当前位置：搜档网 › 商业智能 ERP与BI的结合如何才更完美

商业智能 ERP与BI的结合如何才更完美

众所周知，商业智能BI是指是从系统数据中提取有效的信息，从浩瀚的信息中及时地发现有价值的知识，为企业决策层的思维决策和战略发展提供有力服务，尽量减少管理决策中“凭经验、拍脑袋”的风险和隐患，从而充分提高企业市场快速反应力与竞争力的软件解决方案。而今伴随着企业信息化发展的浪潮汹涌，组织流程的固化、改进，知识的积累、应用，技术的创新、提升，作为商业智能管理的系统软件BI也在不断求新求变，在推进企业信息化建设中继续建功立业。

目前全球经济正逐步复苏，专家指出，未来几年内商业众所周知，商业智能BI是指是从系统数据中提取有效的信息，从浩瀚的信息中及时地发现有价值的知识，为企业决策层的思维决策和战略发展提供有力服务，尽量减少管理决策中“凭经验、拍脑袋”的风险和隐患，从而充分提高企业市场快速反应力与竞争力的软件解决方案。

而今伴随着企业信息化发展的浪潮汹涌，组织流程的固化、改进，知识的积累、应用，技术的创新、提升，作为商业智能管理的系统软件BI也在不断求新求变，在推进企业信息化建设中继续建功立业。

目前全球经济正逐步复苏，专家指出，未来几年内商业智能BI将不断更新变脸，地位日益提升，功能日趋强大，市场需求也日渐旺盛，产品规模将迅速增长。因此目前企业CIO们共同关注的是，未来2-3年BI将如何演绎，将呈现哪些新的发展趋势？CIO如何抓住这些趋势，更好为企业决策管理服务，以占先机？

BI新走向之一：融合加强，演变成门户化

CIO必须清楚认识，未来的商业智能BI趋势将是基于全面信息集成的服务，将是一种企业级跨部门运作的基础信息系统，可以联结企业各个岗位上的各个工作人员，可以联结企业各类信息系统和信息资源，真正实现跨平台，最后演变成门户化，而不是以前单一、隔离、枯燥的系统。

在基于企业战略和流程的大前提下，BI应可通过类似“门户”的技术对各个业务系统进行整合，使得BI与OA、CR M、ERP、SCM以及其它系统之间能实现融合集成，系统之间的结构化数据能通过门户管理平台互相调用、展现，全面提供决策支持、知识挖掘、商业智能等一体化服务，实现企业数字化、知识化、虚拟化。这时BI或已远远超出传统BI的范畴，演变成为企业综合性强大管理支撑平台，换为“企业知识门户EKP”、“管理支撑平台MSS”等名称或更能体现其价值。CIO应努力推动企业BI向综合平台、门户化方向发展。

BI新走向之二：日趋“傻瓜”，体现人性化

未来BI的门户将更加强调人性化，功能日趋“傻瓜”，强调易用性、稳定性、开放性，强化人与人沟通、协做的便捷性，重视对于众多信息来源的整合，并进一步完善可以拓展的管理支撑平台框架，从而改变以往“人去找系统”的现状，实现“系统找人”的全新理念与功能。这对今后未实施应用BI的企业CIO进行选型应有指导意义，并作为一个方向推广应用BI建设。

今后的BI系统能让合适的角色在合适的场景、合适的时间里获取合适的知识、数据，充分发掘和释放人的潜能，并真正让企业的数据、信息转变为一种能够指导人行为的意念、能力。其实“人性化”也即一种“自动化”，充分体现管理系统的最大价值与作用。

BI新走向之三：移动BI将成为新战场

目前中国已正式步入了3G时代，同时，3G全新时代的到来，对于无线商务、移动信息化而言，则昭示了一种更美好的希望与前景，这对BI亦是一样的。因此CIO也必须认识、重视3G时代的BI，把握其走向。

2010年，全球移动用户数量已经突破50亿，而中国移动用户也达到7亿之巨，可以预见，今后一两年，利用新技术，移动协同应用将成为BI未来增长点。目前信息终端应用正在全面推进融合，3G无线移动技术在中国的应用已在全面建设推广，它使融合了计算机技术、通信技术、互联网技术的移动设备将成为个人办公必备信息终端，在此载体上的移动BI协同应用将是管理的巨大亮点。用户可以通过智能手机提交数据，并获取分析报告，实现无处不在、无时不在的实时动态管理，这将给传统BI带来重大的飞跃。因此企业CIO应积极利用现代手机移动技术，充分发挥3G技术在BI的功用，让BI移动办公、无线掌控将可信手拈来，随时随处可行。

BI新走向之四：在云中部署BI，成为主流方向

云计算对CIO们已不再陌生了，甚至耳熟能详了。目前云计算概念方兴未艾，云计算功能极其强大，未来两三年将是“云端运算服务年”，也将是最热门软件的名词和发展潮流，以云为基础的商业智能在线服务将成为全新的商业智能部署的主流方向。CIO应全面知了云计算未来走势。

目前云计算的重要性已经能够影响到未来各个BI厂商未来的生存线。从某种意义而言，只有产品是面向云规模架构设计并符合云运营模式的BI软件才能获得用户企业的青睐，在今后持续取得成功。对一些数据储存巨大、运维服务繁重但又实力不强、技术不全面的企业来说，云计算模式将是包括BI在内等管理系统的应用方向，CI

O应积极推动未来的BI朝云计算方向发展。

尽管BI向云迁移的过程中仍然面临许多的挑战，但随着越来越多的企业将其业务应用置于云端，“在云中部署BI”已不是一个可望不可及的理想目标。据悉，BI专业厂商Informatica已经进行了向用户交付云服务的尝试。此前该公司发布的Informatica BI数据集成平台已经能同时部署在预装系统或“云”网络之中，为用户企业提供云端集成服务

BI新走向之五：SaaSBI日渐雄起，受中小企业青睐

IDC机构预测，SaaS BI将成为今后一两年BI市场的一大热点，也是各大BI厂商角逐的焦点。因为传统的BI工具过于昂贵，且建设过程较为复杂，从中小企业的自身状况和当前经济形势分析，低费用高效的SaaS租用模式无疑已成为中小企业CIO推行BI的重要选择，将给企业带来了良好的发展平台。

因此Gartner机构预计到2012年，25-30%的企业将使用软件即服务SaaS这种业务模式，15-20%的中小企业组织将通过SaaS获得具行业特色的分析应用软件，SaaS BI将成为BI投资组合应用的标配。

然而基于现阶段的SaaS的发展状况看，该商业模式的应用仍尚不成熟，还需大力培育、推广，只有到相对比较成熟、完善的情形之下，BI才能借助该模式的力量达到星火燎原的目标。这点需要CIO注意。因此时下，BI应用还是会以传统模式为主。

BI新走向之六：可视化技术呈亮点，交互式分析助推BI

目前，有越来越多的企业CIO不再满足于传统较为单一、呆板的图像展现和交互式的图像展现，因为更多的分析需求需要借助图像OLAP这种多维分析模式来完成，比如噪音数据、数据集趋势等。这点对CIO应用BI为企业管理决策很重要。据称，Oracle已经率先开展了数据可视化分析的先河，为用户提供可视化数据探索服务。这种类

型的分析手段也将是未来BI领域的又一亮点、一大趋势。

同时，BI传统的过滤、上钻、下钻、比较等功能也难于满足一些特殊企业用户及CIO的管理分析要求。因此新一轮的BI高级分析需求已经在不同行业悄然升温。在未来的BI平台中，预测、分摊、假设模拟、数据挖掘等交互式技术将成为新一轮的BI系统升级改造方向。据称，集成整合Essbase服务技术的Oracle商务智能平台已能为用户提供面向策略级、未知信息的分析预测能力和个性化自助式定制等。

BI新走向之七：外部信息将整合到内部BI中，内外网信息并联互动

从时下BI领域的演变情况来看，企业CIO所应用、依赖的信息、数据均是来源于企业

内部信息系统中的数据材料，并籍此进行分析加工、做出决策。然而从长期而言，单凭对内部数据的挖掘并加以运用仍显不够的，CIO有时尚需对更多的外部信息、数据加以收集、归纳和分析，逐步形成外部支撑平台，将外部信息整合到内部BI中，并使内网和外网能互联互通丰富、动态的信息而不是静态的报告或者计算数据，以此得到更全面科学的决策依据。

因此，不管是BI开发商的CIO还是用户企业的CIO，为做到把握未来，都应积极绸缪、组建一个全国性甚至全球性的知识库，提供给更多的企业需求者，从而建立自己的新竞争力。当然，如何来保证外部数据的准确性、实时性和有效性是个重大问题。

未来的BI将融合了协同、知能、门户、无线等精髓，并日趋经济简捷高效，将不断绽放“新花”，焕发出迷人的光彩。不管是BI厂商的CIO还是用户企业的CIO，只有抓住这些发展趋势、技术潮流，加以研发推广，才能更好地为国内企业决策管理服务，抢得竞争先机。

2015年全球ERP市场规模将增至503亿美元

2011-05-10 21:03:43 作者：admin来源：浏览次数：8 网友评论0 条

据国外媒体报道，市场研究公司Forrester的一份最新研究报告称，在2011年，全球ERP(企业资源计划)市场的规模将会达到455亿美元;到2015年，该市场规模将会达到503亿美元。

在过去几年中，全球ERP市场的规模一直在稳步增长。在2009年，全球ERP市场规模为406亿美元;在2010年，该市场规模为430亿美元。

这份报告名为《2011年ERP情况：市场合并，但消费者选择更多》(The State Of ERP In 2011: Cust omers Have More Options In Spite Of Market Consolidation)。根据该报告称，随着全球经济逐渐复苏，企业IT 预算将开始解冻，这让企业能够开始考虑重新投资它们的管理和运营应用程序。

该报告联名作者、Forrester分析师蔡娜-马滕斯(China Martens)称，随着经济的复苏、企业的发展，它们是该重新考虑当前部署ERP应用程序的责任以及将来的ERP计划了。该报告称，就部署ERP而言，企业现在拥有比以前更多的选择。因为软件云服务(Software-as-a-Service，简称SaaS)和管理云服务的数量正在不断增加。

该报告称，在2009年沉寂一年后，ERP市场在2010年得到了很好的恢复。而且，在2011年，这个市场还会继续增长。在未来5年内，该市场的经营方式将逐渐从许可模式转变到预定模式。SaaS 型ERP市场现已获得了强劲的增长势头，到2015年前，它的年增长率有望达到21%左右。该报告的作者指出，供应商合并、行业专业化分工，以及可提高业务处理灵活性的新技术的引进，将会进一步改变ERP市场的面貌。

商业智能ERP与BI的结合如何才更完美

据调查显现，2010年CIO最关怀的当属BI(商业智能)、云计算、Web2.0等先进的技术应用，如今国内企业关于BI的需求越来越激烈，但从实践应用来看，企业对BI的应用效果并不是很理想，目前BI的部署胜利率只要不到3成

据调查显现，2010年CIO最关怀的当属BI(商业智能)、云计算、Web2.0等先进的技术应用，如今国内企业关于BI的需求越来越激烈，但从实践应用来看，企业对BI的应用效果并不是很理想，目前BI的部署胜利率只要不到3成，CIO在做BI时仍有很多疑虑，犹如过去做ERP项目一样，愈加慎重当心。

BI已成为继ERP之后企业信息化的另一个应用热点。企业在阅历了大范围的信息化建立后，以ERP为首的信息系统曾经得到了普遍应用，这些系统产生的大量数据以及企业本身存在的历史数据，无法及时的转换为有效的信息价值，而同时随着市场的竞争需求，企业需求理解本身存在的缺乏以及市场的变化趋向。因而，企业需求用BI停止系统地剖析和处置，以便应对本身面临的应战。

ERP和BI应该如何来交融？它们在企业中的各自的价值又是如何表现的？BI的应用现状如何？在ERP和B I交融的过程中又存在哪些问题？是什么缘由困惑着CIO们胜利部署BI？

中航国际信息管理部总经理朱东以为，BI胜利率不高基本缘由是BI更侧重管理，施行过程更为复杂，BI 施行请求CIO既懂管理，懂业务，也要懂IT 技术，而这种真正的复合型CIO少，担纲BI项目的CIO，要么地道偏业务，要么地道偏IT技术，从而招致BI的失败率如此之高。

BI的源头是数据，而ERP系统中有的就是数据。为此在思索项目规划的时分，假如可以让BI系统直接运用ERP系统中的数据，是一个不错的选择。可是到目前为止BI与ERP系统是两个相对独立的应用。

先ERP，还是先BI？

李宁集团信息中心主任沙爽以为，BI需求企业具备较好的信息化根底，应该在ERP等根底信息系统完备之后再思索。与此同时，在选择好BI工具产品，还要有完成对本人的信息化有一个整体规划。

沙爽说，将企业原始数据整合之后，数据的抽取、转换、清洗和加载能够以为只是技术问题。按理说ETL 工具要承当保证数据质量的任务，例如剔除那些有空白字段的信息、找出小数点点错了的数据等，但目前的ET L工具大多集中在数据的抽取、转换和加载方面的功用，对数据质量保证不够注重，所以在目前的大多数BI项目中短少施行人员从技术角度去确保数据质量这个环节。

BI系统在停止数据剖析时，关于数据的格式有比拟严厉的请求。如某些字段不可以为空(如在数据剖析时可能需求用到四则运算，为此除数就不可以为空)。如某些字段请求有固定的格式(如日期字段，需求采用统一的格式，如YYYY-MM-DD等等)。

因而，BI系统不只仅请求企业按固定、标准化的格式提供数据，而且还要保证根底数据的精确性。BI系统的剖析结果都依赖于根底数据。假如根底数据现错误，即便是5%的错误率，经过BI系统的一番剖析，最后结果的误差可能会在20%左右，以至更大。假如BI运用ERP数据，不只仅要保证在格式上满足 BI需求，而且还要进步根底数据的精确性。

企业的BI应用曾经不再仅仅关注数据仓库、数据发掘等层面的应用，而是转向业务剖析等深层次的应用上。业务剖析作为商业智能范畴中最贴近业务的层面。

中国人口与开展研讨中心信息总监冯方回以为，BI和决策支持系统有很多类似之处，当然不是相同的东西，但是在决策支持系统里，必然存在BI系统。 BI系统搞好了，关于企业将带来极为可观的效益或者说为了获取最大的利润带来益处。BI和决策支持系统都不能够单独存在，而是业务驱动，因而BI也开端在事业单位和政府部门开端部署。

商业智能：BI解决方案构建数据基础

2011-12-09 13:39:55 作者：admin来源：浏览次数：28 网友评论2 条

DBA们都知道数据在任何商业智能 (BI) 解决方案中都是最重要的部分。今天我们就要谈到的就是这个问题。

AD：

数据在任何商业智能 (BI) 解决方案中都是最重要的部分。正如 Stacia Misner 在“规划您的首个 Micro soft BI 解决方案”中所说，收集和维护 BI 解决方案数据涉及几个步骤。BI 专业人员称这些步骤为提取、转换和加载 (ETL) 过程。即使您不准备将 BI 作为自己的工作重心，您仍可以利用 ETL 方法和工具来管理日常工作中进行决策所需的数据。在本文中，我将向您介绍如何设计和构建一个简单的数据市场，从而演示如何使用SQL Server 2008 Integration Services (SSIS) 对您自己的 BI 解决方案执行 ETL。

了解要求

和所有 IT 项目一样，开始 ETL 项目的最佳做法是了解您希望构建的 BI 解决方案的总体要求，然后再决定怎样利用数据才能最好地满足这些要求。第一篇系列文章提供了 BI 解决方案的案例背景。在案例中需要 BI 解决方案的是虚拟公司 Adventure Works。文章通过叙述该公司要回答的几个问题列出了分析要求。从这些问题中可以明显看出 Adventure Works 需要从以下不同角度了解其产品销售：不同分销渠道（经销商或 Internet）的收益率、产品需求随时间推移发生的变化以及按产品、销售人员、地理区域和经销商类型统计的实际销售额与预测销售额之间的差异。回答这些问题有助于 Adventure Works 决定将重点放在哪个分销渠道才能增加利润、如何调整生产流程才能最好地满足需求、如何改变销售战略才能帮助该公司实现销售目标。将 SQL Server Rep orting Services (SSRS) 添加到 BI 解决方案后，您就能看出数据是如何帮助回答这些商业问题的。

在按照这些要求开始为 Adventure Works 设计数据市场之前，我希望从商业角度建立信息需求模型。换言之，设计数据市场的依据是用户如何提问，而不是从数据源获取数据的方式。

本文中的代码示例需要 SQL Server 2008 Adventure Works OLTP 示例数据库。

使用维度模型

构建数据市场通常要使用维度模型设计。维度模型设计是非常适合用于分析的数据库架构。（kimballgrou https://www.sodocs.net/doc/8f6082953.html, 是了解维度模型的一个非常好的资源。）维度模型以用户熟悉的方式呈现数据，而且能够帮助您构建适合查询大量数据的优化数据结构。您可以通过对数据进行去规范化实现这种优化。去规范化能够使数据库引擎在查询时快速选择并高效聚合大量数据。我将在 Adventure Works 解决方案的去规范化架构中设定两种类型的表：维度表和事实表。维度表存储经销商或产品等有关业务实体和对象的信息。事实表用来存储需要聚合的销售额数值，表中包含将事实表与维度表关联起来的度量值和键。稍后我将在下文中详细介绍事实表。

可以采用两种架构实现维度模型表：星型架构和雪花型架构。简单说来，星型架构中每种维度使用一个表，因此每个查询与事实表之间都是单一联接的。雪花型架构中每种维度使用两个或多个表，因此查询中需要更多联接才能查看所有数据。这种级联联接的集合意味着雪花型架构的查询速度通常要比星型架构的查询速度慢。出于本文的需要，为了简化设计，我将使用星型架构。

创建总线矩阵

Adventure Works 的 BI 解决方案中的重点是与销售相关的维度。为了确定与销售相关的维度，我要创建一个总线矩阵，这是维度建模过程中的一个步骤。Adventure Works 有两种销售渠道：向经销商批发和通过 In ternet 零售。我还使用总线矩阵来确定每个维度与以上两种类型的销售渠道或其中一种的关系。图 1 所示为我的 Adventure Works 销售总线矩阵示例。

Adventure Works 销售日期产品客户促销地域

经销

商

销售

区域

员工货币

Internet 销售X X X X X X

经销商销售X X X X X X X

图 1 Adventure Works 销售总线矩阵

下一步是确定解决方案的度量值。度量值是进行分析所需的数值。这些数值可以直接取自销售额或产品成本等数据源，也可以经过计算得出，如将某一数量乘以一定的金额得到扩展销售额。此外，还需要确定在每个维度中应包含哪些属性。属性是维度中的单个元素（对应于表中的列），如销售区域维度中的国家/地区或日期

维度中的年份。您可以根据分析需要使用属性对数据进行分组或筛选。本文不会对所有标识的度量值或维度属性进行详细介绍，但您需要注意有必要执行标识过程。

创建数据映射

在创建数据市场的物理表之前，我需要进行一些其他规划。具体而言，我需要构建一个数据映射文档，以便将数据市场架构中的每个目标列映射到 Adventure Works OLTP 源系统中的列。源系统就是 AdventureWorks 2008 数据库，您可以按照 Stacia Misner 文章第 31 页的内容下载和安装该数据库。您可以使用各种应用程序创建数据映射。与格式相比，更重要的是内容。我习惯在 Microsoft Office Excel 中开发数据映射。图 2 所示为我在数据映射中创建的 DimProduct 选项卡。此外，我还创建了 DimCustomer 和 FactInternetSales 数据映射。工作簿中的每个工作表表示数据市场中的一个表。每个工作表中只有两列：一个源列和一个目标列。

图 2 DimProduct 数据映射选项卡

每个维度表（日期维度表除外）中都包含名为代理键的主键（通常为标识列）。使用代理键的好处之一是在合并多个系统的数据时不会出现重复键。

维度表还有一个可选键列。这些可选键表示自然键，有时也称为业务键。自然键用于标识源系统。例如，客户维度中的 CustomerAlternateKey 列映射到 Adventure Works OLTP 数据库中 Sales.Customer 表的 Acco untNumber 字段。通过将这些键存储在维度表中，每次对各个维度运行 ETL 过程时，我可以将维度中已有的记录与从数据源中提取的记录进行匹配。

几乎每个数据市场都包含日期维度，因为业务分析往往按照日期、星期、月份、季度或年份来比较度量值变化。由于日期维度很少从源系统中获取，因此不应使用基于 SQL Server 标识的键。为此，我将改用以 YYY YMMDD 格式存储为 SQL Server 整数列的智能键。智能键是根据逻辑或脚本生成的键，而不是像 SQL Server 中的标识列那样自动递增的键。

请注意，日期维度通常并不映射到源表。因此，我将使用脚本生成数据，以便将记录加载到表中。

由于我的小型架构所需的 ETL 过程相当简单，因此这样的数据映射足以满足需要。在实际项目中，我会为数据映射添加注释，指出何时需要进行复杂的转换。

构建数据市场

逻辑建模完成之后，现在我需要创建 ETL 过程要加载的物理表及这些表的承载数据库。我将使用基本的 T -SQL 脚本来创建数据库及其关联的维度表和事实表。在（2009 代码下载）的示例 BI 解决方案的相应下载中可以找到完整的 T-SQL 脚本。

出于本文的需要，我仅构建了整个销售数据市场架构的一个子集，以便在 SSIS 中涵盖整个 ETL 过程。在精简版架构中，我仅加入了 Internet 销售事实表中的 OrderQuantity 和 SalesAmount 两个度量值。此外，在此精简版架构中，我还加入了简化的客户、产品以及日期维度表。

开发 ETL 过程

构建 BI 解决方案的下一步是设计和开发 ETL 过程。我们先回顾一下，ETL 包含从数据源提取数据、转换数据然后再将数据加载到目标库的整个技术过程。一般来说，BI 解决方案中的 ETL 过程先从平面文件以及 OL

TP 操作数据库中提取数据，然后转换数据使其适应维度模型（例如，星型架构），最后再将结果数据加载到数据市场。

在 BIDS 中创建 SSIS 项目

开发 ETL 过程的第一步是在 Business Intelligence Development Studio (BIDS) 中创建新项目。SQL S erver 2008 附带了 BIDS，在安装过程中选择“工作站组件”选项即可安装 BIDS。BIDS 中提供适用于 SSIS、S SAS 和 SSRS 的项目模板。与 Visual Studio 一样，BIDS 也支持源代码控制集成。

要启动 BIDS，请转到“开始”\“程序”\“Microsoft SQL Server 2008”\“Business Intelligence De velopment Studio”并选择“文件”\“新建项目”。您会看到如图 3 所示的“新建项目”模板。

图 3 BIDS 2008 中的“新建项目”模板

在“模板”窗格中选择“Integration Services 项目”。在“名称”文本框中，键入“ssis_TECHNET_AW2 008”，然后单击“OK”。BIDS 应显示一个打开的 SSIS 项目。

创建公共数据连接

SSIS 2008 中的另一项出色功能是可以在单个数据包之外创建数据源连接。您可以定义数据源连接一次，然后在解决方案中的一个或多个 SSIS 数据包中引用此连接。有关如何创建 BIDS 数据源的更多信息，请参阅“如何：使用数据源向导定义数据源（分析服务）”。

创建两个新的数据源连接：一个用于 TECHNET_AW2008SalesDataMart 数据库，另一个用于 AdventureWork s2008 OLTP 数据库。将这两个数据源连接分别命名为 AW_DM.ds 和 AW_OLTP.ds。

开发维度 ETL

用来加载产品维度的 ETL 非常简单。我需要从 Adventure Works Production.Product 表提取数据，并将这些数据加载到 TECHNET_AW2008SalesDataMart 数据库中。首先，我要重命名 BIDS 为我的 SSIS 项目创建的默认数据包。（数据包就是一个容器，存储 SSIS 将执行的工作流中的所有步骤。）在解决方案资源管理器中右键单击默认数据包，选择“重命名”。键入“DIM_PRODUCT.dtsx”，然后按 Enter。

接下来，我需要使用预建的数据源来创建本地数据包连接管理器。新建两个引用先前生成的数据源的连接管理器。

定义数据流以提取并加载

SSIS 中的一个数据流任务封装了对于简单维度实施 ETL 所需的全部数据。我只需将一个数据流任务从工具箱拖动到控制流设计器图面并将其重命名为 EL（用于提取和加载）。右键单击设计器中的数据流任务，然后选择“编辑”。BIDS 现在显示数据流设计器。

产品维度数据包的提取部分需要查询 AdventureWorks2008 Production.Product 表。为设置此任务，我从工具箱中将一个 OLE DB 源组件拖动到数据流设计器图面上，然后将该 OLE DB 源组件重命名为“AW_OLTP”。

接下来，我定义数据包的加载部分，以便加载到数据市场。我只将 OLE DB 目标组件的新实例拖动到数据流设计器图面，并将其重命名为“AW_OLTP”。然后，我单击 OLE DB 源 (AW_OLTP) 组件并将 OLE DB 源上显示的绿色箭头拖动到 AW_DM OLE DB 目标组件以连接这两个组件。

此时，我已将必需的组件添加到数据流中，但我仍需要配置每个组件，以便 SSIS 知道我要如何提取和加载数据。右键单击 AW_DM OLE DB 目标组件，然后选择“编辑”。打开 OLE DB 目标编辑器后，我确保选择 AW _DM 作为 OLE DB 连接管理器。然后，我展开表名称下拉列表并选择 dbo.DimProduct 表。最后，我单击“映射”选项卡确认映射正确。单击“确定”确认映射。如果您已经有了可以引用的数据映射，此过程就简单多了，特别是在处理大型表时。产品维度的 ETL 数据包现已完成。

在 BIDS 中可以轻松执行该数据包。要测试产品维度数据包，请打开该数据包并按 F5。

开发其他数据包

我按照创建产品数据包的方式创建客户维度数据包。此处将不重述创建此新数据包应遵循的步骤。请自行尝试创建此数据包。请注意，此数据包使用数据源中的 XML 数据类型列 (Person.Person.Demographics)，这需要您解析出单独的人口统计相关属性。要解析 SQL Server XML 数据类型列中的单个值，您可以在 XML 数据类型固有的 Value() 方法中使用 XQuery。请将完成的数据包命名为 DIM_CUSTOMER.dtsx。

为日期维度开发 SSIS 数据包是可选的。由于此维度通常没有源数据，因此加载它的最简单方法是使用基本的 T-SQL 脚本。您可以在已完成的解决方案中找到我使用的脚本。

开发 Internet 销售事实表数据包

Internet 销售事实表数据包查询所有的 Internet 销售，并按照产品、客户和日期（即订单日期）返回销售详情。与维度表数据包不同，事实表数据包在向事实表加载数据前需要一个额外的步骤，即查询相应维度表中的代理键和智能键。您可以创建一个新数据包并将其命名为 FACT_INTERNET_SALES.dtsx。

此数据包的提取部分需要使用图 4 所示的 T-SQL 代码查询 AdventureWorks2008 OLTP 数据库。

1.SELECT

2. P.ProductID

3. ,CONVERT(INT,CONVERT( CHAR(4), YEAR(H.OrderDate) ) + RIGHT('0'+ CONVERT

(VARCHAR(3),

4. MONTH(H.OrderDate) ),2) + RIGHT('0'+ CONVERT( VARCHAR(3),

5.DAY(H.OrderDate) ),2)) AS OrderDateKey

6. ,C.AccountNumber

7. ,SUM(D.OrderQty) AS OrderQuantity

8. ,SUM(D.LineTotal) AS SalesAmount

9.FROM

10. [Sales].[SalesOrderDetail] D

11.INNER JOIN

12. [Sales].[SalesOrderHeader] H ON (D.SalesOrderID = H.SalesOrderID)

13.INNER JOIN

14. [Production].[Product] P ON (D.ProductID = P.ProductID)

15.INNER JOIN

16. [Sales].[Customer] C ON (H.CustomerID = C.CustomerID)

17.WHERE

18. H.OnlineOrderFlag = 1

19.GROUP BY

20. P.ProductID

21. ,H.OrderDate

22. ,C.AccountNumber

图 4 用于按产品、日期和客户划分的 Internet 销售的 T-SQL 代码

在此数据包的控制流图面中创建一个新的数据流。打开数据流设计器，创建一个 OLE DB 源组件。将该组件命名为 AW_OLTP，使用图 4 中的查询作为其源。此查询会生成 Adventure Works 销售表中 OrderQuantity 和 SalesAmount 两个度量值的聚合（总和）。

现在，您需要配置一个查询转换。将查询转换组件的两个新实例从工具箱中拖动到数据流设计器图面，并将其重名为“产品”和“客户”。配置第一个实例（产品），使其查询产品维度表中的 ProductKey。配置方法为将维度表的 AlternateKey 与从 AW_OLTP 源查询传入的 ProductID 字段相联接。

配置第二个实例（客户），使其查询客户维度表中的 CustomerKey。配置方法为将维度表中的 AlternateK ey 与从 AW_OLTP 源查询传入的 AccountNumber 字段相联接。

最后步骤

最后一步是将数据加载到 FactInternetSales 事实表，并将每个维度的自然键替换为查询转换找到的代理键。拖放 OLE DB 目标组件的新实例，并将其命名为“AW_DM”。编辑该 OLE DB 目标组件，选择 AW_DM 连接管理器。然后，选择 dbo.FactInternetSales 表并单击“映射”选项卡。确保映射如图 5 所示。单击“确定”完成此数据包逻辑。

图 5 用于 Internet 销售事实表的 OLE DB 目标映射

要测试 Internet 销售事实数据包，请在 BIDS 中打开此数据包并按 F5。

现在，您基本了解了维度建模和使用 SSIS 构建按 ETL 设计的数据包。在第三篇系列文章中，您将学习如何使用填充的数据市场创建用于 SSAS 数据库的维度和多维数据集。多维数据集构建完成后，您可以开发一个SSIS 数据包。这样，每次有新数据添加到数据市场中，您都可以在 SSAS 数据库中持续更新这些对象。当使用单一查询无法满足报告要求时，SSIS 甚至能够准备在 SSRS

商业智能BI中常规数据源的建立与分析

2011-06-02 21:24:38 作者：admin来源：浏览次数：101 网友评论0 条

为了提高BI系统的整合力度，现在不少企业，都将BI作为ERP系统的一个模块来设计。或者说，将ERP系统与BI在同一个平台上实现。从而提高应用系统的灵活性

为了提高BI系统的整合力度，现在不少企业，都将BI作为ERP系统的一个模块来设计。或者说，将ERP系

统与BI在同一个平台上实现。从而提高应用系统的灵活性。对于SAP来说，ECC(ERP系统)与BW(BI系统)是无缝集成的。在实际项目中，根据业务的需要，项目管理员往往需要在ERP系统中建立数据源，为BI系统所使用。这与笔者上篇文章所说的自定义数据源不同。自定义数据源是系统已经创建好了相关的视图，项目管理员只需要利用鼠标点点字段即可。而常规数据源则需要项目管理员从零开始，从设计视图到最终传输数据的一整个过程。其核心流程如下：

▲

一、确定页签所对应的数据表

在BI系统中对数据进行分析时需要用到多个表格的数据。而在ERP系统中，出于性能的考虑，往往是将数据分开在多个表格中存储。由于两种系统的目标不同，为此在后台数据表中有很大的不同。在将ERP系统与BI系统进行整合时，首先要做的就是调整ERP系统的相关表格，以符合BI系统的需要。这个调整，当然不能影响到ERP系统的基本表。在实际工作中，往往是通过视图或者查询来完成的。

无论是视图或者查询，项目管理员首先需要了解的是后台数据表与前台页签之间的关系。如在创建物料信息时，其后台对应了几十张表格。每个表格中，包含了哪些信息?即使一个资深的实施顾问，也很难说的清楚。为此我们希望能够提供一种方便的查询方法。笔者的建议是，最好能够通过ERP所在的页签或者某个字段，就能够查询到其后台所对应的表格。这对于我们进行后续的操作时非常便利的。

在SAP ERP系统中，就提供了这种查询的机制。如下图所示：

▲

3、点击技术信息图标

1、打开对应页签。注意鼠标要定位在某个字段上

2、点问号图标

第一步：项目管理员需要打开自己所关注的页签。如打开物料信息的采购页签。假设现在项目管理员在数据分析时，需要用到物料采购视图中的采购单位字段。但是又不知道这个字段所对应的后台数据表是哪一个。此时项目管理员就可以在这个页签中将鼠标定位到采购单位字段。

第二步：选中字段后点击工具栏上的问号图标。注意，一定将鼠标定位到相关的字段上。否则的话，是无法得到正确的结果的。在查询的结果中，系统会告诉这个字段所对应的后台数据表是哪一个。

第三步：在打开的帮助窗口中，点击“技术信息”图标。这里告诉大家一个小技巧。如用户需要了解每

个图标所对应的含义，用户可以将鼠标停放在对应的按钮上几秒钟，系统会自动显示这个按钮对应的描述。如笔者将鼠标在上面这个按钮上停留了几秒钟，系统就提示，当用户点击这个按钮时会显示相关技术信息。点击技术信息这个图标后，会打开后台数据表的相关信息，如下图所示：

项目管理员凭借这些信息，就可以了解前台某个字段所对应的后台数据库表名以及表的字段的名称和相关的数据元素。掌握这些信息，对项目管理员进行视图的设计，有很大的帮助。无法了解这些信息，后续的工作是无法展开的。如果要将BI 系统与ERP系统进行整

二、创建视图

当项目管理员了解某个业务后台数据表的基本逻辑之后，接下去的工作就是创建视图。这里需要注意，说到视图，很多人会想到在数据库中进行创建。不过笔者这里谈的创建视图，并不是在后台数据库中直接创建。而是在前台，通过BI的界面来创建视图。不过无论是哪边创建，都必须知道后台数据表所对应的关系。可见，作为一个BI顾问，要了解的内容比较多。出了实际的业务之外，还必须了解数据库表的相关内容，如主键、外键等等。在SAP系统中，创建视图的代码是SE11。通过这个代码可以打开视图的创建窗口。在创建视图时，笔者有如下几个建议。

一是视图的命名规则。虽然在BI系统中，对于用户自己创建的对象没有强制的命名规则。不过在业界，还是有一套约定俗成的规则。简单的说，就是自己所创建的对象，最好以Z开头，然后后面加具有业务含义的名字。毕竟在中大型的项目中，往往是团队作业。在这种情况下，遵守游戏规则还是蛮重要的，可以提高团队的合作性。

二是字段的多少。从技术上来看，项目管理员可以将相关表格中的所有字段内容都传输到B1系统中去。但是从性能等角度考虑，是不建议这么做的。数据量一多，特别是字符型数据一多，无论是对数据的传输，还是对数据的查询，都会带来很大的不便。为此我们在选择字段的时候，一定要谨慎。既要能够满足日后业务的需要，也不要太过于泛滥。这对项目顾问有比较高的要求。如其需要了解这个业务的实质，以判断需要用到的字段。同时又需要跟用户反复沟通，了解他们的需求。然后才能够确定哪些字段是需要的，哪些是不必要的。笔者的建议是，对于数值型的字段，可以大量的迁移到BI系统中去。而对于字符型或者文本型数据类型，则要谨慎。要少而精。

商业智能(BI)定义和解决方案

商业智能定义和解决方案什么是商业智能？商业智能，或，是一种统称，泛指用于对一个企业的原始数据进行分析的各种各样的软件系统。商业智能（）是由若干相关的活动组成的领域，包括数据挖掘，在线分析处理，查询和报表。企业用商业智能（）来提高决策制定，降低成本和识别新的商机。商业智能（）不仅仅只是公司的报表或从企业系统中引导出信息的一套工具。信息主管通过商业智能（）来发现企业内低效的，需要改进的商业流程。利用现在的商业智能（）工具，商业人士可以随时自己开始对数据进行分析，而不要等待来运行一个复杂的报表。这样民主化的信息访问让用户在做商业决策时有了硬性数据的支持，否则就只能基于直觉来做出决策。虽然商业智能（）有光明的前景，但它的安装启用却受到技术和企业文化挑战的困扰。高管们必须确认在商业智能（）系统中所用的数据是干净与一致的，所以用户才会信任它。什么样的企业会使用系统？象，，和这样的连锁餐馆业大量地使用着商业智能（）软件。他们用商业智能（）做出战略决策，诸如在菜单上添加什么新品，哪一种菜式要被删除和哪一个业绩欠佳的店要被关闭。他们还用商业智能（）来决定战术的事项，象与食品供应商重新谈判合同和找到改进低效率流程的

机会。因为连锁餐馆深受日常商务运作的驱动，而商业智能（）对他们经营上的帮助是如此的重要，所以他们成为所有行业中使用的中坚力量，而真正地从这些系统中得到实际价值。的关键组件之一业务分析是在各种行业中成为一个成功企业所必不可少的，在专业的体育团队像波士顿的，奥克兰的和新英格兰的中，业务分析就更加的必不可少。利用一种分析的方法，在四年中赢得了三次美国橄榄球超级杯大赛。这个球队在很多方面都用到了数据和分析模型，无论是在场内还是场外。深入的分析帮助这个球队在全美橄榄球联盟（）的薪资上限之下选择球员。的教练与球员对比赛录相和统计资料的研究是出了名的，教练阅读由经济学者写的关于足球赛结果的统计概率的学术文章。在场外，这只球队利用详细的分析评价和改进全体球迷体验。在每一场主场比赛，举例来说，会特别安排至人进行定量测定体育场的食物、停车、人员、浴室整洁和其他因素。在零售业，沃尔玛（）利用大量的数据和分类分析来帮助它占领市场。在赌博业的竞争中改变了它的基调，从建立大型赌场转向分析周边客户的忠诚度和服务上。亚马逊（）和雅虎（）不仅仅是电子商务网站，他们忙于分析和遵循一种测试和学习的方法转变商业。一年要做多次的实验来鉴定理想的客户和为信用卡定价。谁应该起到领导的作用？

IBM公司数据仓库商业智能解决方案(DOC 45页)

1. 技术瓶颈：海量数据收集、海量数据存储、海量数据多维分析等一系列的问题，即使最热门最被业内人士看好的Hadoop技术能否撑得住？ 2. 资源投入：海量数据处理伴随着相应的硬件、软件需求的增长，技术人员的投入上对企业势必成为新的负担。 3. 价值金矿：海量数据中的非结构化数据蕴含着的“价值金矿”，能够帮助企业从未所触及的角度和维度为企业提供商业决策和辅助。从海量数据价值挖掘层面上看，传统的思维是数据量加大是一定要考虑OLAP的，一般的报表可能5、6个小时出来结果，而基于Cube的查询可能只需要几分钟，因此从一般意义上认为处理海量数据的利器是OLAP多维分析，即建立数据仓库，建立多维数据集，基于多维数据集进行报表展现和数据挖掘等。然而目前OLAP存在的最大问题是: 业务灵活多变,必然导致业务模型随之经常发生变化,而业务维度和度量一旦发生变化,技术人员需要把整个Cube重新定义并重新生存,业务人员只能在此Cube上进行多维分析,这样就限制了业务人员快速改变问题分析的角度,从而使所谓的BI系统称为死板的日常报表系统. 在思达商业智能平台 Style Intelligence上进行海量数据的多维数据分析，从业务需求的角度出发，维度和度量才是直接针对业务人员的分析语言。在自主知识产权数据块儿技术支持下，直接把维度和度量的生成交给业务人员，由业务人员自己定义好维度和度量之后，将业务的维度和度量直接运行，并最终生成报表。此种以终为始的设计思路，首先能解决传统OLAP分析中维度难以改变的问题，利用思达商业智能平台 Style Intelligence中数据非结构化的特征，业务人员可以灵活地改变问题分析的角度，对业务人员非常友善。其次思达商业智能平台Style Intelligence 在海量数据处理中利用分布式数据处理架构强大的分布式数据处理能力，无论OLAP分析中的维度增加多少，系统开销并不显著增长。

BI商业智能地产行业解决方案

目录 1、地产行业方案概述....................................................................................................................... - 2 - 2、房地产行业财务分析................................................................................................................... - 2 - 2.1BI财务智能分析系统 (2) 2.1.1 BI财务智能分析系统概述 ............................................................................................... - 2 - 2.1.2 BI财务智能分析系统应用价值 ....................................................................................... - 3 - 2.1.3 财务分析关键指标的建立............................................................................................... - 4 -2.2财务确认收入分析 . (4) 2.2.1 财务确认预收收入分析................................................................................................... - 5 - 2.2.2 租金收入分析................................................................................................................... - 6 - 2.2.3 收入构成分析................................................................................................................... - 7 -2.3利润分析 (8) 2.3.1利润表分析........................................................................................................................ - 8 - 2.3.2利润构成分析.................................................................................................................... - 9 - 2.3.3项目公司业绩分析.......................................................................................................... - 10 - 2.3.4利润完成情况分析........................................................................................................... - 11 -2.4开发成本分析.. (11) 2.4.1开发成本结构分析........................................................................................................... - 11 -2.5费用分析. (14) 2.5.1费用结构分析.................................................................................................................. - 14 - 2.5.2费用趋势分析.................................................................................................................. - 15 -2.6五方面能力综合统计分析 (16) 2.7关键指标分析 (18) 2.7.1短期偿债能力分析.......................................................................................................... - 18 - 2.7.2长期偿债能力.................................................................................................................. - 18 - 3、BI HR解决方案......................................................................................................................... - 19 - 3.1方案概况 (19) 3.2人力资源BI分析模型 (19) 3.2.1人力资源概况.................................................................................................................. - 19 - 3.2.2人员结构.......................................................................................................................... - 21 - 3.2.3人员变动.......................................................................................................................... - 23 -3.3关于HR的薪资方面 .. (26) 3.3.1薪资项目分类对照表...................................................................................................... - 26 - 3.3.2可参考的部分模型.......................................................................................................... - 28 -

数据分析平台解决方案设计.pdf

数据分析平台解决方案设计一、数据建模 Microsoft? SQL Server? 2012可帮助企业构建全面的企业级分析解决方案，通过熟悉的工具进行可行性分析。SQL Server 2012 分析服务引入了商业智能语义模型，一种可供用户以多种方式构建商业智能解决方案的统一模型。这意味着：可为强大的联机分析处理(OLAP) 技术提供持续支持，从而使SQL Server 分析服务成为商业智能专家不可或缺的好帮手。可作为经常按行和列处理数据的IT 专业人员和开发人员的专用工具。可跨越个人、团队和企业环境为一系列商业智能解决方案提供支持。 Figure 数据模型- 多维模型和表格模型（1）灵活性 SQL Server 2012 分析服务可支持一系列商业智能解决方案（包括报表、分析、仪表板和记分卡），适用于各种范围的业务环境。更多技术选择随着统一维度模型的发展，商业智能语义模型将强大的多维分析技术与常见的表格格式数据模型紧密结合，从而实现分析模型创建和消费的灵活性。这种单一模型无需调整现有项目，并可为未来项目开辟新天地。

设计和开发常用的集成工具可帮助简化和加速设计和开发流程。利用在Business Intelligence Development Studio 领域的直观数据驱动经验加速商业智能应用程序设计迭代过程。采用强大的开发工具管理源控件及无缝部署Microsoft Visual Studio? 开发、测试和生产。（2）丰富性 SQL Server 2012 分析服务能够与大量开发工具和技术构建基块搭配使用，因而BI 专家和其他IT 专业人员既能构建简单的商业解决方案，又能构建复杂的商业解决方案。分析服务还能通过Microsoft Office和Microsoft SharePoint? Server 2010 的互操作性为商业智能用户提供丰富的体验，从而帮助用户获取、使用及共享信息。丰富多样的建模功能和成熟严谨的业务逻辑利用分析服务丰富多样的建模功能简化构建复杂解决方案的过程。采用适当的技术满足各种不同类型的需求。细化安全方案分析服务中基于角色的安全模型采用Active Directory 和行级安全方案。与Microsoft Office 2010 的互操作性帮助企业用户从熟悉的Microsoft Excel? 2010 环境访问多维数据。利用SQL Server 数据挖掘插件直接在Excel 2010 中进行预测性数据挖掘。无处不在的业务洞察通过分析服务和SharePoint Server 汇总性能管理的方方面面（包括监控、分析和规划）。 Web 服务轻松开发新的应用程序，实时集成分析功能与运营。（3）扩展性与性能 SQL Server 2012 分析服务充分最新硬件的优势，随时准备处理最具挑战性的企业部署环境。支持最新硬件

商业智能与数字化管理解决方案

商业智能与数字化管理解决方案（一）方案简介该方案基于海航集团多年实施“数字化海航”战略经验，依托先进的商业智能技术（BI），整合企业核心业务系统，建立关键管理指标数字化、可视化的管理模式，实现企业合规与风险控制的智能化框架，满足业务操作层、经营管理层和决策层不同需要的“数字化”管理整体解决方案。 (1)方案综述：海南海航航空信息有限公司以其强大的技术实力，丰富的项目实施经验，在数据整合，辅助决策支持项目建设各个阶段都能为客户提供咨询和开发服务，并提供一套完整的解决方案数据集成平台解决方案：含数据整合、数据同步、数据迁移、数据合并、数据交换、数据联邦、数据质量监控、数据整合流程监控等服务。 OLAP建模解决方案：采用主流的多维展现工具，支持高度的客户个性化以及强大的行业二次开发。报表平台解决方案：集成业界流行的报表引擎，并支持客户化，使得报表与企业门户无缝集成。 BI多门户解决方案：采用B/S模式，统一以Web浏览器作为客户端，将功能实现的核心部分集中到服务器上,可以最大限度降低客户端的维护成本，同时通过灵活的权限配置管理，实现不同用户不同需求的BI多门户展示效果。 3G-BI门户解决方案：针对移动商业用户提供可以浏览、搜索、定位公司生产经营业绩指标并查看指标细节，从而延伸管理半径，通过智能手机随时随地掌握企业经营状况。 (2)方案价值：跨系统整合核心业务数据，为不同决策群体提供相关辅助决策支持服务建立统一的数据规范标准，持续提高整合业务系统数据质量，同时推进业务系统的不断完善建立数字化、可视化的管理、监控、预警模式建立数字化、可视化管理的商业智能门户，为企业经营管理层提供准确、及时的关键指标监控平台实现企业战略规划与生产经营紧密结合。将“数字化”、“精细化”和“科学化”管理贯穿于企业战略执行和日常生产经营活动中，并形成有效的“闭环管理” (3)适用客户：企业集团大中型企事业单位政府单位