商业智能的体系结构分为源数据层、数据转换层、数据仓库(数据集市)层、OLAP及数据挖掘层和用户展现层。
在图1-8中可以看到,实现商业智能应用有4个十分关键的环节,包括数据源、ETL过程、数据仓库及其应用和BI前端展现。
图1-8 BI解决方案的体系结构
数据仓库系统的数据来源主要是外部的操作性应用系统,这些数据源包括数据的业务含义和业务规则,表达业务数据的表、字段、视图、列和索引等。
ETL过程即抽取(Extraction)、转换(Transformation)和装载(Load)。ETL过程负责将业务系统中各种关系型数据、外部数据、遗留数据和其他相关数据经过清洗、转化和整理后放进中心数据仓库。
数据仓库是商业智能系统的基础,是面向主题的、集成的、稳定的和随时间不断变化的数据集合。数据仓库的应用包括联机在线分析处理(OLAP)和数据挖掘(DM)。通过对数据仓库中多维数据的钻取、切片及旋转等分析动作,可以完成决策支持需要的查询及报表。通过数据挖掘,可以发现隐藏在数据中的潜在规则。
前端展现可以提供各种能帮助人们快速理解数据内涵的可视化手段。它是数据仓库的门面,包括各种报表工具、查询工具和数据分析工具以表格或图形化的手段对数据的展现。
1.2.3 数据挖掘和商业智能工具
公 司 名 称 | ETL工具 | 数据仓库管理工具 | OLAP工具 | 数据挖掘工具 | 报 表 工 具 |
IBM | Warehouse Manager | Visual Warehouse | OLAP Server | Intelligent Miner | Insight&Qucik view |
Oracle | Oracle ETL Server | Enterprise Manager | Express Server | Darwin | Express Analyser |
Sybase | Replication ServerPowerStage | Warehouse Studio | Warehouse Analyzer | SAS SPSS | InfoMaker |
CA | InfoPump | PLATINUM ERWin PLATINUM InfoPump | DecisionBase InfoBeacon | Neugent Aion | Forest&Trees InfoReports |
SAS | 第三方 | Warehouse Administrator | SAS MDDB | EnterpriseMiner | EIS ER |
Microsoft | SSIS | SQL Server | SSAS | SSAS | SSRS |
图1-10 三大服务一个工具实现BI的体系图
从图1-10中可以看出,三大服务都整合在BI Studio中,其中SSIS能从各种异构数据源中整合BI需要的业务数据,同时可以实现与商务流程统一。这项功能在以前是通过DTS服务(即数据转换服务)来实现的。
SSAS是从数据中产生智能的关键,通过这种服务,可以构建数据立方(Cube),也就是多维数据集,然后进行OLAP分析,SSAS也提供数据挖掘的功能。有了这种服务就能够很容易找出隐藏在数据中的金矿。
一个BI项目一般要为不同的人提供不同特点的报表,如总经理和部门经理对报表的内容要求是完全不一样的,SSRS服务为满足这一要求提供了相应的工具,通过它可以对分析结果提供类型多样、美观且适合不同需求的图表和报表。