商務(wù)智能的四大關(guān)鍵技術(shù)

申請免費試用、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)倉庫、聯(lián)機分析處理(OLAP)和數(shù)據(jù)挖掘等結(jié)合起來應(yīng)用到商業(yè)活動中，從不同的數(shù)據(jù)源收集數(shù)據(jù)，經(jīng)過抽取(Extract)、轉(zhuǎn)換(Transform)和加載(Load)，送入到數(shù)據(jù)倉庫或數(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)機分析處理工具對信息進行處理，將信息轉(zhuǎn)變成為輔助決策的知識，最后將知識呈現(xiàn)于用戶面前，以實現(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)倉庫與數(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)倉庫技術(shù)

實施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)，進行轉(zhuǎn)換和合并，因此需要數(shù)據(jù)倉庫和數(shù)據(jù)集市技術(shù)的支持。

數(shù)據(jù)倉庫(Data Warehouse)是指從多個數(shù)據(jù)源收集的信息，以一種一致的存儲方式保存所得到的數(shù)據(jù)集合。數(shù)據(jù)倉庫創(chuàng)始人之一W.H.Inmon的定義為：“數(shù)據(jù)倉庫是一個面向主題的、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程”。在構(gòu)造數(shù)據(jù)倉庫時，要經(jīng)過數(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)加載等過程。面向不同的需求，對數(shù)據(jù)進行清洗以保證數(shù)據(jù)的正確性，然后對數(shù)據(jù)進行抽取，轉(zhuǎn)換成數(shù)據(jù)倉庫所需形式，并實現(xiàn)加載到數(shù)據(jù)倉庫。

數(shù)據(jù)倉庫是一種語義上一致的數(shù)據(jù)存儲，充當(dāng)決策支持?jǐn)?shù)據(jù)模型的物理實現(xiàn)，并存放企業(yè)戰(zhàn)略決策所需信息。數(shù)據(jù)倉庫的數(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)進一步分解到附加的表中，模式圖形成了類似雪花的形狀。對數(shù)據(jù)倉庫的研究集中在數(shù)據(jù)集成中數(shù)據(jù)模式的設(shè)計、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)倉庫通常是企業(yè)級應(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)倉庫子集。正是這種需求使數(shù)據(jù)集市應(yīng)運而生。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)的來源不同，數(shù)據(jù)集市分為獨立的和依賴的兩類。在獨立的數(shù)據(jù)集市中，數(shù)據(jù)來自一個或多個操作的系統(tǒng)或外部信息提供者，或者來自在一個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)直接來自企業(yè)數(shù)據(jù)倉庫。

2.聯(lián)機分析處理技術(shù)(OLAP)

聯(lián)機分析處理(Online Analytical Processing ，簡稱OLAP) 又稱多維分析，由EF Codd 在1994 年提出，它對數(shù)據(jù)倉庫中的數(shù)據(jù)進行多維分析和展現(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從原始數(shù)據(jù)中轉(zhuǎn)化出來的、能夠真正為用戶所理解的、并真實反映企業(yè)維特性的信息進行快速、一致、交互地存取，從而獲得對數(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”這個概念，因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。

進行OLAP分析的前提是已有建好的數(shù)據(jù)倉庫，之后即可利用OLAP 復(fù)雜的查詢能力、數(shù)據(jù)對比、數(shù)據(jù)抽取和報表來進行探測式數(shù)據(jù)分析了。稱其為探測式數(shù)據(jù)分析，是因為用戶在選擇相關(guān)數(shù)據(jù)后，通過切片(按二維選擇數(shù)據(jù))、切塊(按三維選擇數(shù)據(jù))、上鉆(選擇更高一級的數(shù)據(jù)詳細信息以及數(shù)據(jù)視圖)、下鉆(展開同一級數(shù)據(jù)的詳細信息)、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數(shù)據(jù)進行分析嘗試，得到不同形式的知識和結(jié)果。聯(lián)機分析處理研究主要集中在ROLAP(基于關(guān)系數(shù)據(jù)庫的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)則對數(shù)據(jù)庫和數(shù)據(jù)倉庫中已有的數(shù)據(jù)進行信息開采、挖掘和分析，從中識別和抽取隱含的模式和有趣知識，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)測型( Predictive)模式和描述型(Descriptive)模式。

預(yù)測型模式是可以根據(jù)數(shù)據(jù)項的值精確確定某種結(jié)果的模式。挖掘預(yù)測型模式所使用的數(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。在實際應(yīng)用中，根據(jù)模式的實際作用，可細分為分類模式、回歸模式、時間序列模式、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(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、細致的信息。數(shù)據(jù)挖掘的研究重點則偏向數(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)境中使用時所出現(xiàn)新問題的解決上， 如對各種非結(jié)構(gòu)化數(shù)據(jù)的挖掘、數(shù)據(jù)挖掘語言的標(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，通常采用的是一些查詢和報表工具。不過，目前越來越多的分析結(jié)果是以可視化的形式表現(xiàn)出來，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)實等易為人們所辨識的方式展現(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，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)、負載平衡服務(wù)和應(yīng)用服務(wù)等。