bi简介讲座模版课件.ppt

BI讲座 BI的诞生 BI概念 ODS DATA WAREHOUSE ETL OLAP BI展现 常用的BI 厂商和产品 BI在中国 主 题 BI的诞生 随着IT技术的进步，传统的业务交易系统有了长足的发展，已经实现了业务信息化，每一笔业务数据都记录在数据库中，星转斗移，累积了以TB为计量单位的业务数据记录。也许你会问：这么多数据，占用了很多存储设备，耗费存储成本，却又不经常访问，留着它有什么用处？可以给你肯定的回答,留着这些历史数据意义巨大，挖掘业务的规律、支持决策。典型的案例有“尿片和啤酒”的故事，尿片和啤酒本来是两样不相干的东西，可是，有人就发现，星期五在超市里购物的，购买尿片的年轻父亲中有30%～40%的人同时购买啤酒。原来，星期五年轻的父亲购买尿片时，还会为自己捎带买啤酒，因为， 星期五是各家电视台转播橄榄球赛的时间，于是，超市老板们就把尿片和啤酒捆绑销售获得了巨大成功。这个故事成了一个利用数据挖掘商业价值最大化的神话。由此看来，非常不关联的两样东西，通过海量的信息数据处理，可以挖掘出它们之间潜在的关联，将这种关联商业化，就会得到意想不到的新业务或新的商业模式。到底该怎样把这些占据大量存储空间的数据的价值挖掘出来，让这些数据从成本的消耗者变成利润的促进者呢？新的数据分析技术由此诞生了，完成了“数据”到“数据价值”转换的环节，同时给这项技术起了一个响亮而又神密的名字“BI”（Business Intelligence） BI概念 一、BI的定义 BI是Business Intelligence的英文缩写，中文解释为商务智能，用来帮助企业更好地利用数据提高决策质量的技术集合，是从大量的数据中钻取信息与知识的过程。简单讲就是业务、数据、数据价值应用的过程。用图解的方式可以理解为下图： 这样不难看出，传统的交易系统完成的是Business到Data的过程，而BI要做的事情是在Data的基础上，让Data产生价值，这个产生价值的过程就是Business Intelligence analyse的过程。 数据价值 业务 数据 场景 说个场景，一天去街上买烤白薯，和老板那银聊天。 银：“你娃干哈地呀？” 俺：“做软件的。” 银：“啥子软件？” 俺：“bi” 银：“啥东西？？” 俺：“哦，就比如说你天天在街上卖烤白薯，天天有人买，可是你希望生意能再好一点，我就把你过去两年卖白薯的记录都拿出来，拿俺们的软件分析分析，就能告诉你，这疙瘩都啥样银喜欢七烤白薯，啥样白薯受欢迎，多大个的白薯涨点价还能卖得好，预测一下你下礼拜大概还能卖多少白薯……” 俺：“……俺们软件大概就是这东西吧” 银：“哦……俺明白了” 系统结构 历史数据 外部数据 Sybase, Oralce, Informix, DB2, MS SQL, DBF, Excel …… 业务数据 数 据 源 数 据 仓 库 系 统 后 台 企业级 数据仓库 元数据 抽取 转换 清洗 聚合 装载 ETL过程 多维数据库 前 端 展 现 OLAP 报表 挖掘 查询 Templates 数据挖掘技术（Data Mining） DM的定义 数据挖掘（Data Mining）是从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则，为决策、策划、金融预测等提供依据，使大型数据库作为一个丰富可靠的资源为知识归纳服务。 DM的特点 面向应用 涉及数据库技术 运用了统计分析、人工智能多种技术 特征和规律描述 预测和验证功能 ODS ODS全称为Operational Data Store，即操作型数据存储，是“面向主题的、集成的、可变的、反映当前数据值的和详细的数据的集合，用来满足企业综合的、集成的以及操作型的处理需求”(Bill.Inmon)。ODS是数据仓库体系结构中的一个可选部分，ODS具备数据仓库的部分特征和OLTP系统的部分特征。 DATA WAREHOUSE 概念产生标志：以Prism Solutions公司副总裁W.H.Inmon在1990年出版的《建立数据仓库(Building the Data Warehouse)》。 数据仓库 —— 面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。 目的：解决在信息技术(IT) 发展中存在的拥有大量数据、然而有用信息贫乏(Data rich-Information poor)的问题。 ETL 是数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程。是构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗,最终按照预先定义好的数据仓库模型