最新经典版商业大数据分析平台解决方案Word格式.docx

1、3. 整体需求 .1.0.3.1. 数据源支持 .1.0.3.2. 自助式查询 .1.0.3.3. OLAP 联机分析 .1.1.3.4. UI 编排功能 .1.2.3.5. 丰富的组件 .1.3.3.6. 多种展示方式 .1.3.3.7. 外部数据服务 .1.4.4. 总体设计 .1.5.4.1. 数据分析 .1.6.4.2. 设计运行 .1.6.4.3. 系统管理 .1.6.4.4. 可视化展示 .1.6.5. 功能设计 .1.7.5.1. 数据分析 .1.7.5.1.1. 多数据源 .1.7.5.1.2. 数据建模 .1.8.5.1.3. 多维 BI 分析 .1.8.5.2. 设计运行

2、.2.0.5.2.1. UI 编排.2.0.5.2.2. 丰富组件 .2.1.5.2.3. 事件引擎 .2.4.5.2.4. 运行引擎 .2.4.5.3. 系统管理 .2.6.5.3.1. 我的报表 .2.6.5.3.2. 工程化管理 .2.7.5.3.3. 主题管理 .2.7.5.3.4. 布局管理 .2.7.5.3.5. 数据源管理 .2.7.5.3.6. 基础管理 .2.8.5.4. 可视化展示 .2.9.5.4.1. 决策仪表盘 .2.9.5.4.2. 大屏综合显示 .3.0.5.4.3. 交互式 WEB 界面 .3.0.5.4.4. 基于 GIS 的数据可视 3.3.5.5. 其他功

3、能 .3.7.5.5.1. 数据探索 .3.7.5.5.2. 事件定义 .3.8.5.5.3. 项目管理 .3.9.5.5.4. 基础管理 .3.9.5.5.5. 安全管理 .3.9.5.5.6. 部署与集成 .3.9.1.背景概述当前，我们的世界已经迈入大数据 （Big Data ）时代，随着互联网、 物联网、云计算等信息技术的迅猛发展，信息技术与人类世界、经济、军事、科研、生活等方面不断交叉融合， 催生了超越以往任何年代的巨量数据。 数据正在变得无处不在、触手可及，数据的背后隐藏着信息，而信息之中蕴含着知识和智慧。而数据创造的真正价值，在于我们能否提供进一步的稀缺的附加服务，就是数据分析。

4、 数据的分析过程往往离不开机器和人的相互协作与优势互补。 从这一立足点出发， 大数据分析的理论和方法研究可以从两个维度展开： 一是从机器或计算机的角度出发，强调机器的计算能力和人工智能 ,以各种高性能处理算法、智能搜索与挖掘算法等为主要研究内容，例如基于 Hadoop 和MapReduce/Spark 框架的大数据处理方法以及各类面向大数据的机器学习和数据挖掘方法等， 这也是目前大数据分析领域的研究主流； 另一个维度从人作为分析主体和需求主体的角度出发 ,强调基于人机交互的、符合人的认知规律的分 析方法， 意图将人所具备的、 机器并不擅长的认知能力融入分析过程中， 这就是大数据可视化分析。商业智能（ Business Intelligence ，简称 BI）是进行数据可视化分析的一种重要手段。2.现状分析2.1.主流 BI 模式Gartner 的 2016 BI 和分析平台魔力象限报告指出： 当今数据分析向可视化设计 UE、自助式探索分析、分析和展现一体化平台发展已经成为大势所趋。 2016 年，传统的 BI 厂商已经集体沦陷，全部被驱出了领导