《oracleBI入门学习概念杂谈》由会员分享，可在线阅读，更多相关《oracleBI入门学习概念杂谈（14页珍藏版）》请在金锄头文库上搜索。
1、昨天学了几个新名词,今天来做一些了解.BIBusiness Intelligence（BI） 商务智能IDC将商业智能定义为下列软件工具的集合：终端用户查询和报告工具。专门用来支持初级用户的原始数据访问，不包括适用于专业人士的成品报告生成工具OLAP工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析数据挖掘（Data Mining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。数据集市(Data Mart)和数据仓库（Data Warehouse）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一
2、些业务模型，如财务分析模型。主管信息系统(EIS，Executive Information System)这个定义应该是比较学术了，客户多半不明白。 其实BI通俗来讲就是收集相关信息并加以分析，以帮助您做决策。成功的BI系统多采用了数据仓库技术。商业智能的三个层次来自：中国计算机报 经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP、OA等基础信息化系统。这些系统的统一特点都是:通过业务人员或者用户的操作，最终对数据库进行增加、修改、删除等操作。上述系统可统一称为OLTP(Online Transaction Process，在线事务处理)，指的就是系统运行了一段时间
3、以后，必然帮助企事业单位收集大量的历史数据。但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。现在国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而我国的企业，目前大部分还停留在报表阶段。数据报表
4、不可取代传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表、Reporting Service等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。1. 数据太多，信息太少密密麻麻的表格堆砌了大量数据，到底有多少业务人员仔细看每一个数据?到底这些数据代表了什么信息、什么趋势?级别越高的领导，越需要简明的信息。如果我是董事长，我可能只需要一句话:目前我们的情况是好、中还是差?2. 难以交互分析、了解各种组合定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答
5、诸如“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。3. 难以挖掘出潜在的规则报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大，产品之间相互关联的程度如何?越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。4. 难以追溯历史，数据形成孤岛业务系统很多，数据存在于不同地方。太旧的数据(例如一年前的数据)往往被业务系统备份出去，导致宏观分析、长期历史分析难度很大。因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是
6、，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。数据挖掘看穿你的需求广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来，数据挖掘就是BI。但从技术术语上说，数据挖掘(Data Mining)特指的是:源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上，我们可以定义:数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多
7、种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。关联销售案例:美国的超市有这样的系统:当你采购了一车商品结账时，售货员小姐扫描完了你的产品后，计算机上会显示出一些信息，然后售货员会友好地问你:我们有一种一次性纸杯正在促销，位于F6货架上，您要购买吗?这句话决不是一般的促销。因为计算机系统早就算好了，如果你的购物车中有餐巾纸、大瓶可乐和沙拉，则86%的可能性你要买一次性纸杯。结果是，你说，啊，谢谢你，我刚才一直没找到纸杯。这不是什么神奇的科学算命，而是利用数据挖掘中的关联规则算法实现的系统。每天，新的销售数据会进入挖掘模型，与过去N天的历史数据一起，被挖掘模型处理，得到当前
8、最有价值的关联规则。同样的算法，分析网上书店的销售业绩，计算机可以发现产品之间的关联以及关联的强弱。数据报表、数据分析、数据挖掘是BI的三个层面。我们相信未来几年的趋势是:越来越多的企业在数据报表的基础上，会进入数据分析与数据挖掘的领域。商业智能所带来的决策支持功能，会给我们带来越来越明显的效益。四、商业智能能为企业带来效益吗?商业智能帮助企业的管理层进行快速, 准确的决策, 迅速的发现企业中的问题, 提示管理人员加以解决. 但商业智能软件系统不能代替管理人员进行决策, 不能自动处理企业运行过程中遇到的问题.因此商业智能系统并不能为企业带来直接的经济效益, 单必须看到,商业智能为企业带来的是一
9、种经过科学武装的管理思维,给整个企业带来的是决策的快速性和准确性, 发现问题的及时性, 以及发现那些对手未发现的潜在的知识和规律,而这些信息时企业产生经济效益的基础, 不能快速,准确的指定决策方针等于将市场送给对手, 不能及时发现业务种的潜在信息等于浪费自己的资源.比如:通过对销售数据的分析可发现各类客户的特征和喜欢购买商品之间的联系,这样就可进行更有针对性的精确的促销活动或向客户提供更具有个性的服务等, 这都会为企业带来直接的经济效益. 五、实施商业智能的步骤如何?实施商业智能系统是一项复杂的系统工程,整个项目涉及企业管理, 运作管理, 信息系统, 数据仓库, 数据挖掘, 统计分析等众多门类
10、的知识. 因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功. 商业智能项目的实施步骤可分为:(1) 需求分析: 需求分析是商业智能实施的第一步, 在其他活动开展之前必须明确的定义企业对商业智能的期望和需求, 包括需要分析的主题, 各主题可能查看的角度(维度); 需要发现企业那些方面的规律. 用户的需求必须明确.(2) 数据仓库建模:通过对企业需求的分析, 建立企业数据仓库的逻辑模型和物理模型,并规划好系统的应用架构,将企业各类数据按照分析主题进行组织和归类.(3) 数据抽取: 数据仓库建立后必须将数据从业务系统中抽取到数据仓库中, 在抽取的过程中还必须将数
11、据进行转换, 清洗, 以适应分析的需要.(4) 建立商业智能分析报表: 商业智能分析报表需要专业人员按照用户制订的格式进行开发, 用户也可自行开发(开发方式简单,快捷) .(5) 用户培训和数据模拟测试: 对于开发使用分离型的商业智能系统, 最终用户的使用是相当简单的, 只需要点-击操作就可针对特定的商业问题进行分析.(6) 系统改进和完善: 任何系统的实施都必须是不断完善的. 商业智能系统更是如此, 在用户使用一段时间后可能会提出更多的,更具体的要求, 这时需要再按照上述步骤对系统进行重构或完善六、商业智能的发展趋势与DSS、EIS系统相比，商业智能具有更美好的发展前景。近些年来，商业智能市
12、场持续增长。IDC预测，到2005年，BI市场将达到118亿，平均年增长率为27%（Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001）。随着企业CRM、ERP、SCM等应用系统的引入，企业不停留在事务处理过程而注重有效利用企业的数据为准确和更快的决策提供支持的需求越来越强烈，由此带动的对商业智能的需求将是巨大的。商业智能的发展趋势可以归纳为以下几点：功能上具有可配置性、灵活性、可变化性BI系统的范围从为部门的特定用户服务扩展到为整个企业所有用户服务。同时，由于企业用户在职
13、权、需求上的差异，BI系统提供广泛的、具有针对性的功能。从简单的数据获取，到利用WEB和局域网、广域网进行丰富的交互、决策信息和知识的分析和使用。解决方案更开放、可扩展、可按用户定制，在保证核心技术的同时，提供客户化的界面针对不同企业的独特的需求，BI系统在提供核心技术的同时，使系统又具个性化，即在原有方案基础上加入自己的代码和解决方案，增强客户化的接口和扩展特性；可为企业提供基于商业智能平台的定制的工具，使系统具有更大的灵活性和使用范围。从单独的商业智能向嵌入式商业智能发展这是目前商业智能应用的一大趋势，即在企业现有的应用系统中，如财务、人力、销售等系统中嵌入商业智能组件，使普遍意义上的事务
14、处理系统具有商业智能的特性。考虑BI系统的某个组件而不是整个BI系统并非一件简单的事，比如将OLAP技术应用到某一个应用系统，一个相对完整的商业智能开发过程，如企业问题分析、方案设计、原型系统开发、系统应用等过程是不可缺少的。从传统功能向增强型功能转变增强型的商业智能功能是相对于早期的用SQL工具实现查询的商业智能功能。目前应用中的BI系统除实现传统的BI系统功能之外，大多数已实现了图2中数据分析层的功能。而数据挖掘、企业建模是BI系统应该加强的应用，以更好地提高系统性能。七、商业智能市场分析制造业是商业智能的重要市场Manufacturing Insights(IDC 公司附属公司)的报告显
15、示，2004年亚太区(不含日本)制造业IT市场规模为137亿美元，预计该市场将以 11.4% 的年复合增长率平稳增长，到2008年市场规模将达210亿美元。 2004年底，亚太区(不含日本)制造业IT支出共137亿美元，其中离散制造占78.6%，流程制造占22.4% 。由于市场全球化和自由化带来了更加激烈的竞争和复杂性，亚太区(不含日本)的许多制造商继续对IT进行投资，以提高运营效率，更好地控制不断增长的业务成本。随着越来越多的制造商在华建立了生产基地，降低成本并占领巨大的国内市场，这些制造商需要对主要的IT基础架构 、应用和服务进行投资以使其运营能够健康平稳地发展，并获得领先优势。这将继续促
16、进中国和海外制造商的制造业IT投资。在对基础架构投入大量资金的同时，在中国和印度这样的新兴大型市场的许多制造商将继续对企业资源管理(ERM)和商务智能(BI)解决方案进行投资，从而为更好的内部协作和决策制定提供基础平台。IDC的报告显示，2004年亚太区(不含日本)商务智能(BI)工具软件市场规模为2.332亿美元，预计该市场将以12.3%的年复合增长率迅猛增长，到2009年市场规模将达4.173亿美元，增长预计主要源于中国和印度日益发展的经济。这两国近几年更加健康的经济环境和不断增多的应用系统部署为未来5年BI工具的采用打下了基础。有关专家指出，随着互联网的普及，在决策支持系统基础上发展商业智能已成为必然。随着基于互联网的各种信息系统在企业中的应用，企业将收集越来越多的关于客户、产品及销售情况在内的各种信息，这些信息能帮助企业更好地预测
