文档介绍：商务智能技术在银行业务中基于数据仓库的研究与实现
论文摘要
论文选定商业银行应用,分析了国内商业银行的BI实现的模式以及技术。对BI的三大支柱技术为支点,从BI的定义、BI的功能和应用、BI在银行的应用现状展开分析了银行BI的整体架构、核心技术:数据仓库技术、联机分析处理 、数据挖掘技术,并且深入到了分布式数据仓库、应用数据库、ETL技术、分区映射、数据建模、维、度量、维的结构集合这些细节技术中结合银行的具体应用进行了分析。
关键字:
商务智能、数据仓库、联机分析处理、数据挖掘、多维分
目录
论文摘要 1
目录 2
第一章、 商务智能综述 3
商务智能(BI)的定义 3
BI的功能与应用范围 4
BI在商业银行中的应用现状 5
第二章、 银行BI系统构建 7
. BI系统模型 7
. 银行BI实施方案 9
第三章、 银行中BI系统核心技术 14
. 数据仓库技术 17
. 分布式银行数据仓库 17
. 原始数据库 19
. 应用数据库 20
. ETL技术 22
. 分区映射(Partition Mapping) 26
. 联机分析处理 28
. 数据挖掘技术 28
. 数据建模 29
. 维 29
. 度量 30
. 维的结构集合 31
. 建模函数 33
第四章、 总结与展望 38
参考文献 39
商务智能综述
据Meta Group统计,企业数据仓库以及商业智能市场已达到40亿美元,并有望在2008年底增长至100亿美元。这样巨大的市场份额充分说明了商业智能市场的吸引力。深入了解吸引力的根源,要从商务智能的概念说起。
商务智能(BI)的定义
早在90年代末国外企业界就出现了商务智能这个术语,它代表的是为提高企业运营性能而采用的一系列方法、技术和软件。到目前为止,BI还没有准确的定义,大体可以分成方法论、数据分析论、信息系统论以及知识论笔者注:方法论的观点: BI是通过利用多个数据源的信息以及应用经验和假设来促进对企业动态特性的准确理解,以便提高企业决策性能的一组概念、方法和过程的集合。它通过对数组的获取、管理和分析,为贯穿企业组织的各种人员提供信息,以提高企业战略决策和战术决策能力。数据分析的观点:BI是通过获取与各个主题相关的高质量和有意义的信息来帮助人们分析信息、得出结论、形成假设的过程。信息系统的观点:BI是为用户提供OLAP和其他对企业问题进行分析、预测趋势功能的信息系统。知识论的观点:BI是将数据转变成信息,而后通过发现,将信息转变成知识的过程。[3]
这样几种解释。综合这几种商务智能的解释,并结合软件技术实现,笔者比较认同如下的定义:
商务智能(Business Intelligence,简称BI)是运用了数据仓库(DW)、在线分析(OLAP)和数据挖掘(Data Mining)技术来处理和分析数据的技术,它允许用户查询和分析数据库或数据仓库,进而得出影响商业活动的关键因素,最终帮助用户做出更好、更合理的决策[18]。
本文所要研究的商务智能主要是商务智能的软件解决方案,从这一角度来看,数据仓库、在线分析和数据挖掘是BI的三大技术支柱[1]。
数据仓库(Dataware, DW)可谓是另外两种技术的实现基础,是用以更好地支持企业或组织的决策分析处理的的数据集合,它的关键技术包括数据的抽取、清洗、转换、加载和维护技术。数据仓库具有面向主题、集成、相对稳定、随时间不断变化这四种特性。正是这四种特性将数据仓库与传统的面向事务处理的数据库区分开来。
在线分析(On-Line Analytical Processing,OLAP),又称之为联机分析,是以海量数据为基础的复杂分析技术。它支持各级管理决策人员从不同的角度、快速灵活地对数据仓库中的数据进行复杂查询和多维分析处理,并且能以直观易懂的形式将查询和分析结果展现给决策人员。
数据挖掘(Data Mining)是和联机分析处理一起,称之为数据仓库之上的增值技术。它是从海量数据中,提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘可以从数据仓库、数据库或其他数据源来进行,并且数据都需要再次进行选择,选择方式与任务相关。数据挖掘的结果只有进行了评价才能最终成为有用的信息。按照评价结果的不同,挖掘出的数据有可能需要反馈到不同的阶段,重新进行分析计算。常用的方法包括关联分析、分类和预测、聚类、检测离群点、趋势和演变分析等。
充分利用三种技术的这些特点,巧妙结合,BI具有了以下功能,并且广泛的应用在了企业业务范围中。
BI