BI解决方案IBMWord文档下载推荐.docx

BI解决方案IBMWord文档下载推荐.docx

《BI解决方案IBMWord文档下载推荐.docx》由会员分享，可在线阅读，更多相关《BI解决方案IBMWord文档下载推荐.docx（35页珍藏版）》请在冰豆网上搜索。

通过有目的、有选择地搜集业务数据，并将其转换为对决策有效的信息，用于智能化的分析、预测和模拟等目的，如此的应用被称为商业智能应用。

从国内外各行各业的进展体会看，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腕。

作为一个具有八十连年历史，以开发信息技术和商业应用而闻名的“蓝色巨人”，IBM在这一领域进行了连年的研究，进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，是提取搜集到的数据，进行智能化的分析，揭露企业运作和市场情形，帮忙治理层做出正确明智的经营决定。

一样现代化的业务操作，通常都会产生大量的数据，如话单、账单和客户资料等，其中一部份是决策关键数据，但并非是所有的数据都对决策有决定意义。

商业智能包括搜集、清理、治理和分析这些数据，将数据转化为有效的信息，然后及时分发到企业遍地，用于改善业务决策。

企业能够利用它的信息和结论进行加倍灵活的时期性的决策：

如采纳什么产品、针对哪类客户、如何选择和有效地推出效劳等等，也能够实现高效的财务分析、销售分析、风险治理、分销和后勤治理等等。

这一切都是为了降低本钱、提高利润率和扩大市场分额。

第二章商业智能综述

二.1商业智能大体结构

现今，许多企业熟悉到只有靠充分利用，挖掘其现有数据，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，这些数据假设用于决策支持那么会带来显著的附加值。

假设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，上述处置进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，进而支持数据挖掘、多维数据分析等现今尖端技术和传统的查询及表报功能，这些关于在现今猛烈的商业竞争中维持领先是相当重要的。

那么如何把如此大量的数据转换成靠得住的、商用的信息以便于决策支持呢？

成立数据仓库正被普遍地公以为最好的转换手腕。

图1数据仓库成立进程

依照IDC的调查，利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％。

二.1.1IBM数据仓库架构

IBM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。

该项目要紧确实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，IBM此刻发布的数据仓库产品都是通过反复推敲和久经考验的，真正做到让用户买起来安心，用起来舒心。

基于对数据仓库结构的深刻明白得和连年积存的体会，IBM设计了自己的数据仓库结构，见以下图：

数据仓库的组成。

作为一个开发式结构，它方便了用户的产品选择、实施和尔后的扩展。

图2IBM数据仓库架构

上图为IBM三层次数据仓库结构：

从第一层OLTP业务系统到第二层数据仓库为建仓进程，从第二层到第三层数据集市为按主题分类成立应用的进程。

第一步包括数据抽取、数据转换、数据散布等步骤，依照统一的数据格式标准进行统一的数据转换，成立可被企业各部门充分共享的数据仓库。

其中，数据抽取时期完成对各类数据源的访问，数据转换时期完成对数据的清洗、汇总和整合等，数据散布时期完成对结果数据存储的分派。

这三个时期通常紧密结合在一路，由一个产品或几个产品配合实现。

例如，DB2WarehouseManager既可独立完成，又可结合DataJoiner、DataPropagator实现对异构数据和数据复制的处置。

DB2WarehouseManager可进行数据映射的概念，以按期地抽取、转换和散布数据；

DataJoiner可访问的各类关系型数据库包括DB2数据库家族、ORACLE、SYBASE、INFORMIX和MSSQLServer等；

DataPropagator要紧用于数据复制，采纳数据复制的方式可对业务数据仓库进行增量数据更新，幸免对作业系统事物处置性能的阻碍和大量重复抽取数据。

数据的存储由DB2家族产品来完成，以保证数据仓库始终高性能地运转，提供完整、准确的数据，便于以后的升级和扩展。

第二步，在按主题分类成立应历时，假设既想拥有多维数据库的独特功能，又要把数据寄放在关系型数据库中以便治理，那么DB2OLAPServer是用户的最正确选择。

DB2WarehouseManager中提供的InformationCatalog通过描述性数据帮忙用户查找和明白得数据仓库中的数据，IntelligentMiner用于数据挖掘以便帮忙决策者预测或觉察隐藏的关系。

最后，咱们以报表或图形的方式将结果数据呈现给用户，这通常由第三方产品来实现，它们包括：

HyperionAnalyzer,Cognos，Brio，BusinessObjects等。

商业智能的实现方式多种多样，其规模和特点由用户的需求来决定。

但万变不离其宗，其大体体系结构往往包括三个部份。

二.1.2数据仓库：

用于抽取、整合、散布、存储有效的信息

一个企业的信息往往散布在不同的部门和分支机构，治理者要综观全局、运筹帷幄，必需能迅速地找到能反映真实情形的数据，这些数据或许是当前的现实数据，也可能是过去的历史数据。

因此，有必要把各个区域的数据集合起来，去其糟粕、取其精华，将真实的、对决策有效的数据保留下来，随时预备治理人员利用。

因此，数据仓库不单单是个数据的贮存仓库，更重要的是它提供了丰硕的工具来清洗、转换和从各地提取数据，使得放在仓库里的数据有条有理，易于利用。

二.1.3多维分析：

全方位了解现状

治理人员往往希望从不同的角度来凝视业务数值，比如从时刻、地域、产品来看同一类业务的总额。

每一个分析的角度能够叫作一个维，因此，咱们把多角度分析方式称为多维分析。

以前，每一个分析的角度需要制作一张报表。

由此产生了在线多维分析工具，它的要紧功能，是依照用户常常利用的多种分析角度，事前计算好一些辅助结构，以便在查询时能尽快抽取到所要的记录，并快速地从一维转变到另一维，将不同角度的信息以数字、直方图、饼图、曲线等等方式展此刻您眼前。

二.1.4前台分析工具

提供简单易用的图形化界面给治理人员，由他们自由选择要分析的数据、概念分析角度、显示分析结果。

往往与多维分析工具配合，作为多维分析效劳器的前台界面。

以上三部份是商业智能的基础。

它完成的是对用户数据的整理和观看，能够说，它的工作是总结过去。

在此基础结构之上，商业智能能够发挥更进一步的作用，利用数据挖掘技术，觉察问题、找出规律，达到真正的智能成效：

预测以后。

二.1.5数据挖掘

正如在矿井中能够挖掘出宝贵的矿石，在数据仓库的数据里也常常能够挖掘出业务人员意想不到的信息。

它比多维分析更进一步。

例如，假设是治理人员要求比较各个区域某类业务在过去一年的情形，能够从多维分析中找答案。

可是，假设是治理人员要问为何一种业务在某地域的情形突然变得专门好或是不行，或问该业务在另一地域将会怎么样，这时数据挖掘工具能够作出回答。

简单的说，数据挖掘利用统计、分析等数学方式、和电脑学习和神经网络等人工智能方式，从大量的数据中，找寻数据与数据之间的关系。

这种关系，一样显示数据组之间相似或相反的行为或转变。

一个细心的分析者，往往能从这些挖掘出来的关系取得启发。

而这种启发又极可能使取得它的业者，取得其他竞争者所没有的先机。

数据挖掘要求有数据仓库作基础，并要求数据仓库里已经存有丰硕的数据。

因此，在实施商业智能方案时，一样分两步走：

第一步实现数据仓库和多维分析，构造商业智能的基础，实现分析应用；

第二步实现数据挖掘，发挥商业智能的特色。

二.2商业智能方案实施原那么

实施商业智能方案项目工程，与实施传统的应用系统有专门大的不同。

其中最重要的是，商业智能的实施是不断的交流进程，只有两边紧密的合作才能取得实施的成功。

咱们建议，工程实施上采取以下原那么：

二.2.1分时期、循序渐进的原那么

任何一个项目的实施都是一个觉察问题，解决问题，积存体会，又碰着新问题，再解决，再积存的循序渐进的进程。

咱们建议XXX公司应依照现有的资源和尔后进展的方向，分时期、循序渐进的实施商业智能方案。

二.2.2有效原那么

在第一步实现数据仓库时，尽可能针对当前电信最关切的主题，并将该主题进行细致分析，尽可能用简单、统一、易于利用的方式来实现，幸免追求片面的复杂和完美。

二.2.3知识原那么

普遍说来，由于商业智能技术相对而言比较新，企业的信息技术人员对数据仓库、多维分析、数据挖掘等系统涉及的知识往往存在着不足或误差，实际应用体会也很欠缺。

因此，咱们建议在实施进程中结合专家培训和效劳，在商业智能系统的设计、开发、实施当中，慢慢培育出企业自己的系统治理、爱惜和开发人员。

当系统投入使历时，这些人员能够对系统进行爱惜和治理，并负责对最终用户进行培训。

第三章XXX公司BI系统方案

三.1XXX公司BI系统的需求分析

在XXX公司的BI系统中，能够实现如下一系列经营进程中的分析和决策支持：

除以上列出的一系列分析和预测外，利用BI系统，还应该能够依照XXX公司的需求很方便地扩展其功能。

三.2IBM的解决方案

基于XXX公司BI系统的需求，和IBM公司在数据仓库领域的体会，咱们提出以下解决方案：

采纳一个企业级的数据仓库，实现各分行业务数据的自动搜集、清洗、汇总，而且通过量维分析工具，让用户能够有效的将数据转化为灵活的报表和决策支持信息，最终知足用户的信息需求。

该方案的实现方式如下：

第一，在数据要紧来源于两个方面：

综合业务系统和新录入的数据。

综合业务系统中的数据通过数据仓库工具进行自动搜集、清洗、整理，而需要新录入的数据那么通过阅读器方式录入。

在构造数据仓库的进程中，咱们采取以点带面的做法，采纳小步长、慢慢地成立数据仓库的策略。

以XXX公司报表系统为开端，分时期地实现商业智能应用。

小的项目能够当即显示数据仓库的价值，同时也提供了更快的投资回报。

而且，先在只有少量的数据和用户的小系统上进行学习和实践，对技术人员来讲会学得更快。

咱们希望第一在需求较为迫切的领域，选择一些比较故意义的主题；

基于这些主题，咱们将成立一个数据集市，待用户能够对数据仓库的概念和一些技术有了比较深刻的熟悉以后，再综观全局，构建起企业级的数据仓库。

数据录入能够采纳数据文件快速装入的方式，也能够采纳专门应用的方式。

假设是采纳后者，咱们能够考虑利用IBM的WebSphere和VisualAgeforJava进行开发，它们产品是IBM电子商务应用的重要部件。

利用这两个工具，咱们能够方便地成立Web页面，生成Java程序，包括Applet、Servlet和Application

等等。

而且系统的爱惜工作也比较方便，当需要修改应历时，只需要修改效劳器上的程序就能够够够了，不需要在客户端做工作。

另外，这种结构对客户机的配置要求也不太高。

在建造数据仓库的进程中，咱们推荐利用IBM的WarehouseManager，该产品是IBM用来成立数据仓库的工具，利用该工具，咱们能够方便、快捷地构造起数据仓库来，因为咱们应该熟悉到数据仓库必需成立在一个开放的、可更改的结构上，以便能够处置数据和需求的不断膨胀。

WarehouseManager正是如此的一个工具。

提供一个开放的，从数据源到数据仓库的一致的解决方案。

在XXX公司的BI系统中，通过WarehouseManager治理器能够方便地成立数据加工的流程（process