商业智能系统的主要功能包括数据仓库、数据ETL、数据统计输出、分析（）不属于数据ETL..

商业智能的关键是从来自组织的许多不同的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，合并到一个组织级的数据仓库里，从而得到组织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。

商业智能的主要功能

商业智能系统应具有的主要功能有：

.数据仓库：高效的数据存储和访问方式。提供结构化和非结构化的数据存储，容量大，运行稳定，维护成本低，支持元数据管理，支持多种结构，如中心式数据仓库和分布式数据仓库等。存储介质能够支持近线式和二级存储器，能够很好地支持容灾和备份方案。

.数据ETL：支持多平台、多数据存储格式的数据组织，要求能自动地根据描述或者规则进行数据查找和理解。减少海量、复杂数据与全局决策数据之间的差距，帮助形成支撑决策要求的参考内容。

.数据统计输出（报表）：能快速地完成数据统计的设计和展示。

.分析功能：可以通过业务规则形成分析内容，并且展示样式丰富，具有一定的交互要求，例如预警或趋势分析等。

商业智能的三个层次

商业智能的实现有三个层次，分别为：

.数据报表：BI的低端实现。其不足之处是数据太多，信息太少；难以交互分析、了解各种组合；难以挖掘出潜在的规则；难以追溯历史，形成数据孤岛。

.多维数据分析：数据分析系统的总体架构由四个部分组成，包括源系统、数据仓库、多维数据库和客户端。

.数据挖掘：源数据经过抽取和转换等成为适合挖掘的数据集，数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。

商业智能的软件工具集合

商业智能的软件工具主要包括：

.终端用户查询和报告工具。

.数据仓库（Data Warehouse）和数据集市（Data Mart）产品。

.数据挖掘（Data Mining）软件。

.OLAP工具。

OLTP和OLAP的区别如下：

.OLTP（Online Transaction Processing）是联机事务处理，属于传统关系型数据库的一个主要应用，主要用于基本的、日常的事务处理，如银行交易。

.OLAP（Online Analytical Processing）是联机分析处理，是数据仓库系统的一个主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。其典型的应用是对商业问题的建模与商业数据分析，也被称为多维分析。

OLAP的实现方法根据存储数据的方式不同可分为：

.ROLAP（Relational OLAP）：表示基于关系数据库的OLAP实现。以关系数据库为核心，以关系型结构进行多维数据的表示和存储。它将多维数据库的多维结构划分为两类表，一类是事实表，一类是维表。

.MOLAP（Multidimensional OLAP）：表示基于多维数据组织的OLAP实现。以多维数据组织方式为核心，多维数据在存储中将形成“立方块（Cube）”的结构，在MOLAP中对“立方块”的“旋转”“切块”和“切片”是产生多维数据报表的主要技术。

.HOLAP（Hybrid OLAP）：表示基于混合数据组织的OLAP实现。如低层是关系型的，高层是多维矩阵型的。

主流的商业智能工具包括BO、COGNOS和BRIO。一些国内的软件工具平台如KCOM也集成了一些基本的商业智能工具。

商业智能的实施步骤

商业智能项目的实施可按如下步骤：

（1）需求分析。

（2）数据仓库建模。

（3）数据抽取。

（4）建立商业智能分析报表。

（5）用户培训和数据模拟测试。

（6）系统改进和完善。

数据仓库

定义

数据仓库（Data Warehouse）是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

特点：

.数据仓库用于决策支持，面向分析型数据处理，不同于操作型数据库。

.数据仓库是对多个异构数据源（包括历史数据）的有效集成，集成后按主题重组，且存放在数据仓库中的数据一般不再修改。

和操作型数据库的区别

数据仓库与操作型数据库相比，有如下区别：

.面向主题：操作型数据库的数据面向事务处理，各个业务系统之间各自分离；而数据仓库中的数据按主题进行组织。主题是指用户使用数据仓库进行决策时所关心的某些方面，一个主题通常与多个操作型系统相关。

.集成：操作型数据库通常与某些特定应用相关，数据库之间相互独立，且往往是异构的；而数据仓库的数据是在原有分散数据库数据抽取清理的基础上经过系统加工、汇总和整理得到的，消除了源数据中的不一致性，保证了信息是整个企业一致性的全局信息。

.相对稳定：操作型数据库中的数据通常是实时更新的，数据根据需要及时发生变化；而数据仓库的数据主要供企业决策分析之用，涉及的数据操作主要是查询，只有少量的修改和删除，通常只需定期加载、刷新。

.反映历史变化：操作型数据库主要关心当前某个时间段内的数据；而数据仓库通常包含历史信息，通过这些信息可以对企业的发展历程和未来趋势做出定量分析和预测。

数据仓库系统的结构

数据仓库系统的结构通常包含四个层次，分别为：

.数据源：是数据仓库系统的基础，通常包括企业内部信息和外部信息。内部信息包括存放于数据库中的各种业务处理数据和各类文档数据；外部信息包括各类法律法规、市场信息和竞争对手的信息等。

.数据存储与管理：是整个数据仓库系统的核心。数据仓库的组织管理方式决定了对外部数据的表现形式。数据仓库按照数据的覆盖范围可以分为企业级数据仓库和部门级数据仓库（通常称为数据集市）两种。

.OLAP服务器：对分析需要的数据进行有效集成，按多维模型组织，以便进行多角度、多层次的分析，并发现趋势。具体实现可以分为ROLAP、MOLAP和HOLAP。ROLAP的基本数据和聚合数据均存放在关系数据库中；MOLAP的基本数据和聚合数据均存放在多维数据库中；HOLAP的基本数据存放在关系数据库中，聚合数据存放在多维数据库中。

.前端工具和应用：主要包括各种报表工具、查询工具、数据分析工具、数据挖掘工具以及各种基于数据仓库或数据集市的应用开发工具。其中数据分析工具主要针对OLAP服务器，报表工具、数据挖掘工具主要针对数据仓库。

更多复习资料
请登录电脑版软考在线 www.rkpass.cn

京B2-20210865 | 京ICP备2020040059号-5