帆软：商业智能（BI）白皮书2.0（37页）.pdf

《帆软：商业智能（BI）白皮书2.0（37页）.pdf》由会员分享，可在线阅读，更多相关《帆软：商业智能（BI）白皮书2.0（37页）.pdf（37页珍藏版）》请在三个皮匠报告上搜索。

1、最核心的是展示类的数据可视化技术，抛开企业数据量级的不同和深度分析的需求，数据可视化技术能够满足最基本的 BI 目标，即将数据转化为信息并辅助决策;数据可视化的具体形式又分为报表和可视化图表两大类，其中报表是我国大多数企业目前的主要数据展示形式。数据可视化旨在借助于图形化手段，清晰有效地传达与沟通信息。其基本思想是将数据库中每一个数据项作为单个图元素表示，大量的数据集构成数据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观察数据，从而对数据进行更深入的观察和分析。例如柱形图、折线图和饼图等一些基础的图表就可以直观地展示出数据。当数据较为复杂时，可以通过复杂图表搭配多样的交互

2、效果来将数据直观化。其次是 OLAP、数据挖掘等分析类技术，能够基于现有数据提供更深入的洞察。数据挖掘技术需要一定数据量的支撑，而企业不一定要等到数据量足够大时才能应用 BI，结合我国企业的信息化现状，数据挖掘目前并不是 BI 系统的关键技术需求。联机分析处理(OLAP，Online Analytical Processing)主要关注多维数据库和多维分析。OLAP 委员会对联机分析处理的定义为：使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互的存取，从而获得对数据更深入了解的一类软件技术。最后是支撑类

3、技术，包括数据仓库、ETL、大数据技术和元数据管理等，用于管理繁杂的、不断增长的企业数据，为整个 BI 系统体系提供持续的、强力的、稳定的支撑。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(Decision Making Support)。数据仓库的出现，并不是要取代数据库。大部分数据仓库还是用关系数据库管理系统来管理的，数据库、数据仓库相辅相成、各有千秋。ETL 是 Extract-Transform-L

4、oad 的缩写，用来描述将数据从来源端经过抽取(Extract)、交互转换(Transform)、加载(Load)至目的端的过程。它是构建数据仓库的关键环节，数据仓库主要是为决策分析提供数据，所涉及的操作主要是数据的查询，所以 ETL 过程在很大程度上受企业对源数据的理解程度的影响，也就是说从业务的角度看数据集成非常重要。大数据(Big Data)是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。顾名思义，大数据技术就是收集、存储、处理、分析大数据的相关技术。当前大部分企业已满

5、足大数据的 5V特征，因此，BI 引入大数据技术，旨在从大数据中快速获取价值。元数据(Metadata)又称中介数据、中继数据，用于描述数据属性的信息，是描述数据的数据(Data about data)。其使用价值主要在于在识别资源、评价资源、追踪资源在使用过程中的变化、实现简单高效地管理大量网络化数据、实现信息资源的有效发现、查找、一体化组织和对使用资源的有效管理。由于元数据也是数据，因此可以用类似数据的方法在数据库中进行存储和获取。BI 工具是以数据可视化和分析技术为主，具备一定的数据连接和处理能力的软件工具，使用者能通过可视化的界面快速制作多种类型的数据报表、图形图表，可以满足企业不同人

6、群在一定的安全要求和权限设置下，实现在 PC 端、移动端、会议大屏等终端上数据的查询、分析和探索。按照技术发展和对用户需求的响应，当前 BI 工具可以分为报表式 BI、传统式 BI 和自助式 BI 三类。这三类 BI 工具分别适用于不同的场景，不是相互替代的关系。它们将长期共存，供企业按需选择，直到信息化基础条件发生根本的改变。报表式 BI 工具主要面向 IT 人员，适用于各类固定样式的报表设计，通常用来呈现业务指标体系，支持的数据量相对不大。国内的报表式 BI 于 1999