商业智能介绍
主讲者:李仲奎
目录
一、商业智能的定义
二、商业智能在企业信息化的地位
三、商业智能管理系统工作原理
四、商业智能的常用词汇
五、商业智能BI同其他名词的关系
八、商业智能解决的业务问题
七、商业智能的几个层次利用
九、商业智能的典型应用领域
十、商业智能在三个层面的益处
十二、商业智能在中国的应用状况
十三、商业智能在中国的市场预测
十四、商业智能BI软件市场分析
十一、商业智能的发展趋势
六、商业智能的支持技术
十五、商业智能应用实施的三个阶段
十六、商业智能应用实施步骤样例
十七、商业智能的供应厂商及其产品
十八、博科商业智能解决方案
十九、和勤商业智能解决方案
二十、MicroStrategy8产品架构
一、商业智能的定义（１）
商业智能（Business Intelligence，简称BI）：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。
——1996年 Gaetner Group
商业智能的概念最早由Gartner Group于1996年提出来，商业智能所涉及的技术与应用，在Gartner Group命名之前就有，起初被称为经理信息系统（EIS），在演化成商业智能之前叫决策支持系统（DSS）。
摘自《初识商业智能》北京大学信息管理系 李艳博士
商业智能现在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。这些数据包括：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、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决策。
商业智能是一种解决方案
一、商业智能的定义（２）
回目录
摘自《易观国际对中国银行业BI应用的冷思考-----理性认识商业智能价值，全面提升银行竞争力》易观国际 杨青峰
易观国际从用户需求的角度将BI定义为：BI是一种为企业或机构提供大规模数据联机处理、数据挖掘、数据分析，以及报表展现等服务,以实现对特定的商业分析目标或企业整体绩效提供定量化决策支持的解决方案的综合。它的实现依赖于一系列数据处理分析工具：ETL、数据仓库、 OLAP、数据挖掘、数据分析与展现工具。
二、企业信息化的整体方案及商业智能的地位
E-Business 电子商务技术平台
C
R
M
服务管理
呼叫中心
销售管理
市场管理
DWH
数据仓库
决策支持系统
SCM
定
单
管
理
系
统
采
购
管
理
系
统
仓
库
运
输
管
理
库
存
管
理
系
统
计
划
管
理
系
统
经营分析
预算计划
客户管理
投资组合
知识管理
产品定价
人力资源
SCM智能
平衡计分卡(BSC）
MA
风险管理
预算和规划
绩效分析
市场风险
ABM
成
本
分
摊
ERP
现
金
管
理
人
力
资
源
管
理
应
收
应
付
固
定
资
产
管
理
财
务
系
统
核心业务系统
门户网站
ODS
管理层
操作层
决策层
汇总数据
数据流
细
节
数
据
ERP
Financial
CRM
DSS/BI
核心业务系统
管理信息系统
商业智能系统
三、商业智能管理系统工作原理
回目录
MS SQL
ORACLE
IBM DB2
外部文件
数据仓库
DWH
外部数据源
信息表现
ETL工具
元数据库（Meta Data）
数据仓库数据模型
BI系统用户
数据
数据
数据
元数据
元数据
数据描述
请求
信息
查询
数据挖掘Mining
OLAP分析
查询报表
用法
结构
安全
位置
四、商业智能的常用词汇（1）
Data Warehouse：数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。
OLAP：联机分析处理(OnLine Analytical Processing)；基于关系型数据库的OLAP Relational OLAPROLAP。 基于多维数据库 的OLAP,Muiltdimension OLAPMOLAP。基于客户端的Client OLAP
ETL:数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程。构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数据清洗，最终按照预先定义好的数据仓库模型，将数据加载到数据仓库中去。
BI：商业智能（Business Intelligence），指数据仓库相关技术与应用的通称。指利用各种智能技术，来提升企业的商业竞争力。
Data Mining：数据挖掘，是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
KDD：知识发现（Knowledge Discovery in Database）的定义是从大量数据中提取出可信的、新颖的、有用的、并能被人理解的模式的高级处理过程。“模式”可以看成是知识的雏形，经过验证、完善后形成知识。KDD是一个高级的处理过程，它从数据集中识别出以模式来表示的知识。高级的处理过程是指一个多步骤的处理过程，多步骤之间相互影响，反复调整，形成一种螺旋式的上升过程。
四、商业智能的常用词汇（2）
回目录
Data mart：数据集市，或者叫做“小数据仓库”。如果说数据仓库是建立在企业级的数据模型之上的话，那么数据集市就是企业级数据仓库的一个子集，他主要面向部门级业务，并且只是面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。
DSS：决策支持系统（Decision Support System）
Ad hoc query ：即席查询
EIS:主管信息系统（Executive Information System），指为了满足无法专注于计算机技术的领导人员的信息查询需求，而特意制定的以简单图形界面访问数据仓库的一种应用。
BPR：业务流程重整（Business Process Reengineering），指利用数据仓库技术，发现并纠正企业业务流程中的弊端的一项工作，数据仓库的重要作用之一。
CRM：客户关系管理（Customer Relationship Management），CRM就是基于数据仓库技术的一种新应用。但是，从商业运作的角度来讲，CRM其实应该算是一个古老的"应用"了。比如，酒店对客人信息的管理，如果某个客人是某酒店的老主顾，那么该酒店很自然地会知道这位客人的某些习惯和喜好，如是否喜欢靠路边，是否吸烟，是否喜欢大床，喜欢什么样的早餐，等等。当客人再次光临时，不用客人自己提出来，酒店就会提供客人所喜欢的房间和服务。这就是一种CRM。
Meta Data：元数据，关于数据仓库的数据，指在数据仓库建设过程中所产生的有关数据源定义，目标定义，转换规则等相关的关键数据。同时元数据还包含关于数据含义的商业信息，所有这些信息都应当妥善保存，并很好地管理。为数据仓库的发展和使用提供方便。
五、商业智能BI同其他名词的关系
回目录
活动
数据
信息知识
决策
数据采集
处理
应用
数据仓库
DW
商业智能
Business Intelligence
数据管理的价值链
数据挖掘
Data Mining
知识发现
KDD
六、商业智能的支持技术(1)
数据仓库(DW:DataWareHouse)是商业智能的基础，许多基本报表可以由此生成，但它更大的用处是作为进一步分析的数据源。所谓数据仓库(DW)就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子，数据仓库能供给它们所需要的、整齐一致的数据。
在线分析处理(OLAP:OnLine Analytical Processing)技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
数据挖掘(DM:Data Mining)是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
数据展现技术
回目录
六、商业智能的支持技术(2)—数据仓库1
面向主题
集成
时间
相对稳定
数据仓库：面向主题的、集成的、稳定的、随时间变化的，
主要用于决策分析的数据库系统
六、商业智能的支持技术(3)—数据仓库2
面向主题
六、商业智能的支持技术(4)—数据仓库3
集成
六、商业智能的支持技术(5)—数据仓库4
时间
六、商业智能的支持技术(6)—数据仓库5
相对稳定
六、商业智能的支持技术(7)—数据仓库6
多维数据集和维度
六、商业智能的支持技术(8)—数据仓库7
基本概念：
1.多维数据集：多维数据集是一个数据集合，通常从数据仓库的子集构造，并组织和汇总成一个由一组维度和度量值定义的多维结构。
2.维度：它们是事实数据表中用来描述数据的分类的有组织层次结构(级别)。
3.级别：级别描述了数据的层次结构，从数据的最高（汇总程度最大）级别直到最低（最详细）级别。
4.粒度：数据汇总的层次或深度。
5.度量值：在多维数据集中，度量值是一组值，这些值基于多维数据集的事实数据表中的一列，而且通常为数字 [例如： sales、cost等]。
6.聚合聚集：聚合是预先计算好的数据汇总。
7.切块与切片：由多个维的多个成员限定的分区数据，称为一个切块；由一个维的一个成员限定的分区数据，称为一个切片。
六、商业智能的支持技术(9)—数据仓库8
8.元数据：不同 OLAP 组件中的数据和应用程序的结构模型。元数据描述 OLTP 数据库中的表、数据仓库和数据集市中的多维数据集这类对象，还记录哪些应用程序引用不同的记录块。
9.三种存储模式：多维 OLAP (MOLAP)、关系 OLAP (ROLAP) 、混合 OLAP (HOLAP)
10.数据挖掘：数据挖掘使您得以定义包含分组和预测规则的模型，以便应用于关系数据库或多维 OLAP 数据集中的数据。之后，这些预测模型便可用于自动执行复杂的数据分析，以找出帮助识别新机会并选择有获胜把握的机会的趋势。
存储模式
基本数据存储
聚集数据存储
MOLAP
多维数据库
ROLAP
关系型数据库管理系统（RDBMS）
HOLAP
关系型数据库管理系统（RDBMS）
多维数据库
六、商业智能的支持技术(9)—数据仓库8
雪花型
星型
常用的维度结构类型
七、商业智能的几个层次利用
固定报表
OLAP分析
数据挖掘
分析应用
回目录
八、商业智能解决1——发生了什么?
提供事先预制好的报告、企业平衡记分卡，或者“仪表盘”, 利用集中管理的KPI，解决企业运营绩效问题，监控企业的发展，实现复杂的报告用简单的方式表象出来。
企业仪表盘 /平衡记分卡
八、商业智能解决2——为何发生?
1.业务部门可以从固定报表、报告和一些关键的KPI中可以得到很多相关的信息，但是当他们发现问题时，需要了解为何发生了问题。这时，就需要即席查询和OLAP分析。
2.业务分析员经常需要自己根据问题的需要完成自己的分析和报告。
3.在很多情况下，业务分析员和决策制定者需要通过访问集成好的数据仓库获得需要的信息。
即席查询 / 报告
八、商业智能解决3——现在发生了什么?
正合的客户数据
整合架构
( 工作流, 界面, 中间件 & 软件管理)
客户理解
抽取
迁移
加载
价值 / 细分
产品
套餐
渠道
套餐
运营
接触
定单/支付
服务
外部
传真
D&B
忠诚
流失
潜在客户
交叉销售
收入管理
获取
发展
保持
整合数据
模型
数据源
战略决策/ 分析
客户探索
模型 / 引擎
数据流
关系/竞争管理
个性化
客户信息获取
客户标识
客户分类
行为跟踪
交互
认可
沟通
提供
配置
信息
产品特征
内容/脚本管理
风险
运营分析（当前条件下的战略）
这个层次的BI是实时的信息分析。BI帮助决策层建立当前情况下的业务战略和决策。为了该层次BI的成功，几乎需要获得实时的数据。查询可以回答及时发生的问题。运营模式和业务流程会发生较大的变化。
八、商业智能解决4——即将会发生什么?
客户发现仅仅了解现在还远远不够，将来会发生什么，风险的预测和评估是非常重要的。
在现有的BI系统中，还需要统计分析的功能，来帮助分析客户的细分、预测客户的行为、预言客户业务的趋势、辨认欺诈行为等等。
需要这种模型的客户群是非常大的，但是在企业中应用的用户不会太多。然而，它需要复杂的算法、统计模型和大量的数据。所以需要支持大数据量的处理能力。象并行算法和网格计算是必要的。
预测模型（帮助获得业务决策）
八、商业智能解决5——希望发生什么?
业务活动监控（业务战略执行）
BI系统是基于事实的分析系统，很少有人为的干涉。决策是由系统提供的，系统的数据是由运营系统得到的（例如： 由Web页获得、或者由基于市场条件和用户需求进行的特价、促销活动得到）。所以可以建立清楚的决策和业务政策。
回目录
九、商业智能的典型应用领域（1）
(1)客户分类和特点分析
根据客户历年来的大量消费记录以及客户的档案资料，对客户进行分类，并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度，确定哪类顾客给企业带来最大的利润、哪类顾客仅给企业带来最少的利润同时又要求最多的回报，然后针对不同类型的客户给予不同的服务及优惠。
(2)市场营销策略分析
利用数据仓库技术实现市场营销策略在模型上的仿真，其仿真结果将提示所制定的市场营销策略是否合适，企业可以据此调整和优化其市场营销策略，使其获得最大的成功。
(3)经营成本与收入分析
对各种类型的经济活动进行成本核算，比较可能的业务收入与各种费用之间的收支差额，分析经济活动的曲线，得到相应的改进措施和办法，从而降低成本、减少开支、提高收入。
(4)欺诈行为分析和预防
利用联机分析和数据挖掘技术，总结各种骗费、欠费行为的内在规律后，在数据仓库的基础上建立一套欺骗行为和欠费行为规则库，就可以及时预警各种骗费、欠费，尽量减少企业损失。
九、商业智能的典型应用领域（2）
销售分析 主要分析各项销售指标，例如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；同时根据海量数据产生预测信息、报警信息等分析数据；还可根据各种销售指标产生新的透视表。
商品分析 商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过系统对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。
人员分析 通过系统对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购人员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，并为人力资源的合理利用提供科学依据。主要分析的主题有，员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。
九、商业智能的典型应用领域（3）
经营分析
包括经营指标分析、经营业绩分析和财务分析三部分。
经营指标分析是指对企业不同的业务流程和业务环节的指标，如：利润率、应收率、销售率、库存量、单品销售情况及所占营业比例、风险采购和库存评价指标等进行搜集和分析。但这些指标只能反映局部的经营状况。为了解企业的整体经营状况，还需对这些指标进行科学的组织和分析，利用智能管理技术，形成一个能反映企业整体情况的数学模型。这样通过观察总指标并设置告警，才能获得整个企业的经营状况。
经营业绩分析是指对各部门的营业额、销售量等进行统计，在此基础上，进行同期比较分析、应收分析、盈亏分析、各种商品的风险度分析等等。经营业绩分析有利于企业实时掌握自身的发展和经营情况，有利于企业及时调整经营业务、化解经营风险。
财务分析是指对企业财务数据中的利润、费用支出、资金占用及其他具体经济指标进行有效分析。通过财务分析，可以及时掌握企业在资金使用方面的实际情况，为及时调整和降低企业成本提供数据依据。
战略决策支持
绩效管理
商业智能系统从各种应用系统中提取出各种基础绩效指标与关键绩效指标(KPI, Key Performance Indicator)，用于管理人员追踪、衡量和评价员工的工作绩效，引导员工的思想方向和行动与企业的整体目标保持一致。
商业智能对战略决策的支持，分别表现在对公司战略、业务战略和职能战略的支持上。
回目录
十、商业智能在三个层面的益处
回目录
十一、商业智能的发展趋势(1)——应用方面
趋势之一：商务智能的战略意义越来越凸显
趋势之二：商务智能的基础功能仍然很重要
趋势之三：商务智能的标准化趋势越来越明显
趋势之四：商务智能的民主化趋势越来越明显
回目录
趋势之五：商务智能得到越来越多的利益群体的关注
趋势之六：商务智能的成败越来越多地取决于数据质量的高低
趋势之七：商务智能的人才与组织问题越来越严重
趋势之八：商务智能项目的风险管理越来越重要
趋势之九：商务智能的应用领域越来越广泛
《2005商业智能应用国际论坛》王茁 20050530
十一、商业智能的发展趋势(2)——技术方面
趋势之一：商务智能门户化
趋势之二：商务智能协作化
趋势之三：商务智能网络服务化越来越现实
趋势之四：商务智能视觉化越来越需要
回目录
趋势之五：商务智能安全性越来越重要
趋势之六：商务智能越来越多地嵌入于数据库
趋势之七：商务智能无线化将逐步实现
趋势之八：商务智能实时化条件越来越成熟
趋势之九：商务智能技术创新的脚步不会停止
《2005商业智能应用国际论坛》王茁 20050530
十一、商业智能的发展趋势(3)——厂商方面
趋势之一：纯粹的商务智能软件厂商在未来几年内仍然唱主角
趋势之二：数据库软件厂商提供越来越多的商务智能功能
趋势之三：操作性应用软件厂商越来越需要提供智能化功能
趋势之四：市场上还会进行合并与兼并
回目录
趋势之五：企业绩效管理(CPM)成为BI软件厂商争相举起的大旗
趋势之六：咨询公司和系统集成商在BI实施过程中作用越来越大
《2005商业智能应用国际论坛》王茁 20050530
十一、商业智能的发展趋势（4）——企业应用
趋势之一：应对数据质量挑战
好的数据本身不能保证获得好的分析结果，不过有一点却可以肯定：坏的数据总是带来坏的分析结果。
趋势之二：企业中的BI工具供应商由许多家向少量几家集中
趋势之三：由仅分析结构化数据，扩展到结构和非结构化数据
趋势之四：由仅向管理层提供分析功能，逐步向业务层人员扩大
回目录
阿里巴巴 马云 2005
十二、商业智能在中国的应用状况
商业智能处于导入期，市场认知度不足20％
摘自《我国商业智能应用情况报告》CCW Research 2004-8-4
金融、电信行业应用先行，制造、流通行业期望最高
数据深度挖掘最被用户看重
CCW Research 2004调查结果：2004年总体市场规模约亿元人民币。超过80％的企业对这一技术、产品或者解决方案不熟悉；超过了90％的业务人员对商业智能不熟悉；了解商业智能技术的企业中有接近60％的对商业智能所能带来的价值以及对企业信息决策系统的支持表示怀疑；明确表示应用了商业智能产品或技术的企业仅有％左右，即使是这部分用户，对于商业智能的理解也仍不能说很充分；仅有不足2％的企业能够结合商业智能的技术优势，发挥了该系统对企业管理的促进作用；90％以上的企业没有应用任何具有商业智能技术的产品，同时这部分企业中的业务人员，对商业智能的认知也比较薄弱。
被调查企业中有34％以上的金融行业使用了商业智能技术；电信行业接近30％。
认为商业智能能带来较大价值的，以制造型企业最高，超过50％；其次是流通企业％。
有70％以上的企业应用了商业智能后，认为通过对原始数据的分析，最终能向管理者提供直观的数据支撑，并在商业预警方面的作用，也超过了以往信息管理软件的能力。超过64％的企业认为对于历史数据的分类、整理以及过滤，为其使用商业智能产品之后带来了业务方面的变化。对于趋势分析的作用，有接近30％的企业认可商业智能的作用和价值。但即便是这部份用户，依然持有两种观点，一种认为商业智能能够很好地展示出企业发展的趋势状态，对决策支持有较大的作用；另一种观点则在于商业智能的趋势分析只是理论方面，仅做参考，并不足于给予企业决策提供支持。
回目录
十三、商业智能在中国的市场预测
摘自易观国际的有关报告 杨青峰 2005、5
2004年-2009年中国BI市场发展趋势
回目录
十四、商业智能BI软件市场分析（1）
BI软件市场在最近几年得到了迅速增长。从全球范围来看，IDC预测，从现在到2005年，这个市场将以27%的年平均增长率发展，届时将会达到118亿美元。据IDC数据调查，2003年中国大陆BI市场软件授权费用总量为2300万美元，2004年预估将达3000万美元，增幅达30%。
《商业智能已成信息化新热点》2004-3-1 15:30:54 博科/KMCenter
根据IDC最近发布的对套装软件市场的预测，2005年亚太地区(除日本外)商业智能(BI)软件和企业应用(EA)市场将会继续融合。企业应用厂商和纯粹的商业智能软件厂商将会进一步整合，商业智能功能将会被嵌入企业应用解决方案之中。IDC还预计，2005年厂商将会推出一种满足亚太地区(除日本外)市场需要的低端商业智能解决方案，从而巩固其市场地位。2005年亚太地区(除日本外)的商业智能工具市场将增长%，达到亿美元的规模。
预期到2008年，商业智能的市场规模将达到21亿元左右，平均年增长率为45％以上。其中基于通用型管理软件发展成长起来的商业智能软件市场规模将接近11亿人民币。根据管理软件在国内的应用和发展，计世资讯认为，商业智能技术与管理软件的融合是必然的趋势，特别是与财务软件和供应链管理软件的融合，将会促进管理软件产品和商业智能技术的快速应用及发展。
摘自《初识商业智能》北京大学信息管理系 李艳博士
回目录
十四、商业智能BI软件市场分析（2）
回目录
易观国际研究表明，中国商业智能市场2006年第四季度总体市场规模达到亿人民币，季度增长率达到%，增长保持良好势头。其中商业分析工具市场也保持了良好的增长态势，占据商业智能市场的重要份额，达到了亿人民币。
易观国际研究表明，中国商业智能市场2007年第一季度总体市场规模达到亿人民币，与去年同期相比增长近40%，增长保持良好势头。
十五、商业智能应用实施的三个阶段
第一阶段
BI系统分析
第二阶段
BI系统设计
第三阶段
BI系统维护与管理
步骤3：逻辑信息模型设计
步骤1：企业需求分析
CRM分析、经营分析、产品促销推广分析、财务风险分析与电子商务分析等
步骤2：信息来源分析、
步骤4：BI系统结构设计
对可能的信息来源进行调查，包括从销售、财务、人力资源、电子商务等相关系统中收集信息源。
从已有的信息系统中，找寻可用于信息分析的相关资料，并与企业业务分析中的系统需求功能相比照，设计与汇集符合企业需要的逻辑信息模型。
确定硬件与软件组成，设计信息从来源系统到BI系统数据库的处理流程。
步骤1：实体数据模型设计
步骤2： ETL设计
步骤3：数据挖掘方法设计
步骤4： OLAP或EIS程序设计
就是数据抽取 (Extraction)、转换(Transformation) 与装载（Loading）的功能设计。
选择适用的挖掘算法，如可采用货篮分析、时间序列分析、聚类分析、决策树方法、遗传算法等 。
确定以何种形式将联机分析处理、数据挖掘分析的结果呈现给用户
建立数据抽取 (Extraction)、转换(Transformation) 与装载（Loading）的模型。
BI整合性系统建立
数据库管理
安全管理
效率管理
摘自《初识商业智能》北京大学信息管理系 李艳博士
回目录
十六、商业智能应用实施步骤样例之一
微软商业管理解决方案实施步骤
摘自《探讨有效的BI应用模式与实施方法》杨林 博士 MBS Master 认证企业顾问经理
回目录
十六、微软商业管理解决方案关键实施步骤
1、商业需求分析/整理
工作目的：
理解、收集和确认客户的主要业务需求
根据企业信息化现状，找出可以改进的报表体系、分析模式并设计报表体系、分析模式
2、商业需求确认/修正
工作目的：
1、对比规划的商业需求满足现有业务需求的程度；
2、通过对比，修正并确认用户对BI的需求。包括报表的需求、分析模式的需求。
3、建设数据仓库（DW）：
工作目的：
1、制定数据ETL（抽取、转换、上载）的规则；
2、制定有利于布置、分析效率的DW存储模式；
2、物理实现
4、建设分析模型：
工作目的：
1、根据整理的商业需求，进行概念分析模型的设计；
2、实现数据模型。
3、设计、实现分析模型的存储模式。
回目录
十七、商业智能的供应厂商及其产品（1）
序号
厂家名称
主要产品
网址
国别
1
SAS
SAS
2
SPSS
SPSS
3
Business Object
ProClarity
www.
4
IBM
美国
5
Sybase
美国
6
Oracle
美国
7
Microsoft
MBS
美国
8
Cognos
（前端型产品）
9
MicroStrategy
MicroStrategy 8
10
NCR
11
HYperion海波龙
Performance Suite
美国
12
上海 博科资讯
BOKE-BI
中国
13
菲奈特
中国
14
和勤软件
HingeBI
中国
15
用友
中国
16
金蝶软件
中国
回目录
十七、商业智能的供应厂商及其产品（2）
序号
厂家名称
主要产品
网址
城市
1
北京宇动源科技
北京
2
北京奥威智动科技有限公司
POWER-BI/POWER-REPORT
北京
3
北京华夏新派商业智能技术有限公司
北京
4
北京联想利泰
5
北京陆鼎软件技术有限公司
6
北京迈思奇科技有限公司
7
北京神州正方商业智能软件有限公司
8
博易智讯（北京）信息技术有限公司
代理商
9
北京神州泰岳商业智能有限公司
82026552
北京市海淀区花园路１３号道隆商务会馆202室
回目录
十八、博科商业智能解决方案——BOKE-BI构架
回目录
十九、和勤商业智能解决方案——HingeBI构架
回目录
二十、MicroStrategy8产品架构
回目录
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
*
