一
商业智能基本概况 商业智能市场介绍 商业智能关键技术 商业智能行业应用 行业现状及发展趋势 企业BI实施、推广策略
体系架构
ETL 数据仓库（DW） 元数据（Metadata）
二
三 四 五 六
数据挖掘（DM）
联机分析技术 （OLAP）
58
基本体系架构
59
系统技术架构
运维管理平台
6
我们为什么不满?
… 但高层管理者也不高兴
90%的财务经理对花5个月和20%的工作时间来做年计划/预算很不满 意。 每月要花11天做月报表，14天时间做预测。 仅有37%的决策者认为财务具有决策支持能力（有21%的经理认为 财务具有预测能力；仅19%的经理认为财务具有风险管理能力）。 高级经理平均每月要看140指标。 很多CEO不得不处理跌宕起伏的利润以及会计处理的重新调整。
目标或协议）和运用趋势报表。
支持公开的、透明的信息系统。
15
CIO调查
16
17
18
• 商业智能的本质正是把数据转化为知识，致力于知识发现和挖掘，减 少数据孤岛、适应新兴技术、实现数据资产化
19
商业智能的定义 -- 1989年 Gartner首次 提出商业智能概念
综合各种理解的核心，商业智能是指从数据中发现有价值的规律、模式， 将数据转化为知识，支持企业的决策、营销、服务的一系列软件、技术、 方法的集合。
数据源元数据管理
数据仓库技术 数据仓库方法论 J2EE架构
技术元数据
元数据管理技术 数据存储技术
商业元数据管理
SOA架构 PORTAL技术
数据治理方法论
ቤተ መጻሕፍቲ ባይዱ
关键技术----ETL
源数据 数据接入区 数据交换区 基础数据区 应用数据区 数据接出区
基础数据 交换
File1
当前快照
低阶公共汇总
指标视图
企业各类数 据
更有效的智能化管理
灵活和可视化 分析与优化
第一阶段 信息管理 • 建立客户为中心的数据 仓库和数据集市 • 集成复杂的管理工具 （OLAP、数据挖掘和 业务评估） • 数据分析影响业务模式 • 集成客户交流渠道 第一阶段 信息管理 • 软件到服务（SaaS BI） • 具有可配置型、灵活性 及变化性更强的功能 • 可视化和模型化 • 嵌入式BI • 实时BI
DB2以及Cognos、SPSS、Datastage，覆盖BI全部领域
Oracle、Hyperion、BIEE、ODI，覆盖BI全部领域，数据挖掘领域有 待加强 SQL Server，覆盖BI全部领域，适合中小型企业，性价比高
Informatica Informatica，主要是数据集成领域 Teradata Sybase SAP SAS Teradata，主要是数据仓库领域 Sybase Business IQ，主要是数据仓库领域 Objects、Crystal Reports，主要是Olap和报表领域
源系统层
总部系统
系统监控管理 ODS+DW ETL层 数据集市层 应用层
应用安全管理
展现层 企业报表
1
ETL层
操作型数据存储
地产板块系统 房托板块系统
报表模型
2
3
4
5
洗漱
查询模型
即席查询 多维分析 电子地图 战略决策模型 监控预警 计量统计 经济分析
1
16 2/3 % 16 2/3 % 16 2/3 % 16 2/3 % 16 2/3 % 16 2/3 %
File2 File3
基础数据 交换 基础数据 交换
历史拉链
高阶公共汇总
汇总数据视图
数 据 访 问
数据库连接
事件流水 基础数据 交换 公共代码
指标
明细数据视图
数据下发
应用集市
数据接口
公用参数
数据接口
操作数据区
基础数据 交换 数据接口 基础数据 交换 数据扩展 数据接口
数 据 提 供
补录、维护
缓冲数据 交换
数据仓库
第一阶段 信息管理 • 建立数据仓库存储业务 数据 • 建立数据集市解决特定 的专题分析 • 提供OLAP应用
业务报表
第一阶段 信息管理 • 提供基本、静态信息 • 固定格式、时间、内 容
商务智能发展
22
发现-业务问题
23
发现—被动决策
24
发现—主动决策
25
Source（SAS）
26
转换
交通板块系统
合并
金融板块系统
基础业务信息数据库 转换 经营分析模型
2
3
4
5
其他板块系统
补录 数据区
数据挖掘模型 ……
数据挖掘 虚拟雇员
16 2/3 % 16 2/3 % 16 2/3 % 16 2/3 % 16 2/3 % 16 2/3 %
外部数据
系统管理平台
ETL技术 XML\WEBServices
50%以上的CEO认为在于开拓新市场；40%以上的CEO认为是提高客户关系；近30%
的CEO认为来自于新渠道；近20%的CEO 认为体现在多元化等
对财务人员的调查状况 我们为什么不满?
财务人员感觉很辛苦 …
财务部的平均成本在过去10年间从收入的3%降到1%（最好的公司 是0.6%) 我们减少工作了吗? 没有. 甚至我们的工作比以前更辛苦.
帮助管理者更好的进行风险评估与调整。
提供外部数据实现内部核查（参照同行、竞争者和基准决定我们怎样 做？）
通过系统的整合实现持续计划和资源优劣排序以支持最好的投资机会。
通过措施与行动的统一来帮助管理者执行他们的策略
9
如何改变现状
10
财务新视角
11
创造时间
简化、标准化、和授权 …
从明细的、复杂的组织中释放出来（包括预算、目标、和更多的措
市场概况 市场并购 市场规模
二
三 四 五 六
市场结构
主要供应商
47
48
国内商业智能的潜在需求
49
国内BI市场规模
50
51
52
Magic Quadrant for Business Intelligence Platfroms
53
54
55
厂商
产品及简介
IBM
Oracle Microsoft
数据接口
ETL特征
• • • • • 以串行/并行方式，从不同异构数据 数据源流向统一的目标数据，核心在于转换过程（关联、聚集），而抽取 和装载一般可以作为转换的输入和输出。 ETL元数据主要包括每次转换前后的数据结构和转换的规则。 数据同步，数据ETL是经常性的活动，按照固定周期运行，甚至实施运行。 庞大的数据量，需要ETL工具具有良好的伸缩性。 流程控制和数据验证机制。
商业智能工具软件
查询、报表和分析工具软件 仪表盘、报表生成、联机 分析、即席查询 高级分析工具软件 数据挖掘与统计
内容分析工具软件
生产计划分析应用软件 需求、供给和生产计划
人力资源分析应用软件
空间信息分析工具软件
数据仓库管理平台
数据仓库管理软件 数据仓库生成软件 数据抽取、转换、载入；数据质量
目 录
61
关键技术—数据仓库（DW）
• DW定义
按照W.H.Inmon这位数据仓库权威的说法，“数据仓库（Data Warehouse）是一个面向主题的、 集成的、时变的、非易失的数据集合，支持管理部门的决策过程。” 面向主题的（subject-oriented）：数据仓库围绕一些主题，如顾客、供应商、产品和销售组织。 数据仓库关注决策者的数据建模与分析，而不是集中于组织机构的日常操作和事物处理。因此， 数据仓库排除对决策无用的数据，提供特定主题的简明视图。 集成的（integrated）：通常，构造数据仓库是将多个异种数据源，如关系数据库、一般文件和 联机事务处理记录集成在一起。使用数据清理和数据集成技术，确保命名约定、编码结构和属 性度量等指标的一致性。 时变的：数据存储从历史的角度提供信息。数据仓库中的关键结构，隐式或显式地包含时间元素。 非易失的（nonvolatile）：数据仓库的数据是有历史保存意义的，数据仓库的数据也只使用添加 的方式，进入数据仓库的数据一般情况下是不需要更新的，这样就保证了数据的稳定性。通常， 它只需要三种数据访问：数据的初始化装入、数据的添加和数据的查询访问。
7
我们为什么不满?
问题是财务做了太多低价值的工作 …
太多的对帐和月结工作
太多的指标 太多的不相关报表
太多的明细预算、目标和差异报表。
太多的记分卡 太多的从不同IT系统出来的表格
太多的手工处理
太多的无价值会议
8
我们为什么不满?
… 和没有足够多的高价值工作
了解价值驱动因子 了解哪里能创造价值，哪里不能创造价值（产品、渠道、和客户是值 得做的） 提供更多的相关预测和趋势分析来提高可见度
案例5：国外某银行ATM交叉销售（3）
40
商业智能价值体系概述
41
商业智能价值体系分析方法与模型概述
42
数据仓库成熟度评估模型的引入补充价值分析的“漏洞”
43
数据仓库成熟度评估模型
44
数据仓库成熟度评估-评分标准示例
45
寻找和最佳实践的缺口就是下一次改进的机会
46
目 录
一
商业智能基本概况 商业智能市场介绍 商业智能关键技术 商业智能行业应用 行业现状及发展趋势 企业BI实施、推广策略
施/报表与项目） 自动的、集中的、标准的（可能是外部资源）处理日常工作。 将计划编制和最终决策分散到与客户密切联系的团队（利用统一的 整合系统）