商业智能介绍.ppt

商业智能介绍,目的,了解商业智能的概念和整体流程了解商业智能的主流产品和发展趋势了解传统商业智能实施的内容和风险,本次介绍完毕后，您应该：,介绍的议题,商业智能的介绍商业智能的主流产品介绍商业智能实施的内容,商业智能BussinessIntellingce介绍,商业智能的定义,GartnerGroupBI是将数据转换成信息的过程，然后通过发现将信息转化为知识业务角度通过应用基于事实的支持系统来辅助商业决策的制定。商业智能提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。技术综述将数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等技术与业务结合起来应用于商业活动实际过程当中，实现了技术服务于决策的目的,规划、预算和预测,实时查询、计分卡、KPI监控,商务智能(BI),可预测,可说明,可透视,CPM,商业智能的流程,商业智能的决策流程,商业智能为企业各个层次的人员提供不同的信息,指示灯,CEO、总经理,$,#,营收,数量,成本,度量标准,数据展示,分析,时间,产品,顾客,即时查询和报表,CFO、COO、CIO,部门经理,业务人员,商业智能的架构,商业智能架构-硬件,商业智能主流产品介绍,商业智能主流产品-数据仓库类,OracleOracle8.1以后版本(OWB)SybaseSybaseIQTeradataSAPSAPBW,商业智能主流产品-ETL工具类,InformaticaSybaseIBMDataStageBOEIM(EnterpriseInformationManagement)CognosDataManagerSSIS(SQLServerIntegrationService),ETL包括Extract、Transform、Cleaning和Load，它是用于从多个业务库中提取数据到数据仓库中，再由具体的报表、统计、分析工具对数据仓库的内容进行分析，分析出自己所需要的数据,商业智能主流产品-前端,CognosReportNet，PowerPlay，CMMBOXI(ad-hoc,Report,OLAP)SASWebReportStudio,OLAPCubeStudioOracleDiscovererSQLServerOLAPService,ReportServiceMicroStategy,商业智能主流产品-数据挖掘,SASSPSSOracleSQLServerMining马克威,商业智能部分主流产品比较,领先者BO,Cognos(BI产品完整性)Oracle(唯一提供核心业务系统，数据存储及BI的厂商)临界者SAP(SAP用户的最佳解决方案)Sybase(零售行业解决方案)Teradata(数据仓库的领先者)后来者SQLServer(中低端市场的强者)SAS(数据挖掘的领先者，BI的后来者),商业智能实施的内容,商务智能系统的构建过程,业务数据源,抽取/转换/加载,汇总,钻取/切片/旋转,商业智能实施内容-需求驱动,商业智能实施内容-数据仓库构建,优化,业务数据源,“数据仓库是在企业管理和决策中面向主题的,集成的,与时间相关的和不可修改的数据集合”,-BillInmon(数据仓库之父),商业智能实施内容-数据仓库构建(续),信息(分析)系统特性分析驱动事务数量小，历时长支持业务战略决策数据是历史的，静态的，数据是汇总的，面向主题多维的数据结构优化是针对查询而不是更新不可预见的使用模式支持管理人员和执行主管人员,操作(业务)系统特性事务驱动事务数量大，历时短支持日常的业务数据是当前的并在不断变化存储详细数据，面向应用无冗余的数据结构与设计方法针对快速预定义的事务优化设计可预见的使用模式支持办事人员或行政人员,商业智能实施内容-数据仓库构建（续）,OLTP数据库和数据仓库的区别,商业智能实施内容-数据仓库构建（续）,数据仓库的典型星型模型,业务系统数据结构-关系型数据结构,数据仓库结构-星型架构(StarSchema),数据建模(DataModeling),数据仓库建模的过程通常占整个商业智能项目的30%-50%时间数据建模完成后，就可以采用ETL工具来构建数据仓库,商业智能实施内容-数据仓库构建(续),数据仓库建模,商业智能实施内容-OLAPCube的构建,数据仓库,OLAPStudio,根据业务需求，定义、设计商业智能分析模型，并生成OLAPCube,商业智能实施内容-其他工作,基于OLAPCube，设计前端多维分析应用基于数据仓库，开发业务和管理报表，以及指标分析应用等基于数据仓库，实施数据挖掘(可选)门户设计(可选)，权限定义等测试，安装，部署及培训等,数据仓库的实施风险,经验告诉我们超过60%的数据仓库项目最终以失败而告终:项目超预算项目推迟交付-或根本交付不了结果未能达到用户的期望项目在技术上是成功的,但在业务上却是失败的,构建一个数据仓库是一项有风险的工作,商业智能实施的风险,需求风险需求一直在变，没有好的方法和工具来