【正文】 演講完畢，謝謝觀看！ 。 （ 6）平衡計(jì)分卡 (Balanced Scorecards) 企業(yè)提倡平衡計(jì)分卡的觀點(diǎn)從 1990 年由 Drs. Robert Kaplan 提出到現(xiàn)在已經(jīng)有十多年的時(shí)間，其間不斷的有軟件進(jìn)行輔助量化與管理，主要從四大方面（財(cái)務(wù)、顧客、內(nèi)部流程、學(xué)習(xí)成長(zhǎng)）切入企業(yè)的經(jīng)營(yíng)策略，擬出長(zhǎng)期的策略主題（ Strategic Theme ），短期的策略目標(biāo) (Strategic Objectives) 與達(dá)成策略目標(biāo)所需的關(guān)鍵流程 (Critical Process) ，再通過(guò)主要績(jī)效指標(biāo) (Key Performance Indicator， KPI) 的可量化數(shù)值，輔助衡量策略目標(biāo)與關(guān)鍵流程的績(jī)效。所產(chǎn)生的結(jié)果是一個(gè)全面性且符合成本效益的商業(yè)智能報(bào)表平臺(tái)。 （ 4）報(bào)表服務(wù) (Reporting Service) 報(bào)表服務(wù)是一個(gè)完全以服務(wù)器為基礎(chǔ)的平臺(tái)，用來(lái)建立、管理、與傳送報(bào)表的服務(wù)。 微軟的數(shù)據(jù)挖掘保持了一貫的易用性，但是相對(duì)比較薄弱，只有決策樹(shù) (Decision Trees) 及聚類 (Clustering) 兩個(gè)算法。微軟的分析服務(wù) (Analysis Services) 提供聚合 (Aggregations) 的功能，即針對(duì)一般常會(huì)被查詢到的問(wèn)題，預(yù)先將各種 Cube 、維度 (dimensions) 與測(cè)量值 (measures) 結(jié)合下的數(shù)據(jù)值計(jì)算出來(lái)，擁有最佳的效果，支持了可進(jìn)行多維度的查詢及表示的語(yǔ)言 多維度表達(dá)式 (MDX) （ 3）數(shù)據(jù)挖掘 (Data Mining) 數(shù)據(jù)挖掘模型的建立，是以數(shù)據(jù)倉(cāng)儲(chǔ)為樣本來(lái)源，應(yīng)用于對(duì)數(shù)據(jù)的分類或預(yù)測(cè)，也就是找出預(yù)測(cè)未來(lái)的規(guī)則及模式。此外數(shù)據(jù)轉(zhuǎn)換服務(wù)可以輕易連結(jié)任何的資料來(lái)源包括 SQL Server 、 Oracle 、 Excel 與 Access 等，并進(jìn)行數(shù)據(jù)的轉(zhuǎn)換與整合。 圍繞商業(yè)智能，微軟方案由以下部分組成： （ 1）數(shù)據(jù)轉(zhuǎn)換服務(wù) (DTS) 通過(guò) DTS可以完成業(yè)務(wù)數(shù)據(jù)到倉(cāng)庫(kù)數(shù)據(jù)的抽取、轉(zhuǎn)換、清洗的過(guò)程。商業(yè)智能入口網(wǎng)站提供完整企業(yè)數(shù)據(jù)與可視化 ( Pivot table, Chart, Gauges, Spreadsheet ... ) 的商業(yè)智能整合平臺(tái)。 3 Microsoft商務(wù)智能系統(tǒng) 微軟商業(yè)智能解決方案架構(gòu)完整，容易建設(shè)實(shí)施，大幅降低總持有成本 (TCO) 并能快速地將既有的聯(lián)機(jī)操作數(shù)據(jù)轉(zhuǎn)換成有用的決策分析數(shù)據(jù)。無(wú)論提的是什么問(wèn)題，都能快速得到回答。在 IQ的支持下，用戶在查詢時(shí)有極大的靈活性。這些模型是從關(guān)鍵性業(yè)務(wù)功能中歸納和提煉出來(lái)的，其內(nèi)容涉及到促銷與活動(dòng)、客戶關(guān)系、客戶聯(lián)絡(luò)、銷售以及贏利等。 （ 1） Industry Warehouse Studio（ IWS） IWS的核心是一組集成化的商業(yè)智能應(yīng)用，內(nèi)容涉及完整的 CRM分析功能，包括客戶構(gòu)成分析、商業(yè)活動(dòng)分析、客戶忠誠(chéng)性分析、銷售分析、客戶關(guān)注分析和面向行業(yè)的業(yè)務(wù)分析以及收益性分析等。另一個(gè)產(chǎn)品 Adaptive Server IQ Multiplex是專門(mén)為滿足數(shù)據(jù)倉(cāng)庫(kù)和商業(yè)智能設(shè)計(jì)的高性能的關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)。 2 Sybase商務(wù)智能系統(tǒng) Sybase的商業(yè)智能解決方案可以提供業(yè)界領(lǐng)先的應(yīng)用、工具和技術(shù)，幫助企業(yè)全力面向新的商務(wù)挑戰(zhàn)，為新世紀(jì)的成功奠定堅(jiān)實(shí)的基礎(chǔ)。 DB2 Spatial Extender在數(shù)據(jù)庫(kù)中提供了圖形信息系統(tǒng) (GIS)能力，通過(guò)使用戶能夠?yàn)g覽以圖像、聲音、視頻、文本、 XML和其它格式保存的數(shù)據(jù)來(lái)提高多媒體查詢性能。 e. IBM DB2 Intelligent Miner for data可以發(fā)現(xiàn)包含在傳統(tǒng)文件、數(shù)據(jù)庫(kù)、數(shù)據(jù)倉(cāng)庫(kù)等載體中的隱含信息。它可用于各種多維報(bào)告、分析、建模和規(guī)劃應(yīng)用。 DB2 Warebouse Manager也是數(shù)據(jù)倉(cāng)庫(kù)工具，用于構(gòu)造和管理數(shù)據(jù)倉(cāng)庫(kù)，有助于簡(jiǎn)化構(gòu)建數(shù)據(jù)倉(cāng)庫(kù)原型的過(guò)程，快速部署數(shù)據(jù)倉(cāng)庫(kù)，能夠向終端用戶提供對(duì)元數(shù)據(jù)的簡(jiǎn)單訪問(wèn)。IBM已經(jīng)在 DB2中集成了部分 BI工具，如內(nèi)置了聯(lián)機(jī)分析處理、空間分析等功能。 商務(wù)智能系統(tǒng)實(shí)例分析 1 IBM商務(wù)智能系統(tǒng) ① IBM的商務(wù)智能解決方案 ② IBM的商務(wù)智能方案體系結(jié)構(gòu)如圖 1318所示，包括數(shù)據(jù)倉(cāng)庫(kù)，聯(lián)機(jī)分析處理，數(shù)據(jù)挖掘和查詢工具四部分。為了處理這些復(fù)雜的數(shù)據(jù)，就需要一些新的和更好的分析和建立模型的方法，同時(shí)還會(huì)涉及到為處理這些復(fù)雜或獨(dú)特?cái)?shù)據(jù)所做的費(fèi)時(shí)和復(fù)雜數(shù)據(jù)準(zhǔn)備的一些工具和軟件。 不可否認(rèn)的是，數(shù)據(jù)挖掘研究方興未艾，其研究與開(kāi)發(fā)的總體水平相當(dāng)于數(shù)據(jù)庫(kù)技術(shù)在 70年代所處的地位，迫切需要類似于關(guān)系模式、 DBMS系統(tǒng)和 SQL查詢語(yǔ)言等理論和方法的指導(dǎo)，才能使數(shù)據(jù)挖掘的應(yīng)用得以普遍推廣。數(shù)據(jù)挖掘的成功要求對(duì)期望解決問(wèn)題的領(lǐng)域有深刻的了解，理解數(shù)據(jù)，了解其過(guò)程，才能對(duì)數(shù)據(jù)挖掘的結(jié)果找出合理的解釋。 g. 數(shù)據(jù)挖掘的結(jié)果是不確定的，要和專業(yè)知識(shí)相結(jié)合才能對(duì)其做出判斷。 e. 當(dāng)前互聯(lián)網(wǎng)的發(fā)展迅速，如何進(jìn)行互聯(lián)網(wǎng)的的數(shù)據(jù)挖掘，還有文本等非標(biāo)準(zhǔn)數(shù)據(jù)的挖掘，都引起了極大的興趣。 d. 各種不同的模型如何應(yīng)用，其效果如何評(píng)價(jià)。 b. 面對(duì)如此大的數(shù)據(jù)，現(xiàn)有的統(tǒng)計(jì)方法等都遇到了問(wèn)題，我們直接的想法就是對(duì)數(shù)據(jù)進(jìn)行抽樣，那么怎么抽樣，抽取多大的樣本，又怎樣評(píng)價(jià)抽樣的效果，這些都是值得研究的難題。 數(shù)據(jù)挖掘是當(dāng)前研究的熱點(diǎn)，目前已經(jīng)取得了不少的進(jìn)步，并有一些商業(yè)化的數(shù)據(jù)挖掘軟件投入使用，但是還存在許多問(wèn)題。 從技術(shù)上講，數(shù)據(jù)挖掘（ Data Mining）就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。 從商業(yè)上看，數(shù)據(jù)挖掘是一種新的商業(yè)信息處理技術(shù)，其主要特點(diǎn)是對(duì)商業(yè)數(shù)據(jù)庫(kù)中的大量業(yè)務(wù)數(shù)據(jù)進(jìn)行抽取、轉(zhuǎn)換、分析和其他模型化處理，從中提取輔助商業(yè)決策的關(guān)鍵性信息。涉及到數(shù)理統(tǒng)計(jì)、模糊理論、神經(jīng)網(wǎng)絡(luò)和人工智能等多種技術(shù)，技術(shù)含量比較高，實(shí)現(xiàn)難度較大。 利用數(shù)據(jù)挖掘技術(shù)可以幫助獲得決策所需的各種知識(shí)，如關(guān)聯(lián)規(guī)則、分類與聚類等。 e. 可以方便地對(duì)計(jì)算和匯總算法進(jìn)行維護(hù)和修改。 c. 可以快速存取各種級(jí)別的匯總數(shù)據(jù)。 一個(gè)真正的 HOLAP系統(tǒng)應(yīng)能遵循以下幾條準(zhǔn)則： a. 維度能夠被動(dòng)態(tài)更新 —— 一個(gè)真正的 HOLAP不但可以提供對(duì)數(shù)據(jù)的實(shí)時(shí)存取，還可以根據(jù)不斷變化的結(jié)構(gòu)對(duì)維數(shù)進(jìn)行更新。為了將兩種結(jié)構(gòu)的優(yōu)點(diǎn)結(jié)合起來(lái)，一個(gè)新的 OLAP結(jié)構(gòu) —— 混合型 OLAP（ HOLAP）被提出。 ? 由于 MOLAP采用了新的存儲(chǔ)結(jié)構(gòu)，從物理層實(shí)現(xiàn)起，因此又稱為物理 OLAP（ Physical OLAP）；而 ROLAP主要通過(guò)一些軟件工具或中間軟件實(shí)現(xiàn)，物理層仍采用關(guān)系數(shù)據(jù)庫(kù)的存儲(chǔ)結(jié)構(gòu)，因此稱為虛擬 OLAP（ Virtual OLAP）。 MOLAP采用專用的多維數(shù)據(jù)庫(kù)來(lái)支持多維分析功能，而 ROLAP則不需要用專有的多維數(shù)據(jù)庫(kù)來(lái)支持多維分析操作，它的數(shù)據(jù)庫(kù)層采用關(guān)系型數(shù)據(jù)庫(kù)系統(tǒng)。 ROLAP的缺點(diǎn)是它對(duì)用戶的分析請(qǐng)求處理的時(shí)間要比 MOLAP長(zhǎng)。 ② ROLAP ROLAP在功能上類似于 MOLAP，但是它的底層數(shù)據(jù)庫(kù)是關(guān)系數(shù)據(jù)庫(kù)，而不是多維數(shù)據(jù)庫(kù)，其結(jié)構(gòu)如圖 1316所示。 MOLAP結(jié)構(gòu)的主要優(yōu)點(diǎn)是它能迅速響應(yīng)決策分析人員的分析請(qǐng)求，并快速地將分析結(jié)果返回給用戶，這得益于它獨(dú)特的多維數(shù)據(jù)庫(kù)結(jié)構(gòu)以及存儲(chǔ)在其中的預(yù)處理程度很高的數(shù)據(jù)（一般預(yù)處理程度在 85%以上）。 OLAP系統(tǒng)按照其存儲(chǔ)器的數(shù)據(jù)存儲(chǔ)格式可以分為關(guān)系 OLAP（ Relational OLAP，簡(jiǎn)稱 ROLAP）、多維 OLAP（ Multidimensional OLAP，簡(jiǎn)稱 MOLAP）和混合型 OLAP（ Hybrid OLAP，簡(jiǎn)稱 HOLAP）三種類型。如圖1314所示。 （ 4） OLAP系統(tǒng)的體系結(jié)構(gòu)和分類 數(shù)據(jù)倉(cāng)庫(kù)與 OLAP的關(guān)系是互補(bǔ)的，現(xiàn)代 OLAP系統(tǒng)一般以數(shù)據(jù)倉(cāng)庫(kù)作為基礎(chǔ)，即從數(shù)據(jù)倉(cāng)庫(kù)中抽取詳細(xì)數(shù)據(jù)的一個(gè)子集并經(jīng)過(guò)必要的聚集存儲(chǔ)到 OLAP存儲(chǔ)器中供前端分析工具讀取。通過(guò)旋轉(zhuǎn)可以得到不同視角的數(shù)據(jù)。鉆取的深度與維所劃分的層次相對(duì)應(yīng)。數(shù)據(jù)聚合和鉆取是在維度層次上互為逆操作的兩種 OLAP基本分析動(dòng)作，是改變維的層次，變換分析的粒度。 ③ 數(shù)據(jù)聚合和鉆取 前面提到維度是具有層次性的，層次性實(shí)際上反映了數(shù)據(jù)的綜合程度。 切片和切塊是在一部分維上選定值后，關(guān)心度量數(shù)據(jù)在剩余維上的分布。切塊可以看成是若干個(gè)切片的疊加。這種切片數(shù)量取決于維 i上的維成員個(gè)數(shù)。 ①數(shù)據(jù)切片 (slice) 多維數(shù)據(jù)是由多個(gè)維度組成的，如果在某一維度上選定一個(gè)取值，則 n維多維數(shù)據(jù)就從 n維下降成了 nl維，則稱多維數(shù)組的子集為多維數(shù)組在維度 i上的切片。 雪花模式和星形模式的主要不同在于，冗余度小，維表易于維護(hù)，并節(jié)省存儲(chǔ)空間，但是由于執(zhí)行查詢需要更多的連接操作，雪花模式可能降低查詢的性能。也就是說(shuō)，某些維表不是第一范式。 雪花模式 (Snow Flake schema)是星型模式的變種。維圖圍繞事實(shí)表顯示在射線上。 ? 維表 —— 一組小的附屬表，每維一個(gè)。 星型模型是數(shù)據(jù)倉(cāng)庫(kù)最常見(jiàn)的模型范例。維表一般較小，每維一個(gè)。 星型模式 (star Schema)通常由一個(gè)中心表 (事實(shí)表 )和一組維表組成。 ④多維數(shù)據(jù)模型的組織模式 對(duì)于三維以上的數(shù)據(jù)方體，很難用可視化的方式直觀地表示出來(lái)。 ③多維數(shù)據(jù)集的度量值 多維數(shù)據(jù)集的度量值是基于多維數(shù)據(jù)集中事實(shí)表的一列或多列，數(shù)值型數(shù)字。在數(shù)據(jù)立方體中，可對(duì)數(shù)據(jù)進(jìn)行聚集。一般地多維數(shù)組用多維立方體來(lái)表示，但數(shù)據(jù)立方體并不一定限于三維，因此又稱為超立方 ②立方體和超立方 (Cube) 數(shù)據(jù)立方體方法的基本思想是實(shí)現(xiàn)某些常用的代價(jià)較高的聚集函數(shù)的計(jì)算，諸如計(jì)數(shù)、求和、平均、最大值等，并將這些實(shí)現(xiàn)視圖儲(chǔ)存在多維數(shù)據(jù)庫(kù)中。 ②立方體和超立方 (Cube) 多維數(shù)據(jù)模型的數(shù)據(jù)結(jié)構(gòu)可以用這樣來(lái)一個(gè)多維數(shù)組來(lái)表示 :(維 1，維 2， ……… 維 n，度量值 )，例如 :商品銷售數(shù)據(jù)是按時(shí)間、地區(qū)、商品種類，加上度量“銷售額”組成的一個(gè)三維數(shù)組 :(地區(qū)，時(shí)間，商品種類，銷售額 )。一個(gè)數(shù)據(jù)維又可以包含一個(gè)或多個(gè)層次 維的一個(gè)取值成為該維的一個(gè)維成員（