商业智能原理、技术及应用 第2版 课件 第0-5章 商业智能导学-商业智能工具使用入门

商业智能诺兰模型购置第一台用于管理的计算机初始蔓延集成数据管理控制信息管理面向数据库建立稳定的全局数据模型实行了全企业的信息资源管理，信息的“倍增剂”作用增强信息系统的开发跟上企业的发展，信息就是资源在企业中成为提高竞争力、促进其发展的动力发展速度缓慢，投资费用受到控制，子系统功能完善硬件、软件投资和开发费用急剧增长企业信息化发展道路数据覆盖了物流的每个环节

数字化仓库让供应链更有弹性导学为什么学？学什么？怎么学？

老板，你要这么多数据做什么？假如你是一个公司的老板。你的公司很先进，已经实现了信息化，上了ERP。每一笔销售单据都保存在数据库中，数据库已经保存了十多年的数据，有上亿条销售记录。问：“反正三年前的数据留着也是白白占地方，浪费磁盘空间，不如把它们全部删除吧，这样还不用添加硬盘就能容纳新数据。”同意，不同意？－这是个问题实情：数据已成为一个企业的重要资产！决策无处不在：生活中、工作中数据海洋、信息爆炸、知识缺乏。。。何谓智能？企业有智能吗？BI离我们并不远！我们的不知不觉参与比如从用户访问日志中获取有价值的信息，包括访问者的兴趣爱好、访问模式、满意度等BI应用在我们身上顾客分类：开展有针对性的营销活动交叉销售：识别商品间的关联程度个性化推荐：在适合的时间，以适合的方式，将适合的产品，推荐到适合的人手中。商业智能概念BusinessIntelligence，BI商业智能是指通过有目的、有选择地采集业务数据，转换为对决策有用的信息，使企业获得知识，提高企业决策的能力。企业界定义：BI是一种能力，它通过有智能地使用企业的数据资源来进行更好的商务决策。学术界观点：BI是帮助企业提高决策与运营能力的概念、方法、过程以及软件的集合。商业智能表现智能的技术表现信息共享和企业信息集成知识挖掘与管理智能的管理表现企业不管大小，都必须对瞬息万变的市场情况做出及时、高效地反应，而这些反应都必须建立在对全面、准确和及时的信息基础上---员工数据分析的能力。智能型企业表现为反应迅速、适应顾客变化的需要和采取正确的顾客解决方案。商业智能框架数学统计学数据分析计算机科学人工智能机器学习数据挖掘智能数据分析OLAP知识管理商业智能数据库数据仓库学习目标领悟数据与决策支持掌握数据分析方法与技术了解商业智能系统掌握商业智能的基本概念、基本方法以及在物流决策中的应用。DataWarehouseOLAPDataMiningAI为什么学？

企业需要我们这方面的能力物流相关岗位的数据分析能力要求数据分析专员---九州通医药集团物流有限公司1、2年以上物流行业数据分析等相关岗位工作经验；2、多种数据源的数据进行组合分析、挖掘、深度分析和建模；运营数据的监控和跟踪分析，并对异常波动情况进行深入分析和问题定位；3、设计、搭建物流大数据平台架构，为公司运营评估、决策、风险、发展策略提供数据支持；4、逻辑思维能力强，良好的沟通能力以及团队合作精神；5、熟练掌握至少一种统计分析工具（如：EXCEL、SPSS、SAS、MATLAB等）。物流数据分析专员131、参与或独立设计并执行各项数据研究项目，收集并分析解读数据所带来的信息，为运营提供参考；2、通过数据挖掘，还原客户行为及潜在需求；3、熟练运用各种内外部数据统计工具，快速响应各业务线的数据需求；4、与技术部门合作进行统计报表的建立与优化改善；5、负责公司内部的数据统计系统培训。任职资格：1、大专院校专科以上学历，物流、数学、计算机专业优先；2、熟悉数据建模及数据分析方法论；3、关注细节，具有敬业精神；4、对数据敏感，有较强的逻辑思维和分析能力。福建盛丰物流集团有限公司14物流数据分析经理(北京字节跳动科技有限公司)20000-40000元/月职位职责：1、建立和优化业务逻辑模型和数据模型，包括SOP预测、仓储布局、订单合并与拆分等；2、通过数据挖掘，提炼出仓储物流运营质量的改善方向和商家分布区域；3、负责电商业务的供应链数据分析，并推动业务问题解决和落地；4、负责物流运营指标监控，及报表优化。职位要求：1、本科及以上学历，数学、统计学、计算机、供应链与物流等相关专业；2、精通SQL，并熟练使用R、Python等一门语言；3、对数据分析、数据挖掘有深刻的理解，熟悉逻辑回归、关联分析等常用算法；4、有较强的学习能力和好奇心，逻辑清晰；5、有电商供应链数据分析和建模经验者优先。15商业智能是一个融统计学、管理科学、决策科学、心理学、行为科学、控制理论、组织理论、人工智能、信息技术和计算机技术于一体的理论与技术集成的课程。是管理类专业的专业必修课，是涉及多门专业基础课与专业课的综合性专业应用课程。课程性质数据与商业决策支持

—步入数据的纷繁世界商业智能概述

—初步了解商业智能商业智能原理

—洞察商业智能核心技术商业智能的敏捷实现

—了解商业智能实现工具理论篇应用篇案例篇(课内实验）—掌握商业智能实现工具（专周实训）—商业智能行业典型应用主讲教师：戴小廷商业智能数据与商业决策支持

—步入数据的纷繁世界商业智能概述

—初步了解商业智能商业智能原理

—洞察商业智能核心技术商业智能的敏捷实现

—了解商业智能实现工具理论篇应用篇案例篇(课内实验）—掌握商业智能实现工具（专周实训）—商业智能行业典型应用数据与商业决策支持—步入数据的纷繁世界什么是数据企业为何需要数据分析如何做数据分析商业决策与计算机决策支持学习目标

了解数据、大数据与数据管理，掌握数据分析基本方法；

理解企业为何需要数据管理；

熟悉商业决策支持及其技术的发展。姓名出生年月性别职业婚姻状态家庭住址籍贯……..1962.07喜欢的食物一、什么是数据雇员ID姓名性别出生年月岗位职务入职时间0201马力男1985-02-06采购主管2007-03-030202刘丽女1978-05-05采购员2000-08-080301王芳女1983-06-07销售员2005-09-120302张军男1990-08-09销售员2013-08-010303张俊丽女1968-12-24销售经理经理1990-07-08…现实世界→数据世界数据信息知识智慧创新发挥作用加工处理数据（data）是对客观事物的性质、形态、结构、特征、内容和含义的一种表达形式。信息（information）信息是加工后的数据，是对人有用的、能够影响人们行为的数据。知识：发挥作用的信息智慧（或能力）是指富有洞察力的知识，在了解多方面的知识后，能够预见一些事情的发生并主动地采取行动。大数据大数据(bigdata)，或称巨量资料。互联网（社交、搜索、电商）、移动互联网（微博）、物联网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。大数据大数据分析大数据分析是指对规模巨大的数据进行分析，即在研究海量数据的过程中寻找模式，相关性和其他有用的信息，帮助企业更好地适应变化，并做出更明智的决策。随着大数据时代的来临，大数据的处理、分析与利用就成为时代发展的要求。常用的大数据分析处理工具Hadoop、ApacheSpark、Storm等开源工具Cognos、BO、MicrosoftPowerBI、Oracle、QlikView、Tableau、RapidMiner、FineBI等商业智能大数据分析处理工具（1）HadoopHadoop是一个能够让用户轻松架构和使用的分布式计算平台。用户可以轻松地在Hadoop上开发和运行处理海量数据的应用程序。它具有高可靠性、高扩展性、高效性、高容错性。Hadoop带有用Java语言编写的框架，能够很好运行在Linux生产平台上。Hadoop上的应用程序也可以使用如C++的其他语言编写。（2）ApacheSparkApacheSpark是专为大规模数据处理而设计的快速通用的计算引擎，现在已经成为一个高速发展应用广泛的生态系统。Spark是UCBerkeleyAMPlab（加州大学伯克利分校的AMP实验室）所开源的类HadoopMapReduce的通用并行框架，Spark拥有HadoopMapReduce所具有的优点，但不同于MapReduce的是Spark能更好地适用于数据挖掘与机器学习等需要迭代的MapReduce的算法。（3）StormStorm是自由的开源软件，一个分布式的、容错的实时计算系统。Storm可以非常可靠的处理庞大的数据流，用于处理Hadoop的批量数据。Storm很简单，支持许多种编程语言。Storm可以应用于实时分析、在线机器学习、分布式远过程调用（RemoteProcedureCall，RPC）、数据抽取、转换和加载（Extraction-Transformation-Loading，ETL）等等。二、企业为何需要数据分析

数据管理是指利用计算机技术对数据的收集、组织、存储、加工、传输、使用等过程。目的是便于从数据中快速经过加工处理得到所需要的信息，利用信息支持行动和决策。数据分析是指采取有效的统计、分析方法对收集来的大量数据进行分析，将它们加以汇总和理解并消化，以求最大化地开发数据的功能，发挥数据的作用。数据分析是为了提取有用信息和形成结论而对数据加以详细研究和概括总结的过程。二、企业为何需要数据分析

企业正在发生什么？发生问题的原因是什么？未来会发生什么？怎样去做得更好？。。。企业开展数据管理与分析的必要性数据分析的步骤明确主题找到目标明确方向数据收集数据库EXCEL数据处理清洗、转换、提取、计算数据分析统计分析数据挖掘数据展现表格、图表、文字报告撰写美观实用内容简洁三、如何做数据分析数据展现样例数据分析常用方法方法说明对比分析法与目标对比；不同时期对比；同级部门、单位、地区对比；行业内对比；活动效果对比分组分析法分组的目的在于便于对比，分组法必须与对比法结合起来方法说明结构分析法某部分数值占总体的比率，如市场占有率平均分析法算术平均、调和平均、几何平均、众数与中位数交叉分析法常见的二维交叉表

要领一：搞清楚分析的主题要领二：选择合适的数据

要领三：得出分析结论还要有建议数据分析要领销售情况客户主营业务收入雇员绩效…..雇员业绩数据雇员的人事入职时间、级别等数据雇员年度目标数据…..明确主题销售业绩完成情况数据收集数据库EXCEL数据处理清洗、转换、提取、计算数据分析Tableau数据展现标靶图报告撰写美观实用内容简洁案例：销售业绩数据分析三、如何做数据分析数据分析常用工具EXCEL、SPSSSAS商业智能软件：推荐使用美国TableauDeskTop、TableauServer平台。SQLserverAnalysis……四、商业决策与计算机决策支持

决策是决策者为达到某种预定目标，运用科学的理论、方法和手段，从若干备选方案中选择或综合成一个满意合理的方案，并付诸实施的过程。商业决策是对企业在经营过程中所做出的决策过程的总称，是企业长远发展的根本所在。战略决策战术决策运营决策决策的科学化用信息系统支持和辅助决策定性决策向定量与定性相结合的决策发展单目标决策向多目标综合决策发展战略决策向更远的未来决策发展39决策、决策过程、如何科学决策数据传统的数据分析方法MISDW\OLAP\DM智慧

知识信息方法与技术计算机决策支持方法与技术商业计算机决策支持技术的发展案例分析阅读教材第1章后案例，回答：1．案例中决策制定何时开始？何时结束？哪些是关键的决策？2．案例中应用了哪些支持决策者的信息技术？它们在改进决策制定过程的效果和效率，更好地解决商业中的问题发挥了哪些作用？市场副总裁的一次决策过程及其决策支持手段本章小结介绍了什么是数据、信息、知识及其之间的关系大数据及大数据分析企业为什么需要数据管理，数据分析的步骤与常用的数据分析方法决策与商业决策的概念计算机决策支持方法与技术及其发展谢谢永远在乐观中前进，相信明天会更好！主讲教师：戴小廷商业智能数据与商业决策支持

—步入数据的纷繁世界商业智能概述

—初步了解商业智能商业智能原理

—洞察商业智能核心技术商业智能的敏捷实现

—了解商业智能实现工具理论篇应用篇案例篇(课内实验）—掌握商业智能实现工具（专周实训）—商业智能行业典型应用第2章商业智能概述47授课思路：

什么是商业智能？商业智能能够为我们做什么？

商业智能架构

流行的商业智能系统第1节商业智能的起源与基本概念第2节

商务智能的结构第3节商务智能系统第2章商业智能概述48学习目标

了解商业智能的起源与发展；掌握智能、智能化企业与商业智能的概念；了解商业智能的特点、价值与作用。

能够从信息系统、数据分析、知识发现、战略分析等不同角度正确理解商业智能；

熟悉商业智能的体系结构；掌握商业智能系统应具备的基本功能。

了解常见的商业智能产品，熟悉商业智能在不同行业的典型应用。一.商业智能引例二.什么是商业智能？三.为什么需要商业智能？四.商业智能能够为我们做什么？第1节商业智能概念一、商业智能引例【案例】中粮集团商业智能需求与发展中粮集团有限公司于1952年成立，是一家集贸易、实业、金融、信息、服务和科研为一体的大型企业集团，横跨农产品、食品、酒店、地产等众多领域。1994年以来，一直名列美国《财富》杂志全球企业500强。旗下上市公司

中国粮油

中国食品

中粮屯河

中粮包装

中粮生化

中粮地产

蒙牛乳业旗下品牌福临门玉米油，金帝巧克力，长城葡萄酒…50信息化建设较为完善作为世界500强企业，中粮集团一直积极致力于信息化建设工作，充分利用信息化工具提高企业管理水平。中粮下属各利润点基本实现业务流程的信息化，主要包括财务系统、生产制造系统、采购系统、人力资源管理系统、6S报表系统。全面信息化后存在的问题数据量增大，数据难以管理信息孤岛，部门数据相互独立查询与报表不足以支持战略决策的需求商业智能解决方案-数据整合建立统一数据模型对数据的规范化定义，实现统一的信息资源层次体系、数据元素标准和信息编码，建立统一的数据模型以满足各个业务系统的集成。整合各个业务系统，建立中粮数据仓库系统由于数据分布在不同的业务系统，给数据共享、数据管理和数据应用带来很多不便，因此中粮整合各个业务系统，建立中粮数据仓库系统，将数据集中起来，解决数据层面的信息孤岛问题。

商业智能解决方案-数据分析多维分析支持直接基于现有的业务数据库(关系型数据库)创建多维立方体；可进行常规的切片，旋转、钻取等在线分析操作；支持图表(如：直方图、饼图等)，并能在图表中钻取数据。数据挖掘从时间、空间、横向、纵向等多维度对数据进行分析。按主题细分，可划分为生产主题分析、采购主题分析、销售主题分析、财务主题分析、产成品库存主题分析、物流主题分析、人力资源主题分析等。商业智能解决方案-数据分析销售分析产品库存管理分析物流管理分析人力资源管理分析财务管理分析原料采购管理分析生产管理分析商业智能解决方案-结果展示能够制作标准、主从、交叉、分组统计、参数等各种形式的报表能够创建多种类型图形包括2D和3D饼图、柱状图、线性图、泡泡图、散点图、漏斗图、金字塔图、锥体图等，提供多种美观仪表盘、信号灯等，支持多种形式的数据钻取支持Web方式浏览，所有报表能发布到指定的Webserver，可以通过IE方式浏览各种报表的数据和相应的图表课堂讨论★为什么实施商业智能？★实施商业智能的基本过程？★商业智能的核心技术？★商业智能的最终目的？一.商业智能引例二.什么是商业智能？三.为什么需要商业智能？四.商业智能能够为我们做什么？第1节商业智能概念商业智能的起源与发展赫伯特西蒙对决策支持系统的研究，是现代商业智能概念最早的源头和起点。1978年，他因为对“商务决策过程”的出色研究戴上了诺贝尔经济学奖的桂冠1970年，IBM的研究员埃德加-科德（EdgarCodd）发明了关系型数据库1983年，Teradata公司利用并行处理技术为美国富国银行（WellsFargoBank）建立了第一个决策支持系统。1988年，为解决企业集成问题，IBM公司的研究员BarryDevlin和PaulMurphy创造性地提出了一个新的术语：数据仓库（DataWarehouse）商业智能的起源与发展1989年，数据挖掘技术兴起1989年，著名的高德纳IT咨询公司（GartnerGroup）为业界提出了商业智能的概念和定义，商业智能，指的是一系列以数据为支持、辅助商业决策的技术和方法。进入21世纪，可视化技术的出现，使商业智能分析的产业链形成了一个从数据整合、经数据分析、数据挖掘、到最后数据展示的完整闭环商业智能成为从跨国企业到中小企业中众多业务人员的标配工具以知识发现为使命的商业智能，必将成为知识时代的竞争利器智能、智能化企业与商业智能1．智能的概念智能（Intelligence）是生物体获取知识、利用知识的能力2．智能化企业快速吸收新想法的能力。适应新情况的能力。有效解决问题的能力。动员适当资源的能力。有效积累经验和知识的能力。商业智能的理解商业智能，又称商务智能（BusinessIntelligence，BI）。商业智能应该是帮助企业提高决策能力和运营能力的概念、方法、过程以及软件的集合。

正确理解商业智能分为以下四个方面:信息系统数据分析知识发现战略分析信息系统：是BIS的物理基础，表现为强大决策的分析功能的软件工具和面向特定应用领域的信息系统平台数据分析：是一系列算法、工具或模型。先斩获高质量数据信息，然后使用自动生成或人工参与的算法分析信息然后得出结论。知识发现：将数据转化成信息，通过计算将信息转化成知识，或者直接将信息转化成知识。战略分析：将信息或知识应用在提高决策能力和运营能力上，企业建模等商业智能是融合了先进信息技术与创新管理理念的结合体，集成企业内外数据，进行加工并从中提取能够创造商业价值的知识，面向企业战略并服务于管理层、业务层，指导企业经营决策，提升企业竞争力。商业智能的概念

商业智能的概念数据ETL数据仓库数据挖掘可视化OLAP数据知识决策模式趋势事实关系模型关联规则序列目标市场资金分配贸易选择在哪儿做广告销售的地理位置金融经济POS人口统计生命周期商业智能方案AdministrationDataWarehouseCenterTransformationToolsWarehouseManagerReplicationFamilyETIValityWarehouse/MartDB2FamilyDB2OlapServerAnalysisIntelligentMinerIntelligentDecisionServerDB2OLAPServerMetadataTemplatesAccessToolsDataWarehouseCenterDataJoinerETIClientsBrowsersNotesApproachPartnersMetadataInformationCatalog商业智能的特性战略层管理层业务层数据挖掘数据分析数据收集知识信息数据业务层决策中层决策战略决策BIS与DSS、MIS、EIS、TPS的比较Internet网络与应用一.商业智能引例二.什么是商业智能？三.为什么需要商业智能？四.商业智能能够为我们做什么？第1节商业智能概念决策需要信息，更离不开知识。知识更多地表现为经验—学习的结晶。学习的过程是不断地对信息加工处理。信息的收集、加工、传输与利用贯穿着决策各阶段的工作过程。信息已成为企业经营中重要性仅次于人才的第二大要素。决策=知识+经验+冒险商业智能是对企业信息的科学管理。“InGodwetrust:allothersmustbringdata”—W.EdwardsDeming管理就是决策，知识支撑管理各自为政，互相独立财务分析运营分析客户分析财务系统营销系统服务系统信息孤岛和信息烟囱数据充足了、信息畅通了，还需要？商业智能在企业作业级战术级战略级1、提高计算精度、计算速度，提高业务处理的效率，减轻业务人员的工作强度；从而提升客户的满意度；2、将业务规则以软件的形式固定下来，从而减少业务活动出错的机会，减轻了业务的复杂度；最终可以提升客户的满意度。提供计划、报表等功能，以标准、偏差、反馈等实现对业务流动的分析与控制，改善对业务流动的管理与控制。通过决策支持功能辅助企业进行决策，从而实现企业的战略目标。商业智能商业智能在具体业务领域的作用Title销售管理领域营销领域客户关系管理财务分析人力资源管理供应链管理一.商业智能引例二.什么是商业智能？三.为什么需要商业智能？四.商业智能能够为我们做什么？第1节商业智能概念商业智能能够为我们做什么？Tosupportdecisionmakingatalllevelsofbusinessmanagementbasedonthefactsand(scientific)predictionsofcurrentandfuturebusinesssituationsthatareobtainedfromintelligentanalysisofhistoricalbusinessdata.BusinessdecisionsmadewithBIsupportaremore★Correct★Accurate★Objective★Timely不同层次的商业智能应用以前发生了什么为什么发生了现在发生着什么将来会发生什么业务活动管理BI给我们带来了什么丰富的报表、查询功能——发生了什么BI给我们带来了什么图4.5Cognos的钻取操作IBMCognos的钻取操作——为什么发生BI给我们带来了什么预测——将来会发生什么销售分析仪表盘BI给我们带来了什么仿真分析——希望发生什么数据仓库理解业务：网络资源分析产品结构及组合分析服务质量分析业务发展分析理解客户：客户贡献度分析客户群体划分客户行为分析制订市场营销策略风险分析：客户流失的测算信用分析欺诈分析内部绩效考核：产品、部门利润分析资源分配资源成本分析谁是最好的客户?如何扩大利润?如何避免风险?收入/成本如何分配?商业智能对企业的作用和价值课程回顾★从中粮的案例入手引出了什么是商业智能、为什么需要商业智能以及商业智能的作用★商业智能的概念和应用下节内容★商业智能的结构主讲教师：戴小廷商业智能数据与商业决策支持

—步入数据的纷繁世界商业智能概述

—初步了解商业智能商业智能原理

—洞察商业智能核心技术商业智能的敏捷实现

—了解商业智能实现工具理论篇应用篇案例篇(课内实验）—掌握商业智能实现工具（专周实训）—商业智能行业典型应用一.商业智能的架构体系二.商业智能的功能构造第2节商业智能的结构所谓的体系结构（Architecture）是指一整套的规则和结构，为一个系统或产品的整体设计提供主框架。商务智能体系结构一般为：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、用户展现层。数据仓库(DataWarehouse,DW)、联机分析处理(OnLineAnalyticalProcessing,OLAP)和数据挖掘(DataMining,DM)是商务智能的三大技术支柱。86一、商业智能的架构体系二、商业智能的功能构造理解BI系统架构数据库业务数据库添加、修改、删除；查询、统计、归档；存储、集群、备份、迁移数据仓库ETL报表生成数据挖掘模型多维分析模型分析展现挖掘展现门户集成BI的三个层次用户数增加报表分析OLAPDM复杂度增加我知道它现在是怎样的我知道它为什么是这样我知道它以后会是怎样一、企业商务智能系统总体结构二、商业智能系统的功能与特点三、主流商务智能产品介绍四、商务智能系统行业应用第3节商业智能系统数据质量控制数据重新组织EII解决方案数据展现数据管理数据获取数据迁移作业分配数据清洗数据仓库元数据管理数据集市管理安全性、分析管理一、企业商务智能系统总体结构最终用户数据质量控制数据重新组织ETL/DQ解决方案数据抽取、迁移、加载周数据加载日常数据增加日周期数据源ETL/EII数据存储管理业务模型数据展现利润成本分析资产分析营销分析投资组合分析平衡计分卡/KPI解决的业务问题数据分析采购系统生产系统销售系统财务系统即席查询Intranet/Internet产品报告数据挖掘例外分析随即查询报表例外分析数据挖掘决策人员管理人员分析人员业务人员实时增量虚拟数据仓库元数据管理（运营元数据、技术元数据、分析元数据）IWAYBI数据仓库企业数据模型MDMBWDW(1)读取数据（ETL)：数据ETL支持多平台、多数据存储格式（多数据源、多格式数据文件、多维数据库等）的数据组织，要求能自动地根据描述或者规则进行数据查找和理解。减少海量、复杂数据与全局决策数据之间的差距。帮助形成支撑决策要求的参考内容。(2)数据仓库：高效的数据存储和访问方式。提供结构化和非结构化的数据存储，容量大，运行稳定，维护成本低，支持元数据管理，支持多种结构，例如中心式数据仓库和分布式数据仓库等。存储介质能够支持近线式和二级存储器，能够很好地支持容灾和备份方案。

(3)分析功能：可以通过业务规则形成分析内容，并且展示样式丰富，具有一定的交互要求，例如预辩或者趋势分析等。要支持多维度的OLAP，实现维度变化、旋转、数据切片和数据钻取等，以帮助做出正确的判断和决策。(4)数据统计输出（报表）：报表能快速地完成数据统计的设计和展示．其中包括了统计数据表样式和统计图展示，可以很好地输出给其他应用程序或者Htmf形式表现和保存。对于自定义设计部分要提供简单易用的设计方案，支持灵活的数据填报和针对非技术人员设计的解决方案。能自动地完成输出内容的发布。二、商务智能系统应具备的功能与特点三、主流商务智能产品介绍厂商产品及简介IBMDB2以及Cognos、SPSS、DataStage，覆盖BI全部领域OracleOracle、Hyperion(海波龙

)，覆盖BI全部领域，数据挖掘领域有待加强MicrosoftSQLServer，覆盖BI全部领域，适合中小型企业，性价比高InformaticaInformatica，主要是数据集成领域Tableau在商业智能和分析平台魔力象限报告中，Tableau第三次蝉联领先者殊荣。SybaseSybaseIQ，主要是数据仓库领域SAPBusinessObjects、CrystalReports，主要是OLAP和报表领域SASSAS，数据挖掘领域领先奥威智动Power-BI，主要是OLAP和报表领域，行业解决方案尚南BlueQuery，主要是OLAP和报表领域（已被用友华表收购）润乾润乾报表，主要是OLAP和报表领域帆软FineBI，主要是数据集成领域U8商业智能（BI）介绍分析决策/绩效管理U8商业智能－应用架构UFIDA>>>如何实现不同角色所需的管理桌面？企业中的每个管理角色（CEO、CFO、COO、业务人员），在企业经营管理中所关注的重点各有不同，需要有一个性化管理者桌面（个性化决策门户），即时掌握……角色门户灵活的定制出不同管理角色应用门户灵活的定制出不同管理角色应用门户

灵活定制各个不同管理角色的首页面

通过个性化应用界面，即时监控所关注业务运营情况采购主管应用界面灵活的定制出不同管理角色应用门户

灵活定制各个不同管理角色的首页面

通过个性化应用界面，即时监控所关注业务运营情况销售主管（总监）应用界面灵活的定制出不同管理角色应用门户

灵活定制各个不同管理角色的首页面

通过个性化应用界面，即时监控所关注业务运营情况财务主管（总监）应用界面现金指标现金指标近日趋势分析

资金指标仪表盘监控

预测现金指标趋势变化

实时了解企业的资金运营状况、预算执行情况角色门户之应用：财务主管销售指标监控预警销售指标趋势预测

销售业务趋势预测分析/指标预警分析

销售收入日趋势分析/预算执行分析销售指标预警分析销售指标趋势分析销售业务结构、明细分析…销售分析

多维度的销售分析－按产品对销售收入进行排名分析、结构分析、对比分析、趋势分析…排名分析结构分析对比分析趋势分析角色门户之应用：销售主管UFIDA>>>如何帮助企业建立自己的指标体系

指标体系的建立，是企业经营管理的基础，指标体系体现了企业的经营管理目的和战略，是企业衡量一切经营活动的重要逻辑依据指标体系建立案例1：建立指标体系-平衡计分卡（BSC)财务指标客户指标学习与成长指标内部流程指标建立关键绩效指标(KPIs)的因果关系案例1：建立指标体系-平衡计分卡（BSC)财务指标客户指标学习与成长指标内部流程指标案例1：建立指标体系-平衡计分卡（BSC)财务指标客户指标学习与成长指标内部流程指标案例1：建立指标体系-平衡计分卡（BSC)财务指标客户指标学习与成长指标内部流程指标案例1：建立指标体系-平衡计分卡（BSC)财务指标客户指标学习与成长指标内部流程指标案例2：某企业三年战略发展落实为指标利润9000万收入5亿元总成本费用82％客户满意度97％A产品4亿元B产品1亿元区域1收入区域2收入机构2收入机构1收入业务员1收入业务员2收入资产利用率提高20％应收帐款利用率存货利用率固定资产利用率应收帐款周转率过期应收帐款比率坏帐比率业务员1过期应收业务员2过期应收客户忠诚度客户感知度客户抱怨度客户期望值重复购买意愿对涨价的承受力对降价的承受力……通过指标设计器，为企业经营管理提供全面的经营管理指标通过灵活的指标设计器建立任意的指标体系通过指标体系设计器，将企业经营管理指标落实为可执行的企业经营管理战略UFIDA>>>如何实现企业管理的经营透视？利用商业智能技术，实现企业的中、高层管理者在管理经营中，从不同角度分析企业运营状况、通过数据钻取，深入挖掘数字背后的经营问题……分析报表应用

灵活方便的拖拽式报表设计方便快捷的拖拽式报表设计灵活方便的拖拽式报表设计，快速设计不同管理报表，满足不同管理者需要

快速实现不同维度的管理报表、图形展现报表设计播放钻取BI报表－－多维度的数据钻取，深入挖掘数字奥秘…

以客户收入数据进行钻取分析对客户收入数据进行钻取数据挖掘，多维度展现

以部门、地区等多种维度,进行销售收入分析以销售部/北京地区维度进行分析客户收入不同维度分析结果展现数据钻取挖掘播放UFIDA>>>如何为经营决策建立分析主题？企业经营分析如何在经营管理过程中按照不同的业务需要建立相应的分析主题,快速透视经营状况，帮助不同的管理者实现经营决策管理……用友BI标准产品为企业量身定制的分析主题成本主题分析质量主题分析

料工费结构

产品作业成本

合格率

不良原因统计供应商主题分析订单执行延期统计

正确率，退换率...产量

计划完成率产能利用生产主题分析库存主题分析库存资金占用结构

库存周转天数

滞销品

缺货分析物流主题分析

发货及时率单位运费运量单位销售额物流成本...财务主题分析P&LBalanceSheet

营业收入

成本、费用

净利资金主题分析

产品群现金流能力

应收帐库存占用销售主题分析

订单，收入产品群盈利性...CashFlow

流入结构

流出结构

资金占用结构资本来源结构BI财务状况主题分析内容财务状况主题分析杜邦分析盈利能力分析偿债能力分析营运能力分析发展能力分析销售增长率利润增长率总资产增长率资产保值增值率销售毛利分析销售利润分析利润率总资产报酬率净资产收益率资产负债率已获利息倍数流动比率速动比率现金比率应收帐款周转率率存货周转率率流动资产周转率固定资产周转率总资产周转率BI销售管理主题分析内容运输成本类型结构分析销售管理主题分析合同订单完成情况分析发出商品完成情况分析销售收入完成情况分析销售回款完成情况分析市场推广完成情况分析客户服务完成情况分析合同计划完成率合同月均收入比合同订单总额延期合同额计划完成率发货及时率运输及时率工作差错率运输成本类型对比分析区域收入分析部门收入分析产品收入分析业务员收入分析客户收入分析渠道收入分析计划完成率发货及时率运输及时率工作差错率广告计划完成率广告投入产出率促销计划完成率促销投入产出率服务计划完成率投诉类型分析投诉费用赔付率投诉响应分析计划完成率

按产品对销售收入进行排名分析、结构分析、对比分析、趋势分析…排名分析结构分析对比分析趋势分析BI销售管理主题分析－－按产品分析

按业务员对销售收入进行排名分析、结构分析、对比分析、趋势分析…排名分析对比分析趋势分析结构分析BI销售管理主题分析－－按业务员分析

按客户对销售收入进行排名分析、结构分析、对比分析、趋势分析…排名分析对比分析趋势分析结构分析BI销售管理主题分析－－按客户分析UFIDA>>>如何实现企业科学的管理决策？企业管理者在管理经营中，希望能利用分析决策模型实现企业的科学决策。U8商业智能系统内置众多分析决策模型帮助企业CEO、CFO、COO等，实现科学决策……决策模型用友BI标准产品预置多种统计预测模型简单平均法模型移动平均法模型指数平滑法模型一般趋势预测模型指数平滑趋势预测模型季节变动预测模型循环变动预测模型简单线性回归分析模型二次曲线和多元回归分析模型……决策分析模型分析决策模型帮助企业实现科学管理与决策预置3种决策分析模型：盈亏平衡分析杜邦分析利润分析….模型之－－杜邦分析模型之－－杜邦分析模型拓展资产结构优化现金管理降低成本费用增加销售收入经营杠杆效应提高净资产收益率提高总资产收益率合理利用财务杠杆提高资产经营效率提高销售利润率财务杠杆效应负债经营规模应收账款管理存货管理区域贡献结构产品贡献结构客户贡献结构销售成本结构期间费用结构盈亏平衡点经营安全水平财务风险临界点息税前利润销售成本/销售收入比率主营业务利润/销售收入比率营业利润/销售收入比率各项费用增长率/销售收入增长率人均利润率非主营业务损益/销售收入非营业损益比例流动资产周转率应收帐款周转率存货周转率应收帐款周转天数存货周转天数应付帐款周转率应付帐款周转天数固定资产周转应收帐款趋势应收帐款结构与去年同期对比地区排名客户排名帐龄报表长期挂帐报表量本利模拟分析UFIDA>>>如何帮助企业从战略目标分解到有效执行

企业战略的有效执行是每个企业最关注的经营管理行为，企业战略必须通过企业绩效管理才能达成，而绩效必须通过指标才能在企业中落实……绩效管理BI产品企业绩效管理过程行动方案是否促进绩效改进……战略与目标组织KPI指标体系根据战略规划，从若干层面（战略平衡积分卡）对目标进行分解根据目标落实到各个组织单元，确定目标承担主体根据各组织单元的作用，按照目标进行指标体系分解绩效运行过程，对运行状况进行实时监控为达成目标……是否有必要采取行动方案绩效监控行动方案根据绩效结果调整目标与指标体系绩效结果用户名称行业用户名称行业北京奥特舒尔保健品开发有限公司保健品深圳市沈氏飞达实业有限公司金属-模具深圳市八马茶业连锁有限公司茶叶连锁零售深圳市沈氏飞达有限公司金属-模具广西金源置业集团有限公司地产青海佳合铝业有限责任公司矿产能源国营零八一总厂电子电气北京探路者旅游用品有限公司旅游用品宝应电器厂电子电器江苏兴达钢帘线股份有限公司轮胎制造山西麒麟阁大饭店有限公司饭店沁源县康伟煤焦有限公司煤炭广东贝佳人内衣服饰有限公司服装内蒙古铁鑫煤化集团煤炭江苏省亚盟劳务加工有限公司服装深圳市沈氏彤创航天模型有限公司模具内蒙古威尔浪服装有限责任公司服装华北农机公司农机流通合肥科振实业发展有限公司工程机械佳木斯黑龙农药化工股份有限公司农药化工延边天池工贸有限公司工业贸易昆山沪光汽车电器公司汽配海峡航运股份有限公司海运保龄宝生物股份有限公司生物核电秦山联营公司核能海南南国食品实业有限公司食品秦山核电公司核能杭州市食品酿造有限公司食品上海网宿科技发展有限公司互联网中粮丰通(北京)食品有限公司食品神开石油化工装备集团化工贵阳味莼园食品（集团）有限公司食品浙江国泰密封材料股份有限公司化工天津灯塔涂料股份有限公司涂料江西省机电设备招标公司机电东莞市通旺达五金制品有限公司五金制品新疆维吾尔自治区监狱管理局机关成都稳捷物流有限公司物流泰安福神齿轮箱厂机械山西盛特隆物资贸易有限公司物资洛阳轴研科技有限公司机械化工江西中烟工业公司烟草广州市宏丰集团有限公司集团海南通用同盟药业有限公司医药超群无损检测设备检测设备海南制药厂有限公司医药天津金太阳纸业有限公司纸业珠海市健民药堂连锁有限公司医药U8商业智能客户列表一、企业商务智能系统总体结构二、商业智能系统的功能与特点三、主流商务智能产品介绍四、商务智能系统行业应用第3节商业智能系统BI从业人员的关注点设计、开发架构、咨询数据仓库模型设计ETL设计、开发报表设计和开发对业务的理解数据架构的思想案例关注点关注点数据仓库模型设计ETL设计、开发对业务的理解数据仓库的环境难点难点商业智能在制造行业的应用商业智能在零售业的应用商业智能在物流业的应用商业智能在银行业的应用商业智能在保险行业的应用商业智能在电信行业的应用典型行业BI应用商业智能的起源与发展，智能、智能化企业与商业智能的概念，商业智能的特点、价值与作用；从信息系统、数据分析、知识发现、战略分析等不同角度去理解商业智能；商业智能的体系结构包括源数据层、数据转换层、数据仓库（数据集市）层、OLAP及数据挖掘层、数据展现层；商业智能系统应具备的基本功能，常见的商业智能产品本章小结商业智能对企业的价值有哪些？如何架构企业商业智能系统？思考题阅读教材本章案例，回答：1．案例中唯捷城配原有BI系统不能满足需求的原因?2．唯捷城配如何利用帆软的FineReport实现商业智能？案例分析主讲教师：戴小廷商业智能数据与商业决策支持

—步入数据的纷繁世界商业智能概述

—初步了解商业智能商业智能原理

—洞察商业智能核心技术商业智能的敏捷实现

—了解商业智能实现工具理论篇应用篇案例篇(课内实验）—掌握商业智能实现工具（专周实训）—商业智能行业典型应用第3章商业智能原理一、数据仓库的基本原理二、数据仓库系统三、数据仓库的开发与应用四、联机分析处理五、数据挖掘六、数据挖掘的决策支持及应用了解数据仓库系统的结构、开发和应用；初步掌握数据仓库原理、联机分析处理技术和数据挖掘技术方法；会应用联机分析处理技术分析数据；能够进行简单的关联规则挖掘。本章学习目标143第一节数据仓库的基本原理144

数据仓库的产生1996年，中国IT界两大热门话题：互联网络

数据仓库美国FORTUNE杂志统计2000家商务公司中，90%应用DW。计算机应用初期电子数据处理（EDP）决策支持系统（DSS）执行信息系统（EIS）数据仓库探求企业办公室（OA）开发环境财会部（AM）→数据结构→（全局数据）很难一致人事部（PM）系统结构一什么是数据仓库？145没有（一致的）全局信息→很难产生正确的决策没有（完整的）历史数据→历史数据分析（经验）发展趋势预测隐含信息挖掘→更难支持企业决策研究企业范围内的数据集成多数据库系统面向问题的分析海量数据存储产生一项新的信息技术

DataWarehouseDW的概念起源于20世纪80年代，美国著名信息工程学家W.H.Inmon博士提出数据仓库的概念。数据仓库定义以1992年W.H.Inmon出版《BuildingtheDataWarehouse》为标志，数据仓库迅速发展起来，Inmon也被誉为“数据仓库之父”。W.H.Inmon对数据仓库的定义是：“数据仓库是支持决策过程的、面向主题的、集成的、随时间变化的、稳定的数据集合。146147

对比内容

数据库

数据仓库数据内容当前值历史的、存档的、归纳的、计算的数据数据目标面向业务操作程序，重复处理面向主题域，分析应用数据特性动态变化，按字段更新静态、不能直接更新，只能定时添加、刷新数据结构高度结构化、复杂，适合操作计算简单、适合分析使用频率高中到低数据访问量每个事务只访问少量记录有的事务可能需要访问大量记录对响应时间的要求以秒为单位时间长数据仓库与传统数据库的比较148数据库数据仓库JJones女1945年7月20日。。。。。JJones去年有两张罚单一次大事故。。。。。JJonesMain大街123号已婚。。。。。JJones两个孩子高血压。。。。。人寿保险汽车保险房产保险健康保险JJones女1945年7月20日出生去年两张罚单一次大事故已婚两个孩子高血压。。。。。。顾客实例：数据仓库的特点面向主题主题是在较高层次上对数据抽象面向主题的数据组织分为两步骤抽取主题确定每个主题所包含的数据内容集成的数据仓库是稳定的随时间变化的题在数据仓库中都是由一组关系表实149数据仓库的特点——面向主题150数据仓库的特点面向主题集成的数据仓库的数据是从原有的分散数据库数据中抽取来的消除数据表述的不一致性（数据的清洗）数据的综合数据仓库是稳定的随时间变化的151数据仓库的特点——集成152数据仓库的特点面向主题集成的数据仓库是稳定的数据仓库的主要数据操作是查询、分析不进行一般意义上的数据更新（过期数据可能被删除）数据仓库强化查询、淡化并发控制和完整性保护等技术随时间变化的153154插入删除插入修改删除访问修改访问数据的逐个记录方式处理数据的批量载入/访问数据库数据仓库数据仓库的特点——数据仓库是稳定的数据仓库的特点面向主题集成的数据仓库是稳定的随时间变化的不断增加新的数据内容不断删除旧的数据内容定时综合数据仓库中数据表的键码都包含时间项，以标明数据的历史时期155数据仓库的特点——随时间变化156数据库数据仓库时间期限：当前到60—90天记录更新键码结构可能包括也可能不包括时间元素时间期限：5—10年数据的复杂快照键码结构包括时间元素二数据集市人们在早期开发企业级数据仓库时，一般是先建立一个全局的数据仓库，然后在此基础上建立各种应用，即采用“自顶向下”的方法，但在开发的过程中会出现以下问题：如果按“自顶向下”的方法建立企业级数据仓库，建设规模往往较大，建设周期长，投资大。在数据仓库建好后，随着使用数据仓库的部门增多，对数据仓库资源的竞争将成为企业面临的一个难题。各个部门都希望能定制数据仓库中的数据，但数据仓库是面向企业的

。为解决上述问题，数据集市就应运而生了。157数据集市的定义数据集市(DataMart)——具有特定应用的数据仓库，从数据源中收集数据，是企业数据仓库的一个子集。主要针对某个具有战略意义的应用或者具体部门级的应用，支持用户利用已有的数据获得重要的竞争优势或者找到进入新市场的具体解决方案。158人力资源数据集市财务数据集市运输数据集市仓储数据集市等数据集市的特点数据集市除具有数据仓库的基本特征以外，还具有以下特点：（1）规模较小，灵活，可以按照多种方式来组织，如按特定的应用、部门、地域、主题等。（2）开发工作一般由业务部门主持定义、设计、实施、管理和维护。（3）能够快速实现，代价较低，投资回收期短，风险小。（4）具集的紧密集成。（5）有利于进一步升级到完整的数据仓库或形成分布式数据仓库。

159数据集市的类型数据集市可以分为两种：独立的数据集市(IndependentDataMart)，数据直接来源于数据源。从属的数据集市(DependeantDataMart)，数据来源于中央的数据仓库。160两种数据集市161数据源数据源分析工具分析工具独立数据集市分析工具中央数据仓库数据源数据源从属数据集市分析工具分析工具162第二节数据仓库系统数据仓库系统=数据仓库(DW)+仓库管理+分析工具163数据仓库管理工具抽取、转换装载元数据库数据建模工具关系数据数据文件其它数据当前数据历史数据用户查询工具C/S工具OLAP工具DM工具源数据仓库管理数据仓库分析工具数据仓库系统结构图一数据仓库系统结构数据仓库系统数据仓库居系统的核心地位是信息挖掘的基础数据仓库管理系统是整个系统的引擎负责管理整个系统的运转主要包含ETL、元数据库和数据建模工具164数据仓库系统数据仓库系统的工具层一般的查询工具、功能强大的分析工具是整个系统发挥作用的关键主要包括：（1）查询工具主要是对分析结果的查询很少有对记录级数据的查询165数据仓库系统（2）验证型工具多维分析工具（OLAP工具）用户首先提出假设，然后利用各种工具通过反复、递归的检索查询以验证或否定假设（3）发掘型工具从大量数据中发现数据模式预测趋势和行为166数据仓库支持的一个集成化产品167一个集成化的产品集数据仓库系统粒度——是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；

细化程度越低，粒度级就越大。粒度——细节的级别粒度的划分决定了数据仓库中数据量的大小和查询的详细程度。多重粒度169二数据仓库的存储基本概念粒度的一个例子170高细化低细化每月200个记录每月40,000个字节每月一个记录每月200个字节通过检索可以回答无细节无法回答询问某一运单的细节

分割分割——将当前细节数据分散到各自的物理单元中去以便能分别独立处理，以提高数据处理效率。分片——数据分割后的独立单元。数据的分割提高了数据管理的灵活性

重构、索引、重组、恢复、监控分割的标准：日期、地域、业务领域。171分割的一个例子172分片9分片8分片72014分片6分片5分片42013分片3分片2分片12012金融收入仓储收入运输收入数据仓库的数据组织形式简单堆积数据轮转综合数据简化直接数据连续数据173数据更新数据更新方式批量更新初次数据提取时将采用批量更新增量更新当数据源中的数据发生改变时，采用增量更新，避免较大的网络负载和处理开销实时更新数据源中的数据发生变化时，随之改变数据仓库中的数据周期更新按固定的周期将数据源中的数据更新反映到数据仓库中，开销更小。如果数据在一个周期内，数据有变化，通常只能反映出最后一次的更新数据，这个问题基本通过数据源的日志来解决。数据都是历史数据，但弊端是数据丢失，数据仓库的基本数据模式多维数据模型事实表——存放与分析主题相关的维编号和度量的基本数据维——人们观察数据的特定角度，是每个事物的属性，也是度量的取值条件度量——事实表中的数据属性，一般是数值型数据维表——表示维的各种表维——量的取值条件，维用外键表示175数据仓库的基本数据模式星型模式（StarSchema）以事实表为中心若干维表与事实表相联简洁、查询方便且易于理解176星型模式177产品标识符类标识符大类标识符产品名类名大类名现货存量销售表产品标识符商店标识符日期标识符单价销售金额日期表日期标识符日月季年商店标识符市名省名国名洲名商店表产品表数据仓库的基本数据模式雪花模式(SnowflakeSchema)维一般是由若干层次组成把维按其层次结构表示成若干个表规范化、节省存储空间但需多做连接操作178雪花模式179销售表产品标识符商店标识符日期标识符单价销售金额日期表日期标识符日月月季月表季年季表产品表产品标识符类标识符产品名现货存量类表类标识符大类标识符类名大类表大类标识符大类名商店表商店标识符市名市名市名省名市表省名国名省表国名洲名国表三OLTP与OLAP环境下的数据库模式示例OLTP环境采购子系统订单（订单号，供应商号，商品号，数量，日期，总金额）商品（商品号，类别，单价）供应商（供应商号，供应商名，地址，电话）销售子系统顾客（顾客号，姓名，年龄，文化程度，地址，电话）销售（员工号，顾客号，商品号，数量，单价，日期）OLTP环境（续）库存管理子系统领料单（领料单号，领料人，商品号，数量，日期）进料单（进料单号，订单号，进料人，收料人，日期）库存（商品号，库房号，库存量，日期）库房（库房号，库房管理员，地点，库存商品描述）人事子系统员工（员工号，姓名，性别，年龄，文化程度，部门号）部门（部门号，部门名称，部门主管，电话）OLAP环境下商品商品固有信息：商品号，商品名，类别，颜色等；商品采购信息：商品号，供应商号，供应价，供应量，供应日期等；商品销售信息：商品号，顾客号，售价，销售量，销售日期等；商品库存信息：商品号，库房号，库存量，日期等。OLAP环境下（续）供应商供应商固有信息：供应商号，供应商名，地址，电话等；供应商品信息：供应商号，商品号，供应价，供应日期，供应量等。顾客顾客固有信息：顾客号，顾客名，性别，年龄，文化程度，地址，电话等。顾客购物信息：顾客号，商品号，售价，购买日期，购买量等。184第三节数据仓库的开发与应用一数据仓库的开发策略有反馈的平行开发欧式有反馈的由上而下模式有反馈的由下而上模式

平行开发模式由上而下模式由下而上模式数据仓库开发策略二数据仓库设计的步骤元数据模型业务数据理解和需求分析分析主题和元数据概念模型设计事实及其量度和粒度维度模式确定逻辑模型设计数据仓库的物理存储方式物理模型设计数据仓库生成需求分析在数据仓库设计的开始，首先要做的事是有关分析人员需确定领域的分析对象，这个对象就是主题。如在商场中经常需要分析的主题是商品、顾客与供应商。主题是一种较高层次的抽象，对它的认识与表示是一个逐步完善的过程。因此，在开始时不妨先确定一个初步的主题概念以利于设计工作的开始，此后随着设计工作的进一步开展，再逐步扩充与完善。187

设计步骤一：需求分析准备具体的物理实现环境，包括：188

设计步骤二：概念设计在明确主题与已有数据源的情况下，用E－R图和信息包图方法建立一个数据仓库抽象数据模型。概念模型的评估：其内容包括数据仓库的性能指标，如数据存取能力，模型重组能力，数据装载能力等。在评估基础上提出数据仓库的软硬件平台要求，包括计算机、网络结构、操作系统、数据库及数据仓库软件的选购要求等。在逻辑模型设计基础上确定数据的存储结构、索引策略、存储分配及数据存放位置等与物理有关的内容。物理模型设计的具体方法与数据库设计中的大致相似。189

设计步骤三：逻辑模型设计

设计步骤四：物理模型设计在数据仓库概念模型基础上可以设计逻辑模型。190

设计步骤五：数据仓库生成根据逻辑模型与物理模型用数据仓库的建模语言定义数据模式。根据元数据编制数据抽取程序，将数据源中的数据作加工以形成数据仓库中的数据。数据加载：将数据源中的数据，通过数据抽取程序加载到数据仓库中去。191第四节联机分析处理OLAP（On-lineAnalyticalProcessing）技术数据仓库是管理决策分析的基础，要有效地利用数据仓库的信息资源，必须要有强大的工具对数据仓库的信息进行分析决策。

OLAP(在线分析处理或联机分析处理)就是一个应用广泛的数据仓库使用技术。它可以根据分析人员的要求，迅速灵活地对当量的数据进行复杂的查询处理，并以直观的容易理解的形式将查询结果提供给各种决策人员，使他们能够迅速准确地掌握企业的运营情况，了解市场的需求。一联机分析处理的定义在线分析处理是一类软件技术，利用它可以使分析人员、管理人员以及主管从多种信息视角通过快速、一致和交互地访问数据，达到对数据的洞察。这些视角是从原始数据转换过来的，反映了企业的真实维度，易于被用户理解。是针对特定问题的联机数据访问和分析。通过对信息(维数据)的多种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。是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。193OLAP（On-LineAnalyticalProcessing）业务处理系统数据准备区数据仓库OLAP服务器客户端可视化处理底层中间层顶层数据抽取数据清理转换多维化数据加载OLAP在三层数据仓库结构中的位置OLAP的特性1.快速性.用户对OLAP的快速反应能力有很高的要求。2.可分析性.OLAP系统应能处理与应用有关的逻辑与统计分析。3.多维性.多维性是OLAP的关键属性。系统能够提供对数据分析的多维视图和多维分析。4.信息性.

不论数据量有多大，也不管数据存储在何处，OLAP系统应能及时获得信息，并且管理大容量信息。OLAP的基本概念

维：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。如时间维是某个商品销售量随时间发生的变化，从时间维对商品的销售进行观察。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各个描述方面(时间维：日期、月份、季度、年)。维的成员：维的一个取值。是数据项在某维中位置的描述。(“某年某月某日”是在时间维上位置的描述)多维数组：维和变量的组合表示。一个多维数组可以表示为：(维1，维2，…，维n，观察变量)，(时间，地区，产品，销售额)。多维数据集:是用一个多维数组来表示，决策分析的基础，也是OLAP的核心，常称立方体或者超立方。OLAP展现在用户面前的是一幅幅多维视图。数据单元(单元格)：多维数组的取值。(2000年1月，上海，笔记本电脑，$100000)。OLAP:多维分析用维的方法观察数据产品，时间，地区，财务指标等数据模型等同于业务模型主营业务收入分析分公司服务城市时间收入种类北京上海天津北京广东...Q1Q4运输收入仓储。。。Q2Q3OLAP多维数据分析切片和切块(SliceandDice)在多维数据结构中,按二维进行切片,按三维进行切块,可得到所需要的数据。如在“城市、产品、时间”三维立方体中进行切块和切片,可得到各城市、各产品的销售情况。钻取(Drill)

钻取包含向下钻取(Drill-down)和向上钻取(Drill-up)/上卷(Roll-up)操作，钻取的深度与维所划分的层次相对应。旋转(Rotate)/转轴(Pivot)通过旋转可以得到不同视角的数据。主营业务收入分析分公司服务城市时间收入种类北京上海天津北京广东...Q1Q4运输收入仓储。。。Q2Q3OLAP的分析方法：切片和切块(SliceandDice)OLAP的分析方法：钻取(drill-down)按时间维向下钻取按时间维向上钻取602014年OLAP：旋转/转轴按照不同的顺序组合维，对数据进行考察数据立方体旋转a)旋转前b)旋转后OLAP与OLTPOLTP系统——联机事务处理

On-LineTransactionProcessing

事件驱动，面向应用。

如：银行的储蓄系统OLAP系统——联机分析处理

On-LineAnalyticalProcessing

跨部门，面向主题。OLTP与OLAP对比203204面向分析，分析驱动面向应用，事务驱动面向决策人员，支持管理需要面向操作人员，支持日常操作用户数量相对较少用户数量大响应时间合理对响应时间要求高一次处理的数据量大一次处理的数据量小周期性更新经常更新历史数据当前数据综合性数据细节性数据数据库/数据仓库数据(分析型)数据库数据(操作型)OLAPOLTP基于关系数据库的OLAP——ROLAP以二维表与多维联系来表达多维数据（综合数据）星型结构事实表，存储事实的量及各维的码值（BCNF）维表，对每一个维，至少有一个表用来保存该维的元数据（多层次、冗余）事实表通过外键与每个维表相联系雪花、星座、雪暴模拟多维方式显示（观察）数据205二OLAP的数据组织基于多维数据库的OLAP——MOLAP以多维方式组织数据（综合数据）以多维方式显示（观察）数据多维数据