BI应用：浅析商务智能的五种类型
在90年代的早期，BI应用在几个方向上取得了令人瞩目的发展，例如企业对信息的需求和使用的指数级增长，从主机生成的运营型报表到市场活动的统计模型，从分析师使用的多维OLAP环境到经理主管人员使用的仪表盘和计分卡——公司开始需要多种方式来展示和分析报表。随着与ERP和CRM等企业级应用系统相关联的数据仓库技术的爆炸性发展，以及计算机文化的全面提高，激发了对BI报表和分析应用需求的指数级的增长。 在这个BI形成期中，公司积极地创造了很多新的方法来利用他们的数据资产提供决策支持、运营型报表和过程优化。在这个发明创造的时代，BI技术的提供商们通过如下实现方法推进市场的发展——通过编写专用的软件实现对每个应用模式提供特别的支持。这些应用模式致使这些软件产品仅专注于下列的某一种类型的BI：
*企业级报表——报表生成器用来生成很好的格式化的静态报表，这些报表广泛的向多数人发布。
*立方体分析——基于立方体的BI工具向业务经理们提供简单的切片和钻取分析能力。
巴士海峡
*任意查询和分析——关系型OLAP(ROLAP)工具供超级用户对数据库进行任意的访问，对整个数据库进行切片、钻取，从而分析到最细粒度的交易信息。
*统计分析和数据挖掘——通过统计分析和数据挖掘工具，可以使用各类模型进行预测或者寻两个变量之间的因果相关性。
*报表分发和预警——基于报表分发机制，可以根据订阅、调度或者数据库中的触发事件向大量的用户发送整个报表或者告警信息。
在这个时期，大多数企业都从不同的厂商手中购买了不同的BI工具集——其中的每个工具是一个独立的应用程序，只提供了特定的某一种类型的BI应用功能。
如下图所示，我们将五种BI应用类型摆放在一张二维图表中，其中横坐标轴表示用户类型和规模，纵轴表示分析方法的灵活性和用户交互性。
图1五种类型的BI用以支持从高级专业分析到简单信息分析的全部需求
最复杂和交互式的BI类型仅仅被少量的人来使用，这些人中包括信息分析师和超级用户，对于他们来说数据和分析是他们的主要工作。交互性最少的BI应用向从高级管理者到员工个人的最大范围的用户提供的基本的数据和结果。
业界领先的组织或者企业已经认识到了向所有的员工——无论其工作职位和职能如何——
分发信息所带来的益处。目前，MicroStrategy架构能够向整个企业中的每个人提供全部的五类BI，并根据用户水平，根据五类BI划分出不同的应用功能。
商业智能的三个层次
现在国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而我国的企业，目前大部分还停留在报表阶段。虹膜识别
经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP、OA等基础信息化系统。这些系统的统一特点都是:通过业务人员或者用户的操作，最终对数据库进行增加、修改、删除等操作。上述系统可统一称为OLTP(Online Transaction Process，在线事务处理)，指的就是系统运行了一段时间以后，必然帮助企事业单位收集大量的历史数据。但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。
如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。
现在国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而我国的企业，目前大部分还停留在报表阶段。
数据报表不可取代
传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表、Reporting Service等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。
1. 数据太多，信息太少
密密麻麻的表格堆砌了大量数据，到底有多少业务人员仔细看每一个数据?到底这些数据代表了什么信息、什么趋势?级别越高的领导，越需要简明的信息。如果我是董事长，我可能只需要一句话:目前我们的情况是好、中还是差?
腺鼠疫>巴菲特:从100元到160亿 2. 难以交互分析、了解各种组合
定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答诸如节电技术“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。
3. 难以挖掘出潜在的规则
报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大，产品之间相互关联的程度如何?越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。枕式包装机控制系统
4. 难以追溯历史，数据形成孤岛
业务系统很多，数据存在于不同地方。太旧的数据(例如一年前的数据)往往被业务系统备份出去，导致宏观分析、长期历史分析难度很大。
因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是，数据分析和数据挖掘系
统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。
八维以上的数据分析
如果说OLTP侧重于对数据库进行增加、修改、删除等日常事务操作，OLAP(Online Analytics Process，在线分析系统)则侧重于针对宏观问题，全面分析数据，获得有价值的信息。
为了达到OLAP的目的，传统的关系型数据库已经不够了，需要一种新的技术叫做多维数据库。
多维数据库的概念并不复杂。举一个例子，我们想描述2003年4月份可乐在北部地区销售额10万元时，牵扯到几个角度:时间、产品、地区。这些叫做维度。至于销售额，叫做度量值。当然，还有成本、利润等。
