《精编》商务智能入门培训

《《精编》商务智能入门培训》由会员分享，可在线阅读，更多相关《《精编》商务智能入门培训（52页珍藏版）》请在金锄头文库上搜索。

1、商务智能入门培训 一 概念篇 实例 沃尔玛的销售部在总结历史销售记录的时候发现 每到周末的时候 啤酒和尿布的销量都比平时要高很多 这是一个巧合还是这个现象的背后隐藏着一定的必然因素 销售人员展开了调查 结果发现 每到周末 有孩子的家庭主妇就会让他们的丈夫去超市给孩子买足一周用的尿布 这些丈夫们必然会选择一些自己爱喝的啤酒 以便周末在欣赏橄榄球赛和篮球赛的时候可以和朋友们一起庆祝 原因找到了之后 销售部采取了措施 每到周末将超市的啤酒和尿布捆绑销售 这样 啤酒和尿布的销量又同时增加了一成 什么是商务智能 二 市场分析篇 商务智能的应用分为纵向商务智能和横向商务智能 纵向商务智能是指企业分别实施多

2、个信息化系统 比如财务系统中的管理会计就是商务智能的一部分 从以前只关注运营报表 到关注整个财务的运作情况 像现金流 资产负债等 而人力资源系统可以称为智能人力资源 关注员工的流失率 分析从什么途径招聘的员工流失率最高 分析公司人才结构 人才培养方向等 总而言之 企业有了核心业务系统 管理信息系统 在这些系统之上做智能的分析 而这些分析得到的信息完全是来自单独的系统 那么横向商务智能指的是什么呢 举例来说 比如汽车制造厂生产多款不同的车型 公司老总会问 生产哪一款车型 生产多少 企业的效率能够达到最高 这样的问题 不能通过分析单独的系统得到 因为效益最高取决于生产成本 人力资源成本 市场的需求

3、 竞争对手 市场定价等多方面的信息 而这些信息则分散在财务系统 人力资源系统 采购系统中 这就需要系统和信息有效的整合才能解决这个问题 所以称为横向商务智能 商业智能应用领域 商业智能是一种整体化的解决方案 他可以帮助企业做出明智的业务经营决策 而依据则是企业内部的各种数据 例如订单 库存 交易账目 客户和供应商资料 行业数据和竞争对手信息等等 商业智能其实是一种将企业信息数据转化为决策的重要工具 商业智能的应用是需要一定的基础的 实施商业智能的企业至少应该具备以下几个条件 用户的数据已达到一定的规模 用户面临激烈的市场竞争 用户在IT方面的资金能得到保障 满足以上几点的行业集中在重要的政府机

4、构 如财务 税务 审计 工商 海关等 零售业 连锁店 网上零售等 大型现代化的制造业 如宝钢 上汽集团等 金融 包括银行 证券 保险等 电信业 如中国电信 中国网通 中国移动等 能源业 电力 运输等 这也是目前国内急需要数据仓库和商业智能技术来提升企业竞争力的主要行业 金融 电信行业是BI应用最集中的行业 约占40 的市场分额 保险 能源 烟草 政务行业约占30 的市场份额 制造 零售行业约占30 的市场份额 是BI应用最具潜力的行业 金融 随着国内五大商业银行的信息化不断发展 在BI领域投资稳步增长 每年均有大量的BI需求 其中BI已经不仅局限于高层管理者的决策 操作型BI应用越来越广泛 尤

5、其是信贷评审领域 中小型银行BI需求也不断涌现 未来将是金融行业BI市场的主要增长点 电信 电信行业信息化程度很高 对信息化依赖很强 积累了大量的数据 具有实施商业智能项目的基础条件和资金实力 电信行业对于BI深入应用是最渴望的 在话费套餐设置 客户潜力分析等都需要数据挖掘技术来提供决策依据 行业现状 行业市场规模 发展趋势 发展趋势及预测移动商业智能商业智能系统会把大量数据转变成可视化形式 如图形和表格 以便使用者详细深入地分析潜在商业趋势 因此如果为这种分析赋予移动性 通常利用功能强大的智能终端 许多公司就能与客户和商业合作伙伴进行实时互动 从而改善服务 提高工作效率 SaaSBI将得到快

6、速发展SaaS是基于互联网提供软件服务的软件应用模式 企业根据实际需要 从SaaS提供商租赁软件服务 SaaS模式在CRM领域获得了成功 不论是国外还是国内具有成熟的产品 并取得了不错的收益 SAAS在BI领域的应用的挑战是应用于互联网上的SAAS软件无法处理BI所需的海量数据 商业智能日渐与业务融合业务分析作为商业智能领域中最贴近业务的层面 在2010年成为业界关注的重点 不管是SAP还是IBM 都将业务分析作为今年的业务发展重点 企业希望由BI系统带来的透明度和洞察力能够帮助企业降低成本 提高生产率和业务敏捷性 通过商业智能 企业能更清晰更深刻的了解包括公司管理 利润分析 市场竞争 财务状

7、况等信息 而未来商业智能的这种特性还将继续加强 操作型BI应用得到发展目前商业智能技术不仅仅应用于企业高层管理者的决策分析 越来越多的商业智能分析结果正被用于普通员工的日常工作流程中 直接推动业务的执行 例如 在家乐福购物时 收银员已经可以根据顾客的购物篮进行产品推荐 发展趋势 数据集成应用得到重视在一些大型企业中往往有几十个甚至几百个信息系统 将这些数据整合到数据仓库中 一般采取ETL工具抽取多个厂商数据库的数据 有些甚至还包含非结构化数据 例如XML EXCEL 文本等 这些数据往往需要加工和整理放入ODS 中间库 最后以规范 标准的格式存储到数据仓库 在这个数据集成的过程中 要做到系统兼

8、容性好 开发效率高 处理性能好 而且能够捕捉数据的变化处理增量数据 数据集成是建立实用的数据仓库的关键 而且数据集成的过程占商业智能应用中一半以上的工作量 因此越是大型企业越是重视数据集成 中小企业BI应用逐渐扩大市场份额中国中小企业逐渐呈现对管理软件旺盛的需求态势 很多厂商发布了专门针对中小企业的BI套件 例如CognosExpress等 中小企业在实施ERP CRM产品后 必将应用商业智能 中小企业市场是BI应用非常重要的组成部分 BI企业将在垄断中不断新生中国商业智能市场两极竞争趋势日益加剧 在高端市场 由国际厂商垄断与竞争的局面是2010年的主流 其中IBM Oracle SAP Mi

9、crosoft拥有完整的BI产品线 将占据70 以上的市场份额 剩余的30 市场将由其他外资企业和国内企业分享 随着国内企业的成长与并购 国内厂商的实力不断壮大 但是主要集中于中低端市场 在2010年优秀的国产BI产品将开始不断向四大国际厂商发起挑战 但是竞争的过程将是极其漫长的 1 国际BI厂商 如BO公司 SAP Hyperion公司 Oracle 微软公司 SAS公司等 这些国际厂商的品牌与规模优势非常突出 是国内大部分BI厂商难以与之匹敌的 2 起步比较早的国内BI厂商 如菲奈特 成立于1995年10月 从1997年开始进入BI领域 先进数通公司 成立于2000年 吉贝克公司 成立于2

10、002年 等 这些国内BI厂商凭借本土化的优势以及对国内BI用户所需要的应用的独特见解 也在国内的BI市场上占有超过30 的市场份额 3 非专业BI厂商 主要有以下几类 一 从事某些行业核心业务系统建设的公司 二 从事系统集成的公司 三 从事专业财务系统及个别ERP厂商 商务智能主要厂商有哪些 目前活跃在国内BI市场上的厂商大致可分为以下三类 商务智能主要厂商产品链介绍 三 技术篇 商务智能总体解决方案 财务信息 ETL Extract Transform Load 数据仓库 数据集市 ODS 商务智能平台 信息展现 决策者 分析员 管理者 业务员 数据查询 报表分析 多维分析 数据挖掘 分析

11、门户 数据整合 OracleDB2SQLServerSybaseTeraData 销售信息 库存信息 DataIntegration RapidMart 商务智能核心技术有哪些 三 ETL技术 二 元数据管理技术 四 在线联机分析处理技术 OLAP 五 数据挖掘技术 数据仓库是一个面向主题的 集成的 时变的 非易失的数据集合 支持管理部门的决策过程 面向主题的 subject oriented 数据仓库围绕一些主题 如顾客 供应商 产品和销售组织 数据仓库关注决策者的数据建模与分析 而不是集中于组织机构的日常操作和事务处理 因此 数据仓库排除对决策无用的数据 提供特定主题的简明视图 集成的 i

12、ntegrated 通常 构造数据仓库是将多个异种数据源 如关系数据库 一般文件和联机事务处理记录集成在一起 使用数据清理和数据集成技术 确保命名约定 编码结构和属性度量等指标的一致性 时变的 time variant 数据存储从历史的角度提供信息 数据仓库中的关键结构 隐式或显式地包含时间元素 非易失的 nonvolatile 数据仓库的数据是有历史保存意义的 数据仓库的数据也只使用添加的方式 进入了数据仓库的数据一般情况下是不需要更新的 这样就保证了数据的稳定性 通常 它只需要三种数据访问 数据的初始化装入 数据的添加和数据查询访问 数据仓库定义 事实表是用来记录具体事件的 包含了每个事件

13、的具体要素 以及具体发生的事情 维度表是对事实表中事件的要素的描述信息 数据仓库相关概念 一个事实表和多个维度表构成一个立方体 主题 一个或者多个相关主题构成一个数据集市 一个或者多个数据集市构成了数据仓库 数据仓库的架构模型包括了星型架构与雪花型架构两种模式 星型架构的中间为事实表 四周为维度表 类似星星 雪花型架构的中间为事实表 两边的维度表可以再有其关联子表 从而表达了清晰的维度层次关系 步骤一 确定主题即确定数据分析或前端展现的主题 例如 我们希望分析某年某月某一地区的啤酒销售情况 这就是一个主题 主题要体现出某一方面的各分析角度 维度 和统计数据 量度 之间的关系 确定主题时要综合考

14、虑 我们可以形象的将一个主题想象为一颗星星 统计数据 量度 存在于星星中间的事实表 分析角度 维度 是星星的各个角 我们将通过维度的组合 来考察量度 那么 某年某月某一地区的啤酒销售情况 这样一个主题 就要求我们通过时间和地区两个维度的组合 来考察销售情况这个量度 步骤二 确定量度在确定了主题以后 我们将考虑要分析的技术指标 诸如年销售额之类 它们一般为数值 称为量度 量度是统计的指标 必须事先选择恰当 基于不同的量度可以进行复杂关键性能指标 KPI 的设计和计算 数据仓库构建步骤 步骤二 确定量度在确定了主题以后 我们将考虑要分析的技术指标 诸如年销售额之类 它们一般为数值 称为量度 量度是

15、统计的指标 必须事先选择恰当 基于不同的量度可以进行复杂关键性能指标 KPI 的设计和计算 步骤三 确定事实数据粒度在确定了量度之后 我们要考虑到该量度的汇总情况和不同维度下量度的聚合情况 考虑到量度的聚合程度不同 或采用 最小粒度原则 即将量度的粒度设置到最小 数据仓库构建步骤 步骤四 确定维度维度是指分析的各个角度 例如我们希望按照时间 或者按照地区 或者按照产品进行分析 那么这里的时间 地区 产品就是相应的维度 基于不同的维度 我们可以看到各量度的汇总情况 也可以基于所有的维度进行交叉分析 步骤五 创建事实表在确定好事实数据和维度后 我们将考虑加载事实表 在公司的大量数据堆积如山时 我们

16、想看看里面究竟是什么 结果发现里面是一笔笔生产记录 一笔笔交易记录 那么这些记录是我们将要建立的事实表的原始数据 即关于某一主题的事实记录表 事实表是数据仓库的核心 数据仓库构建步骤 商务智能核心技术有哪些 三 ETL技术 二 元数据管理技术 一 数据仓库技术 四 在线联机分析处理技术 OLAP 五 数据挖掘技术 元数据通常定义 关于数据的数据 例如视图 查询SQL 事务 存储过程 是描述和管理数据仓库自身内容对象 用来表示数据项的意义及其在系统各组成部件之间的关系的数据 元数据作用于数据仓库的创建 维护 管理和使用的各个方面 是从广义上来讲 用元数据来描述数据仓库对象的任何东西 无论是一个表 一个列 一个查询 一个商业规则 或者是数据仓库内部的数据转移 它在数据源的抽取 数据加工 访问与使用等过程中都会存在 实现元数据管理的主要目标就是使企业内部元数据的定义标准化 数据仓库的维护工具可以根据元数据完成数据的抽取 清洗和转换 并做适度的汇总 数据仓库的元数据包括 1 数据资源 包括各个数据源的模型 描述源数据表字段属性及业务含义 源数据到数据仓库的映射关系 2 数据组织 数据仓库 数据