[工程科技]BI介绍.ppt

数据仓库管理 物理数据模型 数据转换 应用开发 数据挖掘 服务 系统体系结构设计 元数据管理 解决方案集成 项目具体实施步骤 项目前期准备 业务探索 信息探索 逻辑数据 模型 BI项目具体实施步骤 1. 项目前期准备 2. 业务探索（Business Discovery) 3. 信息探索（Information Discovery) 4. 逻辑数据模型设计 5. 系统体系结构设计 6. 物理数据库设计 7. 数据转换加载ETL 8. 前端应用开发 9. 数据挖掘服务 10.元数据管理 11.数据仓库管理（处理流程与操作） 12.解决方案集成（测试验收与试运行） 建立BI项目团队 项目评估 需求分析 逻辑模型设计 物理模型设计 数据抽取转换装载 数据存储和管理 数据展现和发布 培训 项目经理（Project Manager） 业务顾问（Business Consultant） 模型工程师（Model Engineer） 最终用户（End User） ETL工程师 数据库管理员（DBA） 界面开发工程师（GUI Developer） 培训工程师（Trainning Engineer） 高层领导的强力支持 流畅的数据流 一支熟悉业务、精通技术的团队 业务驱动，业务人员与BI团队良好的沟通 完善的推广、培训制度 功能完善的相关软件（DW、ETL、OLAP、DM) * * * BI是什么 企业为什么需要BI BI的体系结构 如何实施BI BI（Business Intelligence，商务智能） DW（Data Warehouse，数据仓库） OLTP（Online Transaction Process） OLAP（Online Analysis Process） DM（Data Mining，数据挖掘） 商务智能，简称BI，指通过对数据的收集、管理、分析以及转化，使数据成为可用的信息，从而获得必要的洞察力和理解力，更好地辅助决策和指导行动。 数据仓库（Data Warehouse 简称DW）是一个面向主题的（SubjectOriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（TimeVariant）的数据集合。 数据仓库是实现商务智能的基础平台 数据库系统（生产系统）： 面向应用、事务驱动的 实时性高 数据检索量少 只存当前数据 数据仓库系统（决策系统）： 面向主题、分析和决策 实时性要求不是特别高 数据检索量大 存储大量的历史数据和当前数据 以银行为例 储蓄 对公 信用卡 其他 数 据 仓 库 客户 产品 渠道 交易 机构 OLTP（Online Transaction Process） 联机事务处理，是公司日常运营的基础，是业务流程信息化的关键，基于生产数据库。 OLAP（Online Analysis Process） 联机分析处理，基于数据仓库的数据分析，以供决策所需，面向管理层，面向未来。 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也可以说是多维资料分析工具的集合。 通常所说的BI分析就是指OLAP，更为准确是指OLAP分析及结果展示。 OLAP特性（演示） 快速性 可分析性 多维性 信息性 OLAP多维分析方法（演示） 切片和切块(Slice and Dice) 钻取(Drill) 旋转(Rotate)/转轴(Pivot) OLAP分类 按照存储方式 OLAP MOLAP HOLAP ROLAP 按照处理地点 Client OLAP Server OLAP OLTP、ROLAP与MOLAP模式比较 OLTP ROLAP MOLAP 数据挖掘(Data Mining)就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。 建立模型 目前用得较多的建模技术主要有：统计分析、神经网络、决策树、遗传算法等等 预测未来结果 通过对基本数据不断理解的交互处理而不断提炼和调整，达到可以接受的精确程度 ，从而获得有价值的建议 数据挖掘（Data Mining）与数据仓库（Data Warehouse）没有直接的联系 在大部分情况下，数据挖掘都要把数据从数据仓库中拿到数据挖掘库或数据集市中 为了数据挖掘你也不必非得建立一个数据仓库，数据仓库不是必须的 DM（数据挖掘） vs OLAP DM（Data Mining）和OLAP是完全不同的 OLAP分析过程的本质是一个演绎推理的过程 OLAP分析先建立一系列的假设，然后通过OLAP来证实或推翻这些假设来最终得到自