对商业智能BI的总结

转帖：原文网址:http://blog.vsharing.com/hpj168/A1106323.html

[原创]对商业智能BI的总结

涉足商业智能系统是在一次老总要一大堆报表后,当时老总要一大堆销售报表和库存报表,当时ERP有报表,但是报表的形式比较单一,比如采购就是一张采购清单,从ERP系统导入到excel中,没有经过任何加工,偶尔经过手工加工,还仅仅是对供应商的考评,然而这花费采购部一MM忙活一大上午,才搞好一张表格,而且显示出来的效果让人不太有直观感,所以当时在想,如果有一个报表系统去支持它,实现是太好了,我们常常喜欢用excel去展示一些东西,记得以前公司有一excel高手,每次那些提交报表的部门的MM老找他,因为他会许多公式与函数的运用,这斯后来居然得到领导的常识,还被大家公认的高手中的高手,最后还取得了一MM的芳心.抱得美人归.我也在考虑,用系统集成的思维去管理这一大堆几乎每天都要的报表,于是想到了BI,便去查了一大堆资料.那么什么是商业智能呢?

1.商业智能的概念

对于商业智能,用baidu或者google会搜一大堆,这里采用百度百科的解释:http://baike.baidu.com/view/21020.htm?fr=ala0_1,而最简单的就是 (1)按照Dan Pratte说法,商业智能本质上是关于把组织的业务数据转化为成容易理解、价值教高的信息，并将正确的信息在正确的时间以正确的方式提供给正确的人。(2)按照国际数据公司IDC的定义，商业智能是对商业信息的搜集、加工、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们更快地做出对企业更有利的决策。

其实技术一点就是，商业智能就是由数据仓库、数据查询和报表、数据挖掘、在线分析OLAP、预算和预测等部分组成，通过建立模型来对数据进行挖掘并通过直观的形式展现给决策者。大话一点，就是站在今天的角度回顾过去，展望未来，将过去的信息转变为今天的知识进而转变成明天的财富。

2.当前管理系统存在的主要问题

其实只要接触过管理系统的朋友,都会感觉到其实在一个企业内,有很多异构的信息系统分散在各个业务领域,支撑着企业的业务运作,同时我们会发现管理系统存在着许多问题:

(1)信息无法共享 (2)信息沟通不及时 (3)不能解决实际的管理问题 (4)无法提供决策支持 (5)不符合业务需求 (6)认识不足 (7)投资有限 (8)其他问题

3.BI产品较Excel等的优势

用BI跟我们经常用的Excel有什么大的优势,具体体现在:

(1)数据深度挖掘 (2)数据分类整理 (3)及时查看数据 (4)建立多维数据分析 (4)未来趋势分析 (5)立体综合报表 (6)直观形象的前台展示

4.企业导入BI后的效益

(1)加强了信息共享 (2)加快了企业据决策的流程 (3)降低决策成本 (4)贯彻企业绩效目标 (5)打造高效能的企业核心竞争力 (6)最大化客户价值与满意度 (7)减轻管理人员整理数据的时间

5.BI的基本构架

 

 

 

 

 

 

 

 

6.Kimball 的四阶段建模过程

阶段一.选取要建模的业务处理过程,以业务处理过程而非部门或者是职能,比如采购,订货,库存与往来帐目管理.

阶段二.定义业务处理的粒度:粒度的定义意味着对各事实表行实际代表的内容给出明确.

阶段三.选定用于每个事实表行的维度,这阶段业务人员如何描述从业务处理过程得到的数据.

阶段四:确定用于形成每个事实表行的数字型事实.

 

 

 6.数据挖掘的常用模式

(1)分类模式 (2)回归模式 (3)时间序列模式 (4)聚类模式 (5)关联模式 (6)序列模式 (7)遗传算法 (8)贝叶斯网络 (9)人工神经网络

 

 

7.平衡计分卡的应用

很多企业关键绩效评估或者战略绩效评估借助平衡计分卡.

 

 

 

 

8.BI商业智能系统实现的技术框架

 

我对BI产品的看法:

(1)BI解决方案实施很复杂,技术含量高.

(2)目前的解决方案很多,但是都不完美.

(3)BI在未来具有广阔的钱景.

附录:商业智能常用词汇大全
Data Warehouse
本世纪80年代中期，"数据仓库之父"William H.Inmon先生在其《建立数据仓库》一书中定义了数据仓库的概念，随后又给出了更为精确的定义：数 
据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程。而不是一种可以购买的产品。
Data mart
数据集市，或者叫做"小数据仓库"。如果说数据仓库是建立在企业级的数据模型之上的话。那么数据集市就是企业级数据仓库的一个子集，他主要面向部门级业务，并且只是面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。

OLAP
联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时，Codd认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要，SQL对大数据库进行的简单查询也不能满足用户分析的需求。用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求。因此Codd提出了多维数据库和多维分析的概念，即OLAP。Codd提出OLAP的12条准则来描述OLAP系统：
准则1 OLAP模型必须提供多维概念视图
准则2 透明性准则
准则3 存取能力推测
准则4 稳定的报表能力
准则5 客户/服务器体系结构
准则6 维的等同性准则
准则7 动态的稀疏矩阵处理准则
准则8 多用户支持能力准则
准则9 非受限的跨维操作
准则10 直观的数据操纵
准则11 灵活的报表生成
准则12 不受限的维与聚集层次

ROLAP
基于Codd的12条准则，各个软件开发厂家见仁见智，其中一个流派，认为可以沿用关系型数据库来存储多维数据，于是，基于稀疏矩阵表示方法的星型结构（star schema）就出现了。后来又演化出雪花结构。为了与多维数据库相区别，则把基于关系型数据库的OLAP称为Relational OLAP，简称ROLAP。代表产品有Informix Metacube、Microsoft SQL Server OLAP Services。

MOLAP
Arbor Software严格遵照Codd的定义，自行建立了多维数据库，来存放联机分析系统数据，开创了多维数据存储的先河，后来的很多家公司纷纷采用多维数据存储。被人们称为Muiltdimension OLAP，简称MOLAP，代表产品有Hyperion(原Arbor Software) Essbase、Showcase Strategy等。

Client OLAP
相对于Server OLAP而言。部分分析工具厂家建议把部分数据下载到本地，为用户提供本地的多维分析。代表产品有Brio Designer，Business Object。

DSS
决策支持系统（Decision Support System），相当于基于数据仓库的应用。决策支持就是在收集所有有关数据和信息，经过加工整理，来为企业决策管理层提供信息，为决策者的决策提供依据。

ETL
数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程。构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。

Ad hoc query
即席查询，数据库应用最普遍的一种查询，利用数据仓库技术，可以让用户随时可以面对数据库，获取所希望的数据。

EIS
主管信息系统（______executive Information System），指为了满足无法专注于计算机技术的领导人员的信息查询需求，而特意制定的以简单的图形界面访问数据仓库的一种应用。

BPR
业务流程重整（Business Process Reengineering），指利用数据仓库技术，发现并纠正企业业务流程中的弊端的一项工作，数据仓库的重要作用之一。

BI
商业智能（Business Intelligence），指数据仓库相关技术与应用的通称。指利用各种智能技术，来提升企业的商业竞争力。

Data Mining
数据挖掘，Data Mining是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策

CRM
客户关系管理（Customer Relationship Management），数据仓库是以数据库技术为基础但又与传统的数据库应用有着本质区别的新技术，CRM就是基于数据仓库技术的一种新应用。但是，从商业运作的角度来讲，CRM其实应该算是一个古老的"应用"了。比如，酒店对客人信息的管理，如果某个客人是某酒店的老主顾，那么该酒店很自然地会知道这位客人的某些习惯和喜好，如是否喜欢靠路边，是否吸烟，是否喜欢大床，喜欢什么样的早餐，等等。当客人再次光临时，不用客人自己提出来，酒店就会提供客人所喜欢的房间和服务。这就是一种CRM。

Meta Data
元数据，关于数据仓库的数据，指在数据仓库建设过程中所产生的有关数据源定义，目标定义，转换规则等相关的关键数据。同时元数据还包含关于数据含义的商业信息，所有这些信息都应当妥善保存，并很好地管理。为数据仓库的发展和使用提供方便.