BI的选型、体系架构与相关技术

1、更多企业学院： 中小企业管理全能版183套讲座+89700份资料总经理、高层管理49套讲座+16388份资料中层管理学院46套讲座+6020份资料国学智慧、易经46套讲座人力资源学院56套讲座+27123份资料各阶段员工培训学院77套讲座+ 324份资料员工管理企业学院67套讲座+ 8720份资料工厂生产管理学院52套讲座+ 13920份资料财务管理学院53套讲座+ 17945份资料销售经理学院56套讲座+ 14350份资料销售人员培训学院72套讲座+ 4879份资料更多企业学院： 中小企业管理全能版183套讲座+89700份资料总经理、高层管理49套讲座+16388份资料中层管理学院46套讲

2、座+6020份资料国学智慧、易经46套讲座人力资源学院56套讲座+27123份资料各阶段员工培训学院77套讲座+ 324份资料员工管理企业学院67套讲座+ 8720份资料工厂生产管理学院52套讲座+ 13920份资料财务管理学院53套讲座+ 17945份资料销售经理学院56套讲座+ 14350份资料销售人员培训学院72套讲座+ 4879份资料更多企业学院： 中小企业管理全能版183套讲座+89700份资料总经理、高层管理49套讲座+16388份资料中层管理学院46套讲座+6020份资料国学智慧、易经46套讲座人力资源学院56套讲座+27123份资料各阶段员工培训学院77套讲座+ 324份资料员

3、工管理企业学院67套讲座+ 8720份资料工厂生产管理学院52套讲座+ 13920份资料财务管理学院53套讲座+ 17945份资料销售经理学院56套讲座+ 14350份资料销售人员培训学院72套讲座+ 4879份资料爸什么是BI拔？哎柏商业智能也称作BI，哎是英文单词办Busin氨ess I爸ntell瓣igenc绊e的缩写。昂商业智能的百概念最早在盎1996年俺提出。版当时将商业靶智能定义为背一类由数据爱仓库（或数翱据集市）、澳查询报表、瓣数据分析、疤数据挖掘、安数据备份和哎恢复等部分扒组成的、以挨帮助企业决哎策为目的技拌术及其应用袄。凹目前，商业巴智能通常被绊理解为将企蔼业中现有的熬数据转

4、化为坝知识，帮助摆企业做出明伴智的业务经胺营决策的工拔具。这里所拔谈的数据包绊括来自企业白业务系统的拌订单、库存颁、交易账目笆、客户和供拜应商等来自办企业所处行皑业和竞争对扒手的数据以般及来自企业傲所处的其他斑外部环境中爸的各种数据拌。而商业智笆能能够辅助爸的业务经营般决策既可以靶是操作层的岸，也可以是坝战术层和战吧略层的决策碍。为了将数敖据转化为知扳识，需要利搬用数据仓库颁、联机分析捌处理（OL岸AP）工具盎和数据挖掘凹等技术。奥因此，从技翱术层面上讲办，商业智能挨不是什么新凹技术，它只懊是数据仓库氨、OLAP哎和数据挖掘罢等技术的综拜合运用。艾图 1 商埃务智能的发癌展霸因此，把商拜业智能

5、看成柏是一种解决伴方案应该比拔较恰当。凹商业智能的版关键是从许懊多来自不同奥的企业运作鞍系统的数据胺中提取出有碍用的数据并瓣进行清理，半以保证数据爸的正确性，爸然后经过抽稗取（Ext吧racti蔼on）、转熬换（Tra扒nsformatio蔼n）和装载柏（Load佰），即ET奥L过程，合靶并到一个企霸业级的数据傲仓库里，从挨而得到企业袄数据的一个板全局视图，肮在此基础上案利用合适的傲查询和分析隘工具、数据吧挖掘工具、稗OLAP工凹具等对其进耙行分析和处芭理（这时信胺息变为辅助伴决策的知识埃），最后将跋知识呈现给懊管理者，为唉管理者的决俺策过程提供百支持。斑c。按图 2 商翱务智能的原柏理BI的

6、选型霸要选型，首唉先要了解目熬前市场上主癌流的BI产霸品：鞍数据库拔方面，有D艾B2、Or翱acle、捌SQL S笆erver颁、Teradata，颁早先还有专吧门用于数据哀仓库的Re班dbric瓣k（被IB伴M收编以后拌，退出历史百舞台）。霸M。袄ETL工具芭上，像Da岸tasta案ge、Po把werce案nter都爸是比较主流版的，此外，版还有很多公司也有自己班的ETL产凹品，例如S熬AS的ETL Ser般ver、B颁O的Dat按a Int斑egrat背or等。耙1。奥OLAP工鞍具拜上，则还可捌以细分为M爱OLAP（矮Muilt艾-瓣Dimen蔼sion 傲OLAP，多维度型在凹线分析系

7、统癌）和ROL伴AP（Re隘latio柏nal O癌LAP，关隘系型在线分瓣析系统），疤前者可以选盎择Hype邦rion、坝Cogno皑s、Mic啊rosof拔t公司的产疤品，而后者拌可供选择的扮余地就不多班，像Mic袄rostr案ategy袄可能是目前叭能够看得见澳市场份额比爸较大的，以俺前和Red昂brick爱一起。此外按，还有一个板叫Meta伴cube的佰ROLAP颁工具，早在斑2000年坝以后也退出吧市场。胺B。疤数据挖掘叭产品领域，疤有SAS、氨SPSS等背两大厂家，盎而像IBM肮、Tera拔data也拜都有自己的氨挖掘工具。柏除此之外，耙在报表服务半器、前端工败具上的选择吧可就多了

8、，拔其中，Co扒gnos、拌BO、Br肮io是比较伴主流的。爱E。盎从这些主流八产品来看，袄大多是舶来奥品。国内也拜有研发BI绊产品的，但白多限于ETL、前端以案及数据挖掘挨产品。翱j。案从目前各类把用户的产品霸选型过程来爱看，问题多疤出在以下几澳个方面。摆其一，只见罢树木不见森傲林，只顾得氨降低单个工稗具的成本，敖却忽视了总哀体成本。八有些大企业昂在IT建设拜上一掷千金把，从不在乎搬在购买产品伴上投入多少啊，每一块都板是选用最好班的。但是，扮更多的企业柏则不得不出安于成本考虑岸，能省则省隘。除了数据搬库和OLA般P工具两项敖之外，经常敖动心思的地鞍方就是，设肮想如果把E佰TL和前端隘展现自己

9、来爱开发是不是白会省点资金蔼出来。坝b。笆然而问题是扳，如果仅仅翱从单个产品靶的成本考虑班而忽视综合熬的项目成本爸，最后很可败能会被难以癌维护的程序岸所困扰，甚氨至要完全推耙翻重来，这瓣样的成本恐靶怕会更高。昂而对于那些班财大气粗的大企业来说昂，即便选择氨了每个领域熬最好的产品扳，组合起来奥也不一定就跋是最好的。柏v。靶其二，评估吧报告难以客扮观。搬企业负责产白品选型的人叭，通常要求哀厂商提供一爱份评估报告绊，要列出几艾种方案选择懊，各自优劣绊何在，最后霸得出哪种方霸案是最适合颁自己的。半M。跋如果从字面摆上理解此报疤告，某种产败品哪方面比坝较好，哪方爱面不好，这熬并不客观。埃对于厂商而白言，

10、这就是拔一笔单子，笆当然会尽量拌把自己产品伴的优势体现拜出来，而回肮避自己的弱矮势。同时对版于选型负责埃人来说，也疤许其早就对埃某种工具有按好感，或是扳跟某个厂家盎的关系不错百，甚至有更般进一步的交阿易。这样的扒情况，想客癌观一点不容阿易。八j。选型要点伴其实，如果半是选择这些隘主流的产品办的话，大家肮知道一句话半，靶“没有最好傲的，只有最百合适的”。扳什么是最合昂适？抛开上艾面提到的幕皑后因素，其叭实也就是三盎点需要考虑胺产品成拔本、开发人暗员对这个产稗品的熟悉程碍度、有没有板类似案例。肮P。跋首先看成本百。NCR、背IBM和Oracle蔼的产品线完阿整，但却很疤贵。微软的跋产品便宜些袄，可

11、如果数败据量大，恐爱怕又不太敢版用它，就更傲别谈那些不罢要钱的开源疤产品了。靶当然，成本澳不光是产品百本身的价格跋决定的，后邦面人员学习盎、项目延期板、客户满意按度低都要作翱为成本考虑班，这些隐型傲成本才是难奥以计算的。埃提到成本，巴就不能不提耙一下BI模暗型，因为B袄I产品中模爱型是最昂贵办的一部分，按在国内很大把一部分企业爱采用的自主皑开发的方式翱，采用这种肮方式可以避佰免高额的费用，但却无板法学习到国埃外先进的商业经验。R。背再看人员的安经验。人的笆学习曲线是俺不可避免的案，不要妄想八人们接触一跋个新产品就哎能立马成为跋高手，能够罢基于陌生的爸产品做出良佰好架构。这稗方面，显然罢Orac

12、le和微软有斑优势，因为把在这两家产鞍品上有经验叭的人多，好吧找。当然，艾如果你们原袄来的业务系白统用的就是爸这几家产品氨之一，不妨按仍然用它。拜x。芭其次案例比般白皮书更重癌要。如今很百多BI厂商哎可以提供全扳方位解决方巴案，提供一爸站式服务。把像IBM、坝Oracl懊e、SAS爸都称自己是翱这样的全方拌案提供商，坝也就是说它熬们的产品线埃已经包含了哀数据库、O摆LAP、E按TL等各类鞍工具。直接袄选用它们，安就不用再为癌工具选型烦爸恼了，傲但企业有时芭由于各方面艾的原因，决背定不使用一办家产品时，俺要考虑他们之间是否兼罢容。但如果袄你要是从产凹品的白皮书芭里去寻找此案类信息，会斑发现说得很

13、半美，互相之傲间会如何完绊美地“无缝巴”兼容，但白实际上却不伴是那么回事艾。因此，不袄要去看这些氨文字的东西拜，要去寻找挨同行业类似熬的案例，如佰果同行业没拔有，就去寻胺找数据量类疤似、业务复傲杂度类似以搬及相似应用胺的其他行业袄案例。扒U。胺BI的体系拌架构及相关啊技术熬一个BI系案统为了满足柏企业管理者挨的要求，从佰浩如烟海的班资料中找出肮其关心的数拌据，必须要袄做到以下几斑步：凹Q。阿为了整合各澳种格式的数扳据，清除原半有数据中的败错误记录颁数据预处白理的要求。摆C。隘对预处理过半数据，应该翱统一集中起来元数邦据(Met敖a Dat坝a)、数据靶仓库(Da昂ta Wa盎rehou靶se)

14、的要巴求；背4。隘最后，对于绊集中起来的安庞大的数据艾集，还应进颁行相应的专肮业统计，从昂中发掘出对半企业决策有袄价值的新的办机会O跋LAP(联靶机事务分析佰)和数据挖邦掘(Dat按a Min佰ing)的懊要求。敖0。败所以，一个摆典型的BI伴体系架构应该包含这3阿步所涉及的啊相关要求。案图 3 B哀I的体系架芭构艾整个体系架叭构中包括：拜终端用户查阿询和报告工阿具、OLA罢P工具、数爱据挖掘（D挨ata M懊ining板）软件、数哀据仓库（D绊ata W吧areho癌use）和按数据集市（熬Data 隘Mart）熬产品、联机肮分析处理 哎(OLAP拜) 等工具澳。爸J。翱1）、终端搬用户查询

15、和阿报告工具。瓣专门用来支澳持初级用户拌的原始数据班访问，不包括适应于专摆业人士的成澳品报告生成鞍工具。瓣U。绊2）、数据坝预处理(S凹TL-数据隘抽取、转换艾、装载)哎从许多来自百不同的企业蔼运作系统的八数据中提取瓣出有用的数背据并进行清芭理，以保证半数据的正确按性，然后经败过抽取（E肮xtrac隘tion）疤、转换（T唉ransf澳ormat皑ion）和疤装载（Lo版ad），即巴ETL过程碍，合并到一瓣个企业级的俺数据仓库里芭，从而得到癌企业数据的拌一个全局视扒图。蔼o。半3）、OL霸AP工具。跋提供多维数巴据管理环境埃，其典型的把应用是对商岸业问题的建拌模与商业数哎据分析。O埃LAP也被

16、般称为多维分板析。案y。爱4）、数据跋挖掘（Da霸ta Mi拜ning）芭软件。柏使用诸如神皑经网络、规懊则归纳等技般术，用来发败现数据之间拌的关系，做般出基于数据敖的推断。伴w。暗5）、数据俺仓库（Da岸ta Wa爱rehou败se）和数据集市（D熬ata M拔art）产艾品。吧e。爸包括数据转隘换、管理和岸存取等方面跋的预配置软岸件，通常还隘包括一些业翱务模型，如哎财务分析模摆型。啊K。盎6）、联机盎分析处理 柏(OLAP扒) 。俺OLAP是百使分析人员败、管理人员巴或执行人员凹能够从多角败度对信息进懊行快速、一芭致、交互地隘存取，从而拜获得对数据安的更深入了凹解的一类软安件技术。敖2。懊

17、其中核心技按术在于数据巴预处理、数爱据仓库的建耙立（DW）罢、数据挖掘邦（DM）和颁联机分析处芭理（OLA跋P）三个部袄分。接下来笆，我们对这隘几个核心部傲分进行详细扳说明：挨s。搬数据预处理氨：翱当早期大型阿的在线事务傲处理系统(癌OLTP)扒问世后不久版，就出现了坝一种用于“瓣抽取”处理爱的简单程序版，其作用是盎搜索整个文般件和数据库哎，使用某些俺标准选择合艾乎要求的数艾据，将其复扒制拷贝出来，用于总体靶分析。因为扒这样做不会爸影响正在使芭用的在线事奥务处理系统岸，降低其性俺能，同时，扒用户可以自半行控制抽取败出来的数据矮。但是，现肮在情况发生隘了巨大的变拌化，企业同阿时采用了多艾个在线事

18、务拔处理系统，翱而这些系统熬之间的数据拌定义格式不拜尽相同，即办使采用同一隘软件厂商提案供的不同软暗件产品，或熬者仅仅是产俺品版本不同凹，之间的数巴据定义格式懊也有少许差般距。由此，百我们必须先邦定义一个统跋一的数据格班式，然后把挨各个来源的吧数据按新的绊统一的格式袄进行转换，稗然后集中装啊载入数据仓俺库中。搬m。邦其中，尤其佰要注意的一哎点时，并不拔是各个来源扳的不同格式靶的所有数据百都能被新的澳统一格式包案容，我们也唉不应强求非袄要把所有数版据源的数据蔼全部集中起来。Why唉?原因很多蔼。有可能原安来录入的数矮据中，少量肮的记录使用拔了错误的数隘据，这类数哀据如果无法凹校正，应该俺被舍去。

19、某安些数据记录奥是非结构化拜的，很难将敖其转化成新百定义的统一坝格式，而且搬从中抽取信绊息必须读取邦整个文件，癌效率极低，哀如大容量的叭二进制数据哀文件，多媒拔体文件等，爸这类数据如傲果对企业决拌策不大，可埃以舍去。熬P。半目前已有一案部分软件厂敖商开发出专瓣门的ETL熬工具，其中摆包括：隘Arden柏t Dat佰aStag笆e懊Evolu邦tiona敖ry Te八chnol癌ogies昂,Inc.颁 (ETI胺) Ext挨ract班q。败Infor拔matio癌n Pow背ermar哀t罢Sagen暗t Sol盎ution罢SAS I靶nstit碍ute氨Oracl捌e War癌ehous耙

20、e Bui隘lder鞍MSSQL半 Serv斑er200袄0 DTS数据仓库：皑数据仓库概拔念是由号称板“数据仓库爸之父”Wi邦lliam耙 H.In凹mon在上岸世纪80年佰代中期撰写拌的建立数肮据仓库一哀书中首次提安出，案“数据仓库叭是一个面向翱主题的、集把成的、非易阿失性的，随阿时间变化的靶用来支持管白理人员决策懊的数据集合岸”。巴G。肮面向主题是爸数据仓库第胺一个显著特罢点，昂就是指在数摆据仓库中，邦数据按照不奥同的主题进巴行组织，每扳一个主题中版的数据都是斑从各操作数奥据库中抽取拜出来汇集而百成，这些与蔼该主题相关翱的所有历史隘数据就形成懊了相应的主把题域。八2。柏数据仓库的柏第二个

21、显著笆特点是集成邦。碍数据来源于挨不同的数据办源，通过相佰应的规则进安行一致性转肮换，最终集皑成为一体。懊y。笆数据仓库的皑第三个特点斑是非易失性伴。跋一旦数据被阿加载到数据罢仓库中，数拌据的值不会熬再发生变化颁，尽管运行隘系统中对数唉据进行增、懊删、改等操肮作，但对这班些数据的操八作将会作为斑新的快照记暗录到数据仓俺库中，从而般不会影响到靶已经进入到数据仓库的碍数据。凹4。岸数据仓库最氨后一个特点蔼是它随时间爱变化。暗数据仓库中芭每一个数据靶都是在特定罢时间的记录隘，每个记录霸都有着相应绊的时间戳。蔼v。扒图 4 数矮据仓库体系背架构凹数据仓库对办外部数据源蔼和操作型数哀据源的元数跋据，按照

22、数扮据仓库模式捌设计要求进捌行归类，并哎建成元数据巴库，相对应斑的数据经过癌ETL后加吧载到数据仓昂库中；当信暗息客户需要白查询数据时皑先通过信息巴展现系统了碍解元数据或扮者直接浏览斑元数据库，坝再发起数据稗查询请求得扮到所需数据阿。奥V。靶一个典型的爱企业数据仓稗库系统，通翱常包含数据跋源、数据存邦储与管理、办数据的访问暗三个部分。哎f。埃图 5 数拔据仓库系统颁数据源：是靶指企业操作罢型数据库中吧的各种生产氨运营数据、罢办公管理数凹据等内部数唉据和一些调拜查数据、市矮场信息等来盎自外环境的背数据总称。哀这些数据是皑构建数据仓搬库系统的基按础是整个系佰统的数据源芭泉。阿q。稗数据的存储把与管

23、理：数蔼据仓库的存跋储主要由元八数据的存储颁及数据的存储两部分组颁成。元数据爸是关于数据巴的数据，其笆内容主要包靶括数据仓库耙的数据字典啊、数据的定爱义、数据的鞍抽取规则、岸数据的转换坝规则、数据拜加载频率等跋信息。蔼各操作数据版库中的数据熬按照元数据昂库中定义的把规则，经过鞍抽取、清理肮、转换、集氨成，按照主把题重新组织艾，依照相应的存储结构叭进行存储。哀也可以面向俺应用建立一败些数据集市把，数据集市疤可以看作是拜数据仓库的疤一个子集，伴它含有较少艾的主题域且扒历史时间更肮短数据量更笆少，一般只跋能为某个局氨部范围内的耙管理人员服佰务，因此也案称之为部门般级数据仓库拜。办T。唉数据的访问跋：

24、由OLA稗P(联机分绊析处理)、版数据挖掘、捌统计报表、艾即席查询等吧几部分组成熬。埃例如OLA班P：针对特阿定的分析主爱题，设计多稗种可能的观皑察形式，设把计相应的分柏析主题结构懊（即进行事扒实表和维表按的设计），奥使管理决策暗人员在多维数据模型的隘基础上进行跋快速、稳定皑和交互性的邦访问，并进罢行各种复杂白的分析和预傲测工作。按哎照存储方式柏来分，OL癌AP可以分稗成MOLA鞍P以及RO阿LAP等方爸式,MOL捌AP (M安ulti-拜Dimen捌sion 懊OLAP)背将OLAP扒分析所需的耙数据存放在败多维数据库懊中。分析主凹题的数据可扒以形成一个瓣或多个多维碍立方体。R拔OLAP 熬

25、(Rela懊tiona艾l OLA暗P)将OL把AP分析所懊需的数据存奥放在关系型哀数据库中。安分析主题的耙数据以“事办实表-维表凹”的星型模笆式组织。奥R。数据挖掘：爱数据挖掘的凹定义非常模翱糊，对它的扳定义取决于俺定义者的观败点和背景。吧如下是一些白DM文献中盎的定义：熬B。瓣数据挖掘是哎一个确定数稗据中有效的斑，新的，可胺能有用的并俺且最终能被阿理解的模式摆的重要过程叭。澳i。耙数据挖掘是俺一个从大型吧数据库中提笆取以前未知隘的，可理解挨的，可执行埃的信息并用拌它来进行关哀键的商业决把策的过程。懊B。般数据挖掘是袄用在知识发胺现过程，来翱辩识存在于办数据中的未半知关系和模搬式的一些方伴法

26、。数据挖挨掘是发现数鞍据中有益模奥式的过程。傲T。哀数据挖掘是隘我们为那些瓣未知的信息扒模式而研究霸大型数据集八的一个决策敖支持过程。板N。背虽然数据挖八掘的这些定哀义有点不可埃触摸，但在巴目前它已经癌成为一种商扮业事业。如肮同在过去的哎历次淘金热百中一样，目捌标是开发斑矿工。利暗润最大的是稗卖工具给矿坝工，而不是罢干实际的开摆发。隘4。懊目前业内已艾有很多成熟昂的数据挖掘把方法论，为柏实际应用提袄供了理想的叭指导模型。疤其中，标准俺化的主要有稗三个：CR挨ISP-D霸M；PMM爸L；OLE般 DB f板or DM扒。盎p。扒CRISP斑-DM（C坝ross-岸Indus绊try S拜tand

27、a霸rd Pr唉ocess瓣 for 把Data 阿Minin鞍g）是目前案公认的、较挨有影响的方安法论之一。半CRISP挨-DM强调八，DM不单白是数据的组盎织或者呈现跋，也不仅是袄数据分析和芭统计建模，爸而是一个从百理解业务需背求、寻求解昂决方案到接凹受实践检验蔼的完整过程邦。巴CRISP百-DM将整敖个挖掘过程肮分为以下六背个阶段：商按业理解（B阿usine啊ss Un靶derst啊andin挨g），数据敖理解(Da俺ta Un百derst靶andin吧g)，数据癌准备(Da芭ta Pr昂epara肮tion)摆，建模(M吧odeli邦ng)，评盎估(Eva按luati芭on)和发阿布(

28、Dep罢loyme岸nt)。巴其框架图如拜下：柏L。绊图 6 岸CRISP背-DM模型办框架图办从技术层来埃看，数据挖皑掘技术可分绊为描述型数唉据挖掘和预盎测型数据挖百掘两种。描稗述型数据挖般掘包括数据暗总结、聚类瓣及关联分析班等。预测型矮数据挖掘包矮括分类、回背归及时间序隘列分析等。拜B。皑数据总结：袄继承于数据碍分析中的统伴计分析。数俺据总结目的败是对数据进案行浓缩,给跋出它的紧凑奥描述。传统敖统计方法如霸求和值、平瓣均值、方差白值等都是有挨效方法。另澳外还可以用阿直方图、饼拔状图等图形柏方式表示这挨些值。广义哎上讲，多维绊分析也可以柏归入这一类爱。阿A。埃聚类：是把搬整个数据库凹分成不同

29、的爸群组。它的扒目的是使群伴与群之间差敖别很明显，矮而同一个群瓣之间的数据跋尽量相似。扮这种方法通凹常用于客户癌细分。在开拔始细分之前案不知道要把矮用户分成几柏类，因此通过聚类分析拔可以找出客搬户特性相似瓣的群体，如八客户消费特败性相似或年八龄特性相似肮等。在此基拌础上可以制懊定一些针对半不同客户群案体的营销方哀案。敖Q。盎关联分析：半是寻找数据把库中值的相靶关性。两种跋常用的技术颁是关联规则巴和序列模式摆。关联规则翱是寻找在同半一个事件中吧出现的不同艾项的相关性蔼；序列模式矮与此类似，拜寻找的是事败件之间时间邦上的相关性把，如对股票靶涨跌的分析稗等。板Z。跋分类：目的搬是构造一个般分类函数或

30、翱分类模型(摆也常常称作搬分类器)，百该模型能把版数据库中的败数据项映射唉到给定类别伴中的某一个唉。要构造分班类器，需要傲有一个训练八样本数据集罢作为输入。熬训练集由一氨组数据库记录或元组构澳成,每个元疤组是一个由袄有关字段(摆又称属性或袄特征)值组邦成的特征向埃量,此外,唉训练样本还吧有一个类别办标记。一个隘具体样本的霸形式可表示傲为:( v笆1, v2跋, .爱，vn；c爱 )，其中稗vi表示字安段值，c表哎示类别。挨a。拜回归：是通坝过具有已知蔼值的变量来板预测其它变颁量的值。一哎般情况下，拌回归采用的袄是线性回归安、非线性回版归这样的标隘准统计技术扮。一般同一笆个模型既可罢用于回归也扮

31、可用于分类背。常见的算昂法有逻辑回吧归、决策树百、神经网络耙等。爱e。澳时间序列：拔时间序列是吧用变量过去芭的值来预测班未来的值。挨数据挖掘（柏Data 胺Minin般g）软件。熬使用诸如神扳经网络、规瓣则归纳等技拔术，用来发靶现数据之间昂的关系，做暗出基于数据搬的推断。唉w。罢图 7 数爸据挖掘系统隘以下是一些胺当前的数据拜挖掘产品：败IBM: 搬Intel扒ligen笆t Min氨er 智能摆矿工半Tande氨m: Re碍latio翱nal D扳ata M爱iner 百关系数据矿八工版U。傲Angos绊sSoft耙ware:胺 Know鞍ledge袄SEEDE哀R 知识搜伴索者扮Z。吧Th

32、ink啊ing M背achin芭es Co搬rpora艾tion:斑 Darw唉inTM阿4。靶NeoVi半sta S熬oftwa班re: A岸SIC爸ISL D背ecision Sy败stems版,Inc.唉: Cle澳menti笆ne 3。按DataM癌ind C伴orpor哀ation熬: Dat拔aMind拜 Data爱 Crun稗cher哀y。佰Silic邦on Gr败aphic芭s: Mi蔼neSet昂Calif绊ornia拔 Scie奥ntifi扮c Sof扮tware扳: Bra鞍inMak暗er佰y。安WizSo败ft Co安rpora拜tion:版 WizW哀hy坝Lock

33、h翱eed C百orpor袄ation埃: Rec傲on艾SAS C扳orpor蔼ation白: SAS熬 Ente奥rpris坝e Min奥er 柏q。摆联机分析处疤理（OLA暗P）：叭OLAP的叭概念最早是澳由关系数据安库之父E.鞍F.Cod罢d于199斑3年提出的癌，他同时提隘出了关于O巴LAP的1把2条准则。盎B。巴OLAP的皑提出引起了凹很大的反响岸，OLAP凹作为一类产奥品同联机事百务处理 (埃OLTP)敖 明显区分白开来。盎A。拜当今的数据半处理大致可岸以分成两大罢类：联机事啊务处理OL斑TP（On哎-Line按 Tran翱sacti胺on Pr瓣ocess摆ing）、癌联机分析

34、处哀理OLAP昂（On-L柏ine A皑nalyt矮ical 瓣Proce暗ssing傲）。OLT隘P是传统的挨关系型数据耙库的主要应半用，主要是安基本的、日罢常的事务处矮理，例如银扮行交易。O埃LAP是数盎据仓库系统般的主要应用隘，支持复杂艾的分析操作澳，侧重决策佰支持，并且笆提供直观易芭懂的查询结隘果。斑y。伴OLAP是芭使分析人员埃、管理人员敖或执行人员奥能够从多角般度对信息进熬行快速、一哎致、交互地板存取，从而肮获得对数据白的更深入了碍解的一类软安件技术。O佰LAP的目叭标是满足决扒策支持或者熬满足在多维安环境下特定班的查询和报案表需求，它爱的技术核心罢是维这岸个概念。哀8。胺“维”是

35、人办们观察客观瓣世界的角度败，是一种高巴层次的类型安划分。“维哎”一般包含鞍着层次关系俺，这种层次坝关系有时摆会相当复杂皑。通过把一拌个实体的多班项重要的属邦性定义为多岸个维(DImensi盎on)，使懊用户能对不蔼同维上的数凹据进行比较胺。安因此OLA扮P也可以说哀是多维数据霸分析工具的罢集合。挨M。拔OLAP的皑基本多维分靶析操作有钻昂取（Rol敖l Up和佰Drill癌 Down翱）、切片（安Slice暗）和切块（叭Dice）艾、以及旋转艾（Pivo坝t）、Dr蔼ill A拜cross搬、Dril哎l Thr袄ough等吧。澳O。办钻取是改变搬维的层次，阿变换分析的熬粒度。它包俺括向上钻

36、取绊（Roll拜 Up）和碍向下钻取（颁Drill吧 Down隘）。Rol胺l Up是埃在某一维上把将低层次的伴细节数据概括到高层次胺的汇总数据绊，或者减少盎维数；而D皑rill 澳Down则相反，它从摆汇总数据深俺入到细节数傲据进行观察霸或增加新维昂。半U。矮切片和切块埃是在一部分跋维上选定值霸后，关心度拜量数据在剩鞍余维上的分吧布。如果剩百余的维只有板两个，则是盎切片；如果懊有三个，则鞍是切块。扒g。吧旋转是变换捌维的方向，安即在表格中背重新安排维八的放置（例搬如行列互换哎）。鞍2。埃OLAP有奥多种实现方敖法，根据存爱储数据的方奥式不同可以按分为ROL哀AP、MO矮LAP、H哀OLAP。

37、柏U。靶ROLAP八表示基于关澳系数据库的奥OLAP实皑现（Rel哀ation办al OL拔AP）。以伴关系数据库拌为核心，以碍关系型结构俺进行多维数哀据的表示和蔼存储。RO熬LAP将多耙维数据库的盎多维结构划颁分为两类表凹：一类是事案实表，用来把存储数据和暗维关键字；肮另一类是维蔼表，即对每斑个维至少使澳用一个表来盎存放维的层班次、成员类袄别等维的描柏述信息。维碍表和事实表百通过主关键邦字和外关键摆字联系在一扒起，形成了把“星型模式坝”。对于层胺次复杂的维傲，为避免冗袄余数据占用胺过大的存储奥空间，可以耙使用多个表伴来描述，这拌种星型模式邦的扩展称为挨“雪花模式伴”。氨N。熬MOLAP敖表示

38、基于多暗维数据组织颁的OLAP扳实现（Mu班ltidi暗mensi疤onal 败OLAP）坝。以多维数敖据组织方式俺为核心，也阿就是说，M绊OLAP使拔用多维数组哎存储数据。多维数据在搬存储中将形熬成“立方块把（Cube斑）”的结构隘，在MOL靶AP中对“跋立方块”的奥“旋转”、霸“切块”、摆“切片”是鞍产生多维数捌据报表的主芭要技术。八S。案HOLAP翱表示基于混挨合数据组织扒的OLAP疤实现（Hy绊brid 邦OLAP）把。如低层是霸关系型的，版高层是多维颁矩阵型的。哀这种方式具罢有更好的灵稗活性。爸E。扳还有其他的半一些实现O半LAP的方瓣法，如提供百一个专用的拌SQL S按erver案

39、，对某些存懊储模式（如捌星型、雪片笆型）提供对阿SQL查询绊的特殊支持拜。疤M。爸OLAP工安具是针对特按定问题的联阿机数据访问疤与分析。案它通过多维敖的方式对数版据进行分析伴、查询和报傲表。维是人皑们观察数据爸的特定角度拜。例如，一白个企业在考邦虑产品的销拜售情况时，阿通常从时间拜、地区和产懊品的不同角阿度来深入观翱察产品的销蔼售情况。这靶里的时间、颁地区和产品搬就是维。而埃这些维的不般同组合和所捌考察的度量岸指标构成的俺多维数组则按是OLAP俺分析的基础袄，可形式化艾表示为（维白1，维2，百，维n办，度量指标矮），如（地隘区、时间、奥产品、销售捌额）。多维按分析是指对伴以多维形式般组织起来

40、的俺数据采取切拌片（Sli唉ce）、切暗块（Dic邦e）、钻取爱（Dril柏l Dow艾n和Rol搬l Up）岸、旋转（P挨ivot）凹等各种分析半动作，以求隘剖析数据，艾使用户能从佰多个角度、百多侧面地观般察数据库中癌的数据，从搬而深入理解按包含在数据昂中的信息。拔C。艾根据综合性叭数据的组织芭方式的不同熬，目前常见靶的OLAP班主要有基于叭多维数据库疤的MOLA癌P及基于关傲系数据库的昂ROLAP颁两种。MO矮LAP是以摆多维的方式袄组织和存储数据，RO佰LAP则利鞍用现有的关蔼系数据库技懊术来模拟多背维数据。在澳数据仓库应板用中，OL斑AP应用一按般是数据仓袄库应用的前哀端工具，同埃时O

41、LAP奥工具还可以吧同数据挖掘拌工具、统计芭分析工具配拌合使用，增跋强决策分析扮功能。拌5。巴一个典型的板BI系统介颁绍暗商业智能系捌统应具有的板主要功能：哎读取数据澳可读取多爱种格式（如叭Excel爸、Acce叭ss、以T哎ab分割的拌txt和固蔼定长的tx肮t等）的文伴件，同时可阿读取关系型矮数据库 (爱对应ODB柏C)中的数跋据。摆X。白分析功能败关联/限岸定 关联分盎析主要用于巴发现不同事拔件之间的关矮联性，即一肮个事件发生敖的同时，另昂一个事件也版经常发生。班关联分析的胺重点在于快疤速发现那些扮有实用价值袄的关联发生叭的事件。矮o。数据输出功班能打印扮统计列表和疤图表画面等拌，可将统

42、计熬分析好的数俺据输出给其鞍他的应用程翱序使用，或鞍者以HTM爸L格式保存懊。矮z。凹定型处理疤所需要的爱输出被显示靶出来时，进罢行定型登录扳，可以自动案生成定型处伴理按钮。以肮后，只需按爱此按钮，即翱使很复杂的唉操作，也都敖可以将所要懊的列表、视班图和图表显袄示出来。背1。巴以国外的一般个BI系统唉为例，我们靶来介绍一个佰BI系统的翱主要功能，翱这个系统主八要包含数据般仓库管理器吧(Ware熬house鞍 Mana背ger)、矮数据复制(斑Data 败Propa盎gator熬)、多维数笆据库(OLAP Se暗rver)袄、前台分析爱工具(Wi霸red f鞍or OL蔼AP)以及办数据挖掘(翱

43、Intel阿ligen埃t Min扳er)、O瓣n Dem俺and。摆e。翱数据仓库管办理器(Wa爱rehou扮se Ma罢nager般)凹它主要由以跋下几部分功靶能组成：数翱据访问，数拔据转换，数啊据分布，数扒据存储，靠氨描述性数据肮查找和理解巴数据，显示埃、分析和发败掘数据，数安据转换过程拜的自动化及懊其管理。它岸缩短了复杂胺的海量数据案与有洞察力肮的商务决策霸之间的差距瓣，有助于公司更进一步佰了解其业务版、市场、竞按争对手和客扒户。傲O。耙数据复制 皑(Data凹 Prop唉agato坝r)盎Dat澳a Pro哀pagat唉or提供的扮复制功能允瓣许从一个数笆据源读取数坝据并把它送昂到另

44、外一个佰地方，而且霸可以是双向熬的。当发生敖冲突时，可翱自动检测出鞍来并进行补霸偿。此外，凹它还有以下懊特色：般T。澳(芭1)Pul昂l Arc芭hitec唉ture 傲Throu伴gh St哀aging稗 Tabl白es(分级巴表牵引式体澳系结构)：敖二个组成部懊分-癌Captu爸re和Ap般ply。C板aptur扒e部分在源挨数据库服务扮器上运行，摆它捕获要被邦复制的数据澳，并把数据霸放入服务器盎分级表中；昂Apply摆部分在目标凹机上运行。叭在用户定义岸的时间间隔办里或某个事岸件发生后，办它连到源数扒据库中，并办从分级表中靶抽取所需的胺数据。这种班被动的“牵瓣引式”体系摆结构减少了啊数据

45、源的额拔外开销，能袄够支持数据唉源及目标机扮的独立运作皑性以及新一霸代流动计算邦机作为目标安机的数据复哀制。这种体罢系结构还支艾持中介分级胺表，其中最板初的源可以瓣复制到区域袄目标中，然伴后再复制到败各区域内的版目标机上。昂U。板(2)支持奥更新和修正坝：既支持更按新也支持修拜正复制。A昂pply可按以完全替换扮目标数据或靶者仅仅修正袄上次复制以氨来所发生的啊改变。伴C。捌(3)改变胺事务运行记埃录的Cap邦ture：胺捕获数据修吧改。它从数矮据库运行日隘志(LOG暗)中读出修瓣改，从而抓扳取用于复制暗的数据修改佰，进而安排跋好这些数据翱。这就减少般了对源的额靶外开销，不挨需要另外处般理如触发

46、器瓣。甚至可以澳直接从内存半中读运行记懊录，以减少爸I/O。矮c。爱(4)加工拔数据：数据伴首先要从运叭行记录移到唉分级表，所叭以能在复制袄之前加工或懊处理它；由坝于分级表是板数据库表，搬使用标准S扳QL就能定隘义加工处理昂功能。除了袄通过SQL坝来构造子集袄，汇总并连阿结表以外，艾分级表还能邦提供基于时俺间分析源数绊据改变的方伴法。这要考暗虑到整个新半一类的应用鞍包括检查跟靶踪，历史分蔼析，as版of查询斑等等。按M。碍(5)GU蔼I管理机构绊：通过图形跋用户界面可肮以定义和管扳理数据拷贝盎，定义代码澳和触发器没坝有专门语言。这样最终半用户就有权绊定义和管理艾，而不仅仅鞍是DBA和芭程序员的

47、范碍围。坝7。暗多维数据库扳服务器(O白LAP扳 靶Serve班r)凹该工具敖在商务智能澳中扮演着重矮要角色，可皑以深入最终摆用户的业务懊，对桌面上碍的数据进行袄实时操作，爸能够快速地芭分布传统监板视和报告范霸围之外的应扮用程序数据扮。佰5。挨数据挖掘工扒具(Int熬ellig疤ent昂 捌Miner爸)背当用户的数搬据积累到一班定数量时，柏这些数据的斑某些潜在联笆系、分类、白推导结果和埃待发现价值拜隐藏在其中伴，该工具帮翱助客户发现澳这些有价值板的数据。昂V。拌Wired安 for 八OLAP凹使用该功能鞍可以提高信哀息技术组织肮的效率。信昂息技术人员奥可以让用户氨利用分析和扒报表的功能凹获

48、得他们所懊需的信息，艾而不会失去背对信息、数笆据完整性、捌系统性能和邦系统安全的啊控制。吧K。跋强大功能的般报表艾繁忙的信息岸技术部门可啊以在几分钟扮内创建用于蔼在企业中分扳发的完善的岸报表。，决罢策人员可以昂从该Web白页面上找到安可用的一系摆列报表。岸M。图形化分析罢远远超出对盎数据的静态案图形化视图隘，提供强壮办的图形化O办LAP分析碍。决策人员捌可以根据需把要排序、分把组数据并改扒变“图表”鞍(Char暗t)的类型扳（直方图、岸饼形图、线拔图、堆积图办）。图表中肮的元素可以版被“钻取”搬到其他的细拔节层次，并吧可以返回来熬恢复一个概挨要性的视图懊。按c。盎多种图表视巴图：直方图阿、线图

49、、组碍合图、饼形按图、堆积图扳和离散点图拌可在任何地隘方“钻取”唉没有路径的安预先定义完善的报表笆复合报表通凹过用各种不唉同的形式（袄交叉表、图叭表、表格或傲以上几种形霸式的组合稗）邦来表现分析百结果，对工埃作进行概括稗；优美格式白的商用报表摆。暗1。按交互式的、案立即的“所鞍见即所得”蔼(WYSI疤WYG)显胺示拜On颁 埃Deman拜d吧该工具提供霸给客户一套扮高性能的解版决方案来进癌行在线捕获班、存储和重岸取计算机输吧出的文档。扳它使得落后隘的纸张文件奥搜索和使用碍缩微胶片阅瓣读器搜索称霸为历史。有奥了OnDe背mand，按客户可以立蔼刻发现特定柏的信息并且瓣很容易地浏扮览它，而不安用在

50、庞大的肮数据和纸张哀中苦苦寻找拜；存储、重哎取和分发企俺业产生的信袄息比以前更胺加方便和易百于接受。巴i。BI的实施氨实施商业智扮能系统是一办项复杂的系澳统工程，整蔼个项目涉及斑企业管理，拌 运作管理翱， 信息系盎统， 数据柏仓库， 数癌据挖掘， 蔼统计分析等般众多门类的昂知识绊。因此用户除颁了要选择合敖适的商业智坝能软件工具蔼外拜，昂还必须按照败正确的实施敖方法才能保奥证项目得以熬成功白。商业智能项捌目的实施步阿骤可分为般：柏7。白需求分析艾：跋需求分析是袄商业智能实扳施的第一步巴， 在其他瓣活动开展之蔼前必须明确办的定义企业瓣对商业智能版的期望和需柏求， 包括奥需要分析的癌主题， 各奥主题

51、可能查拔看的角度(安维度)挨；案需要发现企按业那些方面罢的规律白，哀用户的需求鞍必须明确百。罢J。班数据仓库建阿模百：盎通过对企业爱需求的分析岸，建立企业澳数据仓库的奥逻辑模型和皑物理模型，癌并规划好系板统的应用架奥构，将企业背各类数据按按照分析主题拌进行组织和癌归类. 哀M。数据抽取办：把数据仓库建昂立后必须将颁数据从业务霸系统中抽取邦到数据仓库般中， 在抽叭取的过程中氨还必须将数瓣据进行转换鞍、邦清洗俺、岸以适应分析疤的需要. 拌A。氨建立商业智斑能分析报表斑：霸商业智能分奥析报表需要胺专业人员按昂照用户制订的格式进行拔开发， 用碍户也可自行按开发(开发班方式简单，袄快捷) .艾 拔C。颁

52、用户培训和皑数据模拟测暗试捌：扮对于开发跋使用分离型扒的商业智能挨系统， 最背终用户的使瓣用是相当简蔼单的，只需芭要点击操作版就可针对特挨定的商业问叭题进行分析阿。疤m。拔系统改进和扳完善扳：皑任何系统的稗实施都必须挨是不断完善百的. 商业拔智能系统更叭是如此， 伴在用户使用霸一段时间后俺可能会提出百更多的，更袄具体的要求霸， 这时需要再按照上耙述步骤对系拔统进行重构稗或完善爱。盎5。俺其中，在B澳I系统实施疤中要注意以唉下问题：拜统一协调，奥全局规划盎BI系统由伴于是构筑于瓣所有的业务邦系统之上，班有着独特的爱复杂性和全矮面性。BI挨系统决不仅皑仅是一个单暗纯的IT项伴目的实施，百它涉及到企

53、跋业经营管理摆的各个方面埃，需要上至扳公司高层领扮导下至基层按业务人员的氨大力配合。盎实施这样的盎系统的难度耙和所需要投暗入的资源远岸超于普通的岸业务支持系懊统。企业必熬须进行缜密蔼的思考和全八局的计划，稗把BI软件捌纳入企业软叭件管理的整啊体战略之中捌。全局规划安不仅要对项碍目实施队伍霸做出规划，板同时还要对埃项目后续的瓣部署维护和霸功能的增强啊完善所需要耙的资源做出肮规划。商务跋智能计划必鞍须有一个整唉体的愿景和笆路线图，否白则，就很难拔统一起来。稗F。一把手工程凹BI也是一敖把手工程。案BI同ER坝P和CRM氨等软件一样也是一把手叭工程。一般爸的工作人员安想到的只是跋利用BI迅肮速生成报

54、表拌，提高劳动吧效率；而一矮把手的角度般，是从提高邦企业业务增斑值的目的出摆发，两者在肮需求模型设白计时侧重点完全不同，哎结果也大相肮径庭。另一半方面，没有霸一把手的大艾力支持，企拔业的业务流埃程调整会遇到很大阻力胺，甚至是难瓣以贯彻下去安。邦O。八因此，在决昂定上BI之哎前，企业用凹户的老总和瓣其智囊团需哀要慎重考虑扳哪些业务首斑先需要决策皑支持，这项业务的内部阿流程是否清芭楚，如何对扳其进行内部敖流程重整。癌并要配套相氨应的部门来把专门负责数斑据的跟踪和办优化分析，拔这样企业的芭决策将会变班得越来越理扮智客观，在邦日益激烈的胺商业竞争中蔼将也会领先敖一步。案J。埃BI的组织敖和技能要素袄建

55、立B矮I体系需要扮许多技能，皑包括商务技哎能、信息技伴术技能和分氨析技能。然阿而要建立同坝时具备以上埃三种能力的袄数据分析部叭门谈何容易罢。善于联系碍看似不相关半的事物并能耙有效地呈现版它们之间的暗关系是一种巴非常难得的伴能力，通常办企业里面具氨备这种能力胺的人才很少捌，即使有也拔没有被充分岸重视。国际肮国内的BI耙人才奇缺。拜如果企业不爱能有效地组艾织BI活动拔(如着手建阿立集中化的背BI能力中笆心和投资B办I技能建设办)将无法在白战略层面展埃示BI的作皑用，且将面扳对至少50澳%的额外实鞍施费用。而盎没有集中的百，专门的B百I功能部门办，BI系统坝无法被深入啊和有效的支办持。跋G。昂由于人

56、才的熬稀少，建立啊一个集中的昂，汇集各种搬人才的BI稗能力中心是八非常必要的伴（要成立专叭门的数据分背析部门）。挨来自不同部俺门的人以建矮立一种互相白协作的BI盎队伍远比寻袄找同时具备鞍三种能力的傲人才更现实袄可行。败7。胺一个有效的翱BI能力中案心有三个重笆要的任务霸：背指导用户能爱够实现重复熬的BI任务邦(如管理报般表和简单的疤重复分析)奥的自我服务捌；版承担复杂的扳，额外的分版析工作跋直到搬这些分析能艾够成为可重靶复使用的简扒单工作氨；袄确保BI系傲统的功能和败潜力不被高疤估，实实在癌在地解决现爱实的问题。笆s。敖企业建设B八I系统的目捌的，是要从拌大量的数据凹中找出可以伴给企业带来摆增

57、值效益的埃数据分析，伴但是这些数隘据必须有相拌应的人对其霸进行跟踪处霸理，否则B捌I的价值也半就只停留在背迅速做出报芭表的层面，版BI的核心胺价值也被大跋打折扣。笆而所有的任埃务，都需要埃精心的策划蔼和长期的努巴力。案A。啊数据基础先碍行捌“BI是数哀据驱动的应八用”。BI摆系统建设的叭核心是坚固拌、高质量的巴数据基础。邦建立这样一靶个数据资料跋库的任务是俺极其艰巨的敖，要消耗大巴量的时间和斑资源。而企埃业数据的积埃累是伴随着隘各种基础信半息系统的建啊设而进行的蔼，这是一个安长期的过程拌。 矮M。瓣在基础系统半尚未建立和拜完善阶段，昂切忌同时发扒动不同的系爸统建设，如敖在实施BI袄系统的同时版

58、就在建设分耙销供应链系捌统。疤不仅资源捉瓣襟见肘，数版据的质量和按完备问题也背是不可预料艾的因素。本拔意是整合公熬司所有的数白据资源，但叭是数据资源霸仍在不断地罢变化，如何办整合这些尚翱未确定的资爸源是一个巨岸大的挑战。把o。找准切入点颁BI要想大拔做小，从最爱迫切的业务伴入手。无论爸是上哪种管俺理软件，几安乎都会听到艾同样的声音扮：不要贪大扳求全，从最爸迫切的业务叭入手，BI癌也不例外，扒它可以做成暗一个独立的安庞大系统，把企业中所跋有的业务数阿据全部放在坝一个数据仓巴库里，进行皑多维分析；皑也可以将其半嵌入到各项般单独的业务板数据中，进佰行单独的业摆务分析。咨鞍询顾问的意哎见是先把最鞍紧要

59、的业务靶管理起来，暗以便迅速响哀应市场需求安，做出最佳伴决策。积累暗了一定经验绊后，再逐渐邦增加BI系白统继续对其摆他业务进行把决策分析，懊这样可以在爸一定程度上规避风险，版因为上BI案也要进行流翱程的重整，熬一个部门的按整顿对公司疤的影响要比凹整个公司整颁顿的影响小把得多，就好奥比动小手术哎总要比作大扒手术的疼痛懊小一些一样板。坝f。敖坚持业务趋凹动澳坚持业务趋爸动而不是I扳T趋动。涉把及到管理的隘问题，就是吧行为科学的懊问题，也就稗是人的问题岸。因此管理安软件的需求暗拉动都是从笆业务部门牵拜头做起，而瓣不是IT部鞍门。也许一叭些企业也明吧白应由业务哎部门来提出爱对软件的设翱计需求，但瓣业务

60、人员的拜水平不足以邦达到提出未佰来管理模型罢架构的水平埃，如果出于绊这样的原因袄，企业老总罢要给予IT皑部门绝对的挨权威，让他凹有权来要求拔业务部门必唉须配合IT挨部门共同协懊商提出需求罢模型，以尽霸量准确的把挨握企业的业叭务发展方向艾。暗Q。按BI与其它把系统的差别耙商业智能（艾BI）帮助肮企业的管理肮层进行快速案，准确的决伴策，迅速的挨发现企业中颁的问题，提澳示管理人员绊加以解决。拌但商业智能扳软件系统不般能代替管理哀人员进行决挨策，不能自肮动处理企业蔼运行过程中按遇到的问题爱。商业智能矮为企业带来背的是一种经昂过科学武装稗的管理思维盎，给整个企靶业带来的是熬决策的快速癌性和准确性瓣，发现