BI (商業智能)

BI

(商業智能)

編輯
商業智能(BI,Business Intelligence)。
BI(Business Intelligence)即商務智能,它是一套完整的解決方案,用來將企業中現有的數據進行有效的整合,快速準確的提供報表並提出決策依據,幫助企業作出明智的業務經營決策。
中文名
商業智能
外文名
Business Intelligence

簡介 編輯

商業智能(BI,Business Intelligence)。
BI(Business Intelligence)即商務智能,它是一套完整的解決方案,用來將企業中現有的數據進行有效的整合,快速準確的提供報表並提出決策依據,幫助企業作出明智的業務經營決策。
商業智能的概念最先在1996年提出。當時將商業智能定義爲一類由 數據倉庫(或數據集市)、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策爲目的技術及其應用。而這些數據可能來自企業的CRM、 SCM等業務系統。
商業智能可以輔助的業務經營決策,既能夠是操做層的,也能夠是戰術層和戰略層的決策。爲了將數據轉化爲知識,須要利用數據倉庫、 聯機分析處理OLAP)工具和 數據挖掘等技術。所以,從技術層面上講,商業智能不是什麼新技術,它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。
把商業智能當作一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不一樣的企業運做系統的數據中提取出有用的數據並進行清理,以保證數據的正確性,而後通過抽取(Extraction)、轉換(Transformation)和裝載(Load),即 ETL過程,合併到一個企業級的數據倉庫裏,從而獲得 企業數據的一個全局視圖,在此基礎上利用合適的查詢和分析工具、 數據挖掘工具、OLAP工具等對其進行分析和處理(這時信息變爲輔助決策的知識),最後將知識呈現給管理者,爲管理者的決策過程提供數據支持。
商業智能產品及解決方案大體可分爲數據倉庫產品、 數據抽取產品、OLAP產品、展現產品、和集成以上幾種產品的針對某個應用的總體解決方案等。

BI廠商 編輯

外資企業中IBM公司、 Oracle公司和 Microsoft公司產品線覆蓋了所有BI領域,尤爲是MicroStrategy獨立的BI廠商。三款產品都有較好的性能,知足大中小型企業的需求,其中Microsoft的 SQL Server產品性價比比其餘兩家要高。 Informatica在數據集成領域保持領先,市場表現優異。 SAP以ERP爲基礎不斷擴大 Business Objects市場分額。 SybaseTeradata專一於數據倉庫領域,國內競爭者衆多,然而市場開拓有待增強。SAS軟件在數據挖掘領域領先,銷售多以系統集成爲主。

功能 編輯

不少廠商活躍在商業智能(下面簡稱BI)領域。事實上,可以知足用戶須要的BI產品和方案必須創建在穩定、整合的平 臺之上,該平臺須要提供用戶管理、安全性控制、鏈接數據源以及訪問、分析和共享信息的功能。BI平臺的標準化也很是重要,由於這關係到與企業多種應用系統 的兼容問題,解決不了兼容問題,BI系統就不能發揮出應有效果。這裏咱們經過對一個實驗室的BI 系統模型(咱們將其稱爲D系統)進行功能解剖,來介紹BI系統。
D系統是一個面向終端使用者,直接訪問業務數據,可以使管理者從各個角度出發分析利用 商業數據,及時地掌握組織的運營現狀,做出科學的經營決策的系統。D系統可實現從簡單的標準報表瀏覽到高級的數據分析,知足組織內部人員的需求。D系統涵蓋了常規意義上商業智能(BI)系統的功能,主要構架包括如下幾個方面。 [1]  

主要架構

一、讀取數據
D系統可讀取多種格式(如Excel、Access、以Tab分割的txt和固定長的txt等)的文件,同時可讀取關係型數據庫(對應ODBC)中的數據。在讀取文本和數據的基礎上,D系統還能夠完成:
鏈接文本 把2個CSV文件中的共同項目做爲鍵(Key),將所需的數據合併到一個文件,這樣能夠象操做數據庫同樣方便,但無須用戶編程便可實現。
設置項目類型 做爲數據的項目類型,除按鈕(button)(文字項目)、數值項目之外,還能夠設置日期表示形式的日期數據項目、多媒體項目和不須要生成按鈕但在列表顯示中可以瀏覽的參照項目。
期間設置 日期項目數據能夠根據年度或季度等組合後生成新??下午或時間帶等組合後生成新的時間項目。
設置等級 對於數值項目,能夠任意設置等級,生成與之相對應的按鈕。例如,能夠生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。
二、分析功能
關聯/限定 關聯分析主要用於發現不一樣事件之間的關聯性,即一個事件發生的同時,另外一個事件也常常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。 其主要依據是,事件發生的機率和條件機率應該符合必定的統計意義。D系統把這種關聯的分析設計成按鈕的形式,經過選擇有/無關聯,同時/相反的關聯。對於 結構化的數據,以客戶的購買習慣數據爲例,利用D系統的關聯分析,能夠發現客戶的關聯購買須要。例如,一個開設 儲蓄帳戶的客戶極可能同時進行債券交易和股票交易。利用這種知識能夠採起積極的營銷策略,擴展客戶購買的產品範圍,吸引更多的客戶。
顯示數值比例/指示顯示順序 D系統可以使數值項目的數據之間的比例關係經過按鈕的大小來呈現,並顯示其構成比,還能夠改變數值項目數據的排列順序等。選擇按鈕後,動態顯示不斷髮生變化。這樣可以得到直觀的數據比較效果,並可以凸顯差別,便於深刻分析現象背後的本質。
監視功能 預先設置條件,使符合條件的按鈕顯示報警(紅)、注意(黃)信號,使問題所在一目瞭然。好比說:上季度營業額少於100萬元的店警告(黃色標出),少於50萬元的報警(紅色標出)。執行後,D系統就把以店名命名的按鈕用相應的顏色表示出來。
按鈕增值功能 可將多個按鈕組合,造成新的按鈕。好比:把【4月】、【5月】、【6月】三個按鈕組合後獲得新的按鈕【第2季度】。
記錄選擇功能 從大量數據中選擇按鈕,取出必要的數據。挑出來的數據可從新構成一樣的操做環境。這樣用戶能夠把精力集中在所關心的數據上。
多媒體情報表示功能 由數碼相機拍攝的照片或影像文件、經過掃描儀輸入的圖形等多媒體文件、文字處理或者電子表格軟件作成的報告書、HTML等標準形式保存的文件等,能夠經過按鈕進行查找。
分割按鈕功能 在分割特定按鈕類的狀況下,只需切換被分割的個別按鈕,即可鏈接不斷實行已登陸過的定型處理。
程序調用功能 把經過按鈕查找抽取出的數據,傳給其餘的軟件或用戶原有的程序,並執行這些程序。
查找按鈕名稱功能 經過按鈕名查找按鈕,能夠指定精確和模糊兩種查找方法。另外,其餘的按鈕類也能夠對查找結果相關的數據進行限定。
三、豐富的畫面
列表畫面 能夠用and/or改變查找條件,能夠進行統計/排序。統計對象只針對數值項目,統計方法分三種:合計、件數、平均,並且能夠按照12種方式改變數值的顯示格式。
視圖畫面 提供切換視角和變換視圖功能,經過變換與設置條件相應的數值(單元格)的顏色表示強調。依次變換視角可進行多方面的數據分析。視圖的統計對象只針對數值項 目,統計方法有合計、平均、構成比(縱向、橫向)、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。
數值項目切換 經過按鈕類的階層化(行和列最多可分別設置8層),由總體到局部,一邊分層向下挖掘,一邊分析數據,能夠更加明確探討問題所在。
圖表畫面 D系統使用本身開發的圖形庫,提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上,也能夠像在階層視圖同樣,自由地對層次進行挖掘和返回等操做。
四、數據輸出功能
打印統計列表和圖表畫面等,可將統計分析好的數據輸出給其餘的應用程序使用,或者以HTML格式保存。
五、定型處理
所須要的輸出被顯示出來時,進行定型登陸,能夠自動生成定型處理按鈕。之後,只需按此按鈕,即便很複雜的操做,也均可以將所要的列表、視圖和圖表顯示出來。

應用範圍

商業智能系統可輔助創建信息中心,如產生各類工做報表和分析報表。用做如下分析:
銷售分析
主要分析各項銷售指標,例如毛利、毛利率、交叉比、銷進比、盈利能力、週轉率、同比、環比等等;而分析維又可從管理 架構、類別品牌、日期、時段等角度觀察,這些分析維又採用多級鑽取,從而得到至關透徹的分析思路;同時根據海量數據產生預測信息、報警信息等分析數據;還 可根據各類銷售指標產生新的透視表。
商品分析
商品分析的主要數據來自銷售數據和商品基礎數據,從而產生以分析結構爲主線的分析思路。主要分析數據有商品的類別結構、 品牌結構、價格結構、毛利結構、結算方式結構、產地結構等,從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。經過D系統對這些指標的分析來指導企業商品結構的調整,增強所營商品的競爭能力和合理配置。
人員分析
經過D系統對公司的人員指標進行分析,特別是對銷售人員指標(銷售指標爲主,毛利指標、換購銷商品數、代銷商品數、 資金佔用、資金週轉等)的分析,以達到考覈員工業績,提升員工積極性,併爲人力資源的合理利用提供科學依據。主要分析的主題有,員工的人員構成、銷售人員 的人均銷售額、對於銷售的我的銷售業績、各管理架構的人均銷售額、毛利貢獻、採購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量狀況等等。

應用科學 編輯

終端用戶查詢和報告工具
專門用來支持初級用戶的原始數據訪問,不包括適應於專業人士的成品報告生成工具。  OLAP工具。提供多維數據管理環境,其典型的應用是對商業問題的建模與商業數據分析。OLAP也被稱爲多維分析。
數據挖掘(Data Mining)軟件
使用諸如神經網絡、規則概括等技術,用來發現數據之間的關係,作出基於數據的推斷。
數據倉庫(Data Warehouse)和數據集市(Data Mart)產品
包括數據轉換、管理和存取等方面的預配置軟件,一般還包括一些業務模型,如財務分析模型。
聯機分析處理 (OLAP) 的概念最先是由關係數據庫之父E.F.Codd於1993年提出的,他同時提出了關於OLAP的12條準則。OLAP的提出引發了很大的反響,OLAP做爲一類產品同 聯機事務處理(OLTP) 明顯區分開來。
當今的數據處理大體能夠分紅兩大類:聯機事務處理OLTP(On-Line Transaction Processing)、聯機分析處理OLAP(On-Line Analytical Processing)。OLTP是傳統的關係型數據庫的主要應用,主要是基本的、平常的事務處理,例如銀行交易。OLAP是數據倉庫系統的主要應用,支 持複雜的分析操做,側重決策支持,而且提供直觀易懂的查詢結果。
OLAP是使分析人員、管理人員或執行人員可以從多角度對信息進行快速、一致、交互地存取,從而得到對數據的更深刻了解的一類軟件技術。OLAP的目標是知足決策支持或者知足在多維環境下特定的查詢和報表需求,它的技術核心是"維"這個概念。
「維」是人們觀察客觀世界的角度,是一種高層次的類型劃分。「維」通常包含着層次關係,這種層次關係有時會至關複雜。經過把一個實體的多項重要的屬性定義爲多個維(dimension),使用戶能對不一樣維上的數據進行比較。所以OLAP也能夠說是 多維數據分析工具的集合。
OLAP的基本多維分析操做有鑽取(roll up和drill down)、切片(slice)和切塊(dice)、以及旋轉(pivot)、drill across、drill through等。
鑽取是 改變維的層次,變換分析的粒度。它包括向上鑽取(roll up)和向下鑽取(drill down)。roll up是在某一維上將低層次的細節數據歸納到高層次的彙總數據,或者減小維數;而drill down則相反,它從彙總數據深刻到細節數據進行觀察或增長新維。
切片和切塊是在一部分維上選定值後,關心度量數據在剩餘維上的分佈。若是剩餘的維只有兩個,則是切片;若是有三個, 則是切塊。 旋轉是變換維的方向,即在表格中從新安排維的放置(例如行列互換)。 OLAP有多種實現方法,根據存儲數據的方式不一樣能夠分爲ROLAP、MOLAP、HOLAP。
ROLAP表 示基於關係數據庫的OLAP實現(Relational OLAP)。以關係數據庫爲核心,以關係型結構進行多維數據的表示和存儲。ROLAP將多維數據庫的多維結構劃分爲兩類表:一類是事實表,用來存儲數據和 維關鍵字;另外一類是維表,即對每一個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表經過主關鍵字和 外關鍵字聯繫在一塊兒,造成了「星型模式」。對於層次複雜的維,爲避免冗餘數據佔用過大的存儲空間,可使用多個表來描述,這種星型模式的擴展稱爲「雪花模式」。
MOLAP表示基於多維數據組織的OLAP實現(Multidimensional OLAP)。以多維數據組織方式爲核心,也就是說,MOLAP使用 多維數組存儲數據。多維數據在存儲中將造成「立方塊(Cube)」的結構,在MOLAP中對「立方塊」的「旋轉」、「切塊」、「切片」是產生多維數據報表的主要技術。
HOLAP表示基於混合數據組織的OLAP實現的。這種方式具備更好的靈活性。
還有其餘的一些實現OLAP的方法,如提供一個專用的SQL Server,對某些存儲模式(如星型、雪片型)提供對SQL查詢的特殊支持。
OLAP工具是針對特定問題的聯機數據訪問與分析。它經過多維的方式對數據進行分析、查詢和報表。維是人們觀察數據 的特定角度。例如,一個企業在考慮產品的銷售狀況時,一般從時間、地區和產品的不一樣角度來深刻觀察產品的銷售狀況。這裏的時間、地區和產品就是維。而這些 維的不一樣組合和所考察的 度量指標構成的多維數組則是OLAP分析的基礎,可形式化表示爲(維1,維2,……,維n,度量指標),如(地區、時間、產品、銷售額)。多維分析是指對以多維形式組織起來的數據採起切片(Slice)、切塊(Dice)、 鑽取(Drill-down和Roll-up)、旋轉(Pivot)等各類分析動做,以求剖析數據,使用戶能從多個角度、多側面地觀察數據庫中的數據,從而深刻理解包含在數據中的信息。
主流的商業智能工具包括BO、COGNOS、 Style Intelligence、BRIO。一些國內的軟件工具平臺如KCOM也集成了一些基本的商業智能工具。
根據綜合性數據的組織方式的不一樣,常見的OLAP主要有基於多維數據庫的MOLAP及基於關係數據庫的ROLAP兩 種。MOLAP是以多維的方式組織和存儲數據,ROLAP則利用現有的關係數據庫技術來模擬多維數據。在數據倉庫應用中,OLAP應用通常是數據倉庫應用 的前端工具,同時OLAP工具還能夠同數據挖掘工具、統計分析工具配合使用,加強 決策分析功能。

三個層次 編輯

通過幾年的積累,大部分中大型的企事業單位已經創建了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特色都是:經過業務人員或者用戶的操做,最終對數據庫進行增長、修改、刪除等操做。上述系統可統一稱爲 OLTP(Online Transaction Process,在線事務處理),指的就是系統運行了一段時間之後,必然幫助企事業單位收集大量的歷史數據。可是,在數據庫中分散、獨立存在的大量數據對 於業務人員來講,只是一些沒法看懂的天書。業務人員所須要的是信息,是他們可以看懂、理解並從中受益的抽象信息。此時,如何把數據轉化爲信息,使得業務人 員(包括管理者)可以充分掌握、利用這些信息,而且輔助 決策,就是商業智能主要解決的問題。  如何把數據庫中存在的數據轉變爲業務人員須要的信息?大部分的答案是報表系統。簡單說,報表系統已經能夠稱做是BI了,它是BI的低端實現。
國外的企業,大部分已經進入了中端BI,叫作數據分析。有一些企業已經開始進入高端BI,叫作數據挖掘。而我國的企業,大部分還停留在報表階段。
數據報表不可取代
傳統的報表系統技術上已經至關成熟,你們熟悉的Excel、水晶報表、Reporting Service等都已經被普遍使用。可是,隨着數據的增多,需求的提升,傳統報表系統面臨的挑戰也愈來愈多。
1. 數據太多,信息太少
密密麻麻的表格堆砌了大量數據,到底有多少業務人員仔細看每個數據?到底這些數據表明了什麼信息、什麼趨勢?級別越高的領導,越須要簡明的信息。若是我是董事長,我可能只須要一句話:咱們的狀況是好、中仍是差?
2. 難以交互分析、瞭解各類組合
定製好的報表過於死板。例如,咱們能夠在一張表中列出不一樣地區、不一樣產品的銷量,另外一張表中列出不一樣地區、不一樣年齡段顧客的銷量。可是,這兩張表沒法回答諸如「華北地區中青年顧客購買數碼相機類型產品的狀況」等問題。業務問題常常須要多個角度的交互分析。
3. 難以挖掘出潛在的規則
報表系統列出的每每是表面上的數據信息,可是海量數據深處潛在含有哪些規則呢?什麼客戶對咱們價值最大,產品之間相互關聯的程度如何?越是深層的規則,對於決策支持的價值越大,可是,也越難挖掘出來。
4. 難以追溯歷史,數據造成孤島
業務系統不少,數據存在於不一樣地方。太舊的數據每每被業務系統備份出去,致使宏觀分析、長期歷史分析難度很大。
所以,隨着時代的發展,傳統報表系統已經不能知足日益增加的業務需求了,企業期待着新的技術。數據分析和數據挖掘的 時代正在來臨。值得注意的是,數據分析和數據挖掘系統的目的是帶給咱們更多的決策支持價值,並非取代數據報表。報表系統依然有其不可取代的優點,而且將 會長期與數據分析、挖掘系統一塊兒並存下去。
八維以上的數據分析
若是說OLTP側重於對數據庫進行增長、修改、刪除等平常事務操做,OLAP(Online Analytics Process,在線分析系統)則側重於針對宏觀問題,全面分析數據,得到有價值的信息。
爲了達到OLAP的目的,傳統的關係型數據庫已經不夠了,須要一種新的技術叫作多維數據庫。
多維數據庫的概念並不複雜。舉一個例子,咱們想描述2003年4月份可樂在北部地區銷售額10萬元時,牽扯到幾個角度:時間、產品、地區。這些叫作維度。至於銷售額,叫作度量值。固然,還有成本、利潤等。
除了時間、產品和地區,咱們還能夠有不少維度,例如客戶的性別、職業、銷售部門、促銷方式等等。實際上,使用中的多維數據庫多是一個8維或者15維的立方體。
雖然結構上15維的立方體很複雜,可是概念上很是簡單。
數據分析系統的整體架構分爲四個部分:源系統、數據倉庫、多維數據庫、客戶端。
·源系統:包括現有的全部OLTP系統,搭建BI系統並不須要更改現有系統。
某案例中對銷售額的解析及當前產品的分類 某案例中對銷售額的解析及當前產品的分類
·數據倉庫:數據大集中,經過數據抽取,把數據從源系統源源不斷地抽取出來,可能天天一次,或者每3個小時一次,固然是自動的。數據倉庫依然創建在關係型數據庫上,每每符合叫作「星型結構」的模型。
·多維數據庫:數據倉庫的數據通過多維建模,造成了立方體結構。每個立方體描述了一個業務主題,例如銷售、庫存或者財務。
·客戶端:好的客戶端軟件能夠把多維立方體中的信息豐富多彩地展示給用戶。
數據分析案例:
在實際的案例中,咱們利用 Oracle9i搭建了數據倉庫,Microsoft Analysis Service 2000搭建了多維數據庫,ProClarity 6.0 做爲客戶端分析軟件。
分解樹好像一個組織圖。分解樹在回答如下問題時很?最高的銷售額?
·在特定的產品種類內,各類產品間的銷售額分佈如何?
·哪一個銷售人員完成了最高百分比的銷售額?
在圖1中,能夠對PC機在各個地域的銷售額和所佔百分比一目瞭然。任意一層分解樹均可以根據不一樣維度隨意展開。在該分解樹中,在大區這一層是按國家展開,在國家這一層是按產品分類展開。
投影圖(圖3)使用散點圖的格式,顯示兩個或三個度量值之間的關係。數據點的集中預示兩個變量之間存在強的相關關係,而稀疏分佈的數據點可能顯示不明顯的關係。
投影圖很適合分析大量的數據。在顯示因果關係方面有明顯效果,好比例外的數據點就能夠考慮進一步研究,由於它們落在「正常」的點羣範圍以外。
某案例的數據分析投影圖 某案例的數據分析投影圖
數據挖掘看穿你的需求
廣義上說,任何從數據庫中挖掘信息的過程都叫作數據挖掘。從這點看來,數據挖掘就是BI。但從技術術語上說,數據挖 掘(Data Mining)特指的是:源數據通過清洗和轉換等成爲適合於挖掘的數據集。數據挖掘在這種具備固定形式的數據集上完成知識的提煉,最後以合適的知識模式用 於進一步分析 決策工做。從這種狹義的觀點上,咱們能夠定義:數據挖掘是從特定形式的數據集中提煉知識的過程。數據挖掘每每針對特定的數據、特定的問題,選擇一種或者多種挖掘算法,找到數據下面隱藏的規律,這些規律每每被用來預測、支持決策。

發展過程 編輯

早在1958年,人們就在想着讓計算機擁有強大的運算能力並多幫人類作事,在那時,商業智能就有了雛形,54年過去,多少人多少公司在爲這個目標付出本身的努力?如下這張信息圖標以時間線的方式告訴你商業智能的艱難道路和即將到來的將來。 [2]  

發展趨勢

與DSS、 EIS系 統相比,商業智能具備更美好的發展前景。近些年來,商業智能市場持續增加。IDC預測,到2005年,BI市場將達到118億$,平均年增加率爲27% (Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001)。隨着企業CRM、ERP、 SCM等應用系統的引入,企業不停留在事務處理過程而注重有效利用企業的數據爲準確和更快的決策提供支持的需求愈來愈強烈,由此帶動的對商業智能的需求將是巨大的。
商業智能的發展趨勢能夠概括爲如下幾點:
功能上具備可配置性、靈活性、可變化性
BI系統的範圍從爲部門的特定用戶服務擴展到爲整個企業全部用戶服務。同時,因爲企業用戶在職權、需求上的差別,BI系統提供普遍的、具備針對性的功能。從簡單的數據獲取,到利用WEB和局域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。
解決方案更開放、可擴展、可按用戶定製,在保證核心技術的同時,提供客戶化的界面
針對不一樣企業的獨特的需求,BI系統在提供核心技術的同時,使系統又具個性化,即在原有方案基礎上加入本身的代碼和解決方案,加強客戶化的接口和擴展特性;可爲企業提供基於商業智能平臺的定製/P>
從單獨的商業智能向嵌入式商業智能發展
這是商業智能應用的一大趨勢,即在企業現有的應用系統中,如財務、人力、銷售等系統中嵌入商業智能組件,使廣泛意義上的 事務處理系統具備商業智能的特性。考慮BI系統的某個組件而不是整個BI系統並不是一件簡單的事,好比將OLAP技術應用到某一個應用系統,一個相對完整的商業智能開發過程,如企業問題分析、方案設計、原型系統開發、系統應用等過程是不可缺乏的。
從傳統功能向加強型功能轉變
加強型的商業智能功能是相對於早期的用SQL工具實現查詢的商業智能功能。應用中的BI系統除實現傳統的BI系統功能以外,大多數已實現了圖2中數據分析層的功能。而數據挖掘、 企業建模是BI系統應該增強的應用,以更好地提升系統性能。  ERP系統是典型的OLTP(聯機在線處理)系統,BI系統是OLAP(聯機在線分析)系統,他們的側重點不一樣,有不一樣的功能和任務。 ERP系統用於平常快速有效的處理業務流程,包含了最原始、最明細的單據。
BI系統作海量業務數據的在線分析,用於產生決策信息和知識,它不只能夠包含明細單據,最重要的是對單據根據決策需求進行彙總分析。
從傳統型BI向敏捷型BI轉變
SAP Business Objects,IBM Cognos, Microstrategy, Oracle BIEE, Microsoft 等比較成熟的 BI 產品佔據主要市場。BI的概念最先於1996年Gartner提出。BI在國內也是個老生常談的話題了。BI市場在幾年前曾經風起雲涌過,可是隨着IT巨 頭把BI廠商收入囊中,此類市場基本趨於穩定了。
傳統BI廠商雖然佔據主流,可是其存在先天不足。傳統BI解決方案基本是兩種思路一種是大數據一體機、另一種是分 布式數據倉庫。可是,大數據一體機的整體擁有成本高,大多數企業都無福消受,而分佈式數據倉庫按流量收費,使用成本不菲,1TB的數據可能就須要幾十萬。 這樣的大數據產品,大幅提高了BI應用的總體擁有成本(TCO)。
現今的BI市場,正在出現一些新的發展方向,並且勢頭更勁,例如敏捷BI和探索式BI。這一領域在美國近兩年已經有 兩家公司QlikTech和Tableau成功上市並進入主流市場,而在中國也出現了以永洪科技爲表明的敏捷BI廠商。相比較其餘類型的BI產品,敏捷 BI投入成本更低、更加平民化、更加易於操做,讓更多的企業客戶能以較低的投入享受到最專業的大數據服務。 [3]  

智能控件

商業智能控件 [4]   經過對專業的商業智能功能的封裝,使得開發人員無需系統掌握商業智能相關的專業知識,就能夠在管理系統中實現經常使用的商業智能功能。
商業智能控件使開發者能夠建立知足企業用戶幾乎全部BI需求的應用程序或系統,能夠實現中國式複雜報表(支持網頁式報表)、文字報告、各種數據分析(人力資源、財務、銷售、市場、供應鏈等)、各類圖表展現等,以充分釋放業務信息的潛力,最大化企業競爭優點。
一、 RadarCube是靈活性高且運算速度快的全功能OLAP控件集,是BI解決方案最佳的選擇!
二、 SharpShooter OLAP包含:OLAP ModelKit™——用於多維數據分析的 OLAP 組件;Chart ModelKit™——用於圖形化數據顯示組件。
三、 PivotCube是PivotWare實驗室所開發的最新的OLAP產品。
四、 XtraPivotGrid Suite:該產品徹底支持用戶自定義,徹底支持與DevExpress圖表控件進行本地集成,終端用戶經過簡單的拖動和點擊就可建立幾乎無限數組的報表。
五、 Pivot Table:Pivot Table & Charts Component是一款富因特網應用程序,它的設計旨在於在線查看,分析和管理多維數據。使用Pivot Table,您能夠只須要點擊幾下鼠標以不一樣的方式查看一樣的信息。

BI軟件 編輯

BI軟件是商業智能(Business Intelligence)軟件的英文縮寫。商業智能一般被理解爲將企業中現有的數據轉化爲知識,幫助企業作出明智的業務經營決策的工具。商務智能系統中 的數據來自企業其餘業務系統。例如商貿型企業,其商務智能系統數據包括業務系統的訂單、庫存、交易帳目、客戶和供應商信息等,以及企業所處行業和競爭對手 的數據、其餘外部環境數據。而這些數據可能來自企業的CRM、SCM、進銷存等業務系統。
相關文章
相關標籤/搜索