BI商业智能教程
商业智能(BI)技术课程
1
宽表
宽表与CUBE回顾
宽表是具有多个维度和指标的数据库表，由于列数较多（来源多个表），因此被称为宽表（CUBE）
product
product_id product_name
customer
cus_id cus_name
sale_data
order_id product_id customer_id employee_id province_id
宽表要避免频繁增减字段
*注：关于更多宽表性能方面的内容非本课程重点，请参考我们的性能优化课程
思考
建立宽表时，维度的属性（如名称）是否应该放到宽表中？
加入宽表 • 一种做法是将维度属性加入宽表，这样虽然不满足范式要求，但前端查询页面的实现简单些。 • 不过这种方式会导致宽表冗余度迅速增加（维度属性会很多），从而引起存储空间、查询性
乾学院 · VIP课堂
商业智能
多维分析技术
RAQSOFT BI
（宽表使用）
上章回顾
• 上节课我们学习了如何基于数据库（单表）进行多维分析，通过编写SQL可以快速准备数据 供多维分析使用
商业智能(BI)技术课程101
乾学院· VIP课堂商业智能DashBoardR A Q S O F T B I 与大屏技术R A Q S O F T B I 1.数据可视化2.初识BI仪表盘（DBD）3.报表组布局功能快速制作DBD4.BI工具制作DBD5.WEB技术开发方式制作DBD6.手机端DBD7.结论本章内容1数据可视化可视化的主要呈现形式--表格、统计图比起用户界面中其它形式，表格能集中呈现更多数据，统计图呈现数据更形象。
我们看到的所有网页、软件界面都属于数据可视化其它界面元素，无论数据多少、显示是否美观、操作是否酷炫，同样是把数据库里的数据呈现给人看，仍然属于可视化。
更复杂的可视化界面有时出于多角度观察一些相关数据的目的，会把几个图表放到一个界面里，而且几个图表之间的数据存在共享参数、互相联动。
这个可视化界面内容多了，操作复杂了。
各种语言的界面中，最广泛，最通用的是网页网页技术HTMLCSSJAVASCRIPT三种主要的终端--大屏/PC/手机从使用技术角度看相同，都使用网页开发的三种语言。
从设计角度看差异很大，根据硬件特点要合理布局内容、个性化的设计交互及外观。
2初识BI仪表盘（DBD）BI 仪表盘是什么BI 仪表盘，名称也可能是：商业智能仪表盘（BI Dashboard 、DBD ）、企业驾驶仓。
以下的课程中采用DBD 这个简称来表达BI 仪表盘。
观察数据时，通常不是单独的一个表格或统计图，而是图文结合，多个图表混合的形式。
就类似驾驶室里，很多个仪表盘分别表达不同的数据。
驾驶车辆需要仪表盘，那驾驶企业，就需要通过企业数据制作出来的表示企业运营状况的BI 仪表盘。
统一的背景统一的星空背景图背景初识DBD-示例4一些装饰性的区域一些功能按钮切换多个报表显示/隐藏的TAB页按钮日历选择控件观察：DBD 是由复杂布局的多个图、表及其它页面元素组成多种形式的参数输入控件非报表的HTML 元素区域动态显示/隐藏各块大小不一，还可能出现合并的区域统一的背景观察：独立于图表外的参数控件控制多表联动置于三个图表外的独立参数控件通过这些按钮设置一个名为【主题】的参数值，点击按钮，切换四个报表内容，这也属于联动观察：另外一种联动形式--报表之间联动观察示例1，三个图表都和“孙林”有关。
BI商务智能解决方案
BI商务智能解决方案BI商务智能解决方案是指利用商务智能技术和工具来解决企业在实际经营管理中遇到的各种问题，包括数据分析、业务分析、预测分析、决策支持等方面的问题。
BI商务智能解决方案的实施可以帮助企业实现数据的整合、分析和应用，从而提高企业的运营效率、降低风险、提升利润。
本文将详细介绍BI商务智能解决方案的四个主要组成部分：数据整合、数据分析、预测分析和决策支持。
一、数据整合数据整合是BI商务智能解决方案的第一步，它的目的是将企业内部的各种数据源整合到一个统一的数据仓库中。
数据仓库可以集中存储企业的各种数据，包括销售数据、财务数据、供应链数据、人力资源数据等等。
通过数据整合，企业可以消除数据孤岛，实现跨部门、跨系统的数据共享和协作。
同时，数据整合还可以提供一个规范化的数据模型，使得数据分析和应用更加方便和高效。
数据整合的关键在于数据清洗、数据集成和数据转换。
数据清洗是指对数据中的错误、重复、不完整等问题进行清理和修复。
数据集成是指将来自不同系统、不同数据源的数据进行整合和关联。
数据转换是指将不同格式、不同结构的数据转化为统一的规范化格式，以便于后续的数据分析和应用。
二、数据分析数据分析是BI商务智能解决方案的核心部分，它的目的是从大量的数据中挖掘出有价值的信息和知识。
数据分析可以帮助企业发现隐藏在数据背后的模式、趋势和规律，从而帮助企业做出更准确、更有针对性的决策。
数据分析的方法包括统计分析、数据挖掘、机器学习等。
统计分析可以从数据中计算各种统计指标，例如平均值、标准差、相关系数等，帮助企业了解数据的分布和关系。
数据挖掘可以通过发现数据中的模式、关联规则等来预测未来的趋势和行为。
机器学习可以通过训练模型来自动识别和分类数据，例如通过构建一个销售预测模型来预测未来的销售额。
三、预测分析预测分析是BI商务智能解决方案的扩展部分，它的目的是基于历史数据和模型来预测未来的趋势和行为。
预测分析可以帮助企业做出更准确的预测和规划，减少不确定性和风险。
BI商业智能系统
BI商业智能系统BI商业智能系统文档⒈介绍⑴概述本章节介绍BI商业智能系统的概念和目的。
⑵系统背景本章节介绍BI商业智能系统的发展背景和现状。
⒉系统架构⑴总体架构本章节介绍BI商业智能系统的总体架构，包括数据提取、数据处理、数据分析和信息展示等模块。
⑵数据流程本章节详细描述BI商业智能系统的数据流程，包括数据收集、数据清洗、数据存储和数据分析等过程。
⑶技术架构本章节介绍BI商业智能系统所采用的技术架构，包括数据库管理系统、数据挖掘算法和可视化工具等。
⒊功能模块⑴数据提取模块本章节介绍BI商业智能系统的数据提取模块，包括数据源的选择和数据抽取的方式等。
⑵数据处理模块本章节详细描述BI商业智能系统的数据处理模块，包括数据清洗、数据透视和数据转换等功能。
⑶数据分析模块本章节介绍BI商业智能系统的数据分析模块，包括数据挖掘、多维分析和预测模型等功能。
⑷信息展示模块本章节详细描述BI商业智能系统的信息展示模块，包括报表、仪表盘和数据可视化等功能。
⒋部署和维护⑴系统部署本章节介绍BI商业智能系统的部署过程，包括硬件环境的准备和软件安装等步骤。
⑵系统维护本章节详细描述BI商业智能系统的维护工作，包括数据维护、系统监控和性能优化等方面。
⒌法律合规⑴数据保护与隐私本章节介绍BI商业智能系统在数据保护和隐私方面应遵循的法律法规和最佳实践。
⑵知识产权本章节详细描述BI商业智能系统对知识产权的保护和合规要求。
附件：⒈数据库架构图⒉系统使用手册⒊报表样例法律名词及注释：⒈数据保护：指对个人数据进行合法、正当的处理并保护个人隐私的措施。
⒉隐私：指个人信息在存储、处理和传输过程中的保密与安全性。
⒊知识产权：指人们在创造性活动中得出的独特、新颖并对社会有用的想法、发明、作品等的权益。
⒋最佳实践：指某一领域内被广泛认可为行业标准的方法或流程。
⒌合规要求：指符合法律法规和规章制度的要求，确保企业的经营活动合法、合规。
商业智能(BI)-第2章 工作台
第2章工作台本章看点：1.BQ产品界面部署2.六大功能区域的作用本章学习目标：1.熟悉工作台的各个区域2.了解各个区域中节点的属性3.了解通用功能2.1 BQ产品设计界面设计界面分为系统共享区、个人共享区、工作区、属性区、信息提示区、快捷工具栏区和操作区等几部分，各区有不同的对象，有不同的用途。
（一）：系统共享区：是由管理员定义的、供所有用户共享使用的区域.管理员可以在此构建数据源，控制各用户的安全性等，不同用户登录系统能看到的对象都是由管理员在安全管理中定义的.区内可显示的对象包括：数据源、信息域、类、数据对象、参数、条件、表、字段、函数、操作符、文档（包括查询、智能报告、排版式智能报表、表格式智能报表等）等，并按一定的层次排列.（二）：操作区：当打开、编辑对象时，进入各对象的构建面板，显示对象内容或构造信息，可进行编辑.（三）：工作区：当打开或新建BQ对象时，将会显示出其对应的工作区. 工作区主要是放置当前被打开的对象所包含的所有子对象，并自动维护当前的所有子对象.不同的类型的对象在工作区内的内容也不同.对于不同对象的工作区内容将会在下面相对的章节中再具体介绍.（四）：属性区：用于显示、编辑、修改当前所选择的操作对象的属性. （五）：信息提示区：用于显示出提示信息外的一切信息，包括帮助信息、操作提示和通知信息、操作成功和错误及警告信息.错误信息用红色字体表示，警告信息用黄色字体表示，普通提示信息用蓝色字体表示.无论用户是否打开信息提示区，后三种提示都会弹出来给用户看到.（六）：个人共享区：当前登录用户的对象管理区域，其中的对象不为公共所能查看或操作，只有当前登录用户可以操作。
2.2 软件语言设置单击快捷工具栏上的按钮，在弹出的菜单中选择“语言”菜单，在右侧展开的菜单中选择用户需要的语言类型，如下图：本产品自带支持简体中文、英语、繁体中文三种格式的语言，默认为简体中文格式语言。
如果有其他语言上的需要，可以根据需要安装相应的语言插件。
商业智能(BI)技术课程52
3环比环比-知识点•两个周期内值（比如连续两月）的变化比，有时人们更关注环比增长率，环比增长率=（本期数-上期数）/上期数×100%，用来反映连续周期内数据的变化幅度•在多维分析中，环比跟位置相关，以便确定“连续”，同时周期又与分析时选定的维度层次有关例1：根据签单年月汇总销量，并添加每月环比例1：根据签单年月汇总销量，并添加每月环比练习：根据签单年月汇总销量，并添加年内环比和环比增长率提示：环比增长率需要修改环比计算公式指标下拉指定环比增长率显示格式4同比同比-知识点•同比通常是本年和去年同期的比值，因此在多维分析中至少要选出2年数据才能实现同比•同比的难点在于如何找到去年同期情况1：年（2011）、月（2）、日（10）去年同期值：年-1，月相等，日相等情况2：年（2011）、月（201102）、日（20110210）按月找去年同期值：月-100按日找去年同期值：日-10000其他情况类似，要根据数据特征找同期值例1：根据签单年月汇总销量，并计算月同期比例1：根据签单年月汇总销量，并计算月同期比与去年同月份比值，其中去年一月没有数据练习与思考练习：请使用记录序号（当前序号和查找序号）计算上例中的同期比请思考：1.使用序号计算同比，需要满足什么条件？2.序号的实现方式可能存在什么问题？5累积累积-知识点累积即下一项与上一项的和。
计算累积通常借助位置来完成，因此数据要事先排序，如计算月累积，数据要先按月升序注意：比较符是>=注意：比较符是>=练习：根据例子，求偶数月的累积小结✓通过本节可以看到，多维分析能够实现一些复杂的跨行组运算，包括排名、同比、环比、占比、累积等等，跨行组运算与普通的求和计数不同，选择合适的范围层次很关键✓另外也要注意到，多维分析实现的“复杂”程度仍然有限，对于表格的格式也有要求（相对规整）；如果遇到更复杂的分析场景可以先用多维分析“试试”能否满足要求☐前两节以Excel为例（同样适用TXT和CSV等文本）认识了多维分析的基本操作和复杂一些的跨行组运算。
服装企业商业智能(BI)整体解决方案
服装企业商业智能(BI)整体解决方案一、教学内容本节课我们将学习服装企业商业智能（BI）整体解决方案。
我们将介绍商业智能的概念，并解释其在服装企业中的应用。
接着，我们将探讨如何通过数据分析和可视化来帮助服装企业做出更明智的商业决策。
我们将详细介绍服装企业BI解决方案的关键组成部分，包括数据采集、数据存储、数据分析和数据可视化。
我们将使用案例研究和实际示例来帮助学生理解这些概念，并提供实践情景引入、例题讲解和随堂练习。
二、教学目标1. 学生能够理解商业智能的概念及其在服装企业中的应用。
2. 学生能够了解服装企业BI解决方案的关键组成部分。
3. 学生能够掌握如何通过数据分析和可视化来支持服装企业的商业决策。
三、教学难点与重点重点：商业智能在服装企业中的应用、服装企业BI解决方案的关键组成部分。
难点：数据分析和可视化技术的运用。
四、教具与学具准备教具：投影仪、电脑、幻灯片播放软件。
学具：笔记本电脑、平板电脑或智能手机，用于随堂练习。
五、教学过程1. 引入：通过向学生展示服装企业的实际案例，引起他们对商业智能和BI解决方案的兴趣。
2. 讲解商业智能概念：解释商业智能的定义，并强调其在服装企业中的重要性。
3. 介绍BI解决方案：详细介绍服装企业BI解决方案的关键组成部分，包括数据采集、数据存储、数据分析和数据可视化。
4. 案例研究：通过分析服装企业的实际案例，让学生了解如何将商业智能应用于实际情境中。
5. 例题讲解：使用具体的例题来说明如何利用数据分析和可视化来支持服装企业的商业决策。
6. 随堂练习：学生通过实际操作，应用所学的知识和技能，解决实际问题。
六、板书设计板书设计将包括本节课的主要概念和关键点，例如商业智能的定义、BI解决方案的组成部分，以及服装企业中商业智能的应用示例。
七、作业设计1. 作业题目：设计一份针对服装企业的BI解决方案。
答案：学生将需要结合所学的知识，设计一份包括数据采集、数据存储、数据分析和数据可视化的BI解决方案，以支持服装企业的商业决策。
BI商业智能方案
04
增强市场竞争力：通过BI商业 智能方案，企业能够及时掌握 市场动态，制定针对性的营销 策略，增强市场竞争力。
某企业BI商业智能方案实施经验教训
明确需求：深入了 解企业业务需求， 制定合适的BI方案
技术选型：选择适 合企业规模和需求 的BI工具和技术
数据整合：整合企 业内部和外部数据， 确保数据质量
商业智能工具
数据仓库：存储和管理大量数据，为商业智能分 析提供基础
数据挖掘：从海量数据中提取有价值的信息，发 现商业规律
数据可视化：将数据以图表、图形等形式展示， 便于理解和分析
商业智能平台：集成多种商业智能工具，提供一 站式数据分析和决策支持服务
4
BI商业智能方案 的成功案例
某企业BI商业智能方案实施过程
01
需求分析：了解企业需求，确定BI商业智能 方案的目标和功能
02
方案设计：根据企业需求，设计BI商业智能 方案的架构和功能模块
03
数据准备：收集企业数据，进行数据清洗、 整合和标准化
04
系统实施：搭建BI商业智能系统，进行系统 测试和优化
05
培训与支持：对企业员工进行BI商业智能方 案的使用培训，提供技术支持和售后服务
04
持续优化： 根据实际效 果，对BI商 业智能方案 进行持续优 化和改进
3
BI商业智能方案 的关键技术
数据仓库技术
1
数据仓库的定义：用于存储、管理和 分析大量数据的系统
2
数据仓库的作用：整合、清洗、转换 数据，为商业智能提供基础数据支持
3
数据仓库的架构：包括数据采集、数 据存储、数据管理和数据应用等部分
4
数据仓库的关键技术：数据抽取、数 据清洗、数据转换、数据建模等
商业智能(BI)技术课程21
乾学院· VIP课堂商业智能R A Q S O F T B I 统计图技术R A Q S O F T B I 1.报表中的统计图2.【分类-系列】统计图3.非【分类-系列】统计图4.统计图元素5.终端上的统计图技术本章内容1报表中的统计图统计图也是报表中重要的展现形式上一章介绍了各种情况的表格。
实际的报表中有很多情况是图表结合的，统计图和表格都是报表中重要的展现形式，多图、表共同组成报表。
多样的统计图柱形图散点图雷达图饼图折线图区域图仪表盘2【分类-系列】统计图知识点-分类、系列分类：事物按照某种属性归类，每一类有一个单独的名称。
系列：把事物分类后，观察每类事物的某种汇总值，所有分类的这种汇总值就是一个系列。
拿三个图我们仔细分析下，这些图虽然样子迥异，但表达的数据却相同，都是有北京、河北、天津、山东、河南五个省份，它们新增病例的数值都是32、27、11、55、42。
都能简述成一句话：统计【省份】的【新增病例】。
等价于统计【某种分类】的【一系列值】。
试一试找出下图的分类和系列分类仍然是省份，但多了两种属性值。
这种是一个分类多个系列的情况，后面会详细介绍。
数据相应的多了两个系列的字段最常见的表现形式--图表结合在应用系统的展示界面里，统计图很少单独出现，经常多图、多表结合的方式组成一个完整的报表。
统计图属于报表的组成部分。
首先获得一系列相关的数据后，才在在局部设计表或统计图。
下页开始从原始数据出发制作一个最简单的图表结合的报表。
图表结合报表—实现过程11、打开润乾报表设计器，新建报表2、在弹出的向导中，选择脚本数据集3、编写集算器脚本，把excel 里的原始数据加载进来（2-1.xlsx ）5、最后，点击预览按钮，就能看到只有一个简单表格的报表了4、选择两列要用到的数据，点击生成网格报表，就创建好新报表了图表结合报表—实现过程21、选中第二行，右键，追加数据行2、选中新行里的A3/B3，合并两个格子，A3拖拽行列到合适大小3、右键A3格，选择统计图，弹出“统计图属性定义”窗口4、选择柱形图；添加分类轴，数据设置A2；添加系列，数据来自B2，系列名“新增病例”5、设置完毕后，点击预览，就看到有表有图的报表了表格有了，我们用这个数据集再增加一个统计图，把图放在表格的下面。
商业智能(BI)技术课程102
3报表组布局功能快速制作DBD报表组布局功能实现布局1、参照以前的课程制作出三个独立报表10-2.rpx、10-3.rpx、10-4.rpx。
2、用这三个报表创建报表组10-1.rpg。
3、报表组布局里删除多余行列，剩余两行两列；A1,B1设置合并，并对每个区域设置上相应报表，这样基本上就制作完成了，web上预览就能看到效果。
报表工具的参数模板制作独立的参数控件通过简单的设置，发布后，WEB上生成独立控件给报表和DBD提供参数。
四个参数固定参数名设置好参数值后，通知相关报表按照参数值刷新，可以灵活决定哪个报表被哪些参数影响。
实现图表之间联动="javascript:dashboardLink('board.jsp?board=report2.rpx&name=@category’,’report2’, 'board.jsp?board=report3.rpx&name=@category’,’report3’)“在report1的柱形图的链接中内置的dashboardLink函数，把当前姓名这个分类值传递给name参数，然后用这些完整的url刷新report2，report3区域，实现联动效果。
下面这两个报表制作的时候要定义name参数，根据name动态生成图标。
用报表工具做DBD，看起来把功能基本实现了，但实际上这种方式只能制作出前三个示例。
4BI工具制作DBD布局模板快速布局简单的选择布局模板，或指定行列数量进行快速布局。
拖拉拽方式的多维分析生成每一个报表每个多维分析报表只针对一个数据集（也就是CUBE），DBD里多个报表会针对多个不同数据集。
所以BI工具还会提供管理多个数据集的功能。
选中DBD布局中的哪个区域，就针对这个区域制作多维分析报表。
共享参数实现简单联动DBD里增加一些共享参数，用在不同数据集的查询条件里。
给共享参数设置的值，会作用到所有使用这些数据集的报表上，也就实现了多个图表的联动。
BI商业智能介绍(教学课件)
销售
合作伙伴 人力资源
统一 数据模型
客户服务
财务
定单管理
完整的、统一的数 据模型
所有数据存储在单 一数据库中
提供单一的“实事 ”数据
22
Q&A
Copyright 2007, Information Builders. Slide 23
23
▪
9、 人的价值，在招收诱惑的一瞬间被决定 。20.10.420.10.4Sunday, October 04, 2020
客户获取能力
客户行为分析
经营操作
客户保留能力
风险分析 产品组合分析
分析决策
交叉销售能力 向上销售能力
客户细分分析
客户管理能力
20
数据仓库建设应以应用主题驱动
业务系统 业务系统
网上信息 网上信息
市场数据 市场数据
主题
要素1 要素1
数据集市
客户关系管理
模型 要素2 要素2
- 客户消费行为统计
. .. ..
12
将来会发生什么
商务智能5类前端展现的工具
固定报表 KPI指标 即席查询 例外分析 数据挖掘
13
商业智能应用的三个阶段
阶段一: 报表
▪ 固定报表 ▪ 灵活报表 ▪ 复杂报表 ▪ 报表共享 ▪ 报表分发
阶段二: 查询分析
▪ 交互查询 ▪ 切片钻取旋转
▪ OLAP
阶段三: 高层次分析
▪ AA/DM ▪ DSS
客户行为分析
风险分析 产品组合分析
分析决策
竞争优势分析 客户服务分析
异常预警分析
营业收入分析
18
分析型客户关系管理
收入分析 ▪ 市场细分 ▪ 客户类型 ▪ 地区 ▪ 年度 ▪ 业务部门
PowerBI商务智能分析入门指导
PowerBI商务智能分析入门指导第一章：什么是商务智能分析商务智能（Business Intelligence，简称BI）是一种通过数据分析，帮助企业制定决策和优化业务流程的系统。
PowerBI是一款由微软推出的商务智能工具，具有强大的数据可视化和分析功能，可帮助用户将数据转化为有意义的见解。
本章将介绍商务智能分析的基本概念和PowerBI的重要性。
第二章：PowerBI基本概念和工具PowerBI由三个主要的工具组成：PowerBI Desktop、PowerBI 服务和PowerBI移动应用程序。
其中，PowerBI Desktop是用于创建和编辑报表的工具，PowerBI服务用于发布和分享报表，并提供协作功能，PowerBI移动应用程序则将报表展示在移动设备上。
本章将详细介绍这三个工具的特点和使用方法。
第三章：数据源的连接和导入在使用PowerBI进行数据分析前，首先需要连接到数据源，将数据导入到PowerBI中。
PowerBI支持多种不同类型的数据源，包括关系型数据库、Excel文件、网页数据等。
本章将介绍如何连接和导入不同类型的数据源，并讲解数据转换和清洗的基本方法。
第四章：数据建模和关系数据建模是商务智能分析的核心步骤，它涉及到数据的组织、关系和维度建立。
通过数据建模，可以将不同的数据表关联起来，构建一个完整的数据模型。
本章将介绍PowerBI中如何进行数据建模和创建表之间的关系，以及如何使用DAX（数据分析表达式）语言进行计算和筛选。
第五章：数据可视化和报表设计PowerBI提供了丰富的数据可视化工具，用户可以根据需要选择适合的图表类型，对数据进行可视化展示。
本章将介绍PowerBI中常用的数据可视化图表，并讲解如何设计一个好的报表布局和风格。
第六章：报表的发布和共享当报表设计完成后，可以将其发布到PowerBI服务中，并与其他人分享。
PowerBI服务提供了丰富的共享和协作功能，用户可以定制报表的权限。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
2
第一章 商业智能初探
BI系统的最大好处是可以得到最精确、最及 时的信息，帮助企业赢得竞争优势。
企业的决策者们可以利用商业智能系统分 析顾客的消费趋势，培养忠实顾客；加强与供 应商的联系，减少财政支出；挖掘新的商业机 会，分析未来发展趋势，展开商业策略；调整 产品结构、分销渠道、工作流程和服务方式等。
上千个
上百个
100MB-GB
100GB-TB
10
第二章 商业智能的结构和内容
二、数据挖掘
数据挖掘与知识发现 流行有两种观点：一是认为数据挖掘与知
识发现是等同的，只不过在不同的领域叫法不 同而已。在科研领域，知识发现使用较多，在 工程应用领域多称之为数据挖掘；另一认为数 据挖掘是知识发现的一个阶段，而且是核心阶 段。知识发现，就是从大型数据库中的数据中 提取人们感兴趣的知识。这些知识是隐含的、 事先未知的、潜在有用的信息。
18
第四章 商业智能产品
一、以Cognos与Microstratagy为代表的阵营，属于产品线 较齐全
二、以BO与Brio为代表的阵营，都是在前端展现方面比 较突出，用户接受程度较高
19
第五章：实施方法
企业数据仓库的建设通常按照快速原型法予以 实施，主要包括：确定范围、环境评估、分析、 设计、开发、测试和运行等几个阶段。
15
第二章 商业智能的结构和内容
第四节 前端分析展现
查询、报表及分析工具可以向企业终端用 户提供了先进的整合查询、制表和在线分析处 理（OLAP）工具，使企业能快速高效地做出决 策。还能让企业用户自主地访问存储在数据集 市、数据仓库、OLAP服务器以及应用程序包中 的信息
16
第二章 商业智能的结构和内容
11
第二章 商业智能的结构和内容
二、数据挖掘
数据挖掘(Data Mining)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。
提取的信息和知识必须具备可信、新颖、有效 和易于理解这四个特点
12
第二章 商业智能的结构和内容
第五节 基于web的商业智能
商业智能和互联网的结合实现了企业向内部 决策者、合作伙伴、供货商和客户提供充分的信表、在线分析处理、数据挖掘等等）， 把用于决策的信息交给非技术商业用户；互联网提 供了一个理想的机制，不但大大降低了企业内部署 商业智能的费用，更向企业的合作伙伴、供货商和 客户提供了实时的商业智能访问服务。
主要内容
第一章 商业智能初探 第二章 商业智能的结构和内容 第三章 商业智能的典型应用 第四章 实施方案 第五章 商业智能的发展方向
1
第一章 商业智能初探
企业界认为商务智能是指一种能力：通过智能地 使用企业的数据财产来制定更好的商务决策。即，企业 决策人员以企业中的数据仓库(Data Warehouse) 为本， 经由各式各样的查询分析工具(Query/Report Tools)、 联机分析处理(OLAP)工具或是数据挖掘(Data Mining) 工具加上决策规划人员的行业知识(Industry Knowledge)，从数据仓库中获得有利的信息，进而帮助 企业获利，提高生产力与竞争力。
3
第二章 商业智能的结构和内容
商业智能系统的建设主要包括数据预处理、 建立数据仓库、数据分析及数据展现四个主要阶段 ： 数据预处理是整合企业原始数据的第一步，它包括 数据的抽取（Extraction）、转换（Transformation） 和装载（Load）三个过程（即ETL过程）； 建立数据仓库则是处理海量数据的基础； 数据分析是体现系统智能的关键，一般采用联机分 析处理和数据挖掘两大技术 ； 数据展现则主要是保障系统分析结果的可视化
17
第三章 商业智能的典型应用
经营分析 经营分析包括经营指标分析、经营业绩分析和财务分
析三部分 战略决策支持
在经营分析的基础上，将各类数据、信息进行高度的 概括和总结，然后形成供高级决策者战略决策时参考的企业 经营状况分析报告，这是商业智能的优势所在 绩效管理
商业智能技术能够从企业各种应用系统中提取出各种 基础绩效指标与关键绩效指标(KPI, Key Performance Indicator)。
6
数据转换是将源数据变为目标数据的关键环节，它包 括数据格式转换、数据类型转换、数据汇总计算、数据 拼接等等
7
第二章 商业智能的结构和内容
第二节 数据仓库 W.H.Inmon 对数据仓库的定义是：数据仓库是一个面
向主题的（Subject Oriented）、集成的（Integrated）、非易 失的（Non-Volatile）、随时间变化（Time Variant）的数 据集合，用于支持管理决策。 首先，数据仓库用于支持决策，面向分析型数据处理，它 不同于企业现有的操作型数据库； 其次，数据仓库是对多个异构的数据源的有效集成，集成 后按照主题进行了重组，包含了历史数据，而且存放在数据 仓库中的数据一般不再修改。 数据仓库主要特征：面向主题的、集成的、时变的、非易 失的，将数据仓库与其他数据存储系统（如关8 系数据库系统、
第二章 商业智能的结构和内容
第三节 数据分析 一、联机分析处理OLAP
联机分析处理是使分析人员、管理人员或 执行人员能够从多种角度对从原始数据中转化 出来的、能够真正为用户所理解的、并真实反 映企业维度特性的信息进行快速、一致、交互 地存取，从而获得对数据的更深入了解的一类 软件技术。它的技术核心是“维”这个概念 。
同时企业数据仓库又是一个在原型的基础上进 行不断迭代的过程。
20
第五章：实施方法
商业智能的立体解析实施法 1、立体建模 2、解析实施 3、过程评估
21
4
第二章 商业智能的结构和内容
一般认为数据仓库、联机分析处理和数据挖掘技 术是商业智能的三大组成部分 ：
5
第二章 商业智能的结构和内容
第一节 数据预处理（即ETL） 通常，商业智能运作所依靠的信息系统是一个由
传统系统、不兼容数据源、数据库与应用等共同 构成的复杂数据集合 利用ETL可以将各业务系统的数据，通过自动化 FTP或手动控制传到UNIX或NT服务器上，进行抽 取、清洗和转化处理，然后加载到数据仓库 简单的讲，ETL就是抽取、转换和装载，同时提 供数据质量的管理，并且贯穿整个商业智能解决 方案的全过程，完成整个系统的数据处理与调度
9
第二章 商业智能的结构和内容
用户 功能 DB 设计
数据
存取 工作单位
用户数 DB 大小
OLTP
OLAP
操作人员,低层管理人员
决策人员,高级管理人员
日常操作处理
分析决策
面向应用
面向主题
当前、最新、细节的, 二维的 历史、聚集、多维、集成
分立的
、统一的
读/写数十条记录 简单的事务
读上百万条记录 复杂的查询
14
第二章 商业智能的结构和内容
三、OLAM
OLAP(联机分析处理)与DM(数据挖掘)都 是数据库(数据仓库)的分析工具,在实际应用中 各有侧重。前者是验证型的,后者是挖掘型的。 前者建立在多维视图的基础之上,强调执行效率 和对用户命令的及时响应,而且其直接数据源一 般是数据仓库;后者建立在各种数据源的基础上, 重在发现隐藏在数据深层次的对人们有用的模 式(Patterns),一般并不过多考虑执行效率和响应 速度。OLAM——On Line Analytical Mining是
二、数据挖掘
OLAP的功能基本上是用户参与的汇总和 比较（上钻、下钻、旋转、切片、和其他操 作）；数据挖掘自动发现隐藏在大量数据中的 模式等有价值的知识。
13
第二章 商业智能的结构和内容
二、数据挖掘 数据挖掘分类 根据挖掘任务 数据挖掘的任务是从数据中发现模式。
模式有很多种，按功能可分为两大类：预测型 （Predictive）模式和描述型（Descriptive）模式；描述 型数据挖掘包括数据总结、聚类及关联分析等，预测型 数据挖掘包括分类、回归及时间序列分析等