商业智能BI解决方案.docx

目录
第一章 概述 1
第二章商业智能综述 2
2-1商业智能基本结构 2
IBM 数据仓库架祛 2
：用于抽取、整合、分布、存储有用的信 3
：全方位了解现 3
域的一些技术难题，例如优化星型连接(Star-join)，实现多维分析。因此，IBM现 在发布的数据仓库产品都是经过反复推敲和久经考验的，真正做到让用户买起来 放心，用起来舒心。基于对数据仓库结构的深刻理解和多年积累的经验，IBM设 计了自己的数据仓库结构，见下图：数据仓库的组成。作为一个开发式结构，它 方便了用户的产品选择、实施和今后的扩展。
图 2 IBM 数据仓库架构
上图为IBM三层次数据仓库结构：从第一层OLTP业务系统到第二层数据仓 库为建仓过程，从第二层到第三层数据集市为按主题分类建立应用的过程。第一 步包括数据抽取、数据转换、数据分布等步骤，按照统一的数据格式标准进行统 一的数据转换，建立可被企业各部门充分共享的数据仓库。其中，数据抽取阶段 完成对各种数据源的访问，数据转换阶段完成对数据的清洗、汇总和整合等，数 据分布阶段完成对结果数据存储的分配。这三个阶段通常紧密结合在一起，由一 个产品或几个产品配合实现。例如，DB2 Warehouse Manager既可独立完成，又 可结合
DataJoiner 、 DataPropagator 实现对异构数据和数据复制的处理。 DB2 Warehouse Manager 可进行数据映射的定义，以定期地抽取、转换和分布数据； DataJoiner可访问的各种关系型数据库包括DB2数据库家族、ORACLE、SYBASE、 INFORMIX和MS SQL Server等；DataPropagator主要用于数据复制，采用数据 复制的方式可对业务数据仓库进行增量数据更新，避免对作业系统事物处理性能 的影响和大量重复抽取数据。数据的存储由DB2家族产品来完成，以保证数据仓 库始终高性能地运转，提供完整、准确的数据，便于将来的升级和扩展。
第二步，在按主题分类建立应用时，若既想拥有多维数据库的独特功能，又 要把数据存放在关系型数据库中以便管理，则DB2 OLAP Server是用户的最佳选 择。DB2 Warehouse Manager中提供的Information Catalog通过描述性数据帮助用 户查找和理解数据仓库中的数据，Intelligent Miner用于数据挖掘以便帮助决策者 预测或发现隐藏的关系。最后，我们以报表或图形的方式将结果数据呈现给用户， 这通常由第三方产品来实现，它们包括：Hyperion Analyzer, Cognos，Brio, Business Objects 等。
商业智能的实现方式多种多样，其规模和特点由用户的需求来决定。但万变 不离其宗，其基本体系结构往往包括三个部分。
数据仓库：用于抽取、整合、分布、存储有用的信息
一个企业的信息往往分布在不同的部门和分支机构，管理者要综观全局、运 筹帷幄，必须能迅速地找到能反映真实情况的数据，这些数据也许是当前的现实 数据，也可能是过去的历史数据。因此，有必要把各个区域的数据集合起来，去 其糟粕、取其精华，将真实的、对决策有用的数据保留下来，随时准备管理人员 使用。因此，数据仓库不仅仅是个数据的储存仓库，更重要的是它提供了丰富的 工具来清洗、转换和从各地提取数据，使得放在仓库里的数据有条有理，易于使 用。
多维分析：全方位了解现状
管理人员往往希望从不同的角度来审视业务数值，比如从时间、地域、产品 来看同一类业务的总额。每一个分析的角度可以叫作一个维，因此，我们把多角 度分析方式称为多维分析。以前，每一个分析的角度需要制作一张报表。由此产 生了在线多维分析工具，它的主要功能，是根据用户常用的多种分析角度，事先 计算好一些辅助结构，以便在查询时能尽快抽取到所要的记录，并快速地从一维 转变到另一维，将不同角度的信息以数字、直方图、饼图、曲线等等方式展现在 您面前。
前台分析工具
提供简单易用的图形化界面给管理人员，由他们自由选择要分析的数据、定 义分析角度、显示分析结果。往往与多维分析工具配合，作为多维分析服务器的 前台界面。
以上三部分是商业智能的基础。它完成的是对用户数据的整理和观察，可以 说，它的工作是总结过去。在此基础结构之上，商业智能可以发挥更进一步的作 用，利用数据挖掘技术，发现问题、找出规律，达到真正的智能效果：预测将来
数据挖掘
正如在矿井中可以挖掘出珍贵的矿石，在数据仓库的数据里也常常可以挖掘 出业务人员意想不到的信息。它比多维分析更进一步。例如，如果管理人员要求 比较各个区域某类业务在过