【正文】 向分析的數(shù)據(jù)模型，可以給分析人員提供多種觀察的視角和面向分析的操作。 ③ 多維性：多維性是 OLAP的關(guān)鍵屬性。 OLAP的目標(biāo)是滿足決策支持或多維環(huán)境特定的查詢和報(bào)表需求，它的技術(shù)核心是“維”這個(gè)概念，因此 OLAP也可以說(shuō)是多維數(shù)據(jù)分析工具的集合。應(yīng)用開(kāi)發(fā)的一般過(guò)程是選擇實(shí)現(xiàn)的方法，然后進(jìn)行模板的實(shí)現(xiàn)、測(cè)試和數(shù)據(jù)驗(yàn)證，最后是應(yīng)用模板的維護(hù)。應(yīng)用設(shè)計(jì)的任務(wù)是設(shè)計(jì)標(biāo)準(zhǔn)的用戶應(yīng)用模板。技術(shù)體系確定以后需要選擇實(shí)現(xiàn)數(shù)據(jù)倉(cāng)庫(kù)應(yīng)用的各種產(chǎn)品，包括硬件平臺(tái)、 ETL工具、 OLAP服務(wù)器、數(shù)據(jù)展現(xiàn)工具等，并進(jìn)行產(chǎn)品的安裝和測(cè)試。為解決這些問(wèn)題人們采用了新的技術(shù)。 ? 數(shù)據(jù)預(yù)處理。模型設(shè)計(jì)主要包括四個(gè)基本步驟：確定合適的主題、劃分粒度層次、設(shè)計(jì)維表和設(shè)計(jì)事實(shí)表。 ? 運(yùn)行維護(hù)。如何采用合理有效的技術(shù)是實(shí)現(xiàn)一個(gè)好的數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的基本條件。 ? 數(shù)據(jù)線。因此數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)可以從數(shù)據(jù)、技術(shù)和應(yīng)用三方面展開(kāi)，其基本框架如圖 1313所示 基本框架的各部分描述如下 ： ? 項(xiàng)目計(jì)劃。在現(xiàn)有各業(yè)務(wù)系統(tǒng)的基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行抽取、清理，并有效集成，按照主題進(jìn)行重新組織，最終確定數(shù)據(jù)倉(cāng)庫(kù)的物理存儲(chǔ)結(jié)構(gòu)，同時(shí)組織存儲(chǔ)數(shù)據(jù)倉(cāng)庫(kù)元數(shù)據(jù) (具體包括數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)字典、記錄系統(tǒng)定義、數(shù)據(jù)轉(zhuǎn)換規(guī)則、數(shù)據(jù)加載頻率以及業(yè)務(wù)規(guī)則等信息 )。 ? 操作數(shù)據(jù)源包括各種生產(chǎn)系統(tǒng)數(shù)據(jù)庫(kù)、聯(lián)機(jī)事務(wù)處理系統(tǒng)的操作數(shù)據(jù)庫(kù)等； ? 外部源數(shù)據(jù)一般來(lái)自企業(yè)的外部信息，如市場(chǎng)調(diào)查與分析及各類(lèi)文檔等。但數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型與操作型數(shù)據(jù)庫(kù)的三級(jí)數(shù)據(jù)模型又存在著一定的區(qū)別： a. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型中不包含純操作型的數(shù)據(jù)； b. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型擴(kuò)充了碼結(jié)構(gòu)，增加了時(shí)間屬性作為碼的一部分； c. 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型中增加了一些導(dǎo)出數(shù)據(jù)。 ? 因?yàn)閿?shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)一般不更新，可以考慮一些在經(jīng)常更新情況下不能使用的物理設(shè)計(jì)。 c. 底層模型 它是從中間層數(shù)據(jù)模型創(chuàng)建而來(lái)的，建立物理模型只需擴(kuò)展中間層模型，使模型中包含有關(guān)鍵字和物理特性就可以實(shí)現(xiàn)。中間層數(shù)據(jù)模型 4種基本構(gòu)造，見(jiàn)圖1310： ? 聯(lián)接數(shù)據(jù)組：本主題域與其他主題域間的聯(lián)系，一個(gè)主題的公共碼鍵。如果范圍沒(méi)有預(yù)先確定，建模過(guò)程就很有可能一直持續(xù)下去。通常，數(shù)據(jù)數(shù)據(jù)可以分為三個(gè)層次：高層數(shù)據(jù)模型 (ER圖，實(shí)體關(guān)系層 )、中間層模型 (DIS，數(shù)據(jù)項(xiàng)集 )、底層數(shù)據(jù)模型 (物理模型 )。當(dāng)然，它是以損失數(shù)據(jù)細(xì)節(jié)為代價(jià)的，越久遠(yuǎn)的數(shù)據(jù)，細(xì)節(jié)損失越多。在一個(gè)星期的七天中，數(shù)據(jù)被逐一記錄在每日數(shù)據(jù)集中；然后，七天的數(shù)據(jù)被綜合并記錄在周數(shù)據(jù)集中；接下去的一個(gè)星期，日數(shù)據(jù)集被重新使用，以記錄新數(shù)據(jù)。有許多數(shù)據(jù)分割的標(biāo)準(zhǔn)可供參考：如日期、地域、業(yè)務(wù)領(lǐng)域等等，也可以是其組合。 ? 粒度可以分為兩種形式，第一種粒度稱(chēng)為多維粒度，是對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)的綜合程度高低的一個(gè)度量，它既影響數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)量的多少，也影響數(shù)據(jù)倉(cāng)庫(kù)所能回答詢問(wèn)的種類(lèi)。 每月數(shù)據(jù) 20232023 每周數(shù)據(jù) 20232023 細(xì)節(jié)數(shù)據(jù) 20232023 操作數(shù)據(jù) 19952023 高度綜合級(jí) 輕度綜合級(jí) 當(dāng)前細(xì)節(jié)級(jí) 早期細(xì)節(jié)級(jí) 圖 135 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織結(jié)構(gòu)圖 元 數(shù) 據(jù) 當(dāng)前的數(shù)據(jù)總是首先進(jìn)入當(dāng)前細(xì)節(jié)級(jí)，然后根據(jù)應(yīng)用的需求，通過(guò)預(yù)運(yùn)算將數(shù)據(jù)聚合成輕度綜合和高度綜合級(jí)。隨著時(shí)間的推移，當(dāng)前細(xì)節(jié)數(shù)據(jù)由數(shù)據(jù)倉(cāng)庫(kù)的時(shí)間控制機(jī)制轉(zhuǎn)為早期細(xì)節(jié)數(shù)據(jù)。 (2) 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織 ①數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織結(jié)構(gòu) 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織方式與數(shù)據(jù)庫(kù)不同，通常是采用分級(jí)的方式組織?！? 從上面這個(gè)概念的字面意義來(lái)看，數(shù)據(jù)倉(cāng)庫(kù)包含兩層含義： ①數(shù)據(jù)，即關(guān)于某事的事實(shí)和信息； ②倉(cāng)庫(kù)，即存儲(chǔ)貨物和商品的地方或設(shè)施。 (4) 數(shù)據(jù)分析 在商務(wù)智能系統(tǒng)中，需要將交互式信息分析、挖掘工具、數(shù)據(jù)分析軟件、商務(wù)智能工具與商業(yè)運(yùn)營(yíng)規(guī)則相結(jié)合對(duì)數(shù)據(jù)的模式和趨勢(shì)進(jìn)行分析，給用戶提供企業(yè)商務(wù)的方方面面的詳細(xì)信息，以輔助商務(wù)活動(dòng)決策獲得更高的 ROI和利潤(rùn)。這些操作適合不同的用戶。 ① 數(shù)據(jù)倉(cāng)庫(kù) ② 元數(shù)據(jù)存貯 ①數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)倉(cāng)庫(kù)是一種語(yǔ)義上一致的數(shù)據(jù)存儲(chǔ)，它是決策支持?jǐn)?shù)據(jù)模型的物理實(shí)現(xiàn)，并存放企業(yè)戰(zhàn)略決策所需信息。數(shù)據(jù)裝載有兩個(gè)部分，一部分是把合法數(shù)據(jù)文件裝入回滾表中，該裝入過(guò)程沒(méi)有匯總部分；另一部分是把初次匯總表加載到臨時(shí)匯總表，根據(jù)不同類(lèi)型的數(shù)據(jù)，可能會(huì)有二次匯總。③某類(lèi)特定應(yīng)用領(lǐng)域的問(wèn)題，如根據(jù)概率統(tǒng)計(jì)學(xué)原理查找數(shù)值異常的記錄。按數(shù)據(jù)清洗的實(shí)現(xiàn)方式與范圍，可將數(shù)據(jù)清洗分為四種：①手工實(shí)現(xiàn)方式：用人工來(lái)檢測(cè)所有的錯(cuò)誤并改正。 ②數(shù)據(jù)轉(zhuǎn)換 數(shù)據(jù)轉(zhuǎn)換主要是針對(duì)數(shù)據(jù)倉(cāng)庫(kù)建立的模型，通過(guò)一系列的轉(zhuǎn)換將數(shù)據(jù)從業(yè)務(wù)模型數(shù)據(jù)轉(zhuǎn)換為分析模型數(shù)據(jù)，通過(guò)內(nèi)建的庫(kù)函數(shù)、自定義腳本或其他的擴(kuò)展方式，實(shí)現(xiàn)多種復(fù)雜轉(zhuǎn)換，并且支持調(diào)試環(huán)境，監(jiān)控轉(zhuǎn)換狀態(tài)。 a. 數(shù)據(jù)的更新方式 量更新還是批量更新。 3 商務(wù)智能系統(tǒng)的實(shí)施 商業(yè)智能系統(tǒng)主要實(shí)現(xiàn)將來(lái)自不同企業(yè)運(yùn)作系統(tǒng)的數(shù)據(jù)轉(zhuǎn)換為企業(yè)決策信息的過(guò)程。 （ 2）數(shù)據(jù)存儲(chǔ)子系統(tǒng) —— 數(shù)據(jù)倉(cāng)庫(kù) 數(shù)據(jù)倉(cāng)庫(kù)在現(xiàn)有各業(yè)務(wù)系統(tǒng)的基礎(chǔ)上，對(duì)數(shù)據(jù)進(jìn)行抽取、清理，并有效集成后，按照主題進(jìn)行重新組織，最終確定數(shù)據(jù)倉(cāng)庫(kù)的物理存儲(chǔ)結(jié)構(gòu)，同時(shí)組織存儲(chǔ)數(shù)據(jù)倉(cāng)庫(kù)元數(shù)據(jù)（具體包括數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)字典、記錄系統(tǒng)定義、數(shù)據(jù)轉(zhuǎn)換規(guī)則、數(shù)據(jù)加載頻率以及業(yè)務(wù)規(guī)則等信息）。 從商務(wù)智能系統(tǒng)的循環(huán)流程中可以看出，數(shù)據(jù)倉(cāng)庫(kù)、OLAP（ OnLine Analytical Processing：聯(lián)機(jī)分析處理）和數(shù)據(jù)挖掘（ Data Mining）是其主要的技術(shù)支柱： ?數(shù)據(jù)倉(cāng)庫(kù)是處理海量數(shù)據(jù)的基礎(chǔ)，存儲(chǔ)按照商務(wù)智能要求重新組織的來(lái)自業(yè)務(wù)系統(tǒng)的數(shù)據(jù)； ?聯(lián)機(jī)分析處理不僅進(jìn)行數(shù)據(jù)匯總 /聚集，同時(shí)還提供切片、切塊、下鉆、上鉆和旋轉(zhuǎn)等數(shù)據(jù)分析功能，用戶可以方便地對(duì)海量數(shù)據(jù)進(jìn)行多維分析； ?數(shù)據(jù)挖掘的目標(biāo)則是挖掘數(shù)據(jù)背后隱藏的知識(shí)，通過(guò)關(guān)聯(lián)分析、聚類(lèi)和分類(lèi)等方法建立分析模型，預(yù)測(cè)企業(yè)未來(lái)發(fā)展趨勢(shì)和將要面臨的問(wèn)題。而一個(gè)商業(yè)智能的體系結(jié)構(gòu)是指通過(guò)識(shí)別和理解數(shù)據(jù)在系統(tǒng)中的流動(dòng)過(guò)程和數(shù)據(jù)在企業(yè)中的應(yīng)用過(guò)程來(lái)提供商業(yè)智能系統(tǒng)應(yīng)用的主框架。 Business Objects和 Cognos等 BI提供商已直接或者通過(guò)其代理商進(jìn)入中國(guó)市場(chǎng)。它經(jīng)歷了事務(wù)處理系統(tǒng)（ Transaction Proccss System， TPS）、高級(jí)管理人員信息系統(tǒng)（ Executive Information system，EIS）、管理信息系統(tǒng)（ Management Information System， MIS）和決策支持系統(tǒng)（ Decision Support System， DSS）等階段，最終演變成今天的企業(yè)商務(wù)智能。 商務(wù)智能是一個(gè)綜合的概念，不同的人從不同的角度，會(huì)得出不同的見(jiàn)解： ?從技術(shù)角度看，商務(wù)智能是以企業(yè)中的數(shù)據(jù)倉(cāng)庫(kù)為基礎(chǔ)，經(jīng)由聯(lián)機(jī)分析處理工具、數(shù)據(jù)挖掘工具加上決策人員的專(zhuān)業(yè)知識(shí)，從根本上幫助公司把運(yùn)營(yíng)數(shù)據(jù)轉(zhuǎn)化成為高價(jià)值的可以獲取的信息（或者知識(shí)），并且在恰當(dāng)?shù)臅r(shí)候通過(guò)恰當(dāng)?shù)姆绞桨亚‘?dāng)?shù)男畔鬟f給恰當(dāng)?shù)娜说倪^(guò)程。 ?SAP認(rèn)為：商業(yè)智能是一大類(lèi)收集、存儲(chǔ)、分析和訪問(wèn)數(shù)據(jù)以幫助企業(yè)用戶更好進(jìn)行決策的應(yīng)用程序與技術(shù)。 ?國(guó)內(nèi)商務(wù)智能專(zhuān)家王茁給商務(wù)智能下了這樣一個(gè)定義：商務(wù)智能是企業(yè)利用現(xiàn)代信息技術(shù)收集、管理和分析結(jié)構(gòu)化和非結(jié)構(gòu)化的商務(wù)數(shù)據(jù)和信息，創(chuàng)造和累計(jì)商務(wù)知識(shí)和見(jiàn)解，改善商務(wù)決策水平，采取有效的商務(wù)行動(dòng)，完善各種商務(wù)流程，提升各方面商務(wù)績(jī)效，增強(qiáng)綜合競(jìng)爭(zhēng)力的智慧和能力。 （ 4）信息技術(shù)的推動(dòng)。 1 商務(wù)智能的產(chǎn)生原因 企業(yè)對(duì)社會(huì)環(huán)境變化的需求、技術(shù)進(jìn)步的拉動(dòng)以及經(jīng)營(yíng)理念發(fā)展的結(jié)果。 商務(wù)智能概述 商務(wù)智能將業(yè)務(wù)數(shù)據(jù)轉(zhuǎn)換成明確的、基于事實(shí)的、能夠執(zhí)行的信息，并且使得業(yè)務(wù)人員能夠發(fā)現(xiàn)客戶趨勢(shì)，創(chuàng)建客戶忠誠(chéng)度，增強(qiáng)與供應(yīng)商的關(guān)系，減少金融風(fēng)險(xiǎn)，以及揭示新的銷(xiāo)售商機(jī)。本章將詳細(xì)討論商務(wù)智能系統(tǒng)的起源、體系結(jié)構(gòu)、工作原理和關(guān)鍵技術(shù)，并以知名的商務(wù)智能系統(tǒng)為例，剖析商務(wù)智能系統(tǒng)的實(shí)現(xiàn)原理和商務(wù)智能解決方案。它是提高和維持競(jìng)爭(zhēng)優(yōu)勢(shì)的一條有效的途徑。 （ 3）傳統(tǒng)分析工具的整合能力有限。它允許用戶查詢和分析數(shù)據(jù)庫(kù)，可以得出影響商業(yè)活動(dòng)的關(guān)鍵因素，最終幫助用戶做出更好、更合理的決策。 ?Microsoft認(rèn)為：商業(yè)智能是任何嘗試獲取、分析企業(yè)數(shù)據(jù)以更清楚地了解市場(chǎng)和客戶、改進(jìn)企業(yè)流程、更有效地參與競(jìng)爭(zhēng)的努力。 ?DWReview認(rèn)為：從數(shù)據(jù)分析的觀點(diǎn)，商業(yè)智能是收集與研究主題相關(guān)的、高質(zhì)量的、有意義的信息、以幫助分析信息、得出結(jié)論或做出假設(shè)的過(guò)程。 3 商務(wù)智能的特點(diǎn) 現(xiàn)有的商務(wù)智能系統(tǒng)主要具有以下特點(diǎn)： ?（ 1）成熟的數(shù)據(jù)倉(cāng)庫(kù)管理能力 ?（ 2）強(qiáng)大的數(shù)據(jù)挖掘和 OLAP能力 ?（ 3）便捷的報(bào)表功能 存在的缺陷： ?（ 1）主動(dòng)性較差 ?（ 2）智能性較低 ?（ 3）難以與企業(yè)中已有的商務(wù)系統(tǒng)集成 4 商務(wù)智能的發(fā)展趨勢(shì) 商務(wù)智能的出現(xiàn)是一個(gè)漸進(jìn)的復(fù)雜的演變過(guò)程，而且仍處在發(fā)展之中。據(jù) IDC預(yù)測(cè)，亞太地區(qū)商務(wù)智能軟件市場(chǎng)正以每年 23%的速度增長(zhǎng)，而中國(guó)是亞太地區(qū)商務(wù)智能增長(zhǎng)最為迅速的市場(chǎng)之一；如果中國(guó)經(jīng)濟(jì)繼續(xù)保持高速增長(zhǎng)，商務(wù)智能軟件在中國(guó)內(nèi)地市場(chǎng)的年銷(xiāo)售額平均增長(zhǎng)速度至少在 %。 商務(wù)智能系統(tǒng)的體系結(jié)構(gòu) 所謂體系結(jié)構(gòu)（ Architecture）是指一整套的規(guī)則和結(jié)構(gòu)，為一個(gè)系統(tǒng)或產(chǎn)品的整體設(shè)計(jì)提供主框架。這部分是商務(wù)智能系統(tǒng)的靈魂，它滿足了從簡(jiǎn)單報(bào)表經(jīng)由 OLAP擴(kuò)展到數(shù)據(jù)挖掘范圍內(nèi)的各種需要； （ 4） BI將所得的知識(shí)以及決策者自身的反饋信息再次帶入運(yùn)作環(huán)境中，根據(jù)情況變化，表達(dá)新的需求，提高商務(wù)智能流程內(nèi)在質(zhì)量。目前，數(shù)據(jù)集成主要通過(guò) ETL工具軟件、基于 ETL的數(shù)據(jù)交換技術(shù)實(shí)現(xiàn)。其中數(shù)據(jù)分析工具主要針對(duì) OLAP服務(wù)器，報(bào)表工具、數(shù)據(jù)挖掘工具既針對(duì)數(shù)據(jù)倉(cāng)庫(kù)，同時(shí)也針對(duì) OLAP服務(wù)器。 ①數(shù)據(jù)抽取 數(shù)據(jù)抽取是在對(duì)數(shù)據(jù)倉(cāng)庫(kù)的主題和數(shù)據(jù)本身內(nèi)容理解的基礎(chǔ)上，選擇主題所涉及的相關(guān)數(shù)據(jù)。數(shù)據(jù)的傳輸模式即數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)是采用拉（ Pull）的方式還是采用推（ Push）的方式從數(shù)據(jù)源中獲取。 ③數(shù)據(jù)清洗 數(shù)據(jù)清洗實(shí)際就是利用有關(guān)技術(shù)如數(shù)理統(tǒng)計(jì)、數(shù)據(jù)挖掘或預(yù)定義的數(shù)據(jù)清洗規(guī)則將臟數(shù)據(jù)轉(zhuǎn)化成滿足