CH1-商业智能简介.ppt

本课程如何上,授课30学时+上机16学时 实用案例、背景介绍 理论讲解 实验实践 实用技能与经验讨论,CH1 商业智能简介,聚焦商业智能,1 什么是商业智能,商业智能不是通常的业务处理。它的目标是如何更快、更容易地做更好的决策。 BI将信息转换为知识。商业智能是在正确的时间将正确的信息交给正确的用户以支持决策过程的应用。,1.2 商业智能系统的演化(1),当描述商业智能系统的目标时，第一个无法回避的问题是： “数据仓库和商业智能系统是否有着一样的目标并且提供相同的功能？”。 事实上，当数据仓库技术刚刚被引入时人们问了一个同样的问题 “数据仓库和我们以前建立的企业信息系统、信息中心是否相同？”。,1.2 商业智能系统的演化(2),数据仓库与企业信息系统、信息中心有着重要的区别； 同样地，商务智能系统和数据仓库之间也有着重要的区别。,1.2.1第一代：基于主机的查询与报表,早期的商务信息系统使用批处理应用程序为商业用户提供它们所需的信息。,第一代：面向专家,第一代的商务信息系统只能被诸如业务分析人员之类的熟悉数据且有相当计算机经验的人员使用。 管理人员很少能够使用这些早期的系统，他们必须依靠信息提供者来解答他们的问题，并给他们所需要的信息。,1.2.2 第二代: 数据仓库,第二代信息系统应用了数据仓库技术。从而使性能有了一个飞跃。,与第一代的系统相比，数据仓库有着以下一些优点：,数据仓库被设计用来满足业务用户的需求，而不是每天的操作型应用。 数据仓库中的信息是干净的、一致的，并且这些信息以业务用户能理解的形式储存。,数据仓库与操作型系统的不同点：,操作型系统中只有具体的当前数据； 数据仓库则既可以提供历史数据，又可以提供汇总信息； 客户机/服务器工作模式的使用为数据仓库的使用者提供了用户接口和更强大的决策支持工具。,1.2.3 第三代：商业智能,数据仓库仍然不能完全解决商业用户的需求问题。,数据仓库解决方案的缺点（1）,许多数据仓库解决方案共同的一个缺点就是系统的开发者总是专注于软件技术，而不是商业解决方案。 因此，尽管他们所提供的产品能够很好地构建和访问数据仓库，但这些产品实施起来相当复杂。 数据仓库产品通常很少针对特定的产业、应用领域提供解决特定的业务问题的软件包。 企业所需要的是应用程序和商务解决方案，而不仅仅是技术。,数据仓库解决方案的缺点（2）,数据仓库解决方案的另一个问题是：人们仍然过多地关心如何建立数据仓库，而不是如何对它进行访问。 许多企业似乎觉得他们只需要建立起数据仓库并为用户提供合适的工具，问题就解决了。事实上，这只是个开始而已。,商业智能系统有以下三个主要的优点：,作为第三代的业务信息系统： 商业智能系统不仅支持最新的IT技术，同时也提供了打包的应用解决方案。 商业智能系统着眼于终端用户对业务数据的访问和业务数据的传送，它同时为信息提供者和信息消费者提供了支持。 商业智能系统支持对所有格式商务信息的访问，而不仅仅是那些存储在数据仓库中的信息。,举例：IBM商业智能结构,1.3 商业智能的商业驱动力,在商业智能背后有一些商业驱动力，如： 增加收入，减少费用和更有效地竞争的需求； 管理和模拟当前商业环境复杂性的需求； 减少IT费用和利用已有公司业务信息的需求,1.4.1 操作型数据库,操作型数据库是面向细节数据的数据库，用于满足公司内的非常复杂的处理。在数据库中，数据高度范式化，从而避免了数据冗余。,1.4主要的商业智能术语,1.4.2 OLAP,OLAP是针对特定问题的联机数据访问和分析。 通过对信息（这些信息已经从原始的数据进行了转换，以反映用户所能理解的企业的真实的“维”）的很多可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。,1.4.2.1 维（Dimension）,维是人们观察数据的特定角度。 例如，企业常常关心产品销售随着时间推移而产生的变化的情况，这时他是从时间的角度来观察产品的销售，所以时间就是一个维（时间维）。 企业也常常关心自己的产品在不同地区的销售分布情况，这时他是从地理分布的角度来观察产品的销售，所以地理分布也是一个维（地理维）。,1.4.2.2 维的层次,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多个描述方面，我们称这个描述方面为维的层次。 一个维往往具有多个层次，例如: 描述时间维时，可以从日期、月份、季度、年等不同层次来描述，那么日期、月份、季度、年等就是时间维的层次； 同样，城市、地区、国家就构成了一个地理维的多个层次。,1.4.2.3 维成员(1),维的一个取值就称为该维的一个维成员。 如果一个维是多层次的，那么该维的维成员就是不同维层次的取值的组合。 例如，考虑时间维具有日期、月份、年这三个层次，分别在日期、月份、年上各取一个值组合起来，就得到时间维的一个维成员，即“某年某月某日”。,1.4.2.3 维成员(2),一个维成员并不一定要在每个维层次上都取值，例如“某年某月”、“某月某日”、“某年”等等都是时间维的维成员。 对应一个数据项来说，维成员就是该数据项在某维中位置的描述。,1.4.3 数据仓库(1),数据仓库是存放为分析目的而收集的数据的数据库。数据仓库的定义就是它的目的。,1.4.3 数据仓库(2),数据仓库收集、组织数据并使数据适用于分析目的使管理有存取和分析有关业务信息的能力。这类数据称为“信息型数据”或“分析型数据”。使用信息数据工作的系统称为OLAP（在线分析处理）。 用于处理公司正在进行的业务的这种类型的数据可称为“操作型数据”。用于处理操作型数据的系统称作OLTP（在线事务处理）,1.4.3 数据仓库(3),Bill Inmon在1990年提出术语“数据仓库”。他的定义如下： “数据仓库是面向主题的、集成的、随时间变化的及稳定的数据集，支持管理决策过程。” 面向主题数据给出有关特定主题而不是公司正在进行的操作的信息。 集成从多个数据源将数据集合到数据仓库中并合并成一个整体。 时变数据仓库中的所有数据都用特定的时间标识。,1.4.4 数据集市（1）,数据集市是整个企业数据的一个子集，包括特定业务单元、部门或用户集的值。 该子集包含从事务处理系统或企业数据仓库获取的历史数据、汇总数据并可能会有一些详细数据。,1.4.4 数据集市（2）,数据集市是根据用户的功能范围（即特定主题）而不是根据数据集市数据库的大小来定义的。当前大多数数据集市中的数据少于100GB，有一些大些，但是，随着数据集市使用的增加，它们的大小也将快速增长。,1.4.5 外部数据源,外部数据是不能在OLTP系统中找到但为增强数据仓库中信息质量而所需的数据。,本图显示其中一些数据源。,OLAP服务器（1）,OLAP服务器是一个高容量，多用户数据操纵引擎，用于支持和操作多维数据结构。 安排多维结构使得每个数据项都基于定义该项的维成员的交集来定位和存取。 优化服务器的设计和数据的结构以满足快速获取各种特定信息的要求，以及基于公式关系的元数据的快速的灵活计算和转换。,OLAP服务器（2）,OLAP服务器既可以物理地暂存处理过的多维信息以向终端用户提交一致的、快速的响应； 或从关系或其它数据库填充它的数据结构，或提供这两种的选择。 目前，将多维数据暂存在OLAP服务器中是一种倾向性做法。,1.4.7 元数据,元数据是一种描述存储在数据库中的数据的信息，包括的信息如下： 数据仓库中表和字段的描述，包括数据类型和可接受值的范围； 源数据库中表和字段的描述，将字段从源映射到数据仓库； 数据如何转换的描述，包括公式、格式、货币转换和时间聚合等； 支持和管理数据仓库操作所需的其他信息。,1.4.8 下钻,下钻可定义为按层次结构向下浏览信息的能力，即可沿着某一纬度浏览更细节的信息。,1.4.9 操作型数据库与信息型数据库的比较,操作型数据库和信息型数据库的主要区别在更新频率： 在操作型数据库上每小时有大量的事务发生。这种数据库经常是“最新”的，它表示的是当前业务情况的一个快照，经常是一个时间点。 信息数据库通常在一段时间是稳定的，它表示过去特定