文档介绍：1 / 50
目录
第一章 概述1
第二章 商业智能综述2
商业智能根本构造2
IBM数据仓库架构3
数据仓库：用于抽取、整合、分布、存储有用的信息4
多维分析：全方位了解率平均超过400％，尤其是从小型数据仓库开场实施的平均超过500％。
2 / 50
IBM数据仓库架构
IBM早在90年代初期，就投入大量优秀技术人员和资金开场了数据仓库的研究，并启动了Star-Burst大型科研工程。该工程主要就是为了攻克数据仓库领域的一些技术难题，例如优化星型连接(Star-join)，实现多维分析。因此，IBM现在发布的数据仓库产品都是经过反复推敲和久经考验的，真正做到让用户买起来放心，用起来舒心。基于对数据仓库构造的深刻理解和多年积累的经历，IBM设计了自己的数据仓库构造，见下列图：数据仓库的组成。作为一个开发式构造，它方便了用户的产品选择、实施和今后的扩展。
图 2 IBM数据仓库架构
上图为IBM三层次数据仓库构造：从第一层OLTP业务系统到第二层数据仓库为建仓过程，从第二层到第三层数据集市为按主题分类建立应用的过程。第一步包括数据抽取、数据转换、数据分布等步骤，按照统一的数据格式标准进展统一的数据转换，建立可被企业各部门充分共享的数据仓库。其中，数据抽取阶段完成对各种数据源的访问，数据转换阶段完成对数据的清洗、汇总和整合等，数据分布阶段完成对结果数据存储的分配。这三个阶段通常严密结合在一起，由一个产品或几个产品配合实现。例如，DB2 Warehouse Manager既可独立完成，又可结合DataJoiner、DataPropagator实现对异构数据和数据复制的处理。DB2 Warehouse Manager可进展数据映射的定义，以定期地抽取、转换和分布数据；DataJoiner可访问的各种关系型数据库包括
4 / 50
DB2数据库家族、ORACLE、SYBASE、INFORMIX和MS SQL Server等；DataPropagator主要用于数据复制，采用数据复制的方式可对业务数据仓库进展增量数据更新，防止对作业系统事物处理性能的影响和大量重复抽取数据。数据的存储由DB2家族产品来完成，以保证数据仓库始终高性能地运转，提供完整、准确的数据，便于将来的升级和扩展。
第二步，在按主题分类建立应用时，假设既想拥有多维数据库的独特功能，又要把数据存放在关系型数据库中以便管理，那么DB2 OLAP Server是用户的最正确选择。DB2 Warehouse Manager中提供的Information Catalog通过描述性数据帮助用户查找和理解数据仓库中的数据，Intelligent Miner用于数据挖掘以便帮助决策者预测或发现隐藏的关系。最后，我们以报表或图形的方式将结果数据呈现给用户，这通常由第三方产品来实现，它们包括：Hyperion Analyzer, Cognos，Brio，Business Objects等。
商业智能的实现方式多种多样，其规模和特点由用户的需求来决定。但万变不离其宗，其根本体系构造往往包括三个局部。
数据仓库：用于抽取、整合、分布、存储有用的信息
一个企业的信息往往分布在不同的部门和分支机构，管理者要综观全局、运筹帷幄，必须能迅速地找到能反映真实情况的数据，这些数据也许是当前的现实数据，也可能是过去的历史数据。因此，有必要把各个区域的数据集合起来，去其糟粕、取其精华，将真实的、对决策有用的数据保存下来，随时准备管理人员使用。因此，数据仓库不仅仅是个数据的储存仓库，更重要的是它提供了丰富的工具来清洗、转换和从各地提取数据，使得放在仓库里的数据有条有理，易于使用。
多维分析：全方位了解现状
管理人员往往希望从不同的角度来审视业务数值，比方从时间、地域、产品来看同一类业务的总额。每一个分析的角度可以叫作一个维，因此，我们把多角度分析方式称为多维分析。以前，每一个分析的角度需要制作一X报表。由此产生了在线多维分析工具，它的主要功能，是根据用户常用的多种分析角度，事先计算好一些辅助构造，以便在查询时能尽快抽取到所要的记录，并快速地从一维转变到另一维，将不同角度的信息以数字、直方图、饼图、曲线等等方式展现在您面前。
前台分析工具
提供简单易用的图形化界面给管理人员，由他们自由选择要分析的数据、定义分析角度、显示分析结果。往往与多维分析工具配合，作为多维分析效劳器的前台界面。
4 / 50
以上三局部是商业智能的根底。它完成的是对用户数据的整理和观察，可以说，它的工作是总结过去。在此根底构造之上，商业智能可以发