6）數據單元7.5 數據倉庫的前端訪問和分析工具7.5.1OLAP的多維數據分析2、OLAP多維數據分析多維分析是指對以多維形式組織起來的數據采取切片、切塊、鉆取、旋轉等各種分析動作，以求剖析數據，使最終用戶能從多個角度、多側面地觀察數據庫中的數據，從而深入地了解包含在數據中的信息內涵。7.5 數據倉庫的前端訪問和分析工具7.5.1OLAP的多維數據分析2、OLAP多維數據分析多維數據分析的基本動作有：1）切片和切塊2）鉆取3）旋轉

7.5 數據倉庫的前端訪問和分析工具7.5.2數據挖掘1、數據挖掘的概念

數據挖掘就是從大型數據庫的數據中提取人們感興趣的知識。這些知識是隱含的、事先未知的潛在有用信息，提取的知識表示為概念、規劃、規律、模式等形式。因此，數據挖掘是用于分析企業原有的數據，作出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業的決策者調整策略，減少