企业BI平台体系分析

　　随着计算机和网络技术的迅速发展，企业开始拥有庞大而复杂的数据库，面对激烈的竞争，企业需要充分利用这些数据的价值，从中挖掘有用信息，以支持企业的管理决策。近年来，商业智能（Business Intelligence，简称BI）的兴起成为已经成为企业决策信息化的热点，BI软件市场也在最近几年得到了迅速增长。在国外，几家大的软件巨头包括 IBM和Oracle已经打造了自己的BI实施平台。

　　商业智能概述

　　1、商业智能的概念

　　什么是商业智能呢？商业智能到底可以给客户带来什么？

　　商业智能（Business Intelligence，简称BI）这一术语是Gartner Group于1996年提出来的。从技术层面上看，它描述了一系列由数据仓库、查询报表、联机分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用；从管理理念层面上看，它是一整套通过对数据进行收集、管理、分析以及挖掘，使数据成为可用的信息，从而更好地辅助决策和指导行动的解决方案。

　　其实，商业智能所涉及的技术应用，在Gartner Group命名之前就有，它只是数据仓库、联机分析处理、数据挖掘等技术的综合运用。商业智能系统的核心目标是解决商业问题，它把数据处理技术与商务规则相结合以提高管理决策水平。如今，它已经在电子商务、客户关系管理（CRM）、信息门户、企业资源规划（ERP）以及其他各类企业应用系统中担当起核心技术的角色。

　　2、商业智能的功能

　　从技术角度上讲，商业智能主要的功能包括以下方面：

　　（1）从不同的数据源收集数据。由BI的概念我们可以看出，为了能够有效地提供决策支持，BI需要从多方面收集数据资料，这些资料既包括企业内部不同应用系统的业务数据，也包括来自企业外部的相关数据。这个工作通常由ETL工具完成，所谓ETL，是指数据的抽取（Extract）、转换（Transform）和装入（Load）。

　　（2）提供分析和报告，以支持专业人士进行数据查询以及模式发现。BI和企业中业务应用系统的不同之处在于，业务应用系统属于事务型系统，是为处理业务而使用的；而BI属于分析型系统，是为支持决策而服务的。这主要依靠联机分析处理（OLAP）和数据挖掘（DM）技术实现。

　　（3）管理数据仓库，根据用户角色提供不同的访问视图和报表结果。BI作为转化数据和提供信息的智能化平台，必然需要管理大量数据。如何组织这些数据并提供高效和安全的访问机制，也是BI必须具备的功能之一。

　　商业智能平台的体系结构和实现方案

　　1、商业智能平台的体系结构和实施步骤

　　商业智能的实现方式多种多样，其特点一般由行业领域和用户要求所决定，但是，其基本的体系结构往往包括以下四个部分：

　　（1）数据仓库：用于抽取、整合、分布、存储有用的信息。对于一个企业而言，它的数据往往分布在不同的部门，管理者要综观全局、运筹帷握，必须能迅速地获得各方面的相关数据，因此，有必要把不同区域的数据集中起来，进行统一的管理。

　　（2）多维分析服务：也称联机分析处理，可以全方位、多层次地考察数据。管理人员往往希望从不同的角度来审视业务数据，比如从时间、地域、种类等多个角度察看某个金融机构的储蓄总额，其中，每一个分析的角度被称为一个维。目前，一些大型数据库厂商已结合自己的产品提供了联机分析处理（OLAP）工具，它的主要功能是根据用户的要求设计多维模型，生成并存储多维数据结构，以便在响应查询时能尽快找到满足条件的数据；此外，支持用户在某个维上进行上卷和下钻，或在多维数据结构上进行切片和切块操作。

　　（3）前端分析展示：提供简单易用的图形化界面给管理人员或一般用户，由他们自由选择要分析的数据、定义分析角度和需要显示的结果。该部分往往与多维分析工具配合，作为多维分析服务器的前台界面。

　　（4）数据挖掘：借助数据库技术，使用统计分析的数学方法以及人工智能方面的知识，从大量数据中提取隐含的、有用的信息。多数管理者已经意识到，大量的数据有时并不能说明问题，关键是发掘数据背后隐藏的规律和模式，于是，各数据库厂商也开始在自己的产品中加入了数据挖掘工具以支持客户的需要。

　　如图所示，商业智能平台应该以数据仓库作为基础，联机分析处理（OLAP）和数据挖掘（Data Mining）作为关键性技术支持。企业在构建商业智能平台时，可以分三步实施：

　　第一步，实现数据仓库和数据集市，构造商业智能的基础环境。这个阶段需要相当长的时间和大量人力、财力的投入。首先，数据仓库是面向主题的，应该在明确主题边界的基础上构造企业数据模型；其次，目前多数企业的各应用系统都是分别开发的，需要通过数据库提供的转换工具（ETL）或编写专门的应用程序进行数据转换和集成。

　　第二步，实现多维分析，为管理者提供决策支持性数据。在进行联机分析处理（OLAP）过程中，需要完成的工作包括：根据分析主题设计多维模型；选择恰当的方式存储多维数据结构；提供方便、友好的界面支持分析操作并展示分析结果。

　　第三步，进行深层次的数据挖掘，发挥商业智能的特色。除了可以利用数据挖掘工具中提供的通用挖掘方法以外，企业可以根据自己的业务规则自行设计业务规则引擎（Business Rule Engine）加入商业智能平台中，作为对数据挖掘智能化的补充。

　　2、IBM公司为企业构建商业智能平台提供的解决方案

　　（1）使用DB2 Warehouse Manager构建数据仓库。IBM的Warehouse Manager是IBM数据仓库解决方案的重要组成部分，它主要由以下几部分功能组成：数据访问，数据转换，数据分布，数据存储，靠描述性数据查找和理解数据，显示、分析和发掘数据，数据转换过程的自动化及其管理。IBM的Warehouse Manager可获取的数据源可以是DB2家族中的任一数据库，也可以是Oracle、Sybase, Informix、SQL Server数据库和IMS、VSAM文件系统；存放数据仓库的数据库可以是DB2 UDB for WindowsNT、OS/2、AIX/600、HP-UX、SunSolaris、S CO,S INIX和DB2/400,D B2 for OS/390；Warehouse Manager的管理平台为Windows NT和OS/2；而且以上适用的平台仍在不断地扩展。

　　（2）通过DB2 OLAPServer和DB2 OLAP Analyzer完成多维商业数据在线分析功能。IBM DB2 OLAP Server是一种功能强大的工具，结合了业界领先的Arbor Essbase OLAP功能以及DB2的可靠性、可管理性和访问能力。Arbor是OLAP市场领先的厂商，同其它OLAP相比，有更多的前端工具和应用程序利用了 Essbase API，使其成为事实上的业界标准；使用DB2 OLAP Analyzer，可以获得它提供的强大报表功能、交互图形化分析、多种图表视图和灵活的钻取操作。

　　（3）利用IBM Inteligent Miner数据挖掘工具发掘有价值的信息。Inteligent Miner除了使用大量的统计技术外，还提供了关联规则发现、序列分析、概念分类等数据挖掘算法，对企业的整套数据进行挖掘操作，从中寻找潜在的商机。

　　目前，国内很多电信部门和金融机构都采用了IBM公司的数据库产品作为构建商业智能平台的解决方案，其中包括中国电信总局和国家开发银行。

　　小 结

　　商业智能作为企业决策信息化的解决方案，在实施的过程中除了要购买必需的软件产品作为“硬”的环境基础，还需要企业根据自己的特点设计数据仓库、进行多维分析和数据挖掘，以此作为“软”的完善补充。目前，国内的企业在构建商业智能平台的时候，大多还存在“硬”环境与“软”系统的无法很好兼容的局面，因此，具备全面商业智能知识的复合型人才将成为企业今后所急需的资源，这也是构建商业智能平台的重要资源。