可视化商业智能大数据分析平台整体解决方案

可视化商业智能大数据分析平台建设方案目录第1章客户需求概述 (1)1.1需求分析 (1)第2章可视化商业智能大数据整体建设解决方案 (2)2.1解决方案系统架构 (2)2.2解决方案组成 (3)2.2.1数据仓库（InfoSphere Warehouse Layer） (4)2.2.2数据集市（Data Mart Layer） (4)2.2.3数据ETL处理系统 (4)2.2.4业务应用 (5)2.2.4.1Cognos客户洞察分析报表 (5)2.2.4.2报表门户 (5)2.2.4.3多维数据集 (11)2.3配置建议 (15)2.4整体解决方案优势 (17)第3章可视化商业智能数据仓库方案 (20)3.1可视化商业智能数据仓库方案概述 (20)3.2可视化商业智能数据仓库解决方案带来的价值 (21)3.3可视化商业智能数据仓库方案功能特点 (21)3.3.1数据分区技术 (DPF, Database Partitioning Feature) (22)3.3.2深度压缩技术 (24)3.3.3极限工作负载管理 (25)3.3.4嵌入式分析 (26)3.3.5数据挖掘、建模和打分 (26)3.3.6非结构化信息分析 (28)3.3.7OLAP Cubing 服务 (29)3.3.8灵活包装和许可选项 (30)3.4为什么选择I NFORMATION M ANAGEMENT软件 (32)第4章可视化商业智能客户分析应用方案 (35)4.1I NFO S PHERE DW P ACK FOR C USTOMER I NSIGHT 方案概述 (35)4.2解决方案带来价值 (37)4.3I NFO S PHERE DW P ACK FOR C USTOMER I NSIGHT功能特点 (38)4.3.1物理数据模型 (38)4.3.2Cognos 应用报表 (42)4.4为什么选择I NFO S PHERE DW P ACK FOR C USTOMER I NSIGHT (45)第5章数据抽取、转换和加载方案 (47)5.1I NFO S PHERE D ATA S TAGE 方案概述 (47)5.2I NFO S PHERE D ATA S TAGE ETL方案带来价值 (49)5.3I NFO S PHERE D ATA S TAGE 软件功能特点 (51)5.3.1DataStage基于Information Server的架构 (51)5.3.1.1通用用户界面 (52)5.3.1.2通用服务 (53)5.3.1.3通用知识库 (53)5.3.1.4通用并行处理引擎 (54)5.3.1.5通用连接器 (54)5.3.2直观易用的开发和维护环境 (55)5.3.3企业级实施和管理 (57)5.3.3.1作业顺序器 (57)5.3.3.2任务资源使用预估 (59)5.3.3.3图形化监控工具 (60)5.3.4高扩展的体系架构 (62)5.3.5具备线性扩充能力 (65)5.3.6ETL元数据管理 (66)5.4为什么选择I NFO S PHERE D ATA S TAGE软件 (68)第6章COGNOS (71)6.1C OGNOS 方案概述 (71)6.2C OGNOS方案带来价值 (73)6.3C OGNOS 软件功能特点 (75)6.4为什么选择C OGNOS软件 (82)第7章SPSS 数据挖掘工具 (86)7.1SPSS数据挖掘方案概述 (86)7.1.1数据分析应用主题 (86)7.1.2应用系统架构 (88)7.2SPSS方案带来价值 (90)7.3SPSS软件功能特点 (96)7.3.1数据挖掘软件及技术服务的技术标准 (96)7.3.2软件支持算法和模型 (97)7.3.2.1支持算法的广度和深度 (97)7.3.2.2软件界面易用性 (100)7.3.2.3软件运行性能 (105)7.3.2.4数据挖掘软件与现有系统的集成要求 (108)7.4为什么选择SPSS软件 (110)第8章专业化服务 (112)8.1业务需求分析 (112)8.2系统架构设计 (112)8.3客户化工作 (112)8.3.1业务需求定义 (112)8.3.2多纬度模型设计 (113)8.3.3数据模型修改 (113)8.3.4ETL设计和开发 (113)8.3.5Cognos报表开发 (116)8.4技术支持 (116)8.5培训 (116)第9章XX公司简介 (118)第1章客户需求概述1.1需求分析需求 - 1：建立数据中心，实现业务数据统一管治。

需求 -2 ：把 Data Warehouse Pack for Customer Insight 报表集成到业务系统 PORT。

需求– 3：通过建立数据中心，获取可帮助业务优化的分析型报表，并实现操作型CRM的业务运营模式。

第2章可视化商业智能大数据整体建设解决方案当客户提出要建设BI系统以优化业务后，可视化商业智能公司建议使用整体建设的解决方案，详细说明如下。

2.1解决方案系统架构可视化商业智能公司建设BI系统的整体解决方案的系统架构说明如下。

可视化商业智能 BI整体解决方案系统架构1．建立企业级的中央数据仓库InfoSpere Warehouse，形成统一的业务数据管理平台，为企业各个业务部门提供业务层面上的数据分析结果，以实现业务优化的目标。

2．基于InfoSpere Warehouse基础上，建立面向部门级应用的数据集市，通过InfoSphere Data Warehouse Pack forCustomer Insight产品方案，物理数据模型和Cognos 8 BI系统提供样本报表，可帮助客户快速地建立针对客户资料和交易行为分析的应用系统。

3．基于InfoSpere Warehouse和部门级应用的数据集市的基础，针对特殊和关键的业务需求，通过可视化商业智能 SPSS数据挖掘软件工具，根据各项业务指标要求对挖掘模型进行训练，以挖掘出解决指定业务问题的答案，并持续支持业务发展。

4．可视化商业智能 Information Server 提供了数据集成的解决方案，其中 DataStage软件工具实现了从各个生产业务系统抽取出数据，并按业务规则进行转换，最后把处理结果加载入数据仓库平台。

2.2解决方案组成整个解决方案涉及的软件产品具体说明如下。

可视化商业智能 BI整体解决方案系统组成部分2.2.1数据仓库（InfoSphere Warehouse Layer）•物理模型提供InfoSphere Warehouse Sample DB DDL•InfoSphere Warehouse Design Studio 数据模型，含盖数据仓库的原子表和面向报表应用的事实表。

•数据从数据仓库更新到事实表的逻辑说明和指引说明文档。

2.2.2数据集市（Data Mart Layer）•InfoSphere Warehouse Cubing Services Cube 建立一个Star Schema•Cognos Framework Manager Model 建立全部 Star Schema•从数据仓库和 Cognos 元数据迁移到 Metadata Server的说明和指引文档资料。

2.2.3数据ETL处理系统•InfoSphere Information Server DataStage ver.8.12.2.4业务应用2.2.4.1Cognos客户洞察分析报表•Cognos ReportStudio Reports for Customer Insight•Cognos AnalysisStudio Reports for Customer Insight 备注：有关报表的详细内容，请参阅第四章节。

2.2.4.2报表门户1.1 管理驾驶舱管理驾驶舱以仪表盘、趋势图等方式展现业务绩效的关键指标，包括开销户、转为有效户、资产、交易量、佣金及净佣金率等。

图1 管理驾驶舱仪表盘仪表盘常用于同时展现绝对指标和相对指标。

图2中仪表盘的外圈刻度表示开销户、交易量等指标的绝对值，不同区域的颜色表示此指标值的健康程度；内圈刻度表示相对占比（如在公司或市场占比）。

图2 交易量仪表盘双轴柱线图图3为交易量趋势图，其中左轴是成交量，右轴是市场占比。

柱状代表成交量的变化趋势，折线是成交量市场占比的变化情况。

此图可以很好的表达公司自身的成交量趋势以及在同业中所处的水平。

图3 交易量趋势三维饼图图 4的饼图直观的揭示了特定时间段内的交易量构成，显示各证券类别的交易量占比。

图4 交易量构成1.2 客户分析1）多角度展示客户总体的特征分布（资金量、活跃度、年龄等其他人口统计学特征、净佣金等），摒弃简单的“大中散”客户分类方式，深层剖析客户盈利的关键因素。

分析流失客户的行为特征，为客户挽留提供数据依据。

2）开销户和资产报表：按时间段、按分公司（营业部）统计客户的开户数、销户数、转有效户数及其均值等，以及客户保证金、市值、资产及新增和流失的保证金、市值和资产。

堆积柱状图图5以堆积柱状图展示了不同年龄段客户群对不同证券交易品种的偏好。

图5 不同年龄段交易量结构图6 开销户明细报表1.3 综合排名各营业部按新增开销户、有效户、客户资产、佣金等指标在公司、分公司的排名及排名的变化。

图7 本月营业部新增有效户排名1.4 营业部报表1）营业部的开销户、有效户、交易量及佣金等指标的历史变化趋势图2）不同营业部之间多指标对比分析（雷达图）3）交易量等指标的构成（按证券类别、委托方式等）雷达图图8用雷达图可以对营业部进行直观的综合能力分析及对比。

可以选取多个关键性指标进行量化后作为雷达图的各个轴，每个轴分为十个刻度，值越大代表越好。

这样的话面积越大代表该营业部综合能力越强。

据图6所示，绿色营业部的综合实力明显强于红色营业部。

红色营业部虽然在期末资产和总成交金额胜于对方，但并未带来更多的净佣金收入，而绿色所代表的营业部在新增客户方面更强，且有更高的净佣金。

图8 营业部间多指标综合对比1.5 存管银行报表1）不同时段内，单个指标在存管银行间占比分析（饼图、堆积图等）2）两个或多个存管银行之间多指标对比（气泡图、雷达图）3）指定存管银行，多指标变化趋势气泡图图9用气泡图在平面图对各个存管银行的交易量、月末资产和新增开户数进行比较。

横轴代表交易量，纵轴代表月末资产。

图中的每个气泡代表一个存管银行，气泡的大小表示开户数。

图8以堆积柱形图展示存管银行交易量中各个证券类别的占比。

图9 存管银行客户持仓率、资产及开户数比较2.2.4.3多维数据集根据多维业务模型建立的多维数据集，作为一个统一的数据平台，不仅作为前台门户报表的数据源，同时支持业务分析人员从多角度（客户、时间、证券产品、委托方式等）及多层次（如时间的日、月、季度、年等），通过上卷、下钻等操作，快速灵活的分析客户的交易、持仓、盈亏等数据，使他们快速准确的掌握当前的运营状况，验证复杂假设、预测趋势并制定营销策略。