2商务智能之应用(流程与价值)

商务智能应用张才明13910225699,[e-mail]信息管理教研室Copyright©华北电力大学经济与管理学院P2参考教材：《商务智能应用教程》，陈进张莉，高等教育出版社，2010年6月主要参考文献：1.《数据挖掘与应用》，张俊妮编著，北京大学出版社，2009年6月。2.《基于商务智能的动态联盟管理》，刘吉成著，中国水利水电出版社，2008年10月3.《数据挖掘——客户关系管理的科学与艺术》，（美）贝里，（美）利诺夫著，袁卫等译，中国财经出版社，2004年1月。4.《商务智能与数据挖掘MicrosoftSQLServer应用》，谢邦昌主编，机械工业出版社，2008年3月。5.www.chinabi.netP3商务智能理论与应用概述商务智能应用流程和价值面向业务分析与管理决策的BI应用维度和指标设计商务智能在ERP中的应用商务智能应用案例商务智能应用发展前沿商务智能应用实践与项目实习商务智能在电力行业中的应用P4商业智能的基本定义商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。P5商业智能的应用蓝图P6SourceDatabasesDataExtraction,Transformation,loadWarehouseAdmin.ToolsExtract,TransformandLoadDataModelingToolCentralMetadataArchitectedDataMartsDataAccessandAnalysisEnd-UserDWToolsCentralDataWarehouseCentralDataWarehouseMid-TierMid-TierDataMartDataMartLocalMetadataLocalMetadataLocalMetadataMetadataExchangeMDBDataCleansingToolRelationalAppl.PackageLegacyExternalRDBMSRDBMS资料来源：[Pieter,1998]商业智能的技术架构P7商业智能建模计划报告分析目标监控决策不利决策有方•决策能力提升•筹资渠道通畅•投资方向正确•资金良性循环•企业信用提升•运营风险降低•决策延迟•筹资困难•投资失误•经营失血•信用受损•风险失控恶果效益商业智能的业务架构P8创建企业级数据仓库EBD公共的中心数据模型数据重构只执行一次使数据冗余和不一致性最小化存储细节和历史数据，开发全局性数据从EBD创建数据集市与部门相关的EBD子集通常是总结性数据直接依赖于EBD的数据有效性局部数据集市外部数据局部数据集市操作性数据企业数据仓库EDB商业智能相关概念——DW（自顶向下的设计方法）P9创建部门的数据集市范围局限于一个主题区域快速的ROI——局部的商业需求得到满足本部门自治--设计上具有灵活性对其它部门数据集市好的指导容易复制到其它部门需要为每个部门做数据重建有一定级别的冗余和不一致性一个切实可行的方法扩大到企业数据仓库创建EDB作为一个长期的目标局部数据集市外部数据操作型数据(全部)操作型数据(局部)操作型数据(局部)局部数据集市企业数据仓库EDB商业智能相关概念——DW（自下而上的设计方法）P10做饭的比喻：整个数据仓库的过程比喻成为一个“做饭的工作”，那么ETL部分有点像出去买菜。我们可以从多个菜市场，挑选我们做需要的蔬菜，肉类等。当然，我们处在一个选择的过程。如果菜不新鲜，我们完全可以不要它.而多维分析/即时报表便好像是整个的做饭过程（菜应该买完了）。而现在很多人更关心，明天我们吃什么？这便是预测分析。但是从整个开发过程来看，ETL是最基本的一项工作。如果没有菜，我们啥也吃不了！商业智能相关概念——ETL（数据集成）P11商业智能相关概念——ETL（数据集成）Transported数据传输，菜买完了，我们把菜拿回家的过程数据转换与清洗，到家了，我们要拿菜做饭，不能直接就吃，因此需要把菜洗一下，或者把烂掉的菜叶拔掉（在实际中，我们抽取来的数据很多需要清洗）。有时，我们会发现有的家人十分讨厌圆的土豆，没关系，我们在把它放进厨房（数据仓库）前，切成正方形，这样便没有问题了（虽然有点自欺欺人，只举个例子）数据装载，将我们准备好的菜放进厨房里，等着厨师们来做饭了TransformedCleaningLoadedETL过程通常要耗用一个商业智能项目60%-70%的工作量Extracted数据抽取，也就是我们在菜市场买菜的过程P12商业智能相关概念——OLTP/OLAPOLTPOLAP原始数据细节性数据当前值数据可更新一次性处理量小面向应用，事务驱动面向业务人员日常操作处理数据综合性和提炼性数据历史数据不可更新，但周期刷新一次处理的数据量大面向分析，分析驱动面向管理人员决策分析OLT(A)POLTP和OLAP是互补的系统，是同一个事务的两个方面P13商业智能相关概念——OLTP（业务处理）OLTP（如ERP）对企业的物流/资金流/信息流进行全面一体化管理的管理信息系统；从技术角度来说，是一种业务处理系统，实现了业务流程处理的自动化；从管理角度来说，它规范了企业的业务流程和管理制度，打破了企业部门之间的界限，满足了管理人员掌握、计划、控制、分配企业全部资源的需求；系统提供了各种企业运营的原始数据。这些数据是对业务活动的原始记录，通常以关系表或非结构化文档的形式存在。P14商业智能相关概念——OLAP（数据分析）维度同一数据进行统计的口径或分析的视角，如产品、客户维度维度包含的具体项目个体，如产品种类/明细，客户种类/个体维度成员特征的描述信息，如产品的规格、型号、颜色，客户的性别、年龄、兴趣爱好业务发生的具体计量数据，如销售金额、销售数量、科目发生额成员属性事实我们通常意义上所指的BI分析，多就是指OLAP分析粒度事实数据获取的详细程度，如月统计数据，日发生数据，订单行数据P15Time_idKINGDEE销售事实表Discount%DollarsUnits“FactTable”事实表Market_idProduct_idindustryProduct_id产品维SizeBrandProduct_DescDimensionTableTime_idYearQuarterPeriod_Desc时间维DimensionTable行业维manufacturetelecomindustryDimensionTableMarket_id地区维RegionDistrictMarket_DescDimensionTable事实表：包含了基本商业事务的所有详细信息维表：描述性信息，对数据分析的窗口familydepartmentcategoryProduct_classIDProduct_classID商业智能相关概念——OLAP（维度模型）P16商业智能相关概念——OLAP（结构类型）ROLAP明细数据和聚合数据都存储在关系型数据库中明细数据和聚合数据都存储在多维数据库中明细数据存储在关系型数据库，聚合数据存储在多维数据库中，通过特定访问机制实现二者的查询跳转相对于ServerOLAP而言，把部分数据下载到本地，为用户提供本地的多维分析，即多维分析的本地离线应用MOLAPHOLAPClientOLAP将数据仓库数据以多维结构表示，利用多维数据模型和数据聚集技术组织和汇总数据，以提供快速数据检索和计算引擎。CUBE数据立方体，指按照多维结构进行存储的数据实体P17商业智能相关概念——OLAP（数据存储）产品名称地区销售量冰箱东北50冰箱西北60冰箱华北100彩电东北40彩电西北70彩电华北80空调东北90空调西北120空调华北140东北西北华北冰箱5060100彩电407080空调90120140产品名称地区销售量冰箱东北50冰箱西北60冰箱华北100冰箱总和210彩电东北40彩电西北70彩电华北80彩电总和190空调东北90空调西北120空调华北140空调总和350总和东北180总和西北250总和华北320总和总和750东北西北华北总和冰箱5060100210彩电407080190空调90120140350总和180250320750RDB存储MDDB存储RDB综合数据存储MDDB综合数据存储产品客户月P18从时间旋转到区域销售月报（时间）销售月报（区域）商业智能相关概念——OLAP（旋转分析）Pivot旋转Slice切片Dice切块Drill-down和Roll-up钻取。。。P19时间地点全球美国欧洲纽约洛杉矶伦敦巴黎产品商业智能相关概念——OLAP（钻取分析）Pivot旋转Slice切片Dice切块Drill-down和Roll-up钻取。。。P20BrandAfriColaRoyalCrownPepsiCoca-ColaWranglerColaCoca-Cola24WeekEnding031017ChannelMMDrugFood23.5MMUNITS$28.3GROSS$26.8COSTFood24举例查询问题：想知道可口可乐通过食品渠道在24号那一周的销售情况如何？Pivot旋转Slice切片Dice切块Drill-down和Roll-up钻取……商业智能相关概念——OLAP（切片/切块分析）P21举例查询问题：想知道可口可乐通过食品渠道在24号那一周的销售情况如何？Pivot旋转Slice切片Dice切块Drill-down和Roll-up钻取。。。商业智能相关概念——OLAP（多维连贯分析）数据库或数据仓库用户分析途径P22商业智能相关概念——DM（数据挖掘）描述性数据挖掘预测性数据挖掘基本目标以数据统计和分析为目的数理统计求和、平均、方差等各种报表和即席查询多维分析关联分析关联规则序列模式聚类分析相似特征挖掘分类识别基本目标以未来预测和模拟为目的分类分析分类函数分类模型回归分析线性回归非线性回归决策树神经网络时间序列移动平均数据挖掘数据挖掘是商业智能的高级应用啤酒和尿布的故事P23Clustering-PlottheInputs商业智能相关概念——DM（聚类分析）P24Clustering-DeterminetheClusters商业智能相关概念——DM（聚类分析）P25成本11%27%7%6%一万以下42%二万至五万7%收入8%3%7%12%一万以下54%二万至五万16%CLUSTER#1CLUSTER#2CLUSTER#3CLUSTER#4CLUSTER#5CLUSTER#5/1Clustering-AnalyzetheClusters商业智能相关概念——DM（聚类分析）P26商业智能相关概念——MetaData（元数据的分类）技术元数据业务元数据基本目标存储数据仓库系统技术细节的数据，是用于开发和管理数据仓库使用的数据包含内容数据仓库结构的描述业务系统、数据仓库和数据集市的体系结构和模式汇总及各种定义用的算法；由操作环境到数据仓库环境的映射转换规则访问权限，备份历史，存档历史，数据访问，等等基本目标从业务角度描述了数据仓库中的数据，它提供了介于使用者和实际系统之间的语义层，使得不懂计算机技术的业务人员也能够“读懂”数据仓库中的数据包含内容企业概念模型多维数据模型业务概念模型和物理数据之间的依赖元数据元数据是描述数据仓库内数据的结构和建立方法的数据P27商业智能相关概念——MetaData（元数据的作用）元数据知识库业务元数据技术元数据即席查询OLAP分析数据挖掘企业数据模型、多维数据模型数据仓库RDBMS外部数据源操作环境层数据仓库层业务层P28P29P30P31P32P33P34多种部署方式的选择P35商