大数据的商业智能

商业智能是从许多来自不同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、转换和装...



商业智能是从许多来自不同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、转换和装载的过程，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，最后将知识呈现给管理者，为管理者的决策过程提供支持。

经历二十多年的发展以及多轮并购潮之后，BI厂商分为两类，一类是综合性BI提供商。例如IBM、Oracle 、SAP和Microsoft等。另一类是专业化BI提供商，例如Teradata和SAS。在中国BI工具的应用遇到挑战：（1）报表格式复杂。中国的报表设计思想与西方不同，西方报表倾向于仅用一张报表说明一个问题，而中国的报表倾向于将尽可能多的问题集中在一张报表中，这种思路直接导致了中国报表的复杂格式。（2）数据量大。以中国移动为例，仅我国一个省的用户数量，就相当于欧洲一个中等国家的人口，是真正的海量数据，BI系统的分析耗时较长。（3）数据回写。BI系统是以真实再现源数据为原则，但是实际应用中许多公司都提出了数据修改的需求。

传统BI主要用于分析历史情况，目前主要集中于以下几个领域：

• 固定报表：目前中国市场上的商业智能应用停留在这个层面，主要过程是通过ETL工具，将业务系统源数据抽取到数据仓库中，在装载到数据集市，建立模型，利用前端工具将数据展现出来。
• OLAP分析：生成OLAP多维模型，实现多指标分析。
• 数据挖掘：通过分析具体数据，发现潜在的、有价值的信息，例如啤酒和尿布。
• 分析应用：与业务信息系统相结合。例如企业绩效管理。随着企业应用的复杂和数据量的增加，传统BI应用也面临着一些的局限性：
• 传统BI的过滤、上钻、下钻、比较等功能难于满足一些特殊企业用户的分析要求。
• 如何来保证外部数据的准确性、实时性和有效性是个重大问题。
• 在多媒体、智能手机和社交网站获取的信息，我们正面临着比以往任何时候都更多的数据，传统数据仓库的性能已无法应付庞大的信息。只有通过大数据（BigData）技术才能够访问和使用这些宝贵的、大规模数据集，以应对越来越复杂的数据分析和更好的商业决策制定。

     未来BI主要用于预测情况，其发展方向为：建立实时动态数据仓库。传统数据仓库是基于历史数据分析，动态数据仓库支持前端应用，利用分析结果发起业务流程。增加对非结构化数据的处理并缩短响应时间。为满足未来商业智能的发展，应该将大数据技术和商业智能技术结合起来。数据海洋中的大数据要做的事不仅要对大规模的信息运行分析，而且其自身也成为数据仓库的一种来源，大数据有益于大型分析以及长期的战略方向。大数据是传统数据库、数据仓库、BI概念外延的扩展，手段的扩充，对传统的数据应用不存在取代的关系，也并不是互斥的关系。通过用户行为分析实现精准营销是大数据的典型应用，但是大数据在各行各业特别是公共服务领域具有广阔的应用前景。

大数据BI系统的底层技术主要包括分布式计算、内存计算和列存储。大数据BI系统的演变过程可分为如下三阶段。

第一阶段：OLTP&OLAP

第二阶段：MaterializedView（物化视图），STAGE（直接拷贝接口层）、ODS（企业运营数据仓库）、DWD（细节数据层）、DWA（衍生汇总层）

第三阶段：一体机，MPP (大规模并行处理)DW（数据仓库），MPP(大规模并行处理) DM（数据集市）

     大数据下的BI系统不仅仅是数据展现，还要实现：能够掌握情况，分析问题，找到答案；前端系统的交互和分析能力要强大；数据挖掘、预测变成重要的需求。

移动互联网、物联网、云计算的快速兴起以及移动智能终端的快速普及，正使得当前人类社会的数据增长比以往任何一个时期都要快，大数据和商业智能结合已应用于各行各业，通过用户行为分析实现精准营销是大数据的典型应用，但大数据在各领域都具有广阔的应用前景。

文章作者：中国移动设计院技术通讯

通信让我们的生活更美好！
我们的微信号：ZTE1415，或长按指纹扫描，并点击“识别图中二维码”关注更多精彩，一触即发！

    关注 中兴通讯东北实训基地