http://freefeet.net 关注于商业智能，报表工具，ETL及相关应用软件和技术的博客 Mon, 05 Jan 2009 15:50:33 +0000 http://backend.userland.com/rss092 en 从技术层面上讲，BI(商业智能)不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。终端用户查询和报告工具。专门用来支持初级用户的原始数据访问，不包括适应于专业人士的成品报告生成工具。 OLAP工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析。 数据挖掘（Data Mining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。 数据仓库（Data Warehouse）和数据集市（Data Mart）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。 联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理 (OLTP) 明显区分开来。 当今的数据处理大致可以分成两大类：联机事务处理OLTP（On-Line Transaction Processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。 OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是"维"这个概念。 “维”是人们观察客观世界的角度，是一种高层次的类型划分。“维”一般包含着层次关系,这种层次关系有时会相当复杂。通过把一个实体的多项重要的属性定义为多个维(dimension)，使用户能对不同维上的数据进行比较。因此OLAP也可以说是多维数据分析工具的集合。 OLAP的基本多维分析操作有钻取（roll up和drill down）、切片（slice）和切块（dice）、以及旋转（pivot）、drill across、drill through等。 钻取是改变维的层次，变换分析的粒度。它包括向上钻取（roll up）和向下钻取（drill down）。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少维数；而drill down则相反，它从汇总数据深入到细节数据进行观察或增加新维。 切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。 旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。 OLAP有多种实现方法，根据存储数据的方式不同可以分为ROLAP、MOLAP、HOLAP。 ROLAP表示基于关系数据库的OLAP实现（Relational OLAP）。以关系数据库为核心，以关系型结构进行多维数据的表示和存储。ROLAP将多维数据库的多维结构划分为两类表：一类是事实表，用来存储数据和维关键字；另一类是维表，即对每个维至少使用一个表来存放维的层次、成员类别等维的描述信息。维表和事实表通过主关键字和外关键字联系在一起,形成了“星型模式”。对于层次复杂的维，为避免冗余数据占用过大的存储空间，可以使用多个表来描述，这种星型模式的扩展称为“雪花模式”。 MOLAP表示基于多维数据组织的OLAP实现（Multidimensional OLAP）。以多维数据组织方式为核心，也就是说，MOLAP使用多维数组存储数据。多维数据在存储中将形成“立方块（Cube）”的结构，在MOLAP中对“立方块”的“旋转”、“切块”、“切片”是产生多维数据报表的主要技术。 HOLAP表示基于混合数据组织的OLAP实现（Hybrid OLAP）。如低层是关系型的，高层是多维矩阵型的。这种方式具有更好的灵活性。 还有其他的一些实现OLAP的方法，如提供一个专用的SQL Server，对某些存储模式（如星型、雪片型）提供对SQL查询的特殊支持。 OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1，维2，……，维n，度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片（Slice）、切块（Dice）、钻取（Drill-down和Roll-up）、旋转（Pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。 根据综合性数据的组织方式的不同，目前常见的OLAP主要有基于多维数据库的MOLAP及基于关系数据库的ROLAP两种。MOLAP是以多维的方式组织和存储数据，ROLAP则利用现有的关系数据库技术来模拟多维数据。在数据仓库应用中，OLAP应用一般是数据仓库应用的前端工具，同时OLAP工具还可以同数据挖掘工具、统计分析工具配合使用，增强决策分析功能。 http://freefeet.net/archives/130.html 商业智能的发展趋势可以归纳为以下几点： 功能上具有可配置性、灵活性、可变化性 BI系统的范围从为部门的特定用户服务扩展到为整个企业所有用户服务。同时，由于企业用户在职权、需求上的差异，BI系统提供广泛的、具有针对性的功能。从简单的数据获取，到利用WEB和局域网、广域网进行丰富的交互、决策信息和知识的分析和使用。 解决方案更开放、可扩展、可按用户定制，在保证核心技术的同时，提供客户化的界面针对不同企业的独特的需求，BI系统在提供核心技术的同时，使系统又具个性化，即在原有方案基础上加入自己的代码和解决方案，增强客户化的接口和扩展特性；可为企业提供基于商业智能平台的定制的工具，使系统具有更大的灵活性和使用范围。 从单独的商业智能向嵌入式商业智能发展 这是目前商业智能应用的一大趋势，即在企业现有的应用系统中，如财务、人力、销售等系统中嵌入商业智能组件，使普遍意义上的事务处理系统具有商业智能的特性。考虑BI系统的某个组件而不是整个BI系统并非一件简单的事，比如将OLAP技术应用到某一个应用系统，一个相对完整的商业智能开发过程，如企业问题分析、方案设计、原型系统开发、系统应用等过程是不可缺少的。 从传统功能向增强型功能转变 增强型的商业智能功能是相对于早期的用SQL工具实现查询的商业智能功能。目前应用中的BI系统除实现传统的BI系统功能之外，大多数已实现了图2中数据分析层的功能。而数据挖掘、企业建模是BI系统应该加强的应用，以更好地提高系统性能。 http://freefeet.net/archives/129.html 实施商业智能系统（BI）是一项复杂的系统工程,整个项目涉及企业管理, 运作管理, 信息系统, 数据仓库, 数据挖掘, 统计分析等众多门类的知识. 因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功. 商业智能项目的实施步骤可分为: (1) 需求分析: 需求分析是商业智能实施的第一步, 在其它活动开展之前必须明确的定义企业对商业智能的期望和需求, 包括需要分析的主题, 各主题可能查看的角度(维度); 需要发现企业哪些方面的规律. 用户的需求必须明确. (2) 数据仓库建模:通过对企业需求的分析, 建立企业数据仓库的逻辑模型和物理模型,并规划好系统的应用架构,将企业各类数据按照分析主题进行组织和归类. (3) 数据抽取: 数据仓库建立后必须将数据从业务系统中抽取到数据仓库中, 在抽取的过程中还必须将数据进行转换, 清洗, 以适应分析的需要. (4) 建立商业智能分析报表: 商业智能分析报表需要专业人员按照用户制订的格式进行开发, 用户也可自行开发(开发方式简单,快捷) . (5) 用户培训和数据模拟测试: 对于开发—使用分离型的商业智能系统, 最终用户的使用是相当简单的, 只需要点击操作就可针对特定的商业问题进行分析. (6) 系统改进和完善: 任何系统的实施都必须是不断完善的. 商业智能系统（BI）更是如此, 在用户使用一段时间后可能会提出更多的,更具体的要求, 这时需要再按照上述步骤对系统进行重构或完善 http://freefeet.net/archives/128.html 商业智能帮助企业的管理层进行快速, 准确的决策, 迅速的发现企业中的问题, 提示管理人员加以解决。 但商业智能软件系统不能代替管理人员进行决策, 不能自动处理企业运行过程中遇到的问题。因此商业智能系统并不能为企业带来直接的经济效益, 但必须看到,商业智能为企业带来的是一种经过科学武装的管理思维,给整个企业带来的是决策的快速性和准确性, 发现问题的及时性, 以及发现那些对手未发现的潜在的知识和规律,而这些信息使企业产生经济效益的基础, 不能快速,准确的指定决策方针等于将市场送给对手, 不能及时发现业务中的潜在信息等于浪费自己的资源。 比如:通过对销售数据的分析可发现各类客户的特征和喜欢购买商品之间的联系,这样就可进行更有针对性的精确的促销活动或向客户提供更具有个性的服务等, 这都会为企业带来直接的经济效益. 商业智能帮助企业的管理层进行快速, 准确的决策, 迅速的发现企业中的问题, 提示管理人员加以解决。 http://freefeet.net/archives/127.html 目前，很多厂商活跃在商业智能（下面称BI）领域。事实上，能够满足用户需要的BI产品和方案必须建立在稳定、整合的平台之上，该平台需要提供用户管理、安全性控制、连接数据源以及访问、分析和共享信息的功能。BI平台的标准化也非常重要，因为这关系到与企业多种应用系统的兼容问题，解决不了兼容问题，BI系统就不能发挥出应有效果。这里我们通过对一个实验室的BI系统模型（我们将其称为D系统）进行功能解剖，来介绍BI系统。 D系统是一个面向终端使用者，直接访问业务数据，能够使管理者从各个角度出发分析利用商业数据，及时地掌握组织的运营现状，作出科学的经营决策的系统。D系统可实现从简单的标准报表浏览到高级的数据分析，满足组织内部人员的需求。D系统涵盖了常规意义上商业智能（BI）系统的功能，主要构架包括以下几个方面。 读取数据 D系统可读取多种格式（如Excel、Access、以Tab分割的txt和固定长的txt等）的文件，同时可读取关系型数据库 (对应ODBC)中的数据。在读取文本和数据的基础上，D系统还可以完成： 连接文本：把2个CSV文件中的共同项目作为键（Key），将所需的数据合并到一个文件，这样可以象操作数据库一样方便，但无须用户编程即可实现。 设置项目类型 作为数据的项目类型：除按钮(button)（文字项目）、数值项目以外，还可以设置日期表示形式的日期数据项目、多媒体项目和不需要生成按钮但在列表显示中能够浏览的参照项目。 期间设置：日期项目数据可以根据年度或季度等组合后生成新的期间项目。同样，时间项目数据可以根据上午、下午或时间带等组合后生成新的时间项目。 设置等级 对于数值项目：可以任意设置等级，生成与之相对应的按钮。例如，可以生成与年龄项目中的20岁年龄段、30岁年龄段的等级相对应的按钮。 分析功能 关联/限定：关联分析主要用于发现不同事件之间的关联性，即一个事件发生的同时，另一个事件也经常发生。关联分析的重点在于快速发现那些有实用价值的关联发生的事件。其主要依据是，事件发生的概率和条件概率应该符合一定的统计意义。D系统把这种关联的分析设计成按钮的形式，通过选择有/无关联，同时/相反的关联。对于结构化的数据，以客户的购买习惯数据为例，利用D系统的关联分析，可以发现客户的关联购买需要。例如，一个开设储蓄账户的客户很可能同时进行债券交易和股票交易。利用这种知识可以采取积极的营销策略，扩展客户购买的产品范围，吸引更多的客户。 显示数值比例/指示显示顺序：D系统可使数值项目的数据之间的比例关系通过按钮的大小来呈现，并显示其构成比，还可以改变数值项目数据的排列顺序等。选择按钮后，动态显示不断发生变化。这样能够获得直观的数据比较效果，并能够凸显差异，便于深入分析现象背后的本质。 监视功能：预先设置条件，使符合条件的按钮显示报警（红）、注意（黄）信号，使问题所在一目了然。比如说：上季度营业额少于100万元的店警告（黄色标出），少于50万元的报警（红色标出）。执行后，D系统就把以店名命名的按钮用相应的颜色表示出来。 按钮增值功能：可将多个按钮组合，形成新的按钮。比如：把[4月]、[5月]、[6月]三个按钮组合后得到新的按钮[第2季度]。 记录选择功能：从大量数据中选择按钮，取出必要的数据。挑出来的数据可重新构成同样的操作环境。这样用户可以把精力集中在所关心的数据上。 多媒体情报表示功能：由数码相机拍摄的照片或影像文件、通过扫描仪输入的图形等多媒体文件、文字处理或者电子表格软件做成的报告书、HTML等标准形式保存的文件等，可以通过按钮进行查找。 分割按钮功能：在分割特定按钮类的情况下，只需切换被分割的个别按钮，便可连接不断实行已登录过的定型处理。 程序调用功能：把通过按钮查找抽取出的数据，传给其他的软件或用户原有的程序，并执行这些程序。 查找按钮名称功能：通过按钮名查找按钮，可以指定精确和模糊两种查找方法。另外，其他的按钮类也可以对查找结果相关的数据进行限定。 丰富的画面 列表画面：可以用and/or改变查找条件，可以进行统计/排序。统计对象只针对数值项目，统计方法分三种：合计、件数、平均，而且可以按照12种方式改变数值的显示格式。 视图画面：提供切换视角和变换视图功能，通过变换与设置条件相应的数值（单元格）的颜色表示强调。依次变换视角可进行多方面的数据分析。视图的统计对象只针对数值项目，统计方法有合计、平均、构成比（纵向、横向）、累计(纵向、横向)、加权平均、最大、最小、最新和绝对值等12种。 数值项目切换：通过按钮类的阶层化（行和列最多可分别设置8层），由整体到局部，一边分层向下挖掘，一边分析数据，可以更加明确探讨问题所在。 图表画面：D系统使用自己开发的图形库，提供柱形图、折线图、饼图、面积图、柱形+折线五大类35种。在图表画面上，也可以像在阶层视图一样，自由地对层次进行挖掘和返回等操作。 数据输出功能 打印统计列表和图表画面等，可将统计分析好的数据输出给其他的应用程序使用，或者以HTML格式保存。 定型处理 所需要的输出被显示出来时，进行定型登录，可以自动生成定型处理按钮。以后，只需按此按钮，即使很复杂的操作，也都可以将所要的列表、视图和图表显示出来。 D系统应用范围 商业智能系统可辅助建立信息中心，如产生各种工作报表和分析报表。用作以下分析： 销售分析：主要分析各项销售指标，例如毛利、毛利率、交叉比、销进比、盈利能力、周转率、同比、环比等等；而分析维又可从管理架构、类别品牌、日期、时段等角度观察，这些分析维又采用多级钻取，从而获得相当透彻的分析思路；同时根据海量数据产生预测信息、报警信息等分析数据；还可根据各种销售指标产生新的透视表。 商品分析：商品分析的主要数据来自销售数据和商品基础数据，从而产生以分析结构为主线的分析思路。主要分析数据有商品的类别结构、品牌结构、价格结构、毛利结构、结算方式结构、产地结构等，从而产生商品广度、商品深度、商品淘汰率、商品引进率、商品置换率、重点商品、畅销商品、滞销商品、季节商品等多种指标。通过D系统对这些指标的分析来指导企业商品结构的调整，加强所营商品的竞争能力和合理配置。 人员分析：通过D系统对公司的人员指标进行分析，特别是对销售人员指标（销售指标为主，毛利指标为辅）和采购人员指标（销售额、毛利、供应商更换、购销商品数、代销商品数、资金占用、资金周转等）的分析，以达到考核员工业绩，提高员工积极性，并为人力资源的合理利用提供科学依据。主要分析的主题有，员工的人员构成、销售人员的人均销售额、对于销售的个人销售业绩、各管理架构的人均销售额、毛利贡献、采购人员分管商品的进货多少、购销代销的比例、引进的商品销量如何等等。 http://freefeet.net/archives/126.html “本人学java编程时感觉到十分的不方便，特别是想建立窗体时，要添加什么控件都要自己写。有没有一个开发工具像VB6.0那样可以直接添加控件而不用用语言添加的啊？” 最近在国内知名搜索上看到这样一篇求助的帖子（http://zhidao.baidu.com/question/26587710.html）。很快的，帖子得到了热心人的回答，最佳答案长达30多行，列举了包括Eclipse在内的近10种java开发工具。但是仔细查看来不难发现：对于原帖的问题，“最佳答案”其实并没有给出一个真正的答复。 那么，到底有没有这样一种开发工具，可以把java的基于浏览器（B/S）网络程序开发，变成类似VB那样基于客户端（C/S）图形化的编程呢？甚至需要写的代码量比VB还要少？著名的编程工具Eclipse是这样一种工具么？ 熟悉Eclipse开发的程序员都知道，这个开发工具并不是一个很好的界面设计工具。Eclipse结合Java的各种架构的开发模式，给开发人员提供了灵活性的同时，也提高了复杂性和学习成本。 我们看一个典型的开发项目－项目A。这个项目的目标是用Java做一个基于网页和数据库的企业管理信息系统（MIS系统），大部分的页面都用来做数据库增删改查操作。按照一般的项目模式实现这个项目，就要请美工来设计各个页面的html界面，请系统架构师来选择各种架构（struts、spring、habernate…）搭建应用程序的基本框架，请熟悉java性能优化的工程师构建底层性能控制部件… 即使负责项目A的你有相当可观的预算和时间搞定了这些，你的程序员真正编程的时候，还是要还是花很多时间学习这些架构，并准备好在项目维护阶段搞定这些复杂架构出现的各种复杂问题… 实际上，你和我样，还有更好的选择：让一个免费的开发工具―“快逸报表”来搞定这些实现层面的问题！ 试想一下，如果项目组成员可以专心致志的去和最终用户讨论他的业务需求，了解他想存取那些数据，这些数据怎么建表，输入的数据要做怎样的合法检查，数据库中的数据要做怎样的展现和查询…然后，用“快逸报表”快速的实现这些需求和功能。这样的场景对于项目负责人、程序员和最终用户，都是如此的美妙！ 如果项目A的后期，最终用户又提出了比较复杂中国式报表，那么项目将会因为采用了快逸报表而锦上添花，因为报表正式快逸报表的强项！说道这里你不禁要问：对于项目A来说，一个免费的报表工具“快逸报表”就能够做到不用写代码实现项目功能么？看看下面的例子，你就知道了。请注意，这些例子中的效果都是图形化的设计器设计出来的，不需要写复杂的Java代码。 下面这些例子，只是快逸报表适用于项目开发的部分示例，如果要详细了解，还是访问快逸的官方网站吧：http://www.quiee.com.cn，想快速了解这个工具最好的办法就是下载用用看。 例子1，项目A中的员工卡片录入页面，集中展示了快逸报表在项目开发中起到的作用： 1）这个页面是图形化设计器画出来的，不用编写代码。 2）页面中的单元格和数据库表的存、取关系只需要简单定义即可实现。 3）页面中的“尊称、职务、地区、城市”这些字段可以来自数据库的代码表，在页面中可以下拉选择。 4）双击员工照片，可以实现选择照片文件、照片上传和保存入库的操作。 5）“ 年龄”信息使用了快逸报表的“自动计算”功能，用户输入出生日期之后，程序会自动计算出“年龄”。 6）“ 邮政编码”信息使用了快逸报表的“合法检查”功能，如果用户输入了不合乎规则的邮政编码，程序会自动弹出提示，请用户修改。 例子2，下面这个页面，实现了对于数据库表的增删改查，在项目A中大量出现。用快逸报表可作做到图形化、零代码。即使是比较复杂的自动流水号功能，也不用写java代码。 例子3，下图是项目A中常用到的合法性检查功能示例。图中的具体错误信息，在图形化设计器中可以方便的修改，也可以提示某行某列的数据有什么样的错误，很容易就让项目A的界面变得友好。 例子4、项目A中有一个情况是：用户在网页上输入“货物数量”，要求能够自动计算出“总运货费”=“货物数量”ד运货费”。因为采用了快逸报表，你只需要在设计器中写一个简单公式即可实现，而不必研究复杂的DHTML和Javascript了。 原文来自： “求好用的java开发工具”–从一个“求助”引发的思考 http://freefeet.net/archives/125.html 尽管商业智能BI的应用价值得到很多企业的认可，但一些想构建BI系统的企业还有些迷茫，那么，它们应该从何入手？在上系统之前应做好哪些准备？　　商业智能BI要想大做小，从最迫切的业务入手。先把最紧要的业务管理起来，以便迅速响应市场需求，做出最佳决策。积累了一定经验后，再逐渐增加BI系统继续对其他业务进行决策分析，这样可以在一定程度上规避风险，因为上BI也要进行流程的重整，一个部门的整顿对公司的影响要比整个公司整顿的影响小得多，就好比动小手术总要比做大手术的疼痛小一些一样。 　　以业务趋动而非IT趋动。很多企业明白这样的道理，应该由业务部门的需求主导软件的设计和开发。但由于业务人员的水平不足以达到提出未来管理模型架构，若出于这样的原因，企业应该给予IT部门绝对的权威，让它有权要求业务部门配合IT部门共同协商提出需求模型，以尽量准确地把握企业的业务发展方向。 　　要成立专门的数据分析部门。在国内，数据分析师这个职位提到的还不多，有专家建议，如果准备上BI系统的话，一定要落实相应的数据分析部门。企业对数据进行优化的目的，是要从中找出最有价值的数据，这些有价值的数据挖掘出来后，如果没有相应的人对其进行跟踪处理，它的价值也就只停留在迅速做出报表的层面了。 　　商业智能BI也是一把手工程。一把手的角度，是从提高企业业务增值的目的出发，没有一把手的大力支持，企业的业务流程调整会遇到很大阻力，甚至是难以贯彻下去。 　　因此，在决定上BI之前，企业要慎重考虑哪些业务首先需要决策支持，这项业务的内部流程是否清楚，如何对其进行内部流程重整。并要配套相应的部门来专门负责数据的跟踪和优化分析，这样企业的决策才会变得越来越理性客观。 http://freefeet.net/archives/124.html 那些能够成功地利用手中所掌握的信息资源的企业，它们必然清楚地知道信息所能带来的商业利益-- 不单是提升硬件上的效率，而且在提高销售业绩、改进工作效率和增强客户满意度等软的领域获益匪浅。　　但对于大多数企业而言，信息至今仍是一笔未被充分挖掘的资产，也就是说，大多数企业还没有从花费巨资所构建的信息系统中享受到应有的益处。那么在企业部署BI的过程中，常常会遇到哪些障碍呢？ 　　首先是不能提供可靠的信息。 　　据《商业周刊》去年的研究显示，43%的商业人士不能确信他们企业内部的信息是否准确，77%的被访者表示他们因为缺乏可信的信息而做出过失败的决策。这其中，数据的质量存在很大的问题。 　　比如本土银行，它们的数据库中的信息少则几千万条，多则几亿条。数量是足够庞大了，但质量如何呢？同名账户、废弃账户，一个人有多个账户，这些信息需要专业的工具来清洗和改良，还要预防质量低下的数据输入系统。外资银行在业务流程中，就特别地强调客户信息搜集的准确性，这使得它们在把握客户需求和产品创新上占得了优势。 　　其次是能否针对非技术人员设计出简便而形象的用户界面。 　　对于非技术人员而言，系统操作的简便程度如何，很可能成为能否普及BI的一大关键。也就是说，最终用户希望简捷、自动地获取信息，而不是被迫学习和认知一个全新的环境，或者依赖于IT部门的帮助。特别是，商业决策的制定从来不是靠某个人在真空的环境中完成的-- 这需要用户围绕着信息数据开展协同和商讨之后才能做出，这就要求有一个易于操作的环境。 　　商业智能BI应用的部署与管理也应该简便易行，越来越多的企业用户希望找到打包的、易于实施的中端市场解决方案或者软件服务项目，这样他们可以在网上直接访问到商业智能BI的应用，不需要安装任何其他的软件程序。 　　第三是陷入贪大求全的误区。 　　无论是上哪种管理软件，几乎都会听到同样的声音：不要贪大求全，要从最迫切的业务入手，商业智能BI也不例外，它可以做成一个独立的庞大系统，把企业中所有的业务数据全部放在一个数据仓库里，进行多维分析；也可以将其嵌入到各项单独的业务数据中，进行单独的业务分析。 http://freefeet.net/archives/123.html 润乾报表在业界首创的非线性报表模型采用了多源关联分片、不规则分组、自由格间运算、行列对称等技术，使得复杂报表的设计简单化，以往难以实现的报表可以轻松实现，避免了大量的复杂 SQL 编写、编码与前期数据准备，大大提高了报表设计的零编码覆盖范围，报表设计的效率提高了一个数量级。 摒弃传统条带式，代之以 单元格扩展 方式，单元格间的 主格关联 关系确保各种统计运算的正确与合理。 多源关联分片 模型完美解决报表数据来源多样化（多表、库、视图等）、整表规则不统一且各区域之间互相运算的问题。 针对报表划分标准无规律，所有事实不一定全出现、个别事实重复出现，次序无关等问题，特有的排序、过滤、集合函数等方法有效解决分组报表中数据的 不完全划分。 开创性的单元格层次坐标能对运算后的报表数据项命名，实现自由的 跨行、跨组 的 格间运算。 行列对称机制 弥补了传统工具列向能力严重不足的问题，所有报表均在统一的模型下完成，无须专门的交叉表处理方案。 http://freefeet.net/archives/122.html 接着上一篇数据挖掘(DW)是什么，再描述一下数据数据挖掘(DW)所涉及的学科领域和方法很多，以下四种是非常重要的发现任务。 数据总结其目的是对数据进行浓缩，给出它的紧凑描述。数据挖掘主要关心从数据泛化的角度来讨论数据总结。数据泛化是一种把数据库中的有关数据从低层次抽象到高层次上的过程。 分类其目的是学会一个分类函数或分类模型(也称作分类器)，该模型能把数据库的数据项映射到给定类别中的某一个。 聚类是把一组个体按照相似性归类，即"物以类聚"。它的目的是使属于同一类别的个体之间的距离尽可能地小，而不同类别的个体间的距离尽可能地大。 关联规则是形式如下的一种规则，"在购买面包和黄油的顾客中，有90％的人同时也买了牛奶"(面包+黄油+牛奶)。关联规则发现的思路还可以用于序列模式发现。用户在购买物品时，除了具有上述关联规律，还有时间或序列上的规律。 http://freefeet.net/archives/121.html