BI商业智能系统涉及的四大核心技术

    从系统的角度来看，商业智能的过程起始于不同数据源的数据收集，提取有用的数据进行加工、处理以保证数据的正确性，加工后的数据经过转换、重构存入数据仓库成为实体信息，对这些实体信息进行查询、挖掘、分析和评估等操作，使其成为辅助决策的知识并呈现在最终用户面前，转变为用户决策。可以看出，企业信息化是商业智能应用的基础，商业智能最大程度地利用了企业信息化中各应用系统的数据，将企业日常业务数据整理为信息，逐步升华为知识，从而为决策者提供最大力度的支持。

    对于企业商业智能系统建立的层面，国内领先的BI系统提供商博科软件表示，构建一个完整的商业智能系统涉及到以下四种核心技术：

    第一，数据仓库。数据仓库是面向主题的、集成的、相对稳定的、连续的数据集合，用以支持经营管理中的决策制定过程，是商业智能的基础。数据仓库能够从容量庞大的业务处理型数据库中抽取数据，处理、转换为新的存储格式。

    第二，数据获取。数据获取负责将分布的、异构数据源中的数据如关系数据、平面数据文件等抽取加载到数据仓库或数据集市中，成为联机分析处理、数据挖掘的基础。BI-Pilot的数据获取的方式将采用ELT的方案来实现，ELT仅抽取和装载数据，跳过了转换过程。可以在短时间内抽取和加载海量数据，提高ELT数据量和缩短抽取/加载时间窗口。针对数据的清洗和转换将在数据仓库中完成。

    第三，联机分析处理(OLAP)。Bi-Pilot分析服务器是用于联机分析处理(OLAP)的中间服务器，提供了对数据仓库数据的快速访问。通过在多维结构中对数据仓库中的数据进行提取、汇总、组织和存储，可以对最终用户查询做出快速响应。Bi-Pilot分析服务器可以构造用于分析的数据多维数据集，同时还提供对多维数据集信息的快速客户端访问。Bi-Pilot分析服务器将数据仓库中的数据组织成包含预先计算聚合数据的多维数据集，以便为复杂的分析查询提供快速的结果。

    第四，数据挖掘。数据挖掘即数据库中的知识发现，是一个在数据中提取出有效的、新颖的、有潜在实用价值和易于理解知识模式的高级过程。数据挖掘技术以企业拥有的大量数据为对象，通过抽取、转换、装载等数据处理方法，发现数据的关联与趋势，探寻出其中的业务规律和模式，在关系数据库中存储多维数据集数据。以标准化XML格式的形式存储数据元数据，提供数据抽取接口。

    其中联机分析处理侧重于与用户的交互、快速的响应速度及提供数据的多维视图，而数据挖掘则注重自动发现隐藏在数据中的模式和有用信息。