【最新】bi简介讲座ppt模版课件

BIBI讲座讲座 BIBI的诞生的诞生 BIBI概念概念 ODSODS DATA WAREHOUSEDATA WAREHOUSE ETLETL OLAPOLAP BIBI展现展现 常用的常用的BI BI 厂商和产品厂商和产品 BIBI在中国在中国 主主 题题 BIBI的诞生的诞生 随着随着ITIT技术的进步，传统的业务交易系统有了长足的发展，已经技术的进步，传统的业务交易系统有了长足的发展，已经 实现了业务信息化，每一笔业务数据都记录在数据库中，星转斗实现了业务信息化，每一笔业务数据都记录在数据库中，星转斗 移，累积了以移，累积了以TBTB为计量单位的业务数据记录。也许你会问：这为计量单位的业务数据记录。也许你会问：这 么多数据，占用了很多存储设备，耗费存储成本，却又不经常访么多数据，占用了很多存储设备，耗费存储成本，却又不经常访 问，留着它有什么用处？可以给你肯定的回答问，留着它有什么用处？可以给你肯定的回答, ,留着这些历史数留着这些历史数 据意义巨大，挖掘业务的规律、支持决策。据意义巨大，挖掘业务的规律、支持决策。 典型的案例有典型的案例有“ “尿片和啤酒尿片和啤酒” ”的故事，尿片和啤酒本来是两样不相的故事，尿片和啤酒本来是两样不相 干的东西，可是，有人就发现，星期五在超市里购物的，购买尿干的东西，可是，有人就发现，星期五在超市里购物的，购买尿 片的年轻父亲中有片的年轻父亲中有30%30%40%40%的人同时购买啤酒。原来，星期的人同时购买啤酒。原来，星期 五年轻的父亲购买尿片时，还会为自己捎带买啤酒，因为，五年轻的父亲购买尿片时，还会为自己捎带买啤酒，因为， 星期五是各家电视台转播橄榄球赛的时间，于是，超市老板们就星期五是各家电视台转播橄榄球赛的时间，于是，超市老板们就 把尿片和啤酒捆绑销售获得了巨大成功。把尿片和啤酒捆绑销售获得了巨大成功。 这个故事成了一个利用数据挖掘商业价值最大化的神话。由此看这个故事成了一个利用数据挖掘商业价值最大化的神话。由此看 来，非常不关联的两样东西，通过海量的信息数据处理，可以挖来，非常不关联的两样东西，通过海量的信息数据处理，可以挖 掘出它们之间潜在的关联，将这种关联商业化，就会得到意想不掘出它们之间潜在的关联，将这种关联商业化，就会得到意想不 到的新业务或新的商业模式。到的新业务或新的商业模式。 到底该怎样把这些占据大量存储空间的数据的价值挖掘出来，让到底该怎样把这些占据大量存储空间的数据的价值挖掘出来，让 这些数据从成本的消耗者变成利润的促进者呢？新的数据分析技这些数据从成本的消耗者变成利润的促进者呢？新的数据分析技 术由此诞生了，完成了术由此诞生了，完成了“ “数据数据” ”到到“ “数据价值数据价值” ”转换的环节，同时给转换的环节，同时给 这项技术起了一个响亮而又神密的名字这项技术起了一个响亮而又神密的名字“ “BI”BI”（Business Business IntelligenceIntelligence） BIBI概念概念 一、一、BIBI的定义的定义 BIBI是是Business IntelligenceBusiness Intelligence的英文缩写，中文解释为商务智能，用的英文缩写，中文解释为商务智能，用 来帮助企业更好地利用数据提高决策质量的技术集合，是从大量的数据来帮助企业更好地利用数据提高决策质量的技术集合，是从大量的数据 中钻取信息与知识的过程。简单讲就是业务、数据、数据价值应用的过中钻取信息与知识的过程。简单讲就是业务、数据、数据价值应用的过 程。用图解的方式可以理解为下图：程。用图解的方式可以理解为下图： 这样不难看出，传统的交易系统完成的是这样不难看出，传统的交易系统完成的是BusinessBusiness到到DataData的过程，的过程， 而而BIBI要做的事情是在要做的事情是在DataData的基础上，让的基础上，让DataData产生价值，这个产生价值产生价值，这个产生价值 的过程就是的过程就是Business Intelligence analyseBusiness Intelligence analyse的过程。的过程。 数据 价值 业务 数据 场景场景 说个场景，一天去街上买烤白薯，和老板那银聊天。说个场景，一天去街上买烤白薯，和老板那银聊天。 银：银：“ “你娃干哈地呀？你娃干哈地呀？” ” 俺：俺：“ “做软件的。做软件的。” ” 银：银：“ “啥子软件？啥子软件？” ” 俺：俺：“ “bi” bi” 银：银：“ “啥东西？啥东西？” ” 俺：俺：“ “哦，就比如说你天天在街上卖烤白薯，天天有人买，可是你希望哦，就比如说你天天在街上卖烤白薯，天天有人买，可是你希望 生意能再好一点，我就把你过去两年卖白薯的记录都拿出来，拿俺们的生意能再好一点，我就把你过去两年卖白薯的记录都拿出来，拿俺们的 软件分析分析，就能告诉你，这疙瘩都啥样银喜欢七烤白薯，啥样白薯软件分析分析，就能告诉你，这疙瘩都啥样银喜欢七烤白薯，啥样白薯 受欢迎，多大个的白薯涨点价还能卖得好，预测一下你下礼拜大概还能受欢迎，多大个的白薯涨点价还能卖得好，预测一下你下礼拜大概还能 卖多少白薯卖多少白薯” 俺：俺：“ “俺们软件大概就是这东西吧俺们软件大概就是这东西吧” ” 银：银：“ “哦哦俺明白了俺明白了” ” 系统结构系统结构 历史数据 外部数据 Sybase, Oralce, Informix, DB2, MS SQL, DBF, Excel 业务数据 数 据 源 数 据 仓 库 系 统 后 台 企业级 数据仓库 元数据 抽取 转换 清洗 聚合 装载 ETL过程 多维数据库 前 端 展 现 OLAP 报表 挖掘 查询 Templates 数据挖掘技术（数据挖掘技术（Data MiningData Mining） DMDM的定义的定义 数据挖掘（数据挖掘（Data MiningData Mining）是从大量数据中挖掘出）是从大量数据中挖掘出隐含的隐含的 、先前未知的、对决策有潜在价值的知识和规则、先前未知的、对决策有潜在价值的知识和规则，为决策，为决策 、策划、金融预测等提供依据，使大型数据库作为一个丰、策划、金融预测等提供依据，使大型数据库作为一个丰 富可靠的资源为知识归纳服务。富可靠的资源为知识归纳服务。 DMDM的特点的特点 面向应用面向应用 涉及数据库技术涉及数据库技术 运用了统计分析、人工智能多种技术运用了统计分析、人工智能多种技术 特征和规律描述特征和规律描述 预测和验证功能预测和验证功能 ODSODS ODSODS全称为全称为OperationalOperational Data Store Data Store，即，即 操作型数据存储，是操作型数据存储，是“ “面向主题的、集成的、面向主题的、集成的、 可变的、反映当前数据值的和详细的数据的集可变的、反映当前数据值的和详细的数据的集 合，用来满足企业综合的、集成的以及操作型合，用来满足企业综合的、集成的以及操作型 的处理需求的处理需求” ”(Bill.Inmon)(Bill.Inmon)。ODSODS是数据仓库是数据仓库 体系结构中的一个可选部分，体系结构中的一个可选部分，ODSODS具备数据具备数据 仓库的部分特征和仓库的部分特征和OLTPOLTP系统的部分特征。系统的部分特征。 DATA WAREHOUSEDATA WAREHOUSE 概念产生标志：概念产生标志：以以Prism SolutionsPrism Solutions公司副总裁公司副总裁 W.H.InmonW.H.Inmon在在19901990年出版的年出版的建立数据仓库建立数据仓库 (Building the Data Warehouse)(Building the Data Warehouse)。 数据仓库数据仓库 面向主题的、集成的、稳定的、面向主题的、集成的、稳定的、 不同时间的数据集合，用以支持经营管理中的不同时间的数据集合，用以支持经营管理中的 决策制定过程。决策制定过程。 目的目的：解决在信息技术：解决在信息技术(IT) (IT) 发展中存在的拥有大发展中存在的拥有大 量数据、然而有用信息贫乏量数据、然而有用信息贫乏(Data rich-(Data rich- Information poor)Information poor)的问题。的问题。 ETLETL 是数据抽取（是数据抽取（ExtractExtract）、转换（）、转换（ TransformTransform）、清洗（）、清洗（CleansingCleansing） 、装载（、装载（LoadLoad）的过程。是构建数据）的过程。是构建数据 仓库的重要一环，用户从数据源抽取出仓库的重要一环，用户从数据源抽取出 所需的数据，经过所需的数据，经过数据清洗数据清洗, ,最终按照预最终按照预 先定义好的数据仓库模型，将数据加载先定义好的数据仓库模型，将数据加载 到数据仓库中去。到数据仓库中去。 OLAPOLAP （On-Line Analytical ProcessingOn-Line Analytical Processing）即联机分析处理，是）即联机分析处理，是 BIBI的一的一 种全新的数据封装方式，直接产物是报表或种全新的数据封装方式，直接产物是报表或CubeCube，是使分析人员、管，是使分析人员、管 理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取, , 从而获得对数据的更深入了解的一类软件技术。从而获得对数据的更深入了解的一类软件技术。 OLAPOLAP展现在用户面前的是一幅幅多维视图。展现在用户面前的是一幅幅多维视图。 维（维（DimensionDimension）：是人们观察数据的特定角度，是考虑问题时的）：是人们观察数据的特定角度，是考虑问题时的 一类属性，属性集合构成一个维（时间维、地理维等）。一类属性，属性集合构成一个维（时间维、地理维等）。 维的层次（维的层次（LevelLevel）：人们观察数据的某个特定角度（即某个维）还）：人们观察数据的某个特定角度（即某个维）还 可以存在细节程度不同的各个描述方面（时间维：日期、月份、季度、可以存在细节程度不同的各个描述方面（时间维：日期、月份、季度、 年）。年）。 维的成员（维的成员（MemberMember）：维的一个取值，是数据项在某维中位置的描）：维的一个取值，是数据项在某维中位置的描 述。（述。（“ “某年某月某日某年某月某日” ”是在时间维上位置的描述）。是在时间维上位置的描述）。 度量（度量（MeasureMeasure）：多维数组的取值。（）：多维数组的取值。（20002000年年1 1月，上海，笔记月，上海，笔记 本电脑，本电脑，00000000）。）。 OLAP OLAP的基本多维分析操作有钻取（的基本多维分析操作有钻取（Drill-upDrill-up和和Drill-downDrill-down）、切片）、切片 （SliceSlice）和切块（）和切块（DiceDice）、以及旋转（）、以及旋转（PivotPivot）等。）等。 钻取：是改变维的层次，变换分析的粒度。它包括向下钻取（钻取：是改变维的层次，变换分析的粒度。它包括向下钻取（Drill-Drill- downdown）和向上钻取（）和向上钻取（Drill-upDrill-up）/ /上卷上卷(Roll-up)(Roll-up)。Drill-upDrill-up是在某一是在某一 维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而 Drill-downDrill-down则相反，它从汇总数据深入到细节数据进行观察或增加新则相反，它从汇总数据深入到细节数据进行观察或增加新 维。维。 切片和切块：是在一部分维上选定值后，关心度量数据在剩余维上的切片和切块：是在一部分维上选定值后，关心度量数据在剩余维上的 分布。如果剩余的维只有两个，则是切片；如果有三个或以上，则是切分布。如果剩余的维只有两个，则是切片；如果有三个或以上，则是切 块。块。 旋转：是变换维的方向，即在表格中重新安排维的放置（例如行列互旋转：是变换维的方向，即在表格中重新安排维的放置（例如行列互 换）。换）。 商业智能的应用商业智能的应用 典型行业：典型行业： 银行银行 保险保险 证券证券 电信电信 零售零售 新应用行业：新应用行业： 税务税务 电力电力 前端展示工具评估前端展示工具评估 MSTRMSTR BOBO CognosCognos BrioBrio SASSAS CACA BIBI在中国在中国 中国拥有中国拥有50005000年的文化史，灿烂的文件让日常报表年的文化史，灿烂的文件让日常报表 也非常具有凝聚力，交错纵横，里外相嵌，格式诡异也非常具有凝聚力，交错纵横，里外相嵌，格式诡异 、规则古怪、数据集中而闻名于世，让无数报表工具、规则古怪、数据集中而闻名于世，让无数报表工