商務(wù)智能的四大關(guān)鍵技術(shù)

申請(qǐng)免費(fèi)試用、咨詢電話：400-8352-114

商務(wù)智能是一套完整的解決方案，它是將數(shù)據(jù)倉(cāng)庫(kù)、聯(lián)機(jī)分析處理(OLAP)和數(shù)據(jù)挖掘等結(jié)合起來(lái)應(yīng)用到商業(yè)活動(dòng)中，從不同的數(shù)據(jù)源收集數(shù)據(jù)，經(jīng)過(guò)抽取(Extract)、轉(zhuǎn)換(Transform)和加載(Load)，送入到數(shù)據(jù)倉(cāng)庫(kù)或數(shù)據(jù)集市，然后使用合適的查詢與分析工具、數(shù)據(jù)挖掘工具和聯(lián)機(jī)分析處理工具對(duì)信息進(jìn)行處理，將信息轉(zhuǎn)變成為輔助決策的知識(shí)，最后將知識(shí)呈現(xiàn)于用戶面前，以實(shí)現(xiàn)技術(shù)服務(wù)與決策的目的。

商務(wù)智能的支撐技術(shù)主要包括ETL(數(shù)據(jù)的提取、轉(zhuǎn)換與加載)技術(shù)和數(shù)據(jù)倉(cāng)庫(kù)與數(shù)據(jù)集市技術(shù)、OLAP技術(shù)、數(shù)據(jù)挖掘技術(shù)與數(shù)據(jù)的發(fā)布與表示技術(shù)。

1.數(shù)據(jù)倉(cāng)庫(kù)技術(shù)

實(shí)施BI首先要從企業(yè)內(nèi)部和企業(yè)外部不同的數(shù)據(jù)源，如客戶關(guān)系管理(CRM)、供應(yīng)鏈管理(SCM)、企業(yè)資源規(guī)劃(杭州OA)系統(tǒng)以及其他應(yīng)用系統(tǒng)等搜集有用的數(shù)據(jù)，進(jìn)行轉(zhuǎn)換和合并，因此需要數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)集市技術(shù)的支持。

數(shù)據(jù)倉(cāng)庫(kù)(Data Warehouse)是指從多個(gè)數(shù)據(jù)源收集的信息，以一種一致的存儲(chǔ)方式保存所得到的數(shù)據(jù)集合。數(shù)據(jù)倉(cāng)庫(kù)創(chuàng)始人之一W.H.Inmon的定義為：“數(shù)據(jù)倉(cāng)庫(kù)是一個(gè)面向主題的、集成的、穩(wěn)定的、包含歷史數(shù)據(jù)的數(shù)據(jù)集合，它用于支持管理中的決策制定過(guò)程”。在構(gòu)造數(shù)據(jù)倉(cāng)庫(kù)時(shí)，要經(jīng)過(guò)數(shù)據(jù)的清洗、數(shù)據(jù)的抽取轉(zhuǎn)換、數(shù)據(jù)集成和數(shù)據(jù)加載等過(guò)程。面向不同的需求，對(duì)數(shù)據(jù)進(jìn)行清洗以保證數(shù)據(jù)的正確性，然后對(duì)數(shù)據(jù)進(jìn)行抽取，轉(zhuǎn)換成數(shù)據(jù)倉(cāng)庫(kù)所需形式，并實(shí)現(xiàn)加載到數(shù)據(jù)倉(cāng)庫(kù)。

數(shù)據(jù)倉(cāng)庫(kù)是一種語(yǔ)義上一致的數(shù)據(jù)存儲(chǔ)，充當(dāng)決策支持?jǐn)?shù)據(jù)模型的物理實(shí)現(xiàn)，并存放企業(yè)戰(zhàn)略決策所需信息。數(shù)據(jù)倉(cāng)庫(kù)的數(shù)據(jù)模型有星型模式、雪花模式。星型模式最為常見，有一個(gè)包含大批數(shù)據(jù)并且不含冗余的中心表，每維一組小的附屬表。雪花模式中某些維表是規(guī)范化的，因而把數(shù)據(jù)進(jìn)一步分解到附加的表中，模式圖形成了類似雪花的形狀。對(duì)數(shù)據(jù)倉(cāng)庫(kù)的研究集中在數(shù)據(jù)集成中數(shù)據(jù)模式的設(shè)計(jì)、數(shù)據(jù)清洗和數(shù)據(jù)轉(zhuǎn)換、導(dǎo)入和更新方法等。

數(shù)據(jù)倉(cāng)庫(kù)通常是企業(yè)級(jí)應(yīng)用，因此涉及的范圍和投入的成本非常巨大，使一些企業(yè)無(wú)力承擔(dān)。因而，他們希望在最需要的關(guān)鍵部門建立一種適合自身應(yīng)用的、自行定制的部門數(shù)據(jù)倉(cāng)庫(kù)子集。正是這種需求使數(shù)據(jù)集市應(yīng)運(yùn)而生。數(shù)據(jù)集市( Data Mart) 是聚焦在選定的主題上的，是部門范圍的。根據(jù)數(shù)據(jù)的來(lái)源不同，數(shù)據(jù)集市分為獨(dú)立的和依賴的兩類。在獨(dú)立的數(shù)據(jù)集市中，數(shù)據(jù)來(lái)自一個(gè)或多個(gè)操作的系統(tǒng)或外部信息提供者，或者來(lái)自在一個(gè)特定的部門或地域局部產(chǎn)生的數(shù)據(jù)。依賴的數(shù)據(jù)集市中的數(shù)據(jù)直接來(lái)自企業(yè)數(shù)據(jù)倉(cāng)庫(kù)。

2.聯(lián)機(jī)分析處理技術(shù)(OLAP)

聯(lián)機(jī)分析處理(Online Analytical Processing ，簡(jiǎn)稱OLAP) 又稱多維分析，由EF Codd 在1994 年提出，它對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的數(shù)據(jù)進(jìn)行多維分析和展現(xiàn)，是使分析人員、管理人員或執(zhí)行人員能夠從多種角度對(duì)從原始數(shù)據(jù)中轉(zhuǎn)化出來(lái)的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對(duì)數(shù)據(jù)更深入了解的一類軟件技術(shù)。它的技術(shù)核心是“維”這個(gè)概念，因此OLAP也可以說(shuō)是多維數(shù)據(jù)分析工具的集合。

進(jìn)行OLAP分析的前提是已有建好的數(shù)據(jù)倉(cāng)庫(kù)，之后即可利用OLAP 復(fù)雜的查詢能力、數(shù)據(jù)對(duì)比、數(shù)據(jù)抽取和報(bào)表來(lái)進(jìn)行探測(cè)式數(shù)據(jù)分析了。稱其為探測(cè)式數(shù)據(jù)分析，是因?yàn)橛脩粼谶x擇相關(guān)數(shù)據(jù)后，通過(guò)切片(按二維選擇數(shù)據(jù))、切塊(按三維選擇數(shù)據(jù))、上鉆(選擇更高一級(jí)的數(shù)據(jù)詳細(xì)信息以及數(shù)據(jù)視圖)、下鉆(展開同一級(jí)數(shù)據(jù)的詳細(xì)信息)、旋轉(zhuǎn)(獲得不同視圖的數(shù)據(jù)) 等操作，可以在不同的粒度上對(duì)數(shù)據(jù)進(jìn)行分析嘗試，得到不同形式的知識(shí)和結(jié)果。聯(lián)機(jī)分析處理研究主要集中在ROLAP(基于關(guān)系數(shù)據(jù)庫(kù)的OLAP) 的查詢優(yōu)化技術(shù)和MOLAP(基于多維數(shù)據(jù)組織的OLAP) 中減少存儲(chǔ)空間和提高系統(tǒng)性能的方法等。

3.數(shù)據(jù)挖掘技術(shù)

與OLAP 的探測(cè)式數(shù)據(jù)分析不同，數(shù)據(jù)挖掘是按照預(yù)定的規(guī)則對(duì)數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)中已有的數(shù)據(jù)進(jìn)行信息開采、挖掘和分析，從中識(shí)別和抽取隱含的模式和有趣知識(shí)，為決策者提供決策依據(jù)。數(shù)據(jù)挖掘的任務(wù)是從數(shù)據(jù)中發(fā)現(xiàn)模式。模式有很多種，按功能可分為兩大類：預(yù)測(cè)型( Predictive)模式和描述型(Descriptive)模式。

預(yù)測(cè)型模式是可以根據(jù)數(shù)據(jù)項(xiàng)的值精確確定某種結(jié)果的模式。挖掘預(yù)測(cè)型模式所使用的數(shù)據(jù)也都是可以明確知道結(jié)果的。描述型模式是對(duì)數(shù)據(jù)中存在的規(guī)則做一種描述，或者根據(jù)數(shù)據(jù)的相似性把數(shù)據(jù)分組。描述型模式不能直接用于預(yù)測(cè)。在實(shí)際應(yīng)用中，根據(jù)模式的實(shí)際作用，可細(xì)分為分類模式、回歸模式、時(shí)間序列模式、聚類模式、關(guān)聯(lián)模式和序列模式6 種。其中包含的具體算法有貨籃分析(Market Analysis)、聚類檢測(cè)(Clustering Detection)、神經(jīng)網(wǎng)絡(luò)(Neural Networks)、決策樹方法(Decision Trees)、遺傳算法(Genetic Analysis)、連接分析(Link Analysis)、基于范例的推理(Case Based Reasoning)和粗集(RoughSet)以及各種統(tǒng)計(jì)模型。

OLAP 與數(shù)據(jù)挖掘的區(qū)別和聯(lián)系是：OLAP 側(cè)重于與用戶的交互、快速的響應(yīng)速度及提供數(shù)據(jù)的多維視圖，而數(shù)據(jù)挖掘則注重自動(dòng)發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和有用信息，盡管允許用戶指導(dǎo)這一過(guò)程。OLAP 的分析結(jié)果可以給數(shù)據(jù)挖掘提供分析信息作為挖掘的依據(jù)，數(shù)據(jù)挖掘可以拓展OLAP 分析的深度，可以發(fā)現(xiàn)OLAP 所不能發(fā)現(xiàn)的更為復(fù)雜、細(xì)致的信息。數(shù)據(jù)挖掘的研究重點(diǎn)則偏向數(shù)據(jù)挖掘算法以及數(shù)據(jù)挖掘技術(shù)在新的數(shù)據(jù)類型、應(yīng)用環(huán)境中使用時(shí)所出現(xiàn)新問(wèn)題的解決上， 如對(duì)各種非結(jié)構(gòu)化數(shù)據(jù)的挖掘、數(shù)據(jù)挖掘語(yǔ)言的標(biāo)準(zhǔn)化以及可視化數(shù)據(jù)挖掘等。

4.BI 的表示和發(fā)布技術(shù)

為了使分析后的數(shù)據(jù)直觀、簡(jiǎn)練地呈現(xiàn)在用戶面前，需要采用一定的形式表示和發(fā)布出來(lái)，通常采用的是一些查詢和報(bào)表工具。不過(guò)，目前越來(lái)越多的分析結(jié)果是以可視化的形式表現(xiàn)出來(lái)，這就需要采用信息可視化技術(shù)。

所謂信息可視化是指以圖形、圖像、虛擬現(xiàn)實(shí)等易為人們所辨識(shí)的方式展現(xiàn)原始數(shù)據(jù)間的復(fù)雜關(guān)系、潛在信息以及發(fā)展趨勢(shì)，以便我們能夠更好地利用所掌握的信息資源。隨著Web 應(yīng)用的普及，商務(wù)智能的解決方案能夠提供基于Web 的應(yīng)用服務(wù)，這樣就擴(kuò)展了商務(wù)智能的信息發(fā)布范圍。作為基于Web 的商務(wù)智能解決方案，需要一些基本的組成要素，包括基于Web 的商務(wù)智能服務(wù)器、會(huì)話管理服務(wù)、文件管理服務(wù)、調(diào)度、分配和通知服務(wù)、負(fù)載平衡服務(wù)和應(yīng)用服務(wù)等。