BI商务智能系统及其技术架构

1、BI 商务智能系统及其技术架构BIBI实依据的商业决策，决定面向目标的各种活动。BIBI 商务智能系统基于企业资源计划系统(Enterprise Resource Planning，ERP)及其他业务系统的业务信息，建立适应企业长期发展的数据仓库; 采用方便、易用、表现力强的报表体系及可交互的数据智能分析平台来进一步方便企业从战略决策层到管理层再到操作层的各种需求。BI 商务智能系统主要有以下几个功能。数据仓库通过数据收集、数据仓库的模型建立、数据仓库应用平台、数据展示技术，建立一套完整的技术方案。使企业可以综合信息、分析数据信息和分发关键信息，提供可在所有层次上支持决策的功能强大的工具。这些

2、工具可创建和发布企业自定制的交互式报告和各种应用。抽取数据、合并数据，然后存储数据、分析数据。数据仓库的处理流程包括数据建模、数据萃取以及数据管理(通过管理员工作台);拥有先进的数据仓库技术架构，以及先进的工具，包括 OLAP 处理器、数据挖掘和报表、元数据库、业务计划和模拟等。分析功能。支持以电子邮件方式给信息使用者发送分析报表，与企业门户无缝对 接，并且可满足用户使用移动设备进行报表分析。企业战略管理KPI下载成本地文件。支持参考及自定义的平衡计分卡，并且可以用于个人评估和绩效考核;支持建立企 业管理驾驶舱，根据企业所需指标的种类调用各种系统标准的图形展示工具，帮助企业直观地掌握企业整体的

3、经营状况。智能平台为用户提供决策支持工具，引导用户对数据从不同层次、不同角度进行观察和分析，使决策依据数据化。系统应支持建模功能，并可以进行预测和模拟。在智能决策信息方面，不只是提供报表系统，还提供丰富的分析模型。式报告和应用。采用大众普及的Microsoft ExcelWebWeb报表应用Crystal Reports杂的层级结构，支持用户自定义的计算;提供企业仪表盘;能进行决策分析(What-IF);具有预警功能。BIBI 商务智能系统平台总体技术架构如图 1 所示。BI统的接口，应用层提供可视化的平台展示。数据仓库系统数据模型结构本文针对数据仓库系统的数据模型结构进行重点分析，其模型结构

4、如图 2所示。数据抽取层DSOR/3DSO11DSODSODSODSODSODSO数据仓库的一个重要特点是需要保存数据的历史。数据历史的保存主要包含主数据和业务数据。数据仓库中需要保存其的历史属性，不然基于历史时间进行分析时，就无法保证其正确性。根据用户需求来决定需要按照何种时间粒度进行保存。一般情况下通常是按月份保存。数据在进入抽取层之前，需要定期删除永久储存区(PSA)中的数据。通常对于生产系统，在应用稳定后原则上至多保存一个月。同样，抽取层中产生的更改日志数据(Change Log)也需要定期进行删除。数据删除是由处理链进行统一处理。抽取层中的数据会用于以后数据重构或新需求，所以进入数据

5、仓库后需要进行永久保存，而不需要重新从源系统中抽取数据。数据仓库层DSO洗、转换，并且数据仓库层是提供给其他系统的基础，以保证数据口径一致。输入仓库层的数据源来自抽取层的数据，从抽取层到仓库层的过程，需要根据业务模型定义完成统一编码、统一业务逻辑的大量工作。仓库层的数据主要供后续的业务转换层或应用分析层使用。仓库层中数据也可以通过 SAP BW 的数据分发接口提供给其他应用使用。仓库层采用 DSO 来进行数据存储。仓库层中的数据粒度根据用户需要来定义，通常来说比抽取层粗。如果没有明确的业务需求要求，部分抽取层中数据可暂时不保存。仓库层中的数据应该是按照业务逻辑进行集成的数据集合。理论上，仓库层中的数据可以随时删除，并从抽取层获取数据进行重构。但在生产系统中，删除仓库层的数据需要注意：所有后续分析层中相关信息块中的数据需要进行对应删除，否则会导致下次从仓库层抽取增量数据时数据重复。需要强调的是，在仓库层中重构数据时，必须与原有历史数据保持一致。数据分析层MultiCube/Cube进行转换处理，QueryDSO供商、信息集，并不是物理存储数据。区别于数据抽取层和仓库层保存了尽可能细的数据粒度，分析层的信息块需要慎重考虑数据粒度。因为数据粒度会直接影响信息块事实表中的物理存储的记录条数。记录条数越多，