【正文】 （ 5）商業(yè)智能門戶網(wǎng)站 (BI Portal) 完整的呈現(xiàn)與簡(jiǎn)易使用商業(yè)智能的報(bào)表與信息是決定商業(yè)智能能否發(fā)揮價(jià)值的重要環(huán)節(jié)，微軟的商業(yè)智能入口網(wǎng)站就是符合集中化設(shè)定、自我管理、個(gè)性化的入口網(wǎng)站，可讓企業(yè)增強(qiáng)員工的生產(chǎn)力、達(dá)到較高投資報(bào)酬率并整合多個(gè)分析數(shù)據(jù)來(lái)源。 （ 2）數(shù)據(jù)倉(cāng)庫(kù) (Data Warehouse) 與在線分析服務(wù) (OLAP) 數(shù)據(jù)倉(cāng)庫(kù)就是將預(yù)先計(jì)算完成的聚合數(shù)據(jù)，儲(chǔ)存于 Cube 之中，對(duì)復(fù)雜的分析查詢提供快速響應(yīng)，也就是分析過(guò)去歷史中的數(shù)據(jù)變化。 Adaptive Server IQ Multiplex是數(shù)據(jù)管理領(lǐng)域和傳統(tǒng)數(shù)據(jù)管理技術(shù)中各種創(chuàng)新技術(shù)（其中很多是 Sybase具有專利權(quán)的技術(shù)）的集中體現(xiàn)。Sybase公司提供的商務(wù)智能解決方案以能夠支持多種關(guān)系型數(shù)據(jù)庫(kù)（如 Sybase、 Oracle、 Microsoft、 Informix和 IBM的關(guān)系數(shù)據(jù)庫(kù)管理系統(tǒng)）而受到業(yè)界推崇，其垂直數(shù)據(jù)存儲(chǔ)技術(shù)使得查詢速度比傳統(tǒng)的關(guān)系型數(shù)據(jù)庫(kù)管理系統(tǒng)快 100倍。 c. 數(shù)據(jù)挖掘 d. IBM Enterprise Analyties是 IBM的數(shù)據(jù)挖掘工具集，由 IBM DB2 Intelligent Miner for data和 DB2 Intelligent Miner Scoring組成。 f. 交互式發(fā)現(xiàn)和知識(shí)的維護(hù)更新。 f. 數(shù)據(jù)挖掘涉及到數(shù)據(jù)也就碰到了數(shù)據(jù)的私有性和安全性。這個(gè)定義包括好幾層含義： ①數(shù)據(jù)源必須是真實(shí)的、大量的、含噪聲的； ②發(fā)現(xiàn)的是用戶感興趣的知識(shí)； ③發(fā)現(xiàn)的知識(shí)要可接受、可理解、可運(yùn)用； ④并不要求發(fā)現(xiàn)放之四海皆準(zhǔn)的知識(shí)，僅支持特定的發(fā)現(xiàn)問(wèn)題。 3 數(shù)據(jù)挖掘技術(shù) 與 OLAP的探測(cè)式數(shù)據(jù)分析不同，數(shù)據(jù)挖掘是按照預(yù)定的規(guī)則對(duì)數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)中已有的數(shù)據(jù)進(jìn)行信息開(kāi)采、挖掘和分析，從中識(shí)別和抽取隱含的模式和有趣知識(shí)，為決策者提供決策依據(jù)。 ③ HOLAP 由于 MOLAP和 ROLAP有著各自的優(yōu)點(diǎn)和缺點(diǎn)，而它們的結(jié)構(gòu)卻迥然不同，這給分析人員設(shè)計(jì) OLAP結(jié)構(gòu)時(shí)提出了難題，他們必須在兩種結(jié)構(gòu)之間進(jìn)行選擇。在 MOLAP結(jié)構(gòu)中， OLAP主要是通過(guò)讀取經(jīng)過(guò)預(yù)處理的數(shù)據(jù)來(lái)完成分析操作，而這些預(yù)處理操作是預(yù)先定義好的，這就限制了 MOLAP結(jié)構(gòu)的靈活性。例如：旋轉(zhuǎn)可能包含交換行和列，或是把某一個(gè)行維移到列維中去，或把頁(yè)面顯示中的一個(gè)維和頁(yè)面外的維進(jìn)行交換。如果剩余的維只有兩個(gè)，則是切片；如果有三個(gè)或以上，則是切塊。 （ 3） OLAP的多維分析 多維分析是指對(duì)以多維形式組織起來(lái)的數(shù)據(jù)采取切片（ Slice）、切塊（ Dice）、鉆?。?Drilldown和Rollup）、旋轉(zhuǎn)（ Pivot）等各種分析動(dòng)作，以求剖析數(shù)據(jù)，使用戶能從多個(gè)角度、多側(cè)面地觀察數(shù)據(jù)庫(kù)中的數(shù)據(jù)，從而深入理解包含在數(shù)據(jù)中的信息。這種模型圖，很象星星爆發(fā)。為此人們用較形象的星型模式和雪花模式來(lái)描述多維數(shù)據(jù)模型。三維數(shù)組可以用一個(gè)立方體來(lái)直觀的表示。 （ 2） OLAP的數(shù)據(jù)組織 數(shù)據(jù)倉(cāng)庫(kù)、 OLAP都以多維數(shù)據(jù)模型為基礎(chǔ)。 （ 1） 聯(lián)機(jī)分析處理的定義 OLAP委員會(huì)的定義： OLAP是使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)的更深入了解的一類軟件技術(shù)。 ? 應(yīng)用設(shè)計(jì)。在數(shù)據(jù)倉(cāng)庫(kù)建立的過(guò)程中會(huì)遇到一些新的特定的問(wèn)題，如管理大量數(shù)據(jù)的需求，如何對(duì)數(shù)據(jù)進(jìn)行快速和方便的訪問(wèn)等。該階段的主要任務(wù)是進(jìn)行數(shù)據(jù)倉(cāng)庫(kù)的邏輯設(shè)計(jì)，包括選擇合適的主題，確定事實(shí)表、相關(guān)的維、屬性和粒度劃分，設(shè)計(jì)正確的表結(jié)構(gòu)和主鍵、外鍵關(guān)系等。技術(shù)線的實(shí)施分為技術(shù)選擇和產(chǎn)品選擇兩個(gè)步驟。 (4) 數(shù)據(jù)倉(cāng)庫(kù)的基本框架 數(shù)據(jù)倉(cāng)庫(kù)提供了有效地存取和管理大量數(shù)據(jù)的理想環(huán)境，而數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)的建立是一個(gè)由數(shù)據(jù)驅(qū)動(dòng)、以技術(shù)支撐并滿足應(yīng)用需求的不斷增長(zhǎng)和完善的開(kāi)發(fā)過(guò)程。其中，元數(shù)據(jù)庫(kù)是對(duì)數(shù)據(jù)的一種描述，貫穿整個(gè)系統(tǒng)的各個(gè)部分 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)一般分為操作數(shù)據(jù)庫(kù)源數(shù)據(jù)和外部源數(shù)據(jù)兩部分。 ? 數(shù)據(jù)庫(kù)設(shè)計(jì)者需要在物理上組織好數(shù)據(jù)、保證執(zhí)行一次物理 I/O能夠返回最大數(shù)量的記錄。 b. 中間層模型 對(duì)高層數(shù)據(jù)模型中標(biāo)識(shí)的每個(gè)主要的主題域或?qū)嶓w，都要建一個(gè)中間層數(shù)據(jù)模型。 1 月份數(shù)據(jù)2 月份數(shù)據(jù)綜合連續(xù)結(jié)構(gòu)文件1 數(shù)據(jù)倉(cāng)庫(kù)技術(shù) (2) 數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)組織 ③數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型 數(shù)據(jù)模型是對(duì)現(xiàn)實(shí)世界進(jìn)行抽象的工具，抽象的程度不同，就形成不同抽象級(jí)別層次上的數(shù)據(jù)模型。 面向應(yīng)用數(shù)據(jù)庫(kù)每天數(shù)據(jù)每天綜合1 月 1 日 1 月 2 日 1 月 3 日2 月 1 日 2 月 2 日 2 月 3 日????b. 輪轉(zhuǎn)綜合文件 數(shù)據(jù)存儲(chǔ)單位被分為日、周、月、年等幾個(gè)級(jí)別。細(xì)化程度越高，粒度就越??；相反，細(xì)化程度越低，粒度級(jí)就越大。 b 當(dāng)前細(xì)節(jié)數(shù)據(jù) 存儲(chǔ)最近時(shí)期的業(yè)務(wù)數(shù)據(jù)，反映當(dāng)前業(yè)務(wù)的情況，數(shù)據(jù)量大，是數(shù)據(jù)倉(cāng)庫(kù)用戶最感興趣的部分。 (1)數(shù)據(jù)倉(cāng)庫(kù)的定義 “數(shù)據(jù)倉(cāng)庫(kù)之父” 《 Building the Data Warehouse》一書中指出：“數(shù)據(jù)倉(cāng)庫(kù)是面向主題的、集成的、非易失的，隨時(shí)間變化的用來(lái)支持管理人員決策的數(shù)據(jù)集合。 OLAP操作使用數(shù)據(jù)的領(lǐng)域背景知識(shí)，允許在不同的抽象層提供數(shù)據(jù)?？梢酝ㄟ^(guò)數(shù)據(jù)文件直接裝載或直連數(shù)據(jù)庫(kù)的方式來(lái)進(jìn)行，充分體現(xiàn)高效性。 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)化成滿足數(shù)據(jù)質(zhì)量要求的數(shù)據(jù)。 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)。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)。 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。 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。 ?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。 （ 3）傳統(tǒng)分析工具的整合能力有限。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。 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。 ?國(guó)內(nèi)商務(wù)智能專家王茁給商務(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。 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。 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)。 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、聚類和分類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。 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)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)。③某類特定應(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。 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。 (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)。 (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。 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)。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。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。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。 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