数据仓库实施计划方案

XXX公司BI系统方案建议书

二〇二〇年四月

目录

第一章概述 (1)

第二章商业智能综述 (3)

2.1商业智能基本结构 (3)

2.1.1 XXX数据仓库架构 (4)

2.1.2 数据仓库：用于抽取、整合、分布、存储有用的信息 (7)

2.1.3 多维分析：全方位了解现状 (7)

2.1.4 前台分析工具 (8)

2.1.5 数据挖掘 (8)

2.2商业智能方案实施原则 (9)

2.2.1 分阶段、循序渐进的原则 (9)

2.2.2 实用原则 (9)

2.2.3 知识原则 (10)

第三章XXX公司BI系统方案 (11)

3.1XXX公司BI系统的需求分析 (11)

3.2XXX的解决方案 (11)

3.3建议架构 (15)

第四章所选XXX产品简介 (18)

4.1DB2UDB (18)

4.1.1 概述：DB2家族(Family)与DB2通用数据库(UDB) V7.2 (18)

4.1.2 DB2通用数据库(UDB) V7.2的特色 (20)

4.1.3 DB2通用数据库(UDB)的其他先进功能 (39)

4.2DB2W AREHOUSE M ANAGER (数据仓库管理器) (46)

4.2.1 DB2 Warehouse Manager的主要部件 (47)

4.2.2 数据抽取、转换和加载(ETL)功能 (48)

4.2.3 元数据(Meta Data)管理 (53)

4.2.4 DB2 Warehouse Manager的其它技术特点 (54)

4.3XXX OLAP S ERVER(多维数据库服务器) (56)

4.3.1 DB2 OLAP Server引擎 (57)

4.3.2 DB2 OLAP Server各个附件 (59)

4.3.3 DB2 OLAP Server与DB2 Warehouse Manager集成 (62)

4.3.4 DB2 OLAP Server支持的前端工具 (64)

4.4DB2OLAP A NALYZER (64)

4.5数据挖掘工具（XXX I NTELLIGENT M INER） (65)

4.5.1 数据挖掘的实现方法 (67)

4.5.2 数据挖掘基本方法 (68)

4.5.3 数据挖掘与多维分析相结合 (70)

第五章工程服务和售后服务 (72)

5.1工程服务 (72)

5.2售后服务 (72)

5.2.1 XXX数据仓库的安装及配置服务 (72)

5.2.2 XXX数据仓库的维护服务 (72)

5.2.3 XXX数据仓库的顾问服务 (73)

5.2.4 XXX培训服务 (73)

5.3技术文档 (74)

第一章概述

随着市场竞争的日益激烈，各家公司纷纷把提高决策的科学性、合理性提高到一个新的认识高度。在此背景下，利用信息技术的最新手段，利用业务数据进行面向决策的分析这一方法纷纷被国外许多公司所采用。

通过有目的、有选择地采集业务数据，并将其转换为对决策有用的信息，用于智能化的分析、预测和模拟等目的，这样的应用被称为商业智能应用。从国外各行各业的发展经验看，实施商业智能是提高企业进行高效的业务分析和科学决策的有效手段。

作为一个具有八十多年历史，以开发信息技术和商业应用而闻名的“蓝色巨人”，XXX 在这一领域进行了多年的研究，发展出完备的商业智能技术，为商业数据自动转化为商业知识提供了现实的方案。

商业智能的本质，是提取收集到的数据，进行智能化的分析，揭示企业运作和市场情况，帮助管理层做出正确明智的经营决定。一般现代化的业务操作，通常都会产生大量的数据，如话单、账单以及客户资料等，其中一部分是决策关键数据，但并不是所有的数据都对决策有决定意义。商业智能包括收集、清理、管理和分析这些数据，将数据转化为有用的信息，然后及时分发到企业各处，用于改善业务决策。企业可以利用它的信息和结论进行更加灵活的阶段性的决策：如

采用什么产品、针对哪类客户、如何选择和有效地推出服务等等，也可以实现高效的财务分析、销售分析、风险管理、分销和后勤管理等等。这一切都是为了降低成本、提高利润率和扩大市场分额。

第二章商业智能综述

2.1商业智能基本结构

当今，许多企业认识到只有靠充分利用，发掘其现有数据，才能实现更大的商业效益。日常的商务应用生成了大量的数据，这些数据若用于决策支持则会带来显著的附加值。若再加上市场分析报告、独立的市场调查、质量评测结果和顾问评估等外来数据时，上述处理过程产生的效益可进一步增强。而数据仓库正是汇总这些商用信息后，进而支持数据发掘、多维数据分析等当今尖端技术和传统的查询及表报功能，这些对于在当今激烈的商业竞争中保持领先是至关重要的。那么怎样把这样大量的数据转换成可靠的、商用的信息以便于决策支持呢？建立数据仓库正被广泛地公认为最好的转换手段。

图1 数据仓库建立过程

根据IDC的调查，使用数据仓库的投资回报率平均超过400％，尤其是从小型数据仓库开始实施的平均超过500％。

2.1.1XXX数据仓库架构

XXX早在90年代初期，就投入大量优秀技术人员和资金开始了数据仓库的研究，并启动了Star-Burst大型科研项目。该项目主要就是为了攻克数据仓库领域的一些技术难题，例如优化星型连接(Star-join)，实现多维分析。因此，XXX 现在发布的数据仓库产品都是经过反复推敲和久经考验的。基于对数据仓库结构的深刻理解和多年积累的经验，XXX设计了自己的数据仓库结构，见下图：数据