一、企业数据仓库
1、企业数据仓库
概述
企业数据平台是商业智能体系的基础，通过建立层次化的数据仓库体系结构、统一的数据模型，整合企业生产系统的数据，从而为数据分析平台和CRM 等上层应用提供数据支撑。企业数
据平台沉淀了企业多年来的生产经营数据，数据按照存储粒度
分为细节级、轻度综合级、汇总级，其数据量通常特不庞大，
少则几TB，多则上百TB，而且每天都有大量的生产数据被抽取、整合进入企业数据平台，并传送到数据分析平台和其他系统，
以满足其数据需要。如此庞大的数据量、吞吐量和复杂的业务
逻辑，对企业数据平台的存取效率、数据质量、易治理性，易
维护性等均提出了专门高的要求。公司在多年的数据仓库建设
过程中研发出一套适用于电信行业的统一数据模型（该模型中
的核心部分差不多被中国联通作为数据仓库模型的标准规范）。基于统一数据模型、结合数据仓库技术、元数据技术，并对
ETL 过程进行优化处理，公司实现了电信行业海量数据仓库的
标准化构建和高效运转。
企业数据仓库（EDW）是企业分析型数据的统一存储，它和
运营数据存储一起构成企业的统一数据平台。企业数据仓库在
企业内部建立统一的数据架构和数据模型，沉淀来自运营数据
存储、生产系统的数据，采纳多维分析和数据挖掘手段，细分
市场和客户，为企业内各个部门、各个层面的使用者的信息查
询猎取、经营分析、决策支持等需求提供全方位的数据支撑服务。企业数据仓库从全然上解决了沉淀数据分散重复、共享困
难和信息孤岛问题，充分发挥数据资源价值，提高了企业在信
息化建设方面的投资回报率。
系统架构
系统功能
1. 数据域划分
EDW的数据存储按域能够分为：客户域、产品域、市场营销域、服务域、业务域、竞争域。
客户域以三户模型为基础，客户域包含客户、客户对产品的订购等相关信息，如客户的差不多属性、衍生属性，客户的消费、欠费、缴费、行为、结算、服务、产品订购和业务订购等。
数据加工要紧是以ODS 中的营业域、计费域、帐务域、结算域
数据进行整合，按照分层次、分类不、多维度进行数据汇总。
产品域以产品模型为基础，包括产品的定价、产品基础信息、产品目录、产品生命周期、产品定位、产品营销等信息。数据
加工以ODS 的营业域、计费域、帐务域、结算域等数据进行整合，按照分层次、分类不、多维度进行数据汇总。
市场营销域包含营销活动、营销能力、营销过程、营销结果、渠道等信息。数据来源是CRM 系统的营销活动、营销打算、营
销执行、渠道等内容，数据加工在ODS 的营业域、帐务域、结
算域等数据基础之上按照分层次、分类不、多维度数据汇总加工。
服务域要紧包含对主动服务和被动服务的信息的分析，包括服务能力、服务过程和服务结果等。数据加工在ODS 的客服域
基础上进行主动服务和被动服务的数据汇总。
业务域从单一业务和组合业务的角度分析企业的经营信息，包含了各业务的进展、收入、使用等信息。数据加工在ODS 的
客户域、营业域、计费域、帐务域、结算域等数据基础上，按照业务为主线进行分层次多维度数据汇总。
竞争域包含竞争对手及其产品、营销、进展、话务等信息。数据加工在ODS的客户域、营业域、计费域基础上，按照对端号码归属电信运营商进行多维度、分层次数据汇总加工。
2. 数据加工（ETL）
ETL 是英文 Extract-Transform-Load 的缩写，提供数据的抽取、转换和加载功能。从源系统中抽取目标数据，按照一定的规则进行清洗、集成、转换、汇总等处理工作，并将处理之后的数据加载到数据仓库的目标层中。为了利用目标数据仓库的并行处理能力，一般先抽取、加载，再做转换处理。
3. 数据模型支撑
企业数据仓库（EDW）是为了便于多维分析和多角度展现而将数据按特定的模式进行存储所建立起来的关系型数据库，它的数据基于OLTP 源系统。数据仓库中的数据是细节的、集成的、面向主题的，以OLAP 系统的分析需求为目的。星型模型
聚合快、分析效率高，雪花型模型结构明确，便于与其他数据交互，因此EDW 一般采纳星型、雪花型综合架构采纳面向主题方式设计模型，采纳自顶向下逐层分解方法设计企业数据仓库模型。主题域是模型针对的业务的某一关注领域或关注点，同一个域内的实体具有高内聚性，不同域的实体之间具有低耦合性。主题域的引入有助于建立模型框架的整体视图。
4. 元数据治理
元数据（Metadata）是关于数据、操纵数据的进程，以及应用程序的结构、意义的描述信息，其要紧目标是使数据、程序具有自描述性，使数据、程序更易于治理和维护。在企业数据平台中提供统一的元数据治理手段，对数据库仓库中的元数据进行采集、存储、挖掘，支持查询、分析、维护等操作，使技术人员和业务人员能够统一地对数据仓库中的元数据进行治理和分析，从而更有效地理解和操纵企业数据平台的运行。在元数据信息的基础上，通过数据稽核及稽核问题治理，实现对数据质量的管控。
1) 元数据采集、同步
指对表、视图、过程、方法等数据库对象进行扫描，猎取各数据库对象所包含的元数据，将其存储于系统中。系统自动检
查数据仓库中的对象，保持元数据同步，并建立元数据的版本
治理。
2) 元数据关系分析
通过分析元数据信息，猎取各数据对象之间的关系。元数据关系分析重点关注元数据的血统分析和元数据之间的阻碍分析。通过元数据的关系分析，提供冗余发觉、流程优化、故障诊断
等功能。
3) 数据稽核过程
包括稽核规则配置、稽核流程调度、质量报告异常统计等。支持对各种类型、各种粒度的数据对象采纳多种稽核规则方法
进行质量稽核。
4) 稽核问题治理
包括问题发觉治理、问题公布治理、问题处理与跟踪过程治理等，支持对数据质量的流程化治理。
5) 稽核质量查询
系统按数据仓库的层次、主题域等自动生成数据质量报告，并支持以多种方式进行查询分析，为系统治理、优化、故障诊断提供依据。
2、操作型数据仓储
概述
操作数据仓储（ODS）是企业数据平台的重要组成部分，整合企业生产系统的数据，是各生产系统的统一接口平台，为企业各个系统提供接口数据服务。运营数据存储在企业运营数据层面起到数据总线的作用，消除了运营数据的全局冗余，降低
了系统间数据交互的复杂度，降低了上层应用的开发成本，并使数据质量得到保障。
系统架构
系统功能
1.数据域划分
ODS的数据存储按域能够分为：营业域、计费域、帐务域、缴费域、结算域、资源域、客户域。
营业域数据来源是营业厅营业系统、CRM 系统、网上营业厅系统、电子渠道等系统。营业域包含客户资料信息和用户受理、开通等业务相关的内容，是其他数据域的基础。由于数据来源
于不同厂家的各种业务系统，数据加工重点做数据的完整性、
合法性、一致性校验。实体要紧包含客户信息、账户信息、订
购资料、状态变更流水、资费变更流水以及用户协议信息等。
计费域数据来源是不同业务的计费系统。模型核心为用户行为模型。计费域包含与用户行为相关信息，是其他数据域的基础。数据加工要紧做用户通话行为的分业务、分类不、分层次
汇总加工。实体要紧包含用户通话行为、用户增值行为、用户
上网行为等。
帐务域数据来源是不同业务帐务系统、计费帐务系统，以帐目帐务模型为基础。模型核心为分层次分类不帐目模型。帐务
域描述客户的账户、帐目、账单、帐务关系、欠费等信息，是
基础数据域模型。数据加工要紧按照账户的帐目做分业务、分
类不、分层次汇总加工。
缴费域数据来源是各种缴费系统，包括营业系统、CRM 系统、电子渠道、网上营业厅、空中充值等系统。缴费域描述帐目费
用与帐户的对应关系，帐本与帐单数据的销帐关系，帐本金额
的使用记录及帐单、发票的数据和格式信息。数据加工要紧按
照用户缴费类型、缴费方式等分层次、分类不、多维度汇总加工。
结算域数据来源是各种结算系统，包括网间结算系统、网内结算系统、合作伙伴系统、渠道治理系统等。结算域描述结算
清单、结算明细账单、合作服务方等信息。数据加工要紧是对
结算明细数据进行清理和按照结算类型、结算去向等分类不、
分层次、多维度数据汇总加工。
资源域数据来源是网管系统、终端系统、资源治理系统等，资源能够分为网络资源、基站资源、交换机资源、带宽资源、
号码资源、卡类资源、终端资源等信息。数据加工要紧是对资
源明细数据进行清洗、抽取、转换和按照资源域相关维度进行
分层次、分类不、多维度的数据汇总加工。
客服域数据来源是客服系统、维系挽留系统、俱乐部治理、积分等系统。模型核心为客服模型。描述客服、维系挽留、营销、渠道、积分、俱乐部等服务质量相关内容。数据加工要紧
对明细数据做数据一致性、完整性、合法性校验，以及对明细
数据按照客服业务进行数据汇总。
2.数据整合
ODS具备完整的数据整合流程。由ODS 承载企业数据模型（EDM），促进企业各系统数据逻辑模型的统一。通过数据模型
的统一，减少系统间复杂的转换，提高各系统的效率。ODS 中
建立标准的数据编码目录，源系统数据依据标准的数据编码目录，通过整合后进入ODS 中存储，实现企业运营数据的标准化
与统一存储。数据整合要紧包括数据的抽取、清洗、转换三种。
3.数据质量管控
ODS对数据存储、整合流程等提供全周期的数据质量管控。ODS 系统对抽取到的各生产系统的数据进行属性合法性检查、
数据表关联性检查、数据比对稽核等以发觉数据质量问题，反
馈给源生产系统，源生产系统进行数据修正后再提交给ODS 系统，形成数据质量治理的闭环流程，提升运营数据质量。
4.数据模型支撑
ODS具有统一、稳定的模型支撑。运营数据存储（ODS）是
一个面向主题的、集成的、可变的、当前的细节数据集合，用
于支持企业关于即时性的、操作性的、集成的全体信息的需求。采纳面向主题的模型设计思想设计统一的企业数据模型，来集
成来源于多个生产系统的数据，ODS 数据又提供给生产系统和
企业数据仓库使用。ETL 的要紧工作是按照主数据思想集成、
清洗来源于多个系统数据为统一的数据。主题域是模型针对的
业务的某一关注领域或关注点，同一个域内的实体具有高内聚性，不同域的实体之间具有低耦合性。主题域的引入有助于建
立模型框架的整体视图。
3、数据集市
概述
数据集市是将数据仓库中的数据按照不同角度进行组织和存储的过程，数据集市作为EDW、ODS的数据子集，要紧目的是满
足特定用户的应用需求，依照不同的应用需求，建立相应的业
务主题。特点是数据粒度较粗，数据采取星型或雪花型结构，
较少保留历史数据，便于访问分析和快速查询。数据集市具有
面向特定用户群所需、合理的查询响应时刻、便于扩展的特点。在实现方式上，数据集市原则上采纳逻辑部署的模式，考虑到
系统性能和应用效果能够采纳物理部署的模式，然而数据必须
由ODS、EDW统一提供。
系统架构
数据集市分类
数据集市的数据按不同的应用需求，能够分为本地网数据集市、自助取数数据集市、营销维挽数据集市、收入稽核数据集市、网格营销数据集市等。
1.本地网数据集市
本地网数据集市的数据包括两类：
2011-2015年中国商业智能(BI) 市场调研 及发展前景预测报告 随着企业CRM、ERP、SCM等应用系统的引入，企业不停留在事务处理过程而注重有效利用企业的数据为准确和更快的决策提供支持的需求越来越强烈，由此带动的对商业智能的需求将是巨大的。 中国报告网发布的《2011-2015年中国商业智能(BI) 市场调研及发展前景预测报告》共十一章。首先介绍了中国商业智能(BI) 行业市场发展环境、中国商业智能(BI) 整体运行态势等，接着分析了中国商业智能(BI) 行业市场运行的现状，然后介绍了中国商业智能(BI) 市场竞争格局。随后，报告对中国商业智能(BI) 做了重点企业经营状况分析，最后分析了中国商业智能(BI) 行业发展趋势与投资预测。您若想对商业智能(BI) 产业有个系统的了解或者想投资商业智能(BI) 行业，本报告是您不可或缺的重要工具。 本研究报告数据主要采用国家统计数据，海关总署，问卷调查数据，商务部采集数据等数据库。其中宏观经济数据主要来自国家统计局，部分行业统计数据主要来自国家统计局及市场调研数据，企业数据主要来自于国统计局规模企业统计数据库及证券交易所等，价格数据主要来自于各类市场监测数据库。 第一章商业智能（BI）原理及商业价值创造路径分析 第一节商业智能发展阶段 第二节商业智能（BI）内涵、结构及原理 一、商业智能（BI）内涵 二、商业智能（BI）特征功能 三、商业智能（BI）层次结构 四、商业智能（BI）实现原理 第三节商业智能（BI）产业链条解构 一、BI产业链解构模型 二、BI产业链构成现状及特点 三、BI产业链关键环节现状剖析
四、BI产业链发展趋势 第四节商业智能（BI）商业价值创造路径 第二章全球商业智能(BI)产业运行动态分析 第一节全球商业智能(BI)产业运行环境分析 第二节全球商业智能(BI)产业市场透析 一、商业智能引领全球企业信息化 二、商业智能软件厂商 三、制造业是商业智能的重要市场 第三节世界各地区企业对商务智能（BI）应用状况分析 一、欧洲 二、亚太 第四节2011-2015年全球商业智能的五大预测分析 第三章中国商业智能（BI）行业发展背景分析 第一节中国商业智能（BI）行业发展历程 第二节中国商业智能（BI）行业现状特征 第三节中国商业智能（BI）行业发展的全球基调 一、信息技术促使商业模式变革 二、全球经济一体化促进商业理念的传播与变革 三、全球经济一体化促进商务贸易往来 四、全球产业分工与各国产业升级 第四节中国商业智能（BI）行业发展PEST分析 一、改革30年造就数量庞大的企业群体 二、集约化经济转型 三、国内IT技术进步与国外技术引进 四、IT创造价值观念慢慢渗透各行各业 第五节主要发达国家商业智能（BI）发展现状及价值创造启示 一、美国 二、日本
BI（商业智能）四大厂商产品及阐述20090914 2007年，商业智能（business intelligence，下称BI）市场上的厂商掀起过并购狂潮，2008年则轮到客户来选兵择将了。目前，业界最大的4家厂商都向客户承诺：“想要满足企业全部BI和数据管理需求的整套基础设施吗？我们能够办到。想让更多的员工利用BI吗？我们照样能行。”总而言之，每家厂商都在向你兜售他们的BI平台。面对他们的种种说词，你究竟应该耐心倾听还是堵上自己的耳朵呢？先了解一下他们各自的BI策略，将有助于你做出正确的决定。 在去年短短的一年内，甲骨文公司（Oracle，下称甲骨文）收购了海波龙公司（Hyperion，下称海波龙），SAP公司买下了博奥杰软件公司（Business Objects，下称博奥杰），国际商用机器公司(IBM)则吞并了Cognos公司。根据国际数据公司（IDC）的资料，在价值70亿美元的BI工具市场上，包括微软公司（Microsoft，下称微软）在内的四大BI厂商目前占据了半壁江山，预计该市场今年将获得11%的增长。 如今，四巨头正精心打造各自的平台，为客户提供整个企业层面的BI软件解决方案，所有与用户信息相关的IT系统都将被纳入其中。他们致力于将传统的BI工具（如查询、报表和仪表盘）与各自的其他软件产品（包括数据库、中间件、企业应用程序以及协作软件等）更好地整合在一起。与此同时，他们还表示将继续开发和支持能与对手厂商的软件良好兼容的BI工具。不过，你最好别相信这一点。因为厂商的开发团队在为各项目分配时间和资金时肯定会有所取舍，而他们自己的产品毫无疑问将被放在首位。 甲骨文、IBM和微软会鼓动你在采购数据库和BI工具时都选择他们的产品，但你得小心，别太过依赖同一家供应商。MicroStrategy公司的首席执行官（CEO）迈克尔〃塞勒（Michael Saylor）就表示：“首席信息官（CIO）都不愿被某一家厂商的产品绊住手脚，他们更愿意选择那些给他们留有自由空间的厂商。”该公司是硕果仅存的几家独立BI厂商之一，塞勒坚持认为“独立的BI平台才是最可靠的”。 不过，利用主要的几家软件或数据库厂商来为企业打造BI平台也有好处。这些厂商可以帮你把涉及广泛的技术需求拼接到一起，在全公司范围内建立BI 平台，同时尽量减少合作厂商的数量。 在对厂商进行评估时，你得看看自己对心目中理想的BI平台有何标准。如果你认为一切都取决于数据库，那么甲骨文或IBM可能会是最佳选择。如果你想让用户有更多方法对公司交易系统中的数据进行分析，那就看看SAP的产品。如果公司中用到BI最多的人是首席财务官（CFO），那么甲骨文和SAP则是上上之
商业智能（BI）项目 第一章、商业智能(BI)项目总体介绍 第一节、项目名称 商业智能（BI）项目 第二节、商业智能（BI）概念 商业智能又名商务智能，英文为Business Intelligence，简写为BI。 商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。 可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。 因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。
商业智能系统的功能构架 来自：中国计算机用户作者：cgd007 日期：2004年02月02日浏览次数：2096 作者：滕桂法发表：2003.11.12 目前，很多厂商活跃在商业智能（下面称BI）领域。事实上，能够满足用户需要的BI产品和方案必须建立在稳定、整合的平台之上，该平台需要提供用户管理、安全性控制、连接数据源以及访问、分析和共享信息的功能。BI平台的标准化也非常重要，因为这关系到与企业多种应用系统的兼容问题，解决不了兼容问题，BI系统就不能发挥出应有效果。这里我们通过对一个实验室的BI系统模型（我们将其称为D系统）进行功能解剖，来介绍BI系统。 D系统是一个面向终端使用者，直接访问业务数据，能够使管理者从各个角度出发分析利用商业数据，及时地掌握组织的运营现状，作出科学的经营决策的系统。D系统可实现从简单的标准报表浏览到高级的数据分析，满足组织内部人员的需求。D系统涵盖了常规意义上商业智能（BI）系统的功能，主要构架包括以下几个方面。 读取数据 D系统可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 (对应ODBC)中的数据。在读取文本和数据的基础上，D系统还可以完成：连接文本把2个CSV文件中的共同项目作为键（Key），将所需的数据合并到一个文件，这样可以象操作数据库一样方便，但无须用户编程即可实现。 设置项目类型作为数据的项目类型，除按钮(button)（文字项目）、数值项目以外，还可以设置日期表示形式的日期数据项目、多媒体项目和不需要生成按钮但在列表显示中能够浏览的参照项目。 期间设置日期项目数据可以根据年度或季度等组合后生成新的期间项目。同样，时间项目数据可以根据上午、下午或时间带等组合后生成新的时间项目。 设置等级对于数值项目，可以任意设置等级，生成与之相对应的按钮。例如，可以生成与年龄项目中的20岁年龄段、30岁年龄段的等级相对应的按钮。 分析功能 关联/限定关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是，事件发生的概率和条件概率应该符合一定的统计意义。D系统把这种关联的分析设计成按钮的形式，通过选择有/无关联，同时/相反的关联。对于结构化的数据，以客户的购买习惯数据为例，利用D系统的关联分析，可以发现客户的关联购买需要。例如，一个开设储蓄账户的客户很可能同时进行债券交易和股票交易。利用这种知识可以采取积极的营销策略，扩展客户购买的产品范围，吸引更多的客户。 显示数值比例/指示显示顺序 D系统可使数值项目的数据之间的比例关系通过按钮的大小来呈
睿思BI商业智能V3.0 技术白皮书 北京睿思科技有限公司 版权所有 2015年4月
目录 引言 (3) 简介 (3) 系统作用 (3) 基本概念 (4) 系统架构 (5) 数据仓库架构 (5) ETL架构 (6) 数据源 (7) 数据导入 (8) 数据转换 (9) 任务管理 (10) 任务日志 (11) 系统功能 (12) 数据建模 (12) 多维分析 (14) 表格 (15) 图形 (16) 钻取 (17) 聚合 (19) 时间偏移 (19) 筛选及排序 (20) 其他功能 (21) 睿思报表 (22) 报表设计器 (22) 报表页面 (27) 报告 (28) 仪表盘 (29) 仪表盘定制 (29) 选择数据 (30) 选择组件 (30) 编辑组件数据 (31) 配置组件属性 (32) 决策者视图 (32) 移动BI (33) 系统技术特点 (34) 系统性能 (36)
引言 简介 企业在经营过程中每天都会产生大量的业务数据，比如销售、采购、库存、客户、营销等数据，随着规模的不断扩大，数据越来越多，管理成本也越来越大，如何充分利用业务数据，让管理者看到数据背后的危机与机遇，提高决策准确性，降低管理成本是现阶段急需解决的问题。另一方面，管理者对企业经营分析的要求越来越高，以前简单的报表系统已经不能满足需要，管理者需要功能更加强大的在线分析系统来帮助分析，以支持决策。 睿思BI-商业智能V3.0解决方案以数据仓库技术为依托，采用ETL抽取企业在经营过程中产生的业务数据并集中于总部数据中心，利用数据仪表盘、多维分析、数据挖掘等技术构建商业智能平台，为管理者提供及时、准确、科学的决策依据，降低管理成本，助力客户构建智慧型企业。 系统作用 1. 整合业务数据 在各业务系统中，数据不流通，形成信息孤岛，商业智能解决方案建立统一数据仓库，整合业务数据，给管理者提供统一视图，统一决策界面。 2. 支撑决策 从数据中分析企业发展趋势，挖掘新的商业机会，根据数据决策，提高决策的及时性及准确率。 3. 降低运营成本，提高利润 基于系统分析内容，管理者能了解产品结构、分销渠道、工作流程和服务方式，通过优化企业资源及流程，从而降低运营成本，提高利润，增强企业在市场上的竞争能力。
地产智能微网解决方案 该方案主要针对商业建筑如办公楼、购物中心、机场、车站、医 院、科技馆、博物馆、体育馆等大型建筑等，提供清洁能源利用的整设计应用屋顶光伏，体解决方案。方案结合商业建筑特点及用能需求，配置一定容量的储能系统，组成并网型智能微网系统。利用微网能量管理系统，确保清洁能源的优先及高效利用，节约传统能源，实现商业地产的清洁用能、经济用能、智慧用能，达到节能、环保、经济、高效的用能效果，打造绿色、节能、环保、高效的公共建筑用能新模具有很好的经济效益和社会生态效益。树立良好的社会公共形象，式，智能微网可以并网运行，也可以离网独立运行，并可以实现在不同运行模式之间的平滑无缝切换，因此也可以作为商业建筑的应急电源和灾备电源，确保特殊情况下重要负荷的可靠持续用电。
专业资料． 一体化户用微网系统解决方案 在用户自有建该方案为单个用户提供清洁能源利用的一体化微网解决方案。 筑及空间，设计风、光、建筑一体化清洁能源使用方案，结合一定比例的储能元微网同市电联网运行并采取自发自-用电系统，（电、件热）建立户用智能微网发用、余电上网、电网调节的智能运行控制模式，在市电网故障时自动切换到离网之间。5kW-50kW运行模式继续供电。户用微网系统容量一般在
专业资料． 绿色海岛智能微网解决方案
偏远无电地区的生产生活用电问该方案主要用于解决孤立海岛、题。利用分布式风力发电、光伏发电作为主要电源，结合高性能储能用电的-装置，并利用柴油发电机作为后备电源，建设具备发电-配 电 独立微电网系统，解决当地居民的用电难、用电贵的问题。利用柴油发电机组作为备用电源，可以降低系统对储能的容量要求，减少储能设备投资，并提高独立微网的供电可靠性。该解决方案提供的微网系统可以为负荷提供持续稳定的高品质电力供应。
几种典型的商业智能(BI)系统架构分析 1、简单的BI架构这是目前比较常用的商务智能架构，所有的数据集中管理，集中分析，最大的优点是容易管理和部署，系统结构简单，容易维护，适用于小型商务智能系统。缺点是对于跨地域部署比较困难，数据实时性差，可扩展性差。 2、联合的BI架构（Federated BI Architecture）这种架构比较符合实际的需求，能够集成自定义的数据仓库，外包的数据仓库，架构化的数据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。特点是适用于加速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的Metrics度量和维度；需要提供统一的标准，拥有企业级的ETL工具和集成的元数据；需要贯穿于整个团队的沟通。联合的BI架构包括：集中逆向商务智能架构，分布逆向商务智能架构，集中顺序商务智能架构，分布顺序商务智能架构及混合架构等。 2、1 集中逆向BI架构（Centralized Upstream BI Architecture）·通常用于中小组织·需要良好的保管者的沟通·需要高级执行者买进·受限于逆向成功惯例（成功的变化是与任何单一实体的进行尝试是成反比的） 2、2 分布式逆向BI架构（Distributed Upstream BI Architecture）·中小组织和大型组织都适用·是大多数从下
至上注重实效表现的逼近系统·更多的考虑多数人意见·更多的限制于大多数人意见·实施团队需要良好的沟通 2、3 集中式的顺序BI架构（Centralized Downstream BI Architecture）·适用于长期数据仓库项目·用于紧密配合多管道的在巨大组织中到处存在的DW/DM系统·经常目标设定为特殊功能组织或行政中心·需要高层在所有的拥有者进行决策·需要为已有系统在实施团队和支持团队建进行良好的沟通 2、4 分布式顺序BI架构（Distributed Downstream BI Architecture）·适用于大型多元化组织·容易适应各种不同的冲突·容易转换到不同的环境·需要为已有系统在实施团队和支持团队间进行良好的沟通 2、5 混合型BI架构（Hybrid BI Architecture）·比任何理想化模型更接近现实情况·更适应自然的联盟·元数据集成更具有挑战性
商业智能可视化分析系统 数据可视化是商业智能系统的前端，负责与决策者进行交互，是实现数据呈现和分析操作功能的可视化交互工具。可视化系统对于决策者获取决策依据、进行科学的数据分析、辅助决策人员进行科学决策显得十分重要。因此商业智能的可视化系统对于提升组织决策的判断力、整合优化企业信息资源和服务、提高决策人员的工作效率等具有重要的意义。 数字冰雹的商业智能可视化系统具备以下功能： 一、多视图整合、交互联动 基于多种形式的可视化视图，展示数据在不同维度下呈现的数据背后的规律。在任一视图当中，点击数据区块、图例，全部数据视图都会按照相同的筛选条件显示各自统计指标的数据分析结果。 实现了最简单直观的操作模式，实现了全局数据联动筛选分析；帮助用户快速了解全部数据指标在不同维度下的的走势、比例、关系；使用户可以全方位了解企业运行态势，并快速把握数据背后的规律，达到洞悉数据价值的目的 二、支持数据上卷下钻
数字冰雹可视化平台，可以面向上到全球乃至宇宙空间的全局态势数据，下至某一设备传感器的任意时点数据记录，逐级数据的上卷下钻，呈现数据整体与局部的关系。 三、科学专业的交互分析手段 平台提供了一套科学专业的统计数据分析方法和丰富多样的数据显示、交互功能，针对海量数据繁多的指标与维度，按主题、成体系、有针对性的呈现复杂数据背后的联系。包括： ?数据历史回放?数据预警报警?实时监控?推演仿真?数据筛选查询?信息标绘功能 四、超高分辨率、多屏联动、触控交互支持 ?平台可实现高达五千万像素的超清单机输出，并且具备优异的显示加速性能；?系统架构支持主从屏联动、多屏联动、自动翻屏、指定页面输出的屏幕等大屏展示功能，并且提供优异触控交互支持。 ?充分体现用户在信息化建设、大数据分析应用领域的高水准。
商业智能（BusinessIntelligence）介绍 前言 2007年3月，甲骨文以33亿美元价格收购企业绩效管理软件厂商Hyperion(海波龙)，同年4月，BusinessObjects宣布收购Cartesis，BusinessObjects公司需要支付的总交易金额为2.25亿欧元(约合3亿美元)现金。10月8日，德国软件巨头SAP周日表示，将以48亿欧元(约合68亿美元)现金收购法国商业智能软件开发商博奥杰(BusinessObjects)。 商业智能并购金额如此巨大，显示必须有相应的市场规模，BI公司才会拥有如此市值。昂贵的商业智能分析软件，必然伴随着商业智能分析项目的高额软件使用许可费用和实施成本，这还不包括项目实施潜在的失败风险！ 最重要的，商业智能看似日益普及，中小企业是否可以从中受益？ 什么是商业智能呢？先让我们来看看有关权威机构是如何对商业智能定义的！ 第一部分权威机构对商业智能的定义 GartnerGroup --（全球最具权威的IT研究与顾问咨询公司。其研究范围覆盖全部IT产业，就IT的研究、发展、评估、应用、市场等领域，为客户提供客观、公正的论证报告及市场调研报告，协助客户进行市场分析、技术选择、项目论证、投资决策） l商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。 2商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。 IDC --（是IDG（国际数据集团）旗下子公司，全球著名的信息技术、电信行业和消费科技市场咨询、顾问和活动服务专业提供商） l商业智能是一组软件工具的集合： （1）终端用户查询和报告工具：专门用来支持初级用户的原始数据访问，不包括适用于专业人士的成品报告生成工具 （2）OLAP工具：提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析 （3）数据挖掘（DataMining）软件：使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。 （4）数据集市(DataMart)和数据仓库（DataWarehouse）产品：包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。 （5）主管信息系统(EIS，ExecutiveInformationSystem) 通俗地说BI就是收集相关信息并加以分析，以帮助您做决策。成功的BI系统多采用了数据仓库技术。 AMT --（AMTGroup是国内管理理念、管理工具与信息技术领域创办时间最长、最具影响力的权
2016年出版
正文目录 1、BI行业增长强劲，下游需求突出，竞争壁垒有抬升趋势 (4) 1.1、商业智能（BI）认可度持续提高，市场规模不断扩大 (4) 1.2、BI 产业链结构分析 (6) 1.2.1、BI 上游 (6) 1.2.2、BI 下游 (6) （1）、电信行业：大数据潜在金矿、亟待规模开发 (8) （2）、金融行业：效率与安全双轮驱动大数据应用深化 (8) （3）、电子政务：政务信息化政策利好大数据整体解决方案商用 (9) （4）、电力行业：生产信息决策与节能减排双重利好于大数据 (10) 1.3、BI 与大数据的联系与区别 (10) 2、大数据：逐步走向成熟，市场进入爆发成长期 (11) 2、从BI 到大数据4.0的演变历程 (12) 2.1、大数据核心技术不断演进，年增50% (12) 2.1.1、大数据的史前时代 (16) 2.1.2、大数据1.0 效率为先(2012-2015)：非结构化数据处理加速 (17) 2.1.3、大数据2.0 变现为王(2015-2020)：用户画像与标签 (18) 2.1.4、大数据3.0 与4.0 决策为本(2020-2030)：机器学习与洞察 (19) 2.2、大数据产业步入快速增长、国内相关企业产业布局呈哑铃型 (20) 2.2.1、从概念热炒到实际应用，大数据步入快速成长期 (20) 2.2.2、大数据产业链分工明晰，发展侧重数据采集及应用、呈现哑铃型 (21) 2.3、大数据助力产业升级创新 (22) 3、大数据主要应用分析 (23) 3.1、电信行业大数据应用 (23) 3.1.1、电信大数据爆发式增长，但运营商进入存量经营时代 (23) 3.1.2、电信运营商大数据变现具备基础 (24) 3.1.3、利用大数据，聚焦服务、创新、运行支撑 (25) 3.1.4、海外成功先例，值得借鉴 (26) （1）、全球电信运营商大数据实践 (26) （2）、法国电信：利用大数据开拓新服务领域 (28) （3）、西班牙电信大数据应用 (29) 3.2、金融行业大数据应用 (29) 3.2.1、强调大数据环境下的客户、市场、运营洞察 (29) 3.2.2、工商银行：利用大数据洞察客户心声 (31) 3.3、互联网大数据应用分析 (32) 3.3.1、大数据先行者，促进营销、信息与业务多重变革 (32) 3.3.2、BAT：领军大数据变革时代 (33) 3.3.3、亚马逊：用户行为数据分析助推个性化营销 (36) 3.4、工业大数据应用 (37) 3.4.1、借力大数据，实现设备、系统、决策智能化 (37) 3.4.2、工业大数据：中国制造2025 核心技术 (37) 3.4.3、汽车行业：“变形金刚”改变行业战斗方式 (38) 3.5、航空业大数据应用分析 (39)
几种典型的商业智能（BI）系统架构分析 目前，随着商务智能理论的不断发展，商务智能的系统架构已经从单一的理论衍生出多种架构，如分布式商务智能架构，联合商务智能架构等。下图是前BO公司定义的商务智能的基本架构，它是一种开放式的系统架构，可以分布式集成现有的系统。从这个架构中，我们可以比较清楚的看出目前商务智能架构的模式。包括数据层、业务层和应用层三部分。数据层基本上就是ETL过程。业务层主要是OLAP和Data Mining的过程。在应用层里主要包括数据的展示，结果分析和性能分析等过程。在实际应用中，由于每个公司的规模和组织架构的不同，在实施商务智能选择系统架构的时候要结合公司的特点，选者最合适的架构。下面就介绍几种现实系统中的几种BI架构。 BO公司定义的BI架构 1、简单的BI架构 这是目前比较常用的商务智能架构，所有的数据集中管理，集中分析，最大的优点是容易管理和部署，系统结构简单，容易维护，适用于小型商务智能系统。缺点是对于跨地域部署比较困难，数据实时性差，可扩展性差。
2、联合的BI架构（Federated BI Architecture） 这种架构比较符合实际的需求，能够集成自定义的数据仓库，外包的数据仓库，架构化的数据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。特点是适用于加速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的Metrics度量和维度；需要提供统一的标准，拥有企业级的ETL工具和集成的元数据；需要贯穿于整个团队的沟通。联合的BI架构包括：集中逆向商务智能架构，分布逆向商务智能架构，集中顺序商务智能架构，分布顺序商务智能架构及混合架构等。 2.1 集中逆向BI架构（Centralized Upstream BI Architecture） ·通常用于中小组织 ·需要良好的保管者的沟通 ·需要高级执行者买进 ·受限于逆向成功惯例（成功的变化是与任何单一实体的进行尝试是成反比的）
BI商业智能系统
随着企业各种信息系统的建设和完善，企业所拥有的数据越来越多。决策者面对的问题已经不再是缺少信息，而是如何得到正确的信息以帮助制定决策。典型的公司拥有数十乃至上百个应用，但是却难于从中提取、综合、使用这些系统的数据，继而从数据中提取有用的信息，发掘并提升数据的价值。 商业智能(Business Intelligence，简称BI)提供了提取数据、处理加工、信息访问的技术手段。经过多年发展，其运用范围逐渐由支撑特定业务过程的战术性决策发展到在企业范围内系统化地创造价值。因此，越来越多的企业已将其视为战略性的企业应用。 商业智能通过将分散在企业各系统中的数据进行整合，使得繁琐的信息获取过程变得简便易行。任何用户都能够容易的运用这些技术进行决策，业务执行、业务管理、企业管理各个层次上的用户都能够使用不同的工具和技术做出明智的决策，全方位
的提高企业的竞争力。 信息技术在企业中的地位正在由业务支撑工具逐步走向中心性地位，在很大程度上影响着企业如何开展业务和创造新的价值。企业要求IT系统不仅要能够支撑特定业务的执行，而且还要能够创造出新的价值。 由于IT在业务中逐步走向中心地位，对这些信息的访问也需要扩展到原来创建系统所服务的对象之外。系统之间越来越需要广泛的互相连接，以及扩展连接到客户和合作伙伴的系统。 与此同时，由于系统是业务的载体，所以必须要能够跟随业务变化而变化，成为快速革新的助推器而不是障碍。作为企业的关键资产，IT不仅被期望是一个运行良好的成本中心，而且是企业成长和扩张的贡献力量。 业务对IT要求的多种重要能力： 广泛互联的能力：连接客户、合作伙伴，赋予员工新的能力。通过将内部员工、合作伙伴和客户的数据进行整合，并进行加工和提炼后再提供出来供内部员工、合作伙伴和客户使用，商业智能系统提升了三者业务上互相联接的能力 适应变化的能力：随着业务的发展而变化，促进而非阻碍业务发展。 创造价值的能力：在业务的各个不同层面上创造价值。商业智能系统为企业各个不同层面的人提供合适的工具和信息，使得获取准确信息和做出明智决策的能力不仅仅局限于决策层，而是
概念 商业智能的概念于1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处 工作原理 商业智能 (BI) 交付了一个简单的承诺：在全组织范围内交付 更出色的决策制订，从而提升业务绩效。如果您确信对企业数 据的洞察是可靠的、明智的和完整的，那么就可以信任所制订 的全部决策。有了这种程度的信心后，即可安然无忧地提升业 务绩效、树立竞争优势、实现企业目标。 Microsoft BI 有助于交付值得信任、可靠的决策制订，其关键步骤有三个 第一步：优良的数据 为用户提供一种找到所需数据的方法，这些数据采用了一种有助于制订决策、易于理解的格式。Microsoft SQL Server 2005 能帮助改进数据过程。SQL Server 2005 提供了一个企业就绪、久经考验的关系引擎，可存储海量数据，支持高查询负载、高性能和群集，可扩展到满足最大的企业需求。
可为大量用户轻松访问。 第二步;利用工具获取更深洞察力 为最终用户提供资源，帮助他们制订准确、自信的决策。其中一种已被许多人使用、理解和信任的工具就是 Microsoft Office Excel。在Excel 2007 版本中，Microsoft 为分析、可视化数据和获得数据洞察的能力进行了大量投资。 第三步:使决策与公司目标一致 前两个步骤帮助各员工作出单独决策。步骤 3 帮助改进整个组织内的企业级决策制订。Microsoft Office PerformancePoint Server 2007 提供了整合全部企业数据（从销售到 HR，从运营到财务）的信息视图，从而使之成为可能。决策制订现在有了丰富的上下文，捕获了整个企业的所有工作。 Office PerformancePoint Server 2007 构建于 SQL Server 2005和 Microsoft Office 2007 系统之上，它采用以下三种关键方法优化
商业智能分析服务平台 产品概述
目录 产品简介产品概述 (3) 产品优势 (4) 自服务数据准备 (4) 全面 HTML5 (4) 拖拉拽式操作 (4) 丰富图表展示能力 (4) 交互式探索分析 (4) 丰富主题风格和门户首页 (4) 嵌入集成第三方系统 (4) 产品功能 (5) 基础版 (5) 企业版 (5) 应用场景 (6) 数据即时分析与决策 (6) 报表与自有系统集成 (6) 大屏可视化展示 (6)
产品简介 产品概述 19-11-26 19:49:51 腾讯云商业智能分析 BI，整合永洪科技的产品能力，为您提供自服务数据准备、探索式多维分析、企业级管控和报表展现能力，是新一代敏捷自助型 SaaS BI 服务平台。您可通过拖拽式自服务操作进行交互式分析，几分钟完成一套数据可视化报表，快速获得数据分析结果，挖掘数据潜在价值。 腾讯云提供两种版本的商业智能分析来满足不同级别的用户对数据分析可视化的需求场景。 基础版：为入门级用户提供简单易用的数据分析可视化服务。功能包括多数据源接入、多数据类型支持、本地文件上传、数据表自动建模、制作图表和表格等。 企业版：为中高级用户提供强大丰富的数据分析可视化服务。功能除包括基础版的所有功能外，还提供交互式探索联动分析、数据门户、多风格主题、定时邮件推送和分享仪表盘、报表嵌入第三方系统等企业级应用。
19-07-24 10:20:41 自服务数据准备 用户可快速完成异构数据源关联、异常数据过滤、维度度量扩展、缺失值填充、去重、拆分列、范围分组、格式转化等数据预处理功能。 全面 HTML5 采用 HTML5 前端框架，优化交互使用流程，易用性提升，页面响应更迅捷。 拖拉拽式操作 通过拖拉拽方式对任意数据探索、分析、交互，满足用户个性化、临时性的报表统计需求。 丰富图表展示能力 提供柱图、饼图、线图、盒须图、雷达图等20余种图表，同时支持通过 URL 嵌入任意第三方组件，更加方便地将外部信息载入报告。 交互式探索分析 通过笔刷和缩放两种联动方式，即可灵活对数据进行多维分析、探索式分析，释放数据的价值。 丰富主题风格和门户首页 内置颜色风格各异的主题供用户选择。同时用户基于网格、标签和堆栈三种组件，即可灵活地定制企业门户首页。 嵌入集成第三方系统 支持以 URL 方式快速嵌入第三方系统。
商业智能定义和解决方案 什么是商业智能？ 商业智能，或 ，是一种统称，泛指用于对一个企业的原始数据进行分析的各种各样的软件系统。商业智能（ ）是由若干相关的活动组成的领域，包括 数据挖掘，在线分析处理，查询和报表。 企业用商业智能（ ）来提高决策制定，降低成本和识别新的商机。商业智能（ ）不仅仅只是公司的报表或从企业系统中引导出信息的一套工具。信息主管通过商业智能（ ）来发现企业内低效的，需要改进的商业流程。 利用现在的商业智能（ ）工具，商业人士可以随时自己开始对数据进行分析，而不要等待 来运行一个复杂的报表。这样民主化的信息访问让用户在做商业决策时有了硬性数据的支持，否则就只能基于直觉来做出决策。 虽然商业智能（ ）有光明的前景，但它的安装启用却受到技术和企业文化挑战的困扰。高管们必须确认在商业智能（ ）系统中所用的数据是干净与一致的，所以用户才会信任它。 什么样的企业会使用 系统？ 象 ， ， 和 这样的连锁餐馆业大量地使用着商业智能（ ）软件。他们用商业智能（ ）做出战略决策，诸如在菜单上添加什么新品，哪一种菜式要被删 除和哪一个业绩欠佳的店要被关闭。他们还用商业智能（ ）来决定战术的事项，象与食品供应商重新谈判合同和找到改进低效率流程的
机会。因为连锁餐馆深受 日常商务运作的驱动，而商业智能（ ）对他们经营上的帮助是如此的重要，所以他们成为所有行业中使用 的中坚力量，而真正地从这些 系统中得到实际 价值。 的关键组件之一 业务分析 是在各种行业中成为一个成功企业所必不可少的，在专业的体育团队像波士顿的 ，奥克兰的 和新英格兰的 中，业务分析就更加的必不可少。 利用一种分析的方法， 在四年中赢得了三次美国橄榄球超级杯大赛。这个球队在很多方面都用到了 数据和分析模型，无论是在场内还是场外。深入的分析帮助这个球队在全美橄榄球联盟（ ）的薪资上限之下选择球员。 的教练与球员对比赛 录相和统计资料的研究是出了名的，教练 阅读由经济学者写的关于足球赛结果的统计概率的学术文章。在场外，这只球队利用详细的分析评价和改进 全体球迷体验 。在每一场主场比 赛，举例来说，会特别安排 至 人进行定量测定体育场的食物、停车、人员、浴室整洁和其他因素。 在零售业，沃尔玛（ ）利用大量的数据和分类分析来帮助它占领市场。 在赌博业 的竞争中改变了它的基调，从建立大型赌场转向分析周边客户的忠诚度和服务上。亚马逊（ ）和雅虎（ ）不仅仅是电子商务网站，他们忙于 分析和遵循一种 测试和学习 的方法转变商业。 一年要做 多次的实验来鉴定理想的客户和为信用卡定价。 谁应该起到领导的作用？
数据仓库与数据挖掘论文题目BI技术应用现状及相应软件工具介绍评语： 学院计算机工程学院班级计算1314 姓名__苏帅豪___ 学号201321121109
成绩指导老师曾勇进 2016年 6 月12 日 BI技术应用现状及相应软件工具介绍 [摘要] 商业智能是从大量的数据和信息中发掘有用的知识，并用于决策以增加商业利润，是一个从数据到信息到知识的处理过程。本文从当前商业智能实际出发，清晰阐述了商业智能的概念，总结和分析了商业智能发展的现状,并对商业智能今后的发展做出了展望。与此同时,客观分析了目前我国商业智能发展的状况,介绍了BI工具的情况。使我们能够认清形势,更好地发展。 [关键词] 商业智能、cognos、数据仓库、查询与报表 [正文] 1.商业智能概念： 提到“商业智能”这个词，网上普遍认为是Gartner机构在1996年第一次提出来的，但事实上IBM的研究员Hans Peter Luhn早在1958年就用到了这一概念。他将“智能”定义为“对事物相互关系的一种理解能力，并依靠这种能力去指导决策，以达到预期的目标。” 在1989年，Howard Dresner将商业智能描述为“使用基于事实的决策支持系统，来改善业务决策的一套理论与方法。”商业智能通常被理解为将企业中现有的数
据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。 可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力，促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取、转换和装载，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、联机分析处理工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。 2.商业智能的出现背景 企业的“数据监狱”现象。商务活动从办公自动化出现的早期开始就在其运作
商务智能与决策支持教学案例 案例1：光大银行商务智能系统的实施 一、案例内容 成立于1992年8月的光大银行，作为国内最大的股份制商业银行，拥有众多客户群，几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务。对于一个如此庞大的机构，如此繁多的金融服务，管理的复杂性可想而知。近年来，通过综合柜台业务系统、阳光卡系统、网上银行系统和办公自动化系统等一系列信息化基础建设，光大银行率先实现了业务系统全国联网和总行数据大集中。 在成功实现业务系统全国联网和总行数据大集中后，经营管理分析方面又出现了一些亟待解决的新问题，如：统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。众多新问题的出现是银行管理层始料未及的。 为了尽快突破海量数据的“封锁”，挖掘其中蕴涵的知识和信息，光大银行决策层于2002年初开始立项商业智能及数据仓库系统。光大银行根据自身情况，以实际需要为导向，对各家方案的优劣进行仔细分析、反复考察、综合考虑。最终，菲奈特软件公司的高端商务智能产品BI.Office以其领先的技术和简便的操作从众多竞争者中脱颖而出，赢得了光大银行决策层的一致青睐。 经过商议，双方在国际结算业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险，将从国际结算业务统计分析系统开始，各个项目逐步实施。成功的选型是光大银行商业智能应用系统成功实施的开始。国际业务部商业智能的应用证明，光大银行所采取的“以部门为基础实施数据处理”的决定是正确的，也是务实的。 从2002年12月开始，菲奈特BI.Office商业智能应用平台相继应用于光大银行其他几个业务部门，形成相应部门的商业智能系统。这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP 和Data Mining等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。 一个应用实例：有一段时间存款余额持续不断的增长，但是同期的流失客户数也在不断增长，这个问题引起了业务部分析人员的高度重视。该分析人员通过系统进行自助分析，最后发现，问题的根源在于很多客户经理为了完成揽存目标，费了大量的人力和成本开拓新行业、新客户，而忽略了对老客户的关系管理，才出现了存款余额和流失客户数同时增长的怪想象。于是马上向主管领导反映，当天就在全行下达了整改通知，及时阻止了不良趋势的蔓延。” 目前，光大银行的商业智能系统已经成为管理层进行战略实施、绩效考核不可或缺的工具；各级业务人员的日常经营分析在很大程度上也有赖于该系统的支持。BI.Office在光大银行取得了圆满成功。 二、案例点评 通过案例，我们了解到光大银行选择了BI（商业智能）系统，很好的解决了利用数据进行分析，从而为决策提供强有力支持的问题，提高了工作效率和质量，达到了较高的投资回报率。其实，不难发现银行业的业务数据已经或者正在实现“大集中”，数据大集中为提高BI系统的成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好的基础。随着国内银行与境外银行竞争的加剧，应用BI系统进行风险分析、业务决策将是国
几种典型的商业智能（BI ）系统架构分析 目前，随着商务智能理论的不断发展， 商务智能的系统架构已经从单一的理论衍生岀多种架 构，如分布式商务智能架构，联合商务智能架构等。下图是前 BO 公司定义的商务智能的基本架 构，它是一种开放式的系统架构，可以分布式集成现有的系统。 从这个架构中，我们可以比较清 楚的看岀目前商务智能架构的模式。包括数据层、业务层和应用层三部分。数据层基本上就是 ETL 过程。业务层主要是 OLAP 和Data Mining 的过程。在应用层里主要包括数据的展示，结果分 析和性能分析等过程。 在实际应用中，由于每个公司的规模和组织架构的不同， 在实施商务智能 选择系统架构的时候要结合公司的特点， 选者最合适的架构。下面就介绍几种现实系统中的几种 BI 架构。 BO 公司定义的BI 架构 1、简单的BI 架构 这是目前比较常用的商务智能架构， 所有的数据集中管理， 集中分析，最大的优点是容易管 理和部署，系统结构简单，容易维护，适用于小型商务智能系统。 缺点是对于跨地域部署比较困 难，数据实时性差，可扩展性差。 fl: FTL 14 FLL 育 一 H 屮 iirlHig Infrastructure 1 — Intetgradcn Qijer^ 叭 別FS 毎 wr ffi*. WM. sew L 粹磚舸tn 砒餌51心1血 ；K3i 0^4 T 4.; Fit
2、联合的 BI 架构(Federated BI Architecture ) 这种架构比较符合实际的需求， 能够集成自定义的数据仓库， 夕卜包的数据仓库， 架构化的数 据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。 特点是适用于加 速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的 Metrics 度量和维 度；需要提供统一的标准，拥有企业级的ETL 工具和集成的元数据；需要贯穿于整个团队的沟通。 联合的BI 架构包括：集中逆向商务智能架构， 分布逆向商务智能架构， 集中顺序商务智能架构， 分布顺序商务智能架构及混合架构等。 12 Soppily Cho3ln Or-a-cle Fliuiidal^ Sl&fcel C RIM Mud! Party 2.1 集中逆向 BI 架构 (Centralized Upstream BI Architecture ) ?通常用于中小组织 ?需要良好的保管者的沟通 ?需要高级执行者买进 ?受限于逆向成功惯例(成功的变化是与任何单一实体的进行尝试是成反比的) Infoinwrl A at! |o 15