商业智能的发展趋势及关键技术盘点

    商业智能的发展趋势

    从应用和技术需求上看，商业智能的发展趋势可以归纳为以下方面。功能上具有可配置性、灵活性、可变化性。BI系统的使用范围从特定部门到企业所有用户，其业务多样化，需求格式不同，展示方式也各有变化，对BI系统在配置和灵活上提出了要求。

    解决方案更开放、可扩展、可定制。BI系统在原有方案基础，根据企业的独特需求，增加个性化设置的接口和扩展特性，使系统更加灵活而且扩大了使用范围。

    从单独的商业智能向嵌入式商业智能发展。即把商业智能组件嵌入到企业现有的应用系统中，使事务处理系统具有商业智能的分析特性。如SAP的ERP就嵌套了Business Objiect的商业智能产品，其它公司也有类似的合并，这是商业智能应用的一大趋势。

    从传统功能向增强型功能转变。商业智能增强功能是相对于SOL查询来说的，而企业建模、多维数据处理、数据挖掘以及数据预测等功能可以提高系统的可用性和智能性，通常被看作BI系统的增强功能。

    从市场前景来看，商业智能将面临BI提供商的合并；从战略型商业智能向操作性或实时性商业智能转换；以及更加智能和成熟的分析工具和展现工具等改变。

    一、数据仓库

    数据仓库是商业智能系统的基础，以往的数据库系统主要用于事务处理，很难或无法实现分析处理。近年来，越来越多的数据分析与决策信息支持在被企业所重视，数据仓库技术应运而生。

    数据仓库的定义

    目前对于数据仓库还没有统一的定义，被称为数据仓库之父的BillInmon在其著作《（Building the Data Warehouse））一书中给出的定义被广泛接受：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non.Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。

    可以从两个层面对数据仓库的概念进行理解，首先数据仓库是面向分析处理的，主要用来支持决策制定；再者数据仓库包含历史数据，是对多个异构的数据源数据按照主题的集成，它的数据相对固定，不会经常改动。

    数据仓库的特点

    面向主题、集成、相对稳定、反映历史变化是对数据仓库的定义，也是对数据仓库特点的描述，下面分别解释它们的含义。

    （1）面向主题的：数据仓库的数据都是按照一定的业务主题进行组织的，面向主题体现在数据仓库的建设中，而且还包含在业务数据分析和存储上。

    （2）集成的：数据仓库中的数据来自各个不同的分散数据库中，它并不是对源数据库数据的简单拷贝，而是按照划分好的主题和数据分析要求，经过数据抽取、清理、汇总和整理等步骤，消除源数据中的错误和不一致数据，保证数据仓库中数据的正确性和可用性，所以它是整合集成的。

    （3）相对稳定的：数据仓库的稳定性体现在它的非易失性上，由于数据仓库是面向分析的，其中的数据是从业务数据中加载过来的历史数据，所进行的主要操作是查询和分析，供决策分析使用，所以其修改和删除操作很少，只需要定期的增量加载，所以具有相对稳定特征。

    （4）反映历史变化：数据仓库必须能够不断地捕捉业务系统中的变化数据，记录企业生产过程的各个阶段的信息，以满足决策分析的需要，所以必须实时地把新变化的业务数据追加到数据仓库中去，通过数据随时问变化的研究和分析，可以对企业的发展历程和未来趋势做出定量分析和预测。

    可见数据仓库与业务数据库的不同之处体现在：数据库是面向事务的设计，数仓库是面向主题设计的；数据库一般存储在线交易数据，数据仓库存储的一般是历史数据； 数据库设计是尽量避免冗余，一般采用符合范式的规则来设计，数据仓库在设计是有意引入冗余，采用反范式的方式来设计； 数据库是为捕获数据而设计，数据仓库是为分析数据而设计，它的两个基本的元素是维表和事实表。

    数据仓库与BI

    关于数据仓库和商业智能的关系，在业界还存在一些分歧。有人从数据仓库系统的角度考虑，认为数据仓库包含了从原始数据提取到用于见到的软件和应的所有内容。它和商业智能的创建步骤和目的都是一致的，它们没有本质的区别，可以看作是一回事。还有人从静态的角度看待数据仓库，认为数据仓库仅仅是集中式的高度规范化的数据存储，它只是为商业智能提供数据支持。不管是数据仓库还是商业智能，都是应业务分析需要而产生的，它们都不可能脱离业务逻辑分析和业务维度分析而存在。两者是相互存在，互为条件的。不存在脱离商业智能分析的数据仓库，也不存在没有数据仓库支持的商业智能。如果从商业智能的角度考虑，通常认为数据仓库为商业智能的一部分，它和联机分析处理以及数据挖掘被定义为商业智能的三个关键技术。从这个角度看，在商业智能系统中所指的数据仓库，是数据仓库构建和填充的过程，没有包括其分析功能，它为商业智能系统提供数据基础。

[page]    二、数据抽取、转换和加载（ETL）

    ETL概念及作用

    ETL是数据抽取（Extract）、转换（Transform）、装载（Load）的缩写，是完成数据从数据源向目标数据仓库转化的过程，抽取是将数据从各种原始的业务系统中读取出来，这是所有工作的前提。转换是按照预先设计好的规则将抽取的数据进行转换、清洗，以及处理一些冗余、歧义的数据，使本来异构的数据格式能统一起来。装载是将转换完的数据按计划增量或全部的导入到数据仓库中。ETL是数据仓库、数据挖掘以及商业智能等技术的基石。

（编辑：核心网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!