大话商业智能

摘要：

商业智能，英文名字叫Business Intelligence，英文简称BI。

BI这词看上去很神秘，给人很高科技的感觉，但真正了解的人不多，又加上某些厂商乱用BI来胡弄人，将好好的BI搞得不成人样。本文将会为大家分享我的粗浅理解，当然如果你是老鸟，请无视此文！

 

 

什么是BI?

 

BI是一个意义很广的词，没有标准的定义，简单说说我的理解：BI是一个对大量数据进行处理、分析、挖掘的框架，其目的就是希望得到有用的决策依据。

下图大致展示了这样的一个框架：

 

该图由左到右依次划分为ETL集成数据、数据仓库建模、建立Cube(数据立方体)、数据呈现四部分。

 

ETL集成数据

ETL三个字母是Extract（数据抽取）、 Transform（转换）、 Loading（装载）三个单词的首字母。我们暂时不必去深究这三个词的意思，简单地说就是我们分析数据之前，需要将各处的数据汇总到一个地方，这个过程需要对原来的数据进行处理。

 

数据仓库建模

在这部分我们见到数据仓库(Dataware，简称DW)、数据集市这些概念，很多书将这两个概念说得很玄乎，实际上数据仓库、数据集市只是两个概念而已，在物理上往往就是一两个数据库甚至是数据表而已。数据仓库，你可以认为就是原数据经过ETL后集中存储的地方，数据仓库的存储结构需要精心设计。而数据集市只是将ETL后的数据分类存放而已，数据集市同样也需要精心设计存储结构。

 

建立Cube

我们先温习一下数据库存储的特点，一般来说数据库设计要尽量避免数据冗余，这样可提高数据库执行的效率也避免了数据不一致的问题。数据库上有大量的增加、删除、查找、修改等操作，要求快和具备实时性，数据库就是针对这些特点来设计的。数据库的CRUD操作(Create,Read,Update,Delete)，被称为联机事务处理OLTP(on-line transaction processing)。

Cube是数据立方体，这是一种特殊的数据存储结构，它设计主要目的是方便读取，而不是方便写入。Cube中存在大量的冗余数据，以便可以快速地从不同角度、粒度来获取数据。这种面向数据分析的数据库操作，被称为联机分析处理OLAP(On-Line Analytical Processing)。

Cube是在数据仓库、数据集市的基础上建立的，建立Cube时需要指定维度、粒度等内容，设置是雪花型、星型等，这些内容比较复杂，不太熟悉的朋友先暂且了解到有这些名词就OK了，稍后再详细介绍。

 

数据呈现

建立数据仓库、数据集市、Cube，其目的有两：

1.为查询做好准备。

2.就是为数据挖掘做好准备。

市面上有很多做报表的工具，功能看上去很强大，能做柱状图、饼图等等，并且还戴上BI的帽子。其实这些工具并不是完整的BI工具，它们只做到数据展示这层而已。数据仓库、数据集市建好后，可用普通的SQL语句进行查询，而对于Cube，可用Cube专用的查询语句进行查询。

数据挖掘英文叫Data mining，那什么是数据挖掘呢？有很多说法，说说我的理解：是指用某些方法和工具，对数据进行分析，发现隐藏规律的一种方法。

数据挖掘有很多方法，如关联、聚类、分类、回归、序列分析、偏差分析等，这些内容都比较深奥。关于数据挖掘的详细内容，稍后我会再分享一篇文章。这里只需要知道，数据挖掘比一般的SQL查询不知道要强大多少倍，能得到超乎你想像的结果。

 

 

BI工具

 

BI工具我了解的不多，SQL Server 和 Oracle 两大数据库工具能完整地支持上述的BI框架，而大量充斥的BI小工具主要针对ETL和报表这两个层次的。如果大家遇到有人用BI的招牌来兜售软件，大家应该能识别出该软件的含金量。BI的核心技术在于数据存储、数据发掘，这两者都是高科技的玩意，我好像还没有见到这方面的国产优秀软件。

 

 

BI的应用

 

BI在国内的应用很多是门面工程，无论是去胡弄人的人还是被胡弄的人，其实都不知道什么是BI，一旦套上商业智能、决策分析这样的帽子，所有人都变成穿上“皇帝新衣”的人了。

要真正理解BI，关键一层是理解数据挖掘，熟悉各种数据挖掘算法的原理、特点和用途，运用这些知识来思考如何挖掘现存的数据。

举几个例子：

例1：据说若干年前麦当劳是没有套餐的，后来麦当劳对产品的销售数据进行分析，发现购买了汉堡包和薯条的客户，有70%以上的几率会购买可乐，所以麦当劳就将这三样东西捆绑来套餐来卖，结果销量大增。

例2：我经常在当当网购书，该网站很会推销，我看某本书时，它还会列出我可能感兴趣的书，很多时候我又忍不住去点了那些书看看，结果到了那本书的介绍页面，它又列出我其它可能感兴趣的书。这个“推荐”算法还是有一定技术含量的，这功能背后很可能应用了数据挖掘技术。

BI是很高技术含量的活，要在各行各业中应用，需要我们切实掌握BI的知识特别是数据挖掘的知识，为客户提供优秀的解决方案。

 

 

 

 

 

作者：张传波

创新工场创业课堂讲师

软件研发管理资深顾问

《火球——UML大战需求分析》作者

www.umlonline.org 创始人