业务智能系统翻译文稿目Word格式文档下载.docx

业务智能系统翻译文稿目Word格式文档下载.docx

《业务智能系统翻译文稿目Word格式文档下载.docx》由会员分享，可在线阅读，更多相关《业务智能系统翻译文稿目Word格式文档下载.docx（12页珍藏版）》请在冰豆网上搜索。

∙Infrastructureadvisor基础架构师，熟悉网络拓扑和数据传输路由，能解决诸如网络通过性、带宽、服务器能力等问题；

∙Applicationorinformationdeliveryspecialist应用或信息发布专家，只建立数据仓库是不够的，还必须将信息发布到用户，需要明白应用发布的机制，负责选择发布的应用和工具；

∙Projectleader/manager项目经理，协调其他角色，确保项目达到目标和各个里程碑。

规划

规划，但不要过度规划，一个好的规划项目大致分为以下5个步骤：

1、DetermineKPIs决定KPI，取得组织、公司、部门级的目标，将其并列放置，回答问题：

“什么是关键绩效指标？

”，“我们如何度量管理成果？

”，这将是我们得出下一个问题的答案：

“什么是度量标准，这些标准的属性是什么？

”

2、Plandeliveryvehicles定义谁将获取这些信息，对不同岗位职责的人员进行分析，这些人员进入系统和浏览信息的模式决定了信息传送的机制，一些典型的使用模式如下：

●Monitoring这是一组简单查看信息的方式，不需要对呈现的信息进一步发掘和分析，比如仓库管理者，需要对前12个月某个特定生产线的配件库存到货数量进行检查，一个静态的WEB页面即可满足这种需求；

●Periodic/episodicinspection这一组用户更频繁地使用系统并需要对汇总数据进一步展开查看细节数据，例如销售经理需要看上一季度的销售数据，以发现哪一个品种在哪一个区域的销售利润最高，信息需要被挖掘许多层次，这需要一个交互式的网页呈现方式或者客户端应用程序来满足这种需求；

●Strategicanalysisandplanning这一组用户制订分析报告，需要对信息进行分析来得到战略和战术决策，一个富客户端可满足这种高级用户的需求。

3、Buildthedatamartsandinterfaces建立数据集市和接口，大量的初始化工作在这个阶段，包含以下内容：

●Schemadesigns.这里的模式设计特指OLAP的模式设计，一般为星型模式或雪花模式，这是业务需求定义的直接结果，在仔细检查源数据和在模型上的限制之前就必须完成。

把这种设计作为一种满足业务需求的理论上的目标，当源数据检查过以及限制作出定义后，就可以对这种理论模型做一个实际的检查，模式设计定义了数据集市的维度和度量值，图14.1描述了一个零售样本的数据仓库。

●Locatesourcedata定位源数据，星型和雪花型数据模式中的数据通常从事务管理系统中导出，这些源数据需要仔细检查看是否满足业务需求。

查看这些数据的清洁程度，数据是否精确和可靠。

●MapETL（extraction,transformation,andloading）processes映射ETL过程，关注数据集市的ETL过程，而不是一个完整的数据仓库过程；

（figure14.2）

●Userinterfacesbuiltandplannedfordeployment用户接口的建立及其部署的规划，定义发布机制，一个套装软件通常能够使用，但总会有一些客户化定制部分，特别是基于internet的应用，必须在Web站点上定制一些界面和集成工作；

●Auditprocessesandresults确认过程和结果，通过一个审计过程来确保BI系统中的信息是精确和可信的。

4、Deployment部署，这一部分包括培训，材料，软件发布计划，数据服务器/连接的基础架构，安全方案。

5、Evolutionandmaintenance.修改和维护，

Prototype原型，通常完成一个BI项目需要很长的时间，因此建立一个原型是非常关键的，可以确保和BI信息的用户进行沟通，因为只有这些用户才知道信息是否有用。

Iterate迭代，不要期望一次性达到BI项目的目标，需采用周期性地和用户进行沟通，听取他们的反馈，采用迭代的方法基于以下三个原因：

●用户的反馈；

●业务信息需求的改变；

●业务结构的改变。

BUSINESSINTELLIGENCEPROJECTDON’TSBI项目应避免：

Don’tOverplan避免过度规划，可以现在一个部门试点，然后推广到全公司范围内；

Don’tWait无需等待，当今的需求发展非常快，要赶上企业发展的速度，所以要立即行动，使BI开发的信息能满足需求。

Don’tLeaveItUptoIT不要把问题仅交给IT部门，

Don’tInitiallyFeatureCreep在把原型交给用户手中之前，不要增加太多的功能点。

项目规划示例

规划分为以下任务：

●Businessresearch，收集公司业务信息和项目可能碰到的问题，为了将数据转化为信息以及信息转化为知识，需尽可能多地了解公司业务流程；

●Architectureselection，架构选择，在项目的早期阶段就确定项目的架构师非常重要的：

需要采用数据仓库还是数据集市？

有远程用户吗？

需要的数据在何处，如何去获取他们？

●Projectscoping.，项目范围，为了获取高层管理者对项目的支持，必须描述出项目的范围以及项目的投入；

●Projectplanning，项目规划，

●Materializeplan.

●Technologydefinitionandtechnologyselection，技术定义和技术选择，

●Execute!

在做规划时必须时刻记住以下问题：

●组织为何需要BI应用；

●BI应用的目标是什么？

●项目成功的主要障碍是什么？

●项目组成员具备项目成功必备的知识吗？

●每个项目组成员是否清楚他们各自在项目中的角色和责任？

●我们可以获得必须的资源、工具和人员吗？

●时间规划正确吗？

是否存在一些异常的事件威胁到项目的成功？

●项目最后期限和里程碑现实吗？

●我们是否清楚用户想什么？

15DATAWAREHOUSE

ORDATAMART?

选择数据仓库和数据集市是很大的一个问题，数据仓库的实施时间和实施范围比数据集市来的更长和更广泛，可以建立一个数据仓库，负责从事务表中获取数据，并加以清洗保证数据的准确性，然后将数据从数据仓库读取到数据集市中，当然也可以直接从事务表中将数据传送到数据集市中，选择主要依据以下原则：

●费用；

●数据的可进入性；

●项目范围等等；

16MULTIDIMENSIONAL

MODELDEFINITION

多维模型定义，是指事务表的收集、表的定义来完成数据立方体的构造，存在着特定的目标、信息需求作为多维模型的建立需求，本节描述多维数据模型的定义过程以及必须注意的因素。

在讨论多维数据模型定义时，将以一个想象的公司作为例子，该公司叫做N&

P，制造窗户配件提供给窗户公司，在此行业已经营了25年，是行业中的第二大供应商，例子描述了和公司销售部门的副总裁针对BI项目目标进行访谈，然后制订出信息模型以满足销售部门，定义多维模型包含以下几个过程：

●Defining,orobtaining,objectives.，定义或者获取目标，这个目标由公司更高的目标所决定，比如说N&

L公司的目标是增加利润和维持市场份额；

●Interviewingdecisionmakers，访谈决策制定者，这项工作将获得那些将与多维模型打交道的人的需求，访谈工作将会获得以下成果：

–Ageneraldefinitionofthetacticalinformationneeds.战术信息需求的一个总体定义，由公司目标驱动下的短期战术目标；

–Keyperformanceindicators（KPIs）tomeetthosetacticalinformationneeds关键绩效指标，KPI差不多就是一些数字，在财务范围，几乎就是金额值；

–TheattributesoftheKPIs.KPI值的属性，也差不多就是多维模型的维度。

●和销售副总裁访谈的结果就是将公司的目标转化为销售部门的目标：

–Improveabilitytonegotiateprices提高价格谈判的能力，获得与顾客的价格和销售量的历史数据，在谈判时可将这些数据放在手边；

–Managecustomeraccountstoensurehigherlevelsofprofitability管理客户账户以确保较高的利润水平，

●Definingthemodel，模型定义的两个关键部分是指标和维度，指标可从KPI转化而来，维度是指信息属性，N&

P销售的指标和维度表见图16.1;

●Refiningthemodel.优化模型，模型的优化是没有终点的，随着业务以及需求的变化而变化。

（见图16.2）

DEFININGDIMENSIONHIERARCHIESANDDIMENSIONTYPES

大部分维度都内在的具有分层结构的特点；

例如16.3图中的时间分层，可以看出两个概念，level（层级）和members（成员），其中年、季、月就是指层，一月、二月、三月就是层一季度的成员。

在维度分层结构中存在三种类型：

（1）平衡的；

（2）非平衡的；

（3）混合的。

非平衡的分层结构

混乱型的分层结构

和N&

P公司销售副总访谈后确定的维度表如图16.9。

MULTIDIMENSIONALSCHEMAS:

STARANDSNOWFLAKE

模式定义了表或者视图之间的联系，包含了数据集市和随后的数据立方体，模式中的表包含了维度表和事实表。

星型模式表示例；

雪花型模式示例

17模型维护

18财务数据模型

许多公司都正在为数据结构的问题感到头疼。

总帐系统中的科目图标经过许多雇员维护后，已与部门代码或者自然科目数不一致。

在许多案例中，重新创建科目图以减少报表或图表的问题，但在许多案例中只会使情况更糟。

当创建一个财务数据仓库时，结构化公司科目图时有两种典型选择：

1、重新设定总帐中的科目结构；

2、通过使用公司报表行来映射账户并逐一清洗，使得更容易地进行数据下钻和报告；

这两种方法各有优缺点，第一种方法更为广泛，可以适用于有许多支持系统如订单处理系统或工资发放系统的情况，这些系统将数据上传至总帐系统中。

而后一种方法相对简单，对于终端用户来讲，更加适用于数据的下钻，可将多个账户映射到一个账户中，缺点就是必须及时维护映射表，否则新增账户可能会导致ETL过程故障。

DATACOLLECTION（数据收集）

数据仓库工作的最终结果很大程度取决于仓库的滚动结果如何适应业务结构，数据仓库的模式就是父子结构、雪花型或星型，存在两方面的挑战：

1、在数据收集时数据如何储存；

2、如何使用维度属性来描述业务。

BusinessCase（业务案例）