商業智能BI-基礎理論知識總結 ZT

由於要加入一個BI項目，因此最近在研究BI相關的知識體系，因爲這個方面的知識都是比較零散，開始都不少概念，不知道從何入手，網上找的資料也很少，特別是實戰案例方面更少，這裏仍是先把理論知識理解下吧，分享給你們，一塊兒學習。下次再把實戰的一一分享出來。

1、什麼是商業智能BI

BI（Business Intelligence）即商業智能，它是一套完整的解決方案，把企業的運營數據轉化爲信息或知識，輔助企業作出明智的業務經營決策的工具。將無序、零散、孤立的數據轉換成整合的、規律的、有價值的數據資產，將其以直觀、形象的方式展示給合適的人。使得企業用戶可以利用商業智能系統進行有效的分析、報告、監控，數據資產獲得利用。

強調：在恰當的時間經過恰當的手段把恰當的信息傳遞給恰當的人。

擴展詮釋，包括以下幾點：

一、是技術：BI是一系列技術的合集，包括ETL技術、數據倉庫技術、OLAP技術、數據挖掘技術等。這些技術基礎，是咱們實現整個系統的基石，它們也衍生了咱們形形色色的各類技術崗位分工。

二、是工具：BI是與工具相關的，咱們須要藉助各類工具，來實現建設目標，這些工具包括ETL工具：SSIS、Datastage、Kettle；OLAP工具：SSAS、Hyperion Essbase；前端展示工具：Cognos、BIEE等等。

三、是努力過程：BI是一個努力的過程，這個過程，是企業將數據資產利用起來，發揮數據的價值的一個過程；是企業從高管相當鍵用戶至普通用戶及IT，和諮詢、實施方多種角色協力推動的一個過程。這個過程當中通常分爲需求階段、設計階段、開發階段等等階段。

四、是講方法：在BI的過程當中，是講求方法的，咱們用一整套最佳實踐的方法貫穿全過程，來確保系統的成功落地。

五、是要結果：結果能夠是報表、分析、儀表盤等等一系列的應用交付。

六、最終目的：用盡方法，一切爲了輔助企業更好、更及時、更準確的作出決策。

2、業務系統與商業智能系統的區別

這兩種系統，有不少種角度能夠進行闡述。在這裏，我列舉幾個方面進行說明：

一、從數據資產利用角度，企業運行ERP以後，將積累大量的數據資產，數據資產要加以利用，就必須以另一種系統形態來發揮數據價值，就須要商業智能系統來達成這一目的。

二、從系統集成角色，企業建設若干系統以後，須要打破信息孤島情況，實現統一的數據資源平臺，便須要對各個系統進行數據集成。

三、從分工及性能角度來講，隨着企業業務數據量的增大，基於事務處理的系統結構，沒法支撐數據統計分析類型的需求，E.F.CODD在1993年便提出OLAP概念，區別於OLTP事務處理系統，即是一個例證。

四、從面向對象角度來講，業務系統以業務處理爲主，企業的中高層用戶未必適合使用，定位於面向企業從上至下各層次角色的BI系統，重點面向中高層，從而必定程度上較好的解決他們的管理需求。

因此，商業智能系統又一種說法是信息化最後一千米。

 

3、初學者如何學習BI

主要是偏向技術路線：

一、基礎-SQL：掌握基礎技能-SQL，作BI相關工做，能夠不熟悉編程，可是SQL技能缺失，就至關吃虧。

二、技術選擇：在BI技術上作出選擇，BI技術分類不少，結合本身的工做、本身的性格、本身的喜愛、肯定一個主攻方向。好比：前端應用開發；有精力的話，能夠再加上一個鋪攻方向，好比ETL。

三、工具選擇：同一個技術類的工具，選擇兩款或以上，進行對比，瞭解其共性功能和個性特色，加深認識。好比：學習前端工具，能夠選擇Cognos和BIEE；學習ETL工具，能夠選擇SSIS和Datastage。

四、基礎概念和技術：深刻理解基礎概念，好比：維度、度量、星形模型、雪花模型、OLAP、旋轉、切片、鑽取等術語。在這基礎上，掌握一些關鍵技術，好比緩慢變化維、增量數據處理等。

五、行業業務知識：關注行業業務知識，業務是BI的魂。學習和工做實踐中，儘可能抓住與甲方相關業務負責人、諮詢顧問、需求分析師交流的機會，儘量多掌握些業務方面的知識。在單純的技術期事後，升遷或換工做，極可能就會須要必定相關業務行業經驗。

六、項目管理知識：學習項目管理知識和商業智能項目實施方法論。瞭解需求調研過程是如何進行的，數據源調研和質量分析有些什麼具體任務，系統設計又分哪些階段步驟，需求變動又如何處理。這些能夠必定程度上提升項目實施成功率。

七、利用各類資源：尋找和使用各類資源進行學習，這些資源包括數據、聯機幫助文檔、論壇、社區、郵件組、專業人士博客、學習視頻等等。

八、專業認證：根據實際狀況適當依據本身所從事的技術分類或是工具，經過專業認證考試，也是能夠爲簡歷加分的。

九、語言水平：提高英語能力。

十、我的興趣：喜歡BI，深刻研究，收穫成就感。從事的工做是本身感興趣的方面，這對於作好一個事情，一份工做是至關有利的。

 

4、BI基礎-數據倉庫理論

介紹學習商業智能，常常會涉及到架構設計理論知識，這裏說下數據倉庫理論兩大流派：Ralph Kimball和Bill Inmon。

在國內，一般所說的數據倉庫的四個特性角度（面向主題、集成、相對穩定、反映歷史變化、用於支持決策）的定義即是Inmon提出的，他被稱爲數據倉庫之父。而實踐大師Kimball的工具箱系列著做，亦被奉爲是數據倉庫建設的經典書籍。

一、基礎理論：

Kimball支持數據倉庫總線結構，提倡維度建模，以星形模型或是雪花模型等方式構建維度數據倉庫。架構體系中，數據集市與維度數據倉庫是緊密結合的，數據集市是數據倉庫中一個邏輯上的主題域。各類前端工具將能夠直接訪問使用維度數據倉庫。

 

Inmon提倡以三範式構建集中式的企業數據倉庫（EDW），做爲整個系統核心；在其之上再建設若干面向主題的、遵循維度模型設計的數據集市；前端工具一般訪問數據集市，而不直接訪問EDW。

二、數據倉庫建設方式

Kimball建議從底向上。先建設知足部門級分析需求的若干數據集市，再經過總線架構將它們集成，造成一個「聯合數據倉庫」。

Inmon強調自頂向下。先未來自各個源業務系統數據集成至企業級的數據倉庫，再基於其搭建面向部門應用需求的數據集市。

三、如何選擇

Kimball方法對團隊技術水平要求不過高，更易於實現，從小型的主題域數據集市建設起，但在逐步建設過程當中，聯合維度數據倉庫的一致性較難控制，適用於戰術層級的規劃，或是有迫切的目標須要實現。

Inmon的方式，規範性較好，數據集成和數據一致性方面能獲得處理，適用於較爲大型的企業級、戰略級的規劃。但對團隊的要求較高，且實現週期較長、成本昂貴。

 

5、BI項目角色劃分

通常一個BI項目實施至少須要如下角色：

一、行業BI顧問（兼項目經理）：熟悉客戶所在行業，能與用戶進行業務溝通並引導客戶發掘需求。有BI項目管理管理經驗。

二、UI設計開發：有比較豐富的BI工具界面開發經驗，能發現不合理的界面需求，並及時引導客戶修改。

三、數據庫開發：有ETL及數據倉庫開發經驗。

因此，BI須要數據庫技術和業務知識結合才能產生價值。

基於我的是一直從事IT技術相關的，因此就以數據開發的角色來深刻BI的學習。

 

6、BI須要的技術

一、數據庫：Oracle,DB2,SQLSERVER,Sybase,MySQL;包括:SQL，PLSQL，備份，恢復，調優；

二、ETL: kettle, Informatica, Datastage, 手工ETL；

三、報表：Cognos, BO, BIEE, Hyperion, superset, metabase等；

四、操做系統, UNIX或者Linux，AIX, Solaris之類，SHELL腳本；

五、熟悉瞭解一些ERP系統，SAP，Sieble；

六、熟悉瞭解一些BI軟件：PowerBI、Wyn Enterprise、FineBI等。