商业智能基础知识培训.ppt

商业智能认识的几个误区 商业智能的业务内涵 商业智能的价值体现 商业智能的参考定义 商业智能的基本定义 商业智能的应用蓝图 商业智能的技术架构 商业智能的相关概念 商业智能相关概念——DW（数据仓库） 一个主题领域的表来源于多个操作型应用（如：客户主题，来源于：订单处理；应收帐目；应付帐目；…） 典型的主题领域：客户；产品；交易；帐目 主题领域以一组相关的表来具体实现 相关的表通过公共的键码联系起来（如：顾客标识号Customer ID） 每个键码都有时间元素（从日期到日期；每月累积；单独日期…） 主题内数据可以存储在不同介质上（综合级，细节级，多粒度） 商业智能相关概念——DW（自顶向下的设计方法） 创建企业级数据仓库EBD 公共的中心数据模型 数据重构只执行一次 使数据冗余和不一致性最小化 存储细节和历史数据，开发全局性数据 从EBD创建数据集市 与部门相关的EBD子集 通常是总结性数据 直接依赖于EBD的数据有效性 商业智能相关概念——DW（自下而上的设计方法） 创建部门的数据集市 范围局限于一个主题区域 快速的ROI——局部的商业需求得到满足 本部门自治 -- 设计上具有灵活性 对其它部门数据集市好的指导 容易复制到其它部门 需要为每个部门做数据重建 有一定级别的冗余和不一致性 一个切实可行的方法 扩大到企业数据仓库 创建EDB作为一个长期的目标 商业智能相关概念——ETL（数据集成） 做饭的比喻： 整个数据仓库的过程比喻成为一个“做饭的工作”，那么ETL部分有点像出去买菜。 我们可以从多个菜市场，挑选我们做需要的蔬菜，肉类等。当然，我们处在一个选择的过程。如果菜不新鲜，我们完全可以不要它. 而多维分析/即时报表便好像是整个的做饭过程（菜应该买完了）。而现在很多人更关心，明天我们吃什么？这便是预测分析。 但是从整个开发过程来看，ETL是最基本的一项工作。如果没有菜，我们啥也吃不了！ 商业智能相关概念——ETL（数据集成） 数据传输，菜买完了，我们把菜拿回家的过程 商业智能相关概念——OLTP/OLAP 商业智能相关概念——OLTP（业务处理） 对企业的物流/资金流/信息流进行全面一体化管理的管理信息系统； 从技术角度来说，是一种业务处理系统，实现了业务流程处理的自动化 ； 从管理角度来说，它规范了企业的业务流程和管理制度，打破了企业部门之间的界限，满足了管理人员掌握、计划、控制、分配企业全部资源的需求； 系统提供了各种企业运营的原始数据。这些数据是对业务活动的原始记录，通常以关系表或非结构化文档的形式存在。 商业智能相关概念——OLAP（数据分析） 同一数据进行统计的口径或分析的视角，如产品、客户维度 商业智能相关概念——OLAP（结构类型） 明细数据和聚合数据都存储在关系型数据库中 商业智能相关概念——DM（数据挖掘） 商业智能相关概念——Meta Data（元数据的分类） 商业智能相关概念——Meta Data（元数据的作用） 商业智能的应用层次——技术应用层次 商业智能的应用层次——业务应用层次 企业信息化管理发展轨迹 商业智能与中小企业 商业智能与中小企业 数据库中的数据可以分成两个主要类别：描述性值和度量值 事实表和维表组成 事实表记录了所有的实体的量值， 实体的描述性信息放在事实表周围的维表中 维表和事实表通过主关键字和外关键字联系在一起,形成了星型模式。对于层次复杂的维,为避免冗余数据占用过大的存储空间,可以使用多个表来描述,这种星型模式的扩展称为雪花模式 全面满足客户需求，提升经济效益 对商机、响应、服务、市场创造好 组织结构与客户接触面大，反应快 结构柔性，协同性好，满意度高 服务工作网络，项目经理控制业务处理 描述性数据挖掘 预测性数据挖掘 基本目标 以数据统计和分析为目的 数理统计 求和、平均、方差等 各种报表和即席查询 多维分析 关联分析 关联规则 序列模式 聚类分析 相似特征挖掘 分类识别 基本目标 以未来预测和模拟为目的 分类分析 分类函数 分类模型 回归分析 线性回归 非线性回归 决策树 神经网络 时间序列 移动平均 数据挖掘 数据挖掘是商业智能的高级应用 啤酒和尿布的故事 Clustering - Plot the Inputs 商业智能相关概念——DM（聚类分析） Clustering - Determine the Clusters 商业智能相关概念——DM（聚类分析） 成本 11% 27% 7% 6% 一万以下42% 二万至五万7% 收入 8% 3% 7% 12% 一万以下54% 二万至五万16% CLUSTER #1 CLUSTER #2 CLUSTER #3 CLUSTER #4 CLUSTER #5 CLUSTER #5/1