数据 挖掘_hyperion数据挖掘引擎

1.BI软件有哪些？各有什么优点和缺点

2.什么是 BI工程师

3.[独立BI厂商　何以独善其身] 独善其身

4.BI （商业智能）是什么？起到什么作用？它的未来市场怎么样？

5.BI主要掌握什么？

大数据分析技术生态圈一览

大数据领域让人晕头转向。为了帮助你，我们决定制作这份厂商图标和目录。它并不是全面列出了这个领域的每家厂商，而是深入探讨大数据分析技术领域。我们希望这份资料新颖、实用。

这是一款面向Hadoop的自助服务式、无数据库模式的大数据分析应用软件。

Platfora

这是一款大数据发现和分析平台。

Qlikview

这是一款引导分析平台。

Sisense

这是一款商业智能软件，专门处理复杂数据的商业智能解决方案。

Sqream

这是一款快速、可扩展的大数据分析SQL数据库。

Splunk

这是一款运维智能平台。

Sumologic

这是一项安全的、专门定制的、基于云的机器数据分析服务。

Actian

这是一款大数据分析平台。

亚马逊Redshift

这是一项PB级云端数据仓库服务。

CitusData

可扩展PostgreSQL。

Exasol

这是一种用于分析数据的大规模并行处理(MPP)内存数据库。

惠普Vertica

这是一款SQL on Hadoop大数据分析平台。

Mammothdb

这是一款与SQL兼容的MPP分析数据库。

微软SQL Server

这是一款关系数据库管理系统。

甲骨文Exadata

这是一款计算和存储综合系统，针对甲骨文数据库软件进行了优化。

SAP HANA

这是一款内存计算平台。

Snowflake

这是一款云数据仓库。

Teradata

这是企业级大数据分析和服务。

数据探查

Apache Drill

这是一款无数据库模式的SQL查询引擎，面向Hadoop、NoSQL和云存储。

Cloudera Impala

这是一款开源大规模并行处理SQL查询引擎。

谷歌BigQuery

这是一项全面托管的NoOps数据分析服务。

Presto

这是一款面向大数据的分布式SQL查询引擎。

Spark

这是一款用于处理大数据的快速通用引擎。

平台/基础设施

亚马逊网络服务(AWS)

提供云计算服务

思科云

提供基础设施即服务

Heroku

为云端应用程序提供平台即服务

Infochimps

提供云服务的大数据解决方案

微软Azure

这是一款企业级云计算平台。

Rackspace

托管专业服务和云计算服务

Softlayer(IBM)

提供云基础设施即服务

数据基础设施

Cask

这是一款面向Hadoop解决方案的开源应用程序平台。

Cloudera

提供基于Hadoop的软件、支持和服务。

Hortonworks

管理HDP――这是一款开源企业Apache Hadoop数据平台。

MAPR

这是面向大数据部署环境的Apache Hadoop技术。

垂直领域应用/数据挖掘

Alpine Data Labs

这是一种高级分析平台，可处理Apache Hadoop和大数据。

R

这是一种免费软件环境，可处理统计计算和图形。

Rapidminer

这是一款开源预测分析平台

SAS

这是一款软件套件，可以挖掘、改动、管理和检索来自众多数据源的数据。

提取、转换和加载(ETL)

IBM Datastage

使用一种高性能并行框架，整合多个系统上的数据。

Informatica

这是一款企业数据整合和管理软件。

Kettle-Pentaho Data Integration

提供了强大的提取、转换和加载(ETL)功能。

微软SSIS

这是一款用于构建企业级数据整合和数据转换解决方案的平台。

甲骨文Data Integrator

这是一款全面的数据整合平台。

SAP

NetWeer为整合来自各个数据源的数据提供了灵活方式。

Talend

提供了开源整合软件产品

Cassandra

这是键值数据库和列式数据库的混合解决方案。

CouchBase

这是一款开源分布式NoSQL文档型数据库。

Databricks

这是使用Spark的基于云的大数据处理解决方案。

Datastax

为企业版的Cassandra数据库提供商业支持。

IBM DB2

这是一款可扩展的企业数据库服务器软件。

MemSQL

这是一款分布式内存数据库。

MongoDB

这是一款跨平台的文档型数据库。

MySQL

这是一款流行的开源数据库。

甲骨文

这是一款企业数据库软件套件。

PostgresSQL

这是一款对象关系数据库管理系统。

Riak

这是一款分布式NoSQL数据库。

Splice Machine

这是一款Hadoop关系数据库管理系统。

VoltDB

这是一款内存NewSQL数据库。

Actuate

这是一款嵌入式分析和报表解决方案。

BiBoard

这是一款交互式商业智能仪表板和可视化工具。

Chart.IO

这是面向数据库的企业级分析工具。

IBM Cognos

这是一款商业智能和绩效管理软件。

D3.JS

这是一种使用HTML、SVG和CSS可视化显示数据的JaScript库。

Highcharts

这是面向互联网的交互式JaScirpt图表。

Logi Analytics

这是自助服务式、基于Web的商业智能和分析应用软件。

微软Power BI

这是交互式数据探查、可视化和演示工具。

Microstrategy

这是一款企业商业智能和分析软件。

甲骨文Hyperion

这是企业绩效管理和商业智能系统。

Pentaho

这是大数据整合和分析解决方案。

SAP Business Objects

这是商业智能解决方案。

Tableau

这是专注于商业智能的交互式数据可视化产品系列。

Tibco Jaspersoft

这是商业智能套件。

BI软件有哪些？各有什么优点和缺点

文献引用的标准格式如下：

（1）学术期刊文献

［序号］作者．文献题名［J]．刊名，出版年份，卷号（期号）：起－止页码。

（2）学术著作

［序号］作者．书名［M]．版次（首次免注）．翻译者．出版地：出版社，出版年：起－止页码。

（3）有ISBN号的论文集

［序号］作者．题名［A].主编．论文集名［C]．出版地：出版社，出版年：起－止页码。

（4）学位论文

［序号］作者．题名［D]．保存地：保存单位，年份。

（5）专利文献

［序号］专利所有者．专利题名［P]．专利国别：专利号，发布日期。

（6）技术标准

［序号］标准代号，标准名称［S]．出版地：出版者，出版年。

（7）报纸文章

［序号］作者．题名［N]．报纸名，出版日期（版次）。

（8）报告

［序号］作者．文献题名［R]．报告地：报告会主办单位，年份。

（9）电子文献

［序号］作者．电子文献题名［文献类型／载体类型］．文献网址或出处，发表或更新日期／引用日期（任选）。

什么是 BI工程师

BI软件有很多，分类方式也有很多，这里就按照国内和国外给你介绍下几款

SAP BO: SAP公司收购的一款BI工具，产品运作模式是结合SAP的ERP系统，所以整合其他数据库或系统并不占优势，属于重型BI，使用要求较高，升级困难。

Oracle BIEE：无功无过，在BI产品不具特色，同SAP一样，与Oracle的产品线紧密绑在一起。貌似国外厂商都是捆绑型卖整体方案。

Cognos：传统BI工具中最被广泛使用的，已被IBM收购。拥有强大的数据库平台、在数据管理、数据整合以及中间件领域专业功底深厚。偏操作型，手工建模，一旦需求变化需要 重新建模，学习要求较高。

以上是国外，然后还有国内，FineBI是几年前帆软公司推出的，在国内口碑和发展还行。通过傻瓜式操作，用户只需在Dashboard中简单拖拽操作，便能制作出丰富多样的数据可视化信息，进行数据钻取、联动和过滤等操作，自由分析数据。帆软旗下的自助性BI产品，轻量化的BI工具，维护方便，最具性价比

[独立BI厂商　何以独善其身] 独善其身

BI工程师，主要是做数据分析，数据仓库，以及相关报表，对一些数据进行处理，对数据库要有比较深入的了解。

BI工程师需要有一定的数据库经验,掌握SQL查询优化方法,精通Oracle、SQL Server、MySQL等主流数据库的应用设计、性能调优及存储过程的开发.掌握BI相关工具,如ETL工具(如SSIS)、OLAP工具(如SSAS)和前端展示工具.熟悉ETL逻辑、OLAP设计和数据挖掘相关算法.

工作职责:

负责ETL设计、模型设计、开发、技术支持等工作；

2. 负责ETL应用开发，数据库性能进行调优；?

3. 参与数据抽取、加载、转换和脚本开发；?

4. 负责BI展现的开发；

5、使用Hadoop, Hive等对海量日志进行统计分析。

BI （商业智能）是什么？起到什么作用？它的未来市场怎么样？

（本报记者 杨霞清）在软件巨头纷纷发力商业智能市场、软件业并购整合风起云涌的大趋势下，独立的商业智能（BI）厂商生存状态备受关注。　软件业的?并购风?越刮越烈。两周前，甲骨文以85亿美元吞下了BEA、Sun购买了My SQL，软件业的整合趋势越来越明显。而在商业智能领域，这种趋势早已经呈现，在过去的2007年，甲骨文收购了海波龙、SAP收购了Business Objects、IBM收购了Cognos，全球前六大BI厂商中，仅SAS硕果仅存，成为独立商业智能厂商。

　在软件业并购整合的大趋势下，独立的商业智能的厂商该何去何从？众多的软件巨头纷纷发力商业智能市场，这个市场是否已经足够成熟？

　不被并购 是祸是福

　有分析师认为，商业智能领域并购的加剧，对独立BI厂商而言，短期内或许是好事。计世资讯副总经理、资深分析师曹开彬认为，独立的软件厂商在合作伙伴，比如数据库、应用软件等方面可以有更多选择。有国外分析师认为，在2008年，Business Objects、Cognos和 Hyperion将会专注于技术(文化)的挑战，将一系列复杂的预置型套件集成到更复杂的SAP、IBM和Oracle 的基础产品上，而不是侧重于创新。这些被收购的公司新的BI或许将定义为?臃肿的集成?。

　但有分析师认为，长期来看，独立的BI厂商将面临着压力，随着整合的完成，软件业趋向于提供?端到端的解决方案?，而且在系统的整合方面，IBM、甲骨文自身的BI软件跟自己的数据库、中间件等软件会比跟别的厂商融合得更好，而且在向用户推介时，不排除捆绑销售的可能。

　SAS公司大中华区总裁黄永恒接受访时否认了后者的说法，他认为这些并购对SAS来讲没有什么影响。SAS与BO、海波龙等是不同的商业智能厂商。BO、海波龙从报表起家，侧重于财务智能; 而SAS除了报表方面外，更强调和客户的业务结合，以业务需求为导向，为客户提供端到端的整体解决方案，比如说银行的信用评分、分析型的CRM等等。

　黄永恒认为，SAS与BO、海波龙在技术上的差异性，决定了这几家的产品的替代性不大。这也是为什么IBM有自己的商业智能软件，但是IBM中国研究院却是SAS的用户。

　这两年来，软件的租赁模式（SaaS）逐渐被业界所追捧，很多软件公司最近尝试用租赁模式给客户销售产品，但占主流的还是软件许可模式。

　对于SAS公司而言，租赁模式是其公司一直使用的商业模式。 ?很多客户希望工期投入短，投入能给企业带来价值，能马上赚钱，租赁方式对客户是有好处的。比如说，一年到期后，认为软件没用就放弃，有用就继续续约。在国外，98%的用户都选择了续约。? 黄永恒接受访时说，租赁模式使SAS保持了连续31年的增长。

　而有分析师认为，SAS之所以没有被购买，原因之一是它为一家私人的公司。SAS成立于16年，总部位于美国北卡罗莱纳州，经过30年的稳定收入增长，2006年SAS全球营业额达到19亿美元，为全球第五大独立软件供应商，也是全球最大的未上市软件公司。

　黄永恒也承认，在并购狂潮中SAS之所以能独善其身，在于与甲骨文、IBM、BEA不一样的经营模式。?没有公众股东的压力，不需要面对华尔街的股票指数，只需要考虑员工和客户的利益。? 也因为如此，SAS每年将25%的收入投入R&D，投入于新的应用开发，是目前很多IT公司的两倍。这也保证了SAS每年都能持续地带给老客户新的应用、新的价值。

　在全球软件整合的趋势下，技术的壁垒和没有资本的压力，是独立的BI厂商避免被收购的重要原因。

　BI市场潜力巨大

　IDC曾预计，到2010年亚太（不包括日本）商业智能软件和企业绩效管理与财务分析软件市场合起来将至少达到6.7亿美元。甲骨文、IBM、SAP等软件巨头都对这一领域表现出浓厚的兴趣并分别取了行动。

　计世资讯副总经理、资深分析师曹开彬认为，随着大企业对海量数据挖掘和分析的需求的提高，商业智能的应用更广泛和深入。而且，商业智能是信息化的制高点。广泛的应用前景，使得各大厂商纷纷在这个市场?布局圈地?。

　?很多企业都认识到挖掘数据的重要性，有效信息能帮助用户解决问题，能够帮助决策层做出正确决策。? 黄永恒给记者举了几个例子。奥运会足球、棒球选手如何踢点球、如何击球等都是有分析的，不能凭着选手的感觉走；国外的**，5个色子和6个色子，对**的盈利贡献不一样。美国的快递公司DHL，可以通过数据分析对投递所走的路线进行设计。?很多人认为，最短的路径对快递公司的赢利水平最好，但分析后不是，应该是?不左拐+最短路径?，因为这样不仅快，而且保险性也好了。这就是用了商业智能的软件，分析出不左拐后，能减低事故率。?

　黄永恒认为，虽然目前很多用户不是很清楚什么是商业智能，但他很关心如何去减少客户流失率，如何提高企业效率，降低成本及企业的风险。这就要求，商业智能软件要切实和业务结合得非常紧密。

　另一方面，随着企业对绿色节能等方面意识的增强，可以通过商业智能分析技术积极帮助企业推进绿色成本计算与控制，以及绿色经营，全面促进企业的高效运营和发展。

BI主要掌握什么？

1. 商业智能是什么?目前，BI 领域大致可划分为数据仓库（DW）、OLAP和报表展示、数据集成、数据挖掘和针对行业的解决方案等。?

2. 通常被理解为将企业中现有的数据进行分析，帮助企业做出明智的业务经营决策的工具。从国内来看，商业智能(BI)已经被电信、金融、零售、保险、制造等行业越来越广泛的应用，操作型BI逐步在大企业普及，也就是说商业智能(BI)不仅限于高层管理者的决策之用，也日益成为普通员工日常操作的工具。

3. 根据《调查：2009-2010年中国商业智能（BI）市场分析》，2009年中国大陆地区的商业智能市场份额约为26亿元人民币，比2008年增长18%，约占企业管理软件的市场份额的8%。由于金融危机的影响，2009年部分企业的商业智能投资受到抑制，随着2010年全球经济的逐步复苏，在未来几年内商业智能市场需求旺盛，市场规模增长迅速。?

4、目前进入国内市场的BI厂商实际数量并不多，下表列出了截止到2009年中国大陆地区的主要BI厂商。?

厂商、产品名称 简介

IBMDB2以及Cognos、SPSS、DataStag 覆盖BI全部领域

OracleOracle、Hyperion 覆盖BI全部领域，数据挖掘领域有待加强

MicrosoftSQL Server 覆盖BI全部领域，适合中小型企业，性价比高

奥威智动Power-BI 主要是OLAP和报表领域，适合中小型企业，性价比高。

InformaticaInformatica 主要是数据集成领域

TeradataTeradata 主要是数据仓库领域

SybaseSybase IQ 主要是数据仓库领域

SAPBusiness Objects、Crystal Reports 主要是OLAP和报表领域

SASSAS 数据挖掘领域领先

尚南BlueQuery 主要是OLAP和报表领域(已被用友华表收购)

润乾润乾报表 主要是OLAP和报表领域

探智Trinity 主要是数据集成领域

商业智能也称作BI，是英文单词Business Intelligence的缩写。商业智能的概念最早在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、客户和供应商等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决策。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，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。BI 是一个工厂：

>> BI 的原材料是海量的数据；

>> BI 的产品是由数据加工而来的信息和知识；

>> BI 将这些产品推送给企业决策者；

>> 企业决策者利用 BI 工厂的产品做出正确的决策，促进企业的发展；

这就是 Business Intelligence，即商业智能——连接数据与决策者，变数据为价值。

BI 应用的两大类别是信息类应用 和 知识类应用，其特征如下表所示：

信息类 BI 应用:

指由原始数据加工而来的数据查询、报表图表、多维分析、数据可视化等应用，这些应 用的共同特点是：将数据转换为决策者可接受的信息，展现给决策者。

例如将银行交易数据加工为银行财务报表。

仅负责提供信息，而不会主动去分析数据。

例如，银行财务报表工具没有深入分析客户流失和银行利率之间关系的能力，而只能靠决策者结合信息，通过人的思考，得出知识。

知识类 BI 应用:

指通过数据挖掘技术和工具，将数据中隐含的关系发掘出来，利用计算机直接将数据加工为知识，展现给决策者。

会主动去数据中探查数据关联关系，发掘那些决策者人脑无法迅速发掘的隐含知识，并将其以可理解的形式呈现在决策者面前。

(3) BI 初级应用模式概览——数据查询(Querying)

数据查询是最简单的 BI 应用，属于 MIS 系统遗产，虽然出身比较老土，但是目前仍然是决策者获取信息的最直接的方法。

如今，数据查询界面已经彻底摆脱了传统 SQL 命令行，大量的下拉菜单、输入框、列表框等元素甚至是鼠标拖拽界面将后台干苦力的 SQL 语句包装成一个妖艳无比的数据获取系统，而本质仍然没有离开数据查询的几大要素：

>> 查什么

>> 从哪儿查

>> 过滤条件

>> 展示方法

目前国外比较流行的数据查询应用已经完全释放了数据查询的灵活性，如右图所示的是 Cognos ReportNet 的数据查询界面 Query Studio，允许用户通过纯浏览器界面，以鼠标拖拽操作定义数据查询要素，并以报表和图表等多种方式展现数据。

(4) BI 初级应用模式概览——报表(Reporting)

报表是国内最热衷的 BI 应用之一，这与报表在我国企事业单位中的历史地位是分不开的。我国的报表以其格式诡异、数据集中、规则古怪等特征著称于世，曾经让无数国外报表工具和 BI 工具捶胸顿足。

报表的两大要素是数据和格式，如果没有格式，则报表应用几乎等同于数据查询应用。可以说，报表就是将查询出来的数据按照指定的格式展现。

报表应用包含了报表展现和报表制作两大模块。报表展现就是让决策者看到报表，并允许决策者通过条件定义来选择报表数据，例如选择报表年度、部门、机构等等；报表制作面向报表的开发人员，其格式定义灵活性、数据映射灵活性、计算方法的丰富程度等均影响了 BI 报表应用的质量。

需要澄清一下的是，Microsoft Excel 不算是一个 BI 报表工具，因为 Excel 没有连接数据源的能力，充其量是一个 Spread Sheet。但是 Excel 强大的格式功能让报表制作人员竟折腰，乃至到后来，几乎所有 BI 厂商都提供了面向 Microsoft Excel 的插件，通过插件，Excel 可以连接到 BI 的数据源上，摇身一变为 BI 报表工具，丑小鸭变天鹅。

5) BI 高级应用模式概览——在线分析(OnLine Analytical Processing,OLAP)

OLAP ，即联机分析处理，是 BI 带来的一种全新的数据观察方式，是 BI 的核心技术之一。

我们知道，数据在数据库中是以数据表来存储的，比如某商店的销售数据存储在如下所示的一张数据表中：

销售时间

销售地点

产品

销售数量

销售金额

2004-11-1

北京

肥皂

10

342.00

2004-11-6

广州

桔子

30

123.00

2004-12-3

北京

香蕉

20

12.00

2004-12-13

上海

桔子

50

189.00

2005-1-8

北京

肥皂

10

342.00

2005-1-23

上海

牙刷

30

150.00

2005-2-4

广州

牙刷

20

100.00

决策者希望知道的往往是分布、占比、趋势之类的宏观信息，比如下列问题：

>> 北京地区的销售数量虽时间的变化趋势？

>> 哪种产品在 2005 年销售比 2004 年销售增幅最大？

>> 2004 年各产品销售额的比例分布？ ……

面对这种需求，必须用 SQL 语句进行大量的 SUM 操作，每得出一个问题的结果，就需要 SQL SUM。面对上面的 7 条记录，我们可以很容易的得出结果，但是当我们面对百万级甚至亿级的记录条数时，例如移动公司通话数据，每次 SQL SUM 都需要消耗大量的时间来计算，决策者经常是在第一天提出分析需求，等到第二天才能拿到计算结果，这种分析方式是“脱机分析”，效率很低。

为了提高数据分析效率，OLAP 技术彻底打破以记录为单位的数据浏览方式，而将数据分离为“维度(Dimension)”和“度量(Measure)”：

>> 维度是观察数据的角度，例如上面示例中的“销售时间”、“销售地点”、“产品”；

>> 度量是具体考察的数量值，例如上例中的“销售数量”和“销售金额”；

这样一来，我们就可以将上面这张平版的数据列表转换为一个拥有三个维度的数据立方体( Cube )：

而探查数据的过程，就是在这个立方体中确定一个点，然后观察这个点的度量值：

当然，数据立方体并不局限于三个维度，这里用三个维度来说明问题，只是因为通过图形可以表现出来的极限就是三个维度。

维度可以划分层次，例如时间上可以从日向上汇总为月和年，产品可以向上汇总为食品和日用品，地点可以向上汇总为华北和华南，用户可以沿着维度的层次任意向下钻取(Drill Down)和向上汇总(Roll Up)：

通过这种方式，我们就可以摆脱 SQL SUM 对速度的制约，快速定位符合不同条件的细节数据，更可以迅速得到某一层次的汇总数据。OLAP 技术为决策者提供了多角度、多层次、高效率的数据探查方式，决策者的思维不再被固定的下拉菜单、查询条件所束缚，而是由决策者的思维带领数据的获取，任意组合分析角度和分析目标，这种打破传统的互动性分析和高效率使 OLAP 成为 BI 系统的核心应用。

(*) 第四喷：BI 高级应用模式 —— 数据可视化与数据挖掘

(6) BI 应用模式概览——数据可视化(Visualization)

数据可视化应用致力于将信息以尽可能多的形式展现出来，目的是使决策者通过图形这种直观的表现方式迅速获得信息中蕴藏的知识，如趋势、分布、密度等要素。 值得一提的是，以 MapInfo 公司为代表的 GIS 软件商，目前也正在努力结合 BI 应用。MapInfo 率先提出了 Location Intelligence 概念，依托于地理信息系统，展现各地区的属性值，例如人口密度，工业产值，人均医院数量等等，这种可视化应用部分与 BI 数据可视化应用重合，并形成有力补充，有时可以在一个项目中互相搭配。

上图所示的是 Cognos Visualizer 产品，这家伙用几近哗众取宠的丰富形式展现数据和信息，包含了地图、饼图、瀑布图等近五十种展现图形，并提供了二维和三维两种展现方式。所有的图形元素都是可活动的，例如用户可以通过点击地图上的某一个省，钻取到这个省各个城市的信息，这种可交互性是 BI 与普通生成软件的显著差异。

(7) BI 应用模式概览——数据挖掘(Data Mining)

数据挖掘是最高级的 BI 应用，因为它能代替部分人脑功能。

数据挖掘隶属于知识发现(Knowledge Discovery)在结构化数据中的特例。

数据挖掘的目的是通过计算机对大量数据进行分析，找出数据之间潜藏的规律和知识，并以可理解的方式展现给用户。

数据挖掘的三大要素是：

>> 技术和算法：目前常用的数据挖掘技术包括——

自动类别侦测(Auto Cluster Detection)

决策树(Decision Trees)

神经网络(Neural Networks)

>> 数据：由于数据挖掘是一个在已知中挖掘未知的过程，

因此需要大量数据的积累作为数据源，数据积累

量越大，数据挖掘工具就会有更多的参考点。

>> 预测模型：也就是将需要进行数据挖掘的业务逻辑由

计算机模拟出来，这也是数据挖掘的主要任务。

与信息类 BI 应用相比，以数据挖掘为代表的知识类 BI 应用目前还不成熟，但是从另一个角度来看，数据挖掘可发展的空间还很大，是今后 BI 发展的重点方向，SAS，SPSS 等知识类 BI 应用厂商形象逐渐高大，悄悄占据了新的利润增长点。

上图中是著名的 IBM Intelligent Miner 在分析客户的消费行为。它能对大量的客户数据进行分析，然后自动将客户划分为若干群体（自动类别侦测），并将每个群体的消费特征显示出来，这样决策者就能一目了然的针对不同客户的消费习惯，制定促销或广告。

上述功能如果单靠信息类 BI 应用来实现，则需要决策者根据经验进行大量的 OLAP 分析、数据查询工作，而且还不一定能发现数据中隐藏的规律。例如上述客户分类，对于一个拥有 400 万用户的银行来说，如果没有数据挖掘工具，会把人活活累死的。

(8) BI 底座——数据仓库技术(Data Warehouse)

在开始喷这个主题之前，让我们先看看数据仓库的官方定义：

数据仓库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrate)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合，用于支持管理决策。以上是数据仓库的官方定义。

“操作型数据库”如银行里记账系统数据库，每一次业务操作（比如你存了5元钱），都会立刻记录到这个数据库中，长此以往，满肚子积累的都是零碎的数据，这种干脏活累活还不得闲的数据库就叫“操作型数据库”，面向的是业务操作。

“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；另外，数据仓库是对多个异构的数据源有效集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不再修改。

操作型数据库、数据仓库与数据库之间的关系，就像 C:、D: 与硬盘之间的关系一样，数据库是硬盘，操作型数据库是 C:，数据仓库是 D:，操作型数据库与数据仓库都存储在数据库里，只不过表结构的设计模式和用途不同。

那么为什么要在操作型数据库和 BI 之间加这么一层“数据仓库”呢？

一是因为操作型数据库日夜奔忙，以快速响应业务为主要目标，根本没精力伺候 BI 这边的数据需求，而且 BI 这边的数据需求通常是汇总型的，一个 select sum(xx) group by xx 就能让操作型数据库耗费大量，业务处理跟不上趟，麻烦就大了，比如你存了 5000 元钱，发现十分钟后钱还没到账，作何感想？一定是该银行的领导在看饼图？

二是因为企业中一般存在有多个应用，对应着多个操作型数据库，比如人力库、财务库、销售单据库、库存货品库等等，BI 为了提供全景的数据视图，就必须将这些分散的数据综合起来，例如为了实现一个融合销售和库存信息的 OLAP 分析，BI 工具必须能够高效的取得两个数据库中的数据，这时最高效的方法就是将数据先整合到数据仓库中，而 BI 应用统一从数据仓库里取数。

将分散的操作型数据库中的数据整合到数据仓库中是一门大学问，催生了数据整合软件的市场。这种整合并不是简单的将表叠加在一起，而是必须提取出每个操作型数据库的维度，将共同的维度设定为共用维度，然后将包含具体度量值的数据库表按照主题统一成若干张大表（术语“事实表”，Fact Tables），按照维度-度量模型建立数据仓库表结构，然后进行数据抽取转换。后续的抽取一般是在操作性数据库负载比较小的时候（如凌晨），对新数据进行增量抽取，这样数据仓库中的数据就会形成积累。

大多数 BI 应用并不要求获取实时的数据，比如决策者，只需要在每周一看到上周的周报就可以了，95% 的 BI 应用都不要 求实时性，允许数据有 1 小时至 1 个月不等的滞后，这是决策支持系统的应用特点，这个滞后区间就是数据抽取工具工作的时间。当然，BI 应用中通常还将包含极少的对实时数据的要求，这时仅需针对这些特殊需求，将 BI Querying 软件直接连接在业务数据库上就可以了，但是必须限制负载，禁止做复杂查询。

目前的数据库产品都对数据仓库提供有专门优化，例如在安装 MySQL 的高版本时，安装成序会询问你是想让数据库实例作为 Transaction-Oriented ，还是 Decision Support ，前者就是操作型数据库，后者就是数据仓库（决策支持么，再振臂高呼一遍），针对这两种形式，数据库将提供针对性的优化。

(9) BI 花边

BI 的相关知识大致就是这样了，写一些花边作为结束语吧。

BI 要害：BI 无法处理非结构化数据，只能处理数字信息，但是在企业中，还存在有大量像文本、流媒体、等非结构化的数据，这些数据同样蕴藏有大量价值，但是面对这些数据，目前的 BI 工具无能为力。比较靠谱的是 IBM Intelligent Miner for Text，但是它在处理中文方面似乎十分薄弱。

BI 厂商和产品：

首先让我们认识一下国外大人物！数据仓库方面，有 IBM DB2，Oracle，Sybase IQ，NCR Teradata 等等；BI 应用方面，有 Cognos，Business Objects，MicroStrategy，Hyperion，IBM 等等；数据挖掘方面，有 IBM，SAS，SPSS 等等。巨无霸 Microsoft 也在 BI 领域插了一腿，推出了 SQL Server Analysis Server、Reporting Services 等 BI 相关产品抢占山头！

我们往往容量只把眼光放在国外的BI大佬们而忽略国内渐渐突起的BI新军，如今国内比较出名的BI有奥威智动的Power-BI，尚南的BlueQuery 及润乾报表等，特别值得一提的是奥威智动的Power-BI是一款标准化BI，在国内已经具有一定的市场占有率。

中国的 BI 市场发展：

时间段

国内 BI 应用情况

2002 年以前

大量 BI 软件被看作是能从多个数据源中抽取数据的报表工作，满眼全是报表。

一开始，公司的销售在推销产品时都向用户介绍：“我们是 BI 领域最强的……”效果不好；后来那些销售终于找到了窍门，上来就说：“我们什么报表都能做！”然后订单不断。

2002-2003

OLAP 的价值终于被某些慧眼发现，一些竞争压力大的企业为了提高竞争力，迫切需要从历史数据中挖掘价值，迅速发现了 OLAP 的优势，这时销售终于不用再说“我们什么报表都能做”了。但是国家机关、垄断型企业，仍旧是报表，并且以为 BI 就是报表。

2004

随着越来越多成功 BI 项目的实施，OLAP 终于得以见天日，这时国内才形成数据查询+报表展示+OLAP分析的合理 BI 应用结构。一些数据可视化的需求也时常被用户提出，在一些竞争激烈、数据量大的企业，已经出现了数据挖掘应用。

2005

信息提供已经无法满足很多企业的要求，特别是银行、通信、证券等竞争激烈、风险密集的行业，大量涌现对数据挖掘的需求，BI 应用终于形成信息+知识的整体。

BI 工具在中国遇到的难题：

* 复杂表样：中国是世界上报表最复杂的国家。中国的表样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和诡异风格。

* 大数据量：中国是世界上人口最多的国家。以中国移动公司为例，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！国外数据库、数据仓库和 BI 应用软件，都在中国经受着大数据量承载能力的考验。对于美国，可能一个客户分析应用两秒钟就能出结果，但是在中国这样的数据量下，可就不是两秒钟的问题了。

* 数据回写：中国是世界上对 BI 系统要求最奇特的国家。本来 BI 系统是以忠实再现源数据为原则，但这个原则在中国遇到了难题，许多领导都提出了数据修改需求，“报表里数字不好看，就要能改啊，而且有时候也需要调整啊，这样上级领导看着就好嘛！ ”一个领导如是说。目前能满足此要求的 BI 产品，仅有 Microsoft 和 MicroStrategy 两家。微软对中国市场算是吃透了。