模块7 商务智能 《电子商务技术基础》教学课件

《电子商务技术基础》✩精品课件合集第X章XXXX模块7商务智能第七章 商务智能

7.1商务智能概述

7.2数据仓库概述7.3数据仓库建模7.4数据仓库系统的开发过程7.5数据仓库的前端访问和分析工具7.1商务智能概述商务智能的基本任务是收集、管理和分析数据，通过先进的工具把数据转换为有用的信息，然后将这些信息发布到整个企业，促进企业科学决策的制定，有效获得更具战略意义的决策。商务智能是数据处理技术与多种技术，如人工智能技术、统计技术、数据库技术的有机结合。商务智能应用不能理解为是建立一种简单的计算机应用系统。7.2数据仓库概述7.2.1从数据库到数据仓库数据库系统作为数据管理手段，主要用于事务处理。数据库技术一直力图使自己能胜任从事务处理、批处理到分析处理的各种类型的信息处理任务。尽管数据库在事务处理方面的应用获得了巨大的成功，但它对分析处理的支持一直不能令人满意。人们逐渐认识到，事物处理和分析处理具有极不相同的性质，直接使用事务处理环境来支持DSS是行不通的。7.2数据仓库概述7.2.1从数据库到数据仓库事务处理环境不适宜DSS应用的原因主要有以下五条：（1）事务处理和分析处理的性能特性不同（2）数据集成问题（3）数据动态集成问题（4）历史数据问题（5）数据的综合问题7.2数据仓库概述7.2.2 数据仓库的定义数据仓库就是面向主题的、集成的、稳定的且随时间变化的数据集合，用以支持企业或组织的决策分析过程的7.2数据仓库概述7.2.2 数据仓库的定义数据仓库的第一个特性是面向主题数据仓库的第二个特性是集成数据仓库第三个特性是稳定性数据仓库的最后一个特性是其随时间的变化性7.2数据仓库概述7.2.3数据仓库中的数据组织1、数据仓库的数据组织结构

7.2数据仓库概述7.2.3数据仓库中的数据组织2、粒度与分割

1）粒度粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高，粒度级就越小；相反，细化程度越低，粒度级就越大。7.2数据仓库概述7.2.3数据仓库中的数据组织2、粒度与分割

2）分割 数据的分割是指把逻辑上是统一整体的数据分割成较少的、可以独立管理的物理单元进行存储。数据分割为什么如此重要，是因为小的物理单元能为操作者和设计者在管理数据时提供比对大的物理单元更大的灵活性。7.3 数据仓库建模7.3.1星型模型7.3 数据仓库建模7.3.2雪花模型

7.4 数据仓库系统的开发过程

开发数据仓库的流程包括以下几步：（1）启动工程：建立开发数据仓库工程的目标及制定工程计划。计划包括数据范围、提供者、技术设备、资源、技能、人员培训、责任、方式方法、工程跟踪及详细工程调度等。（2）建立技术环境：选择实现数据仓库的软硬件资源，包括开发平台、DBMS、网络通信、开发工具、终端访问工具及建立服务水平目标（关于可用性、装载、维护及查询性能）等。（3）设计主题进行数据建模：根据决策需要确定主题，选择数据源，对数据仓库的数据组织进行逻辑结构设计。7.4 数据仓库系统的开发过程

开发数据仓库的流程包括以下几步：（1）启动工程：建立开发数据仓库工程的目标及制定工程计划。计划包括数据范围、提供者、技术设备、资源、技能、人员培训、责任、方式方法、工程跟踪及详细工程调度等。（2）建立技术环境：选择实现数据仓库的软硬件资源，包括开发平台、DBMS、网络通信、开发工具、终端访问工具及建立服务水平目标（关于可用性、装载、维护及查询性能）等。（3）设计主题进行数据建模：根据决策需要确定主题，选择数据源，对数据仓库的数据组织进行逻辑结构设计。（4）设计数据仓库中的数据库：基于用户的需求，着重于某个主题，开发数据仓库中数据的物理存储结构，即设计多维数据结构的事实表和维表。（5）数据转换程序：实现从源系统中抽取数据、清理数据、一致性格式化数据、综合数据、装载数据等过程的设计和编码。（6）管理元数据：定义元数据，即表示、定义数据的意义及系统各组成部分部件之间的关系。元数据包括关键字、属性、数据描述、物理数据结构、源数据结构、映射及转换机制、综合算法、代码、缺省值、安全要求、变化及数据时限等。（7）开发用户决策的数据分析工具：建立结构化的决策支持查询，实现和使用数据仓库的数据分析工具，包括优化查询工具、C/S工具、OLAP工具及数据挖掘工具等，通过分析工具实现决策支持需求。（8）管理数据仓库环境：数据仓库必须像其他系统一样进行管理，包括质量检测、管理决策支持工具及应用程序，并定期进行数据更新，使数据仓库正常运行。7.5 数据仓库的前端访问和分析工具7.5.1OLAP的多维数据分析1、OLAP的概念

OLAP称为在线事务处理，它是利用一种叫做多维结构的专用数据结构对数据仓库中的数据进行复杂分析。它是通过对信息的多种可能的观察角度进行快速、一致和交互性的存取，从而使分析员、经理和行政人员能够对数据进行深入地分析和观察。OLAP有以下几个基本概念：7.5 数据仓库的前端访问和分析工具7.5.1OLAP的多维数据分析1、OLAP的概念OLAP有以下几个基本概念：1）变量2）维3）维的层次4）维成员5）多维数组6）数据单元7.5 数据仓库的前端访问和分析工具7.5.1OLAP的多维数据分析2、OLAP多维数据分析多维分析是指对以多维形式组织起来的数据采取切片、切块、钻取、旋转等各种分析动作，以求剖析数据，使最终用户能从多个角度、多侧面地观察数据库中的数据，从而深入地了解包含在数据中的信息内涵。7.5 数据仓库的前端访问和分析工具7.5.1OLAP的多维数据分析2、OLAP多维数据分析多维数据分析的基本动作有：1）切片和切块2）钻取3）旋转

7.5 数据仓库的前端访问和分析工具7.5.2数据挖掘1、数据挖掘的概念

数据挖掘就是从大型数据库的数据中提取人们感兴趣的知识。这些知识是隐含的、事先未知的潜在有用信息，提取的知识表示为概念、规划、规律、模式等形式。因此，数据挖掘是用于分析企业原有的数据，作出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整策略，减少