商业智能架构全景图——谈谈商务智能

转载:http://shenhaolaoshi.blog.sohu.com/165731273.html

当我们今天谈商业智能的时候,其实现企业信息化就是指的商业智能(Business Intelligence,BI);传统的商业智能主要是基于信息技术架构的一套智能化管理工具,比如:ERP、CRM和SCM,只不过现在增加了EPM和GRC等功能或诉求点;其中:ERP:企业资源计划,CRM:客户关系管理,SCM:供应链管理,EPM:企业绩效管理,GRC:企业风险控制等模块。

    早期的商业智能其实就是所谓报表系统,不过这里往往指的是企业级报表,也就是说:企业管理者和决策者可以不借助IT人士就可以得到企业生产经营数据和报表。今天,商业智能可能更加以一种新的面貌呈现数据,成为仪表盘或决策驾驶舱的形态;

     当然,我们目前大部分企业的商务智能主要还是在报表体系层面,但随着信息技术的发展,特别是硬件技术的发展和价格的降低,伴随着云计算、内存计算、移动应用等,商务智能越来越重要,近年来商务智能一直占据IT变革的前列!

    那么商务智能的基本架构是如何呢?我这里简单描述一下,首先我们看到企业随着信息化导致海量信息存储,这里的信息包括:结构化和非结构化信息,如何把这些信息充分利用呢?

    1)数据存储层:这里主要包括结构化信息和非结构化信息,但是如果不能共享和整合这些信息,企业就不能发挥数据决策的作用;    

    2)数据中间层:企业面临信息孤岛,这时候就面临:数据整合DI和数据仓库DW;这里部分通过ETL工具将不同数据结构和类型的数据进行整合;


    3)数据仓库层:一般通过XML将不同结构数据进行整合,这时候就面临一个数据安全性问题、数据质量问题和元数据管理问题MetaData;有了企业级数据仓库DW,我们就可以在此进行增值应用;

    4)商务智能层:有了数据仓库DW,就有了干净和整合的数据,当然这些数据来自ETL工具的数据抽取、转换和装载过程,形成面向不同应用的数据集市Data Mart;大部分商务智能主要是CRM、SCM和ERP;

    5)数据分析层:主要是OLAP在线分析应用和Data Mining,当然也包括统计分析,数据模型和商业规则等,将这些商业洞察嵌入商业智能;OLAP和数据挖掘是BI的两个主要增值应用!

    6)报表分析层:在DW基础上,企业会构建各种企业级报表,如果能够在线OLAP更好,这就是经营分析系统了;当然现在更多的希望是采用地理信息、仪表盘Dashboard和移动报表Web Report等

    7)架构应用层:当企业信息整合后,一定面临搜索Search,这里指的是企业级搜索,KM知识管理和CI竞争情报分析;

 

    

    7)主题应用层:在查询、报表和分析的基础上,面向应用包括:

    

 

  8)决策支持层: 下面是主要针对电信行业的可能应用(举例) 

 

    1. 商业智能主要是针对大型企业
    2. 商业智能的应用涉及大型数据库和数据仓库系统
    3. 商业智能厂商
    4. 云计算、内存计算、物联网、移动应用都将助力商业智能的发展
    5. 在电信行业商业智能就是经分系统
    6. 数据分析和数据挖掘是商业智能的核心智能,但现在基本上是报表统计
    7. 数据可视化和前端展现是客户能看到的商业智能
    8. IPAD的前端移动应用将有发展
    9. Excel有时候是最好的商业智能
    10. EPM和GRC是企业管理信息系统,KPI需要信息支持
    11. 量化管理是实现商务智能的要求,但不能代替决策
    12. 以变应变是最佳策略



转载于:https://www.cnblogs.com/qiuhuiting2016/p/6122016.html

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
HomeAboutDesignlol.netAdmin ARCHIVED ENTRIES FOR 数据可视化 九 27 前言:数据可视化是怎样创造出来的。可视化 Tags: 数据可视化, 信息可视化 13 Comments » 我多次被炫目的数据可视化或信息可视化震惊,在我知道这些图片背后的数据来源和创造历程后,更是为之诧异不止。它涉足制图学、图形绘制设计、计算机视觉、数据采集、统计学、图解技术、数型结合以及动画、立体渲染、用户交互等。相关领域有影像学、视知觉。空间分析、科学建模等。 这是创造性设计美学和严谨的工程科学的卓越产物。用极美丽的形式呈现可能非常沉闷繁冗的数据,其表现和创作过程完全可以称之为艺术。所以我翻译了来自SM上的3篇数据可视化和信息图形的文章,主要是鉴赏并提供一些参考资料。我尽量查找了每张数据图表背后的背景,添加了标注和说明,希望那个帮助读者更深入地理解这些图表所呈现的含义,而不仅仅是停留于对“好看”的赞叹上。这些图片不会说话,但它们比文字和语言都更为有力。 数据可视化 Data Visualization 和信息可视化 Infographics 是两个相近的专业领域名词。狭义上的数字可视化指的是讲数据用统计图表方式呈现,而信息图形(信息可视化)则是将非数字的信息进行可视化。前者用于传递信息,后者用于表现抽象或复杂的概念、技术和信息。 而广义上的数据可视化则是数据可视化、信息可视化以及科学可视化等等多个领域的统称。 数据可视化起源于1960s计算机图形学,人们使用计算机创建图形图表,可视化提取出来的数据,将数据的各种属性和变量呈现出来。随着计算机硬件的发展,人们创建更复杂规模更大的数字模型,发展了数据采集设备和数据保存设备。同理也需要更高级的计算机图形学技术及方法来创建这些规模庞大的数据集。随着数据可视化平台的拓展,应用领域的增加,表现形式的不断变化,以及增加了诸如实时动态效果、用户交互使用等,数据可视化像所有新兴概念一样边界不断扩大。 而我们熟悉的那些饼图、直方图、散点图、柱状图等,是最原始的统计图表,它们是数据可视化的最基础和常见应用。作为一种统计学工具,用于创建一条快速认识数据集的捷径,并成为一种令人信服的沟通手段。传达存在于数据中的基本信息。所以我们可以在大量PPT、报表、方案以及新闻见到统计图形。 但最原始统计图表只能呈现基本的信息,发现数据之中的结构,可视化定量的数据结果。 面对复杂或大规模异型数据集,比如商业分析、财务报表、人口状况分布、媒体效果反馈、用户行为数据等,数据可视化面临处理的状况会复杂得多。 可能要经历包括数据采集、 数据分析、数据治理、数据管理、数据挖掘在内的一系列复杂数据处理,然后由设计师设计一种表现形式,是立体的、二维的、动态的、实时的还是允许交互的。然后由工程师创建对应的可视化算法及技术实现手段。包括建模方法、处理大规模数据的体系架构、交互技术、放大缩小方法等。动画工程师考虑表面材质、动画渲染方法等,交互设计师也会介入进行用户交互行为模式的设计。 所以一个数据可视化作品或项目的创建,需要多领域专业人士的协同工作才能取得成功。人类能够操纵和解释如此来源多样、错综复杂跨领域的信息,其本身就是一门艺术。 数据可视化在发展过程中,科学和工程领域的应用衍生出了分支:科学可视化——“利用计算机图形学来创建视觉图像,帮助人们理解科学技术概念或结果的那些错综复杂而又往往规模庞大的数字表现形式”。 在计算机诞生之前,科学的可视化行为就存在。如等高线图、磁力线图、天像图等等。利用计算机的强大运算能力,人类可以使用三维或四维的方式表现液体流型、分子动力学的复杂科学模型。 比如利用经验数据,科学可视化在天体物理学(模拟宇宙爆炸等)、地理学(模拟温室效应)、气象学(龙卷风或大气平流)模拟人类肉眼无法观察或记录的自然现象;利用医学数据(核磁共振或CT)研究和诊断人体;或者在建筑领域、城市规划领域或高端工业产品的研发过程中发挥重大重用。比如汽车的研发过程中,需要输入大量结构和材料数据,模拟汽车在受到撞击时如何变形。在城市道路规划的设计过程中,需要模拟交通流量。 虽然科学可视化的表现形式对于普通人比较陌生,像粒子系统、散点图、热力图等图表不接受专业训练很难看懂。但实际上科学可视化的成果已经渗透到我们生活的每个角落。 90年代初期,信息可视化领域进入人们的视野。用于解决对异质性数据中“抽象”的部分的分析。帮助人们理解和观察抽象概念,放大了人类的认知能力。 科学可视化和信息可视化的差别比较微妙,因为科学可视化的大部分处理对象都是抽象的概念。在手段和技术上也有大量共同之处。所以边界比较模糊。 在国外,许多大型企业、科研机构都会有相关部门进行数据可视化研究,如数字图书馆。媒体和政府机构也会对自己掌握的数据进行可视化分析,如犯罪地图。在互联网上,那些掌握了大量用户活动信息、用户关系网或语料库的网站,比如digg,friendfeed,flickr或大型电子商务网站等,都有实验性的可视化项目。可惜在中国在这方面的商用或实验项目还是比较空白的。 数据可视化的开发和大部分项目开发一样,也是根据需求来根据数据维度或属性进行筛选,根据目的和用户群选用表现方式。同一份数据可以可视化成多种看起来截然不同的形式。 有的可视化目标是为了观测、跟踪数据,所以就要强调实时性、变化、运算能力,可能就会生成一份不停变化、可读性强的图表。 有的为了分析数据,所以要强调数据的呈现度、可能会生成一份可以检索、交互式的图表 有的为了发现数据之间的潜在关联,可能会生成分布式的多维的图表。 有的为了帮助普通用户或商业用户快速理解数据的含义或变化,会利用漂亮的颜色、动画创建生动、明了,具有吸引力的图表。 还有的图表可以被用于教育、宣传或政治,被制作成海报、课件,出现在街头、广告手持、杂志和集会上。这类图表拥有强大的说服力,使用强烈的对比、置换等手段,可以创造出极具冲击力自指人心的图像。在国外许多媒体会根据新闻主题或数据,雇用设计师来创建可视化图表对新闻主题进行辅助。 说了那么多,大家都可以感受到数据可视化所应用价值,其多样性和表现力吸引了许多从业者,而其创作过程中的每一环节都有强大的专业背景支持。无论是动态还是静态的可视化图形,都为我们搭建了新的桥梁,让我们能洞察世界的究竟、发现形形色色的关系,感受每时每刻围绕在我们身边的信息变化,还能让我们理解其他形式下不易发掘的事物。 我通过翻译这系列的文章,为数据可视化的创造力所折服,也为其所能诞生和发展的背景环境所感叹。希望国内能有更多的跨领域人才的教育背景,能有发展实验性项目的环境,设计师们能拥有更多的创造力和专业素养,永远保持好奇心和敏感。 数据可视化相关的引擎/程序/工具(来自wiki百科) Instantatlas Data Desk DAVIX Eye-Sys Ferret Data Visualization and Analysis GGobi IBM OpenDX IDL (programming language) Style Intelligence OpenLink AJAX Toolkit ParaView Smile (software) StatSoft Visifire VisIt VTK Yoix Prefuse 信息可视化的相关方法 Cladogram (phylogeny) 分支图 Color alphabet 色彩字母表 Dendrogram (classification) 树状图 Information visualization referen

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值