IBM公司数据仓库商业智能解决预案

1、1. 技术瓶颈：海量数据收集、海量数据存储、海量数据多维分析等一系列的问 题，即使最热门最被业内人士看好的 Hadoop技术能否撑得住？2. 资源投入：海量数据处理伴随着相应的硬件、软件需求的增长，技术人员的 投入上对企业势必成为新的负担。3. 价值金矿：海量数据中的非结构化数据蕴含着的“价值金矿”，能够帮助企 业从未所触及的角度和维度为企业提供商业决策和辅助。从海量数据价值挖掘层面上看，传统的思维是数据量加大是一定要考虑 OLAP的, 一般的报表可能5、6个小时出来结果，而基于Cube的查询可能只需要几分钟， 因此从一般意义上认为处理海量数据的利器是 OLAP多维分析，即建立数据仓库， 建立

2、多维数据集，基于多维数据集进行报表展现和数据挖掘等。然而目前OLAP存在的最大问题是：业务灵活多变，必然导致业务模型随之经常 发生变化,而业务维度和度量一旦发生变化，技术人员需要把整个Cube重新定义 并重新生存，业务人员只能在此Cube上进行多维分析，这样就限制了业务人员快 速改变问题分析的角度，从而使所谓的BI系统称为死板的日常报表系统.在思达商业智能平台Style In tellige nee上进行海量数据的多维数据分析，从业务需求的角度出发，维度和度量才是直接针对业务人员的分析语言。在自主知识产权数据块儿技术支持下，直接把维度和度量的生成交给业务人员，由业务人 员自己定义好维度和度量之

3、后，将业务的维度和度量直接运行，并最终生成报表。此种以终为始的设计思路，首先能解决传统OLAP分析中维度难以改变的问题，利用思达商业智能平台Style In tellige nee中数据非结构化的特征，业务人员可以灵活地改变问题分析的角度，对业务人员非常友善。其次思达商业智能平台 Style In tellige nee在海量数据处理中利用分布式数据处理架构强大的分布式数据处理能力，无论OLAP分析中的维度增加多少，系统开销并不显著增长。XXX公司BI系统方案建议书IBM公司软件部二OO九年九月育直商| 士智fBfiria-i-i-4 + i i-frbrnhaBanria<-i-i i

4、-i-l-i-i-BBBBiiriB-i-i-i-i iH-i-i-r Bria-i-i4-t-i i + i-rr sriB-i-i-i-t-i i + l-i-raHBaaBa-i-i4-i-i rl-i-i-afaeBBBbi-i-i-i rl-i-i-ai11曲业智讎本垢构2.L! W霞掘仓聲架檜醐仓竝用于輙將肌涉韓存議护甘的常息“、 麴習柚金於7能轉聊砂0 W 0F一 /? I.» > » «J"J «> » " «« '-" ' " '

5、乙扌$； * «» JJaJ »>«» sfci. JJas > i «»» 2,H2.1422面业郸能方棊实施原则W彌瓯細斓溯嫌妣一其妙敝2.23 MW r1BIB l-l I'l.4第三章XXX Rl豪豔加MWJI73 ! I £、I N BI 系-l-l l-l-l-l PFIRIHai4-«4V-< l-H II l-l I HRIPF«aaSi|4«-l I I I I tVRFFIBI444-l-l I I l-l3 I BM fid &

6、#39;'">' in> > > > >« > > « 7Illi ! != !实审矗團一 6Z2.3 知iR银剧、笫三章 曲体公司B1系境方塞 73.1 XXX条统的需求分析73.2 BM的解决方案73.3建议架构9第卓所选1R勺产品简介4-】 1*2 t_Jd_LI_._L_l . _J J _ . _ . _ .LJ _ L_. _ . _ . I _ _ _ . _ . _ . J _ _ . . _ . _ . . . . _ . _ L J _ . _ . . _ _ _ . . _ .

7、_ . . . . _ . _ . - . . I 】4.1.1 磁,DB2 沁g辟M SD恥通用数按阮（UDB F7.2Ff4. i,2 DM通电薙据垛（UBA* V7J的特邑t24I毎:通用藪据即WU创前其他先进功能224.2 DU2 Wak 曰 ig list Ma a（J fk.（敌船仓廉甘珅器）* 一甜4.2.1 DR2 mitvhouse Mmitiger 的主蓦潍伸、 264,1.2数抵紬取、转换和栖做ETQ功逾274.23 扛薮据WetDa管理JZDB2 liiirvhouse kfn/Mger 的蒸它技术特点 .314.3 IBM OLAF畫収ER（多錐数拥幄眼务器334.3

8、.1 DB2 OUPSenvr 刃聲, 334 J.2DB2 OLAP Server 各个阴件34第一章概述随者山场竞争的U亞激想，务家公闵纷纷把提高决策的科学性、合理性提高 i'J卜新的认识高度:在此背眾下,利用伯也扶术的皿新FW 別用业务数拒辿 行血向决第的分折这一方袪紛纷被国内外计哆公司所采用逋过冇H的、右选择地采坐业务数据，并将具转换为对决策冇用的信息.用 于智能化购介折、预测和模拟等日的，这样的应用被称対惰业智能应用。从国内 外齐行齐业诃发展经验看实施前业智能是捉高金业辿行高效狗业务分卅和利学 决策的有效于段，作为一个flffA十多年历史，以开发偽息技术和商业应用血闻名的“盛

9、色14 人IBM在这一领域进行了多年的研究，发:展出完备的商业曾能技术*为商业 数据口动转化対商业购収捉供了现实的方案口商业智能的本质.是提取收張甸的数据，进行智能化的分析.掏示企业运作 和山场情况，阳加卡理层做出正确明智的经营决宦.一燉现代化的业务操作丫通 常都会产生大量的数据.如话单、JK单以及客户资料等，其中一部分是决策关键 数据*但井不是所有的数据都对决第冇决运总义"商业晉能包扌舌枚乩、活理、n 理和分析这些数榔;，将数掘转化対有用的侑息然后枚时分发刮金业外处，用于 改善业务决董，金业可ui利用它的侑总利結论进行更加淀活的阶段性的抉策：如 采用什么产品、针对哪类客户、如何选择

10、和有效地推出般务等等”也可以实观高 效的财务分折、销售分析、风险计印、分销和后勤什珅徐胖.这一切都是为了降第二章商业智能综述2J商业智能基本结构片今.许多企业认识到只有靠充分利用，发厠其现冇数据，才能实现更大的 商业效益。日常的商务应用生成了大量的数据，这些数据若用于决輦支持则会带 来出粹的附加值.若再加上市场分斷报告、独立的山场调査、质杲评测结果和顾 问评怙鸽外來数据时上述处理过程产牛的效苣可进一步增强。而数拥仓库正是 汇总这些商用信息后*进而支持数据发掘、多维数据分析聲当今父端技术和传统 的杳询及农报功能，这些对于在卅今激烈的商业竞争中保持领先是至关重要的. 那么怎样把这样大繭的数惦转换虫可巔的、