商业智能概述

2.3.1　商业智能概述

商业智能(Business Intelligence)的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库(或数据集市)、查询报表、数据分析、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的技术及其应用。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是操作层的，也可以是战术层和战略层的。

为了将数据转化为知识，需要利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。

现在业界普遍认为把商业智能看成是一种解决方案应该比较恰当。

商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取(Extraction)、转换(Transformation)和装载(Load)，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理(这时信息变为辅助决策的知识)，最后将知识呈现给管理者，为管理者的决策过程提供支持。

一般地讲，商业智能包括以下部分:

(1)ETL:即数据的抽取/转换/加载。也就是将原来不同形式、分布在不同地方的数据，转换到一个整理好的统一的存放数据的地方(数据仓库)。ETL可以通过专门的工具来实现，也可以通过任何编程或类似的技术来实现。

(2)数据仓库:一个标准的定义是:数据仓库是一个面向主题、集成、时变、非易失的数据集合，是支持管理部门的决策过程。简单地说，数据仓库就是储存数据的地方。它既可能是原始的业务数据库，也可能是另外生成的。既可能是标准的关系型数据库，也可能是包括了一些特定面向分析特性的专门产品。

(3)查询:找出所需要的数据。由于需求的多样性和复杂程度的差异，查询可能包括最简单的从一张表中找出“所有姓张的人”，到基于非常复杂的条件、对关系非常复杂的数据进行查找和生成复杂的结果。

(4)报表分析:以预先定义好的或随时定义的形式查看结果和分析数据。将人工或自动查询出来的数据，以所需要的形式(包括进行各种计算、比较，生成各种展现格式，生成各种图表等)展现给用户，甚至让用户可以进一步逐层深入挖掘这些数据，乃至灵活地按照各种需求进行新的分析并查看其结果。

(5)OLAP分析:多维数据分析，从多个不同的角度立体地同时对数据进行分析。理解OLAP分析，最简单的例子是Excel中的数据透视表。

注意:OLAP有广义与狭义之分，广义的OLAP是相对OLTP而言，可以说包括了查询、报表分析、OLAP分析和数据挖掘，狭义的OLAP就是多维数据分析。

OLAP分析是通过建模和建立立方体(CUBE)来实现，但现在也有一些简单的OLAP工具可以不建模即进行小数据量、低复杂度的分析(本书介绍的Excel的数据透视表即是一例)。

(6)数据挖掘:一种在大型数据库中寻找你感兴趣或是有价值信息的过程。相比于上面几个部分，数据挖掘是最不确定的。如果理解它与查询的区别，似乎是数据如果容易查出来，就是查询;如果费很大劲才能找出来，就是挖掘。

除了上面所讲的这些实质性、技术性的组成部分外，与商业智能相关的还有很多应用层面的概念，如EPM(企业绩效管理)、DashBoard(仪表盘)、预警、决策支持等。这些概念在应用上有很大意义，也有一些相关的辅助技术，但本质上还是基于上述的几个组成部分。无论是企业人士还是科研人员在很多情况下都将商业智能与决策支持系统等同起来看。