BI[商業智慧型]

BI[商業智慧型]
BI[商業智慧型]
更多義項 ▼ 收起列表 ▲

商業智慧型(BI,Business Intelligence)。

BI(Business Intelligence)即商務智慧型,它是一套完整的解決方案,用來將企業中現有的數據進行有效的整合,快速準確地提供報表並提出決策依據,幫助企業做出明智的業務經營決策。

基本信息

簡介

商業智慧型(BI,Business Intelligence)。

BI(Business Intelligence)即商務智慧型,它是一套完整的解決方案,用來將企業中現有的數據進行有效的整合,快速準確的提供報表並提出決策依據,幫助企業做出明智的業務經營決策。

商業智慧型的概念最早在1996年提出。當時將商業智慧型定義為一類由數據倉庫(或數據集市)、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其套用。而這些數據可能來自企業的CRM、SCM等業務系統。

商業智慧型能夠輔助的業務經營決策,既可以是操作層的,也可以是戰術層和戰略層的決策。為了將數據轉化為知識,需要利用數據倉庫、在線上分析處理(OLAP)工具和數據挖掘等技術。因此,從技術層面上講,商業智慧型不是什麼新技術,它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。

把商業智慧型看成一種解決方案應該比較恰當。商業智慧型的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理,以保證數據的正確性,然後經過抽取(Extraction)、轉換(Transformation)和裝載(Load),即ETL過程,合併到一個企業級的數據倉庫里,從而得到企業數據的一個全局視圖,在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理(這時信息變為輔助決策的知識),最後將知識呈現給管理者,為管理者的決策過程提供數據支持。商業智慧型產品及解決方案大致可分為數據倉庫產品、數據抽取產品、OLAP產品、展示產品、和集成以上幾種產品的針對某個套用的整體解決方案等。

BI廠商

外資企業中IBM公司、Oracle公司和Microsoft公司產品線覆蓋了全部BI領域,尤其是MicroStrategy獨立的BI廠商。三款產品都有較好的性能,滿足大中小型企業的需求,其中Microsoft的SQL Server產品性價比比其他兩家要高。Informatica在數據集成領域保持領先,市場表現優異。

SAP以ERP為基礎不斷擴大Business Objects市場分額。Sybase和Teradata專注於數據倉庫領域,國內競爭者眾多,然而市場開拓有待加強。SAS軟體在數據挖掘領域領先,銷售多以系統集成為主。

功能

很多廠商活躍在商業智慧型(下面簡稱BI)領域。事實上,能夠滿足用戶需要的BI產品和方案必須建立在穩定、整合的平台之上,該平台需要提供用戶管理、安全性控制、連線數據源以及訪問、分析和共享信息的功能。BI平台的標準化也非常重要,因為這關係到與企業多種套用系統的兼容問題,解決不了兼容問題,BI系統就不能發揮出應有效果。這裡我們通過對一個實驗室的BI系統模型(我們將其稱為D系統)進行功能解剖,來介紹BI系統。

D系統是一個面向終端使用者,直接訪問業務數據,能夠使管理者從各個角度出發分析利用商業數據,及時地掌握組織的運營現狀,作出科學的經營決策的系統。D系統可實現從簡單的標準報表瀏覽到高級的數據分析,滿足組織內部人員的需求。D系統涵蓋了常規意義上商業智慧型(BI)系統的功能,主要構架包括以下幾個方面。  

主要架構

1、讀取數據

D系統可讀取多種格式(如Excel、Access、以Tab分割的txt和固定長的txt等)的檔案,同時可讀取關係型資料庫(對應ODBC)中的數據。在讀取文本和數據的基礎上,D系統還可以完成:

連線文本 把2個CSV檔案中的共同項目作為鍵(Key),將所需的數據合併到一個檔案,這樣可以像運算元據庫一樣方便,但無須用戶編程即可實現。

設定項目類型 作為數據的項目類型,除按鈕(button)(文字項目)、數值項目以外,還可以設定日期表示形式的日期數據項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。

期間設定 日期項目數據可以根據年度或季度等組合後生成新的時間項目。

設定等級 對於數值項目,可以任意設定等級,生成與之相對應的按鈕。例如,可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。

2、分析功能

關聯/限定 關聯分析主要用於發現不同事件之間的關聯性,即一個事件發生的同時,另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。其主要依據是,事件發生的機率和條件機率應該符合一定的統計意義。D系統把這種關聯的分析設計成按鈕的形式,通過選擇有/無關聯,同時/相反的關聯。對於結構化的數據,以客戶的購買習慣數據為例,利用D系統的關聯分析,可以發現客戶的關聯購買需要。例如,一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以採取積極的行銷策略,擴展客戶購買的產品範圍,吸引更多的客戶。

顯示數值比例/指示顯示順序 D系統可使數值項目的數據之間的比例關係通過按鈕的大小來呈現,並顯示其構成比,還可以改變數值項目數據的排列順序等。選擇按鈕後,動態顯示不斷發生變化。這樣能夠獲得直觀的數據比較效果,並能夠凸顯差異,便於深入分析現象背後的本質。

監視功能 預先設定條件,使符合條件的按鈕顯示報警(紅)、注意(黃)信號,使問題所在一目了然。比如說:上季度營業額少於100萬元的店警告(黃色標出),少於50萬元的報警(紅色標出)。執行後,D系統就把以店名命名的按鈕用相應的顏色表示出來。

按鈕增值功能 可將多個按鈕組合,形成新的按鈕。比如:把【4月】、【5月】、【6月】三個按鈕組合後得到新的按鈕【第2季度】。

記錄選擇功能 從大量數據中選擇按鈕,取出必要的數據。挑出來的數據可重新構成同樣的操作環境。這樣用戶可以把精力集中在所關心的數據上。

多媒體情報表示功能 由數位相機拍攝的照片或影像檔案、通過掃瞄器輸入的圖形等多媒體檔案、文字處理或者電子表格軟體做成的報告書、HTML等標準形式保存的檔案等,可以通過按鈕進行查找。

分割按鈕功能 在分割特定按鈕類的情況下,只需切換被分割的個別按鈕,便可連線不斷實行已登錄過的定型處理。

程式調用功能 把通過按鈕查找抽取出的數據,傳給其他的軟體或用戶原有的程式,並執行這些程式。

查找按鈕名稱功能 通過按鈕名查找按鈕,可以指定精確和模糊兩種查找方法。另外,其他的按鈕類也可以對查找結果相關的數據進行限定。

3、豐富的畫面

列表畫面 可以用and/or改變查找條件,可以進行統計/排序。統計對象只針對數值項目,統計方法分三種:合計、件數、平均,而且可以按照12種方式改變數值的顯示格式。

視圖畫面 提供切換視角和變換視圖功能,通過變換與設定條件相應的數值(單元格)的顏色表示強調。依次變換視角可進行多方面的數據分析。視圖的統計對象只針對數值項目,統計方法有合計、平均、構成比(縱向、橫向)、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。

數值項目切換 通過按鈕類的階層化(行和列最多可分別設定8層),由整體到局部,一邊分層向下挖掘,一邊分析數據,可以更加明確探討問題所在。

圖表畫面 D系統使用自己開發的圖形庫,提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上,也可以像在階層視圖一樣,自由地對層次進行挖掘和返回等操作。

4、數據輸出功能

列印統計列表和圖表畫面等,可將統計分析好的數據輸出給其他的應用程式使用,或者以HTML格式保存。

5、定型處理

所需要的輸出被顯示出來時,進行定型登錄,可以自動生成定型處理按鈕。以後,只需按此按鈕,即使很複雜的操作,也都可以將所要的列表、視圖和圖表顯示出來。

套用範圍

商業智慧型系統可輔助建立信息中心,如產生各種工作報表和分析報表。用作以下分析:

銷售分析

主要分析各項銷售指標,例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環比等等;而分析維又可從管理架構、類別品牌、日期、時段等角度觀察,這些分析維又採用多級鑽取,從而獲得相當透徹的分析思路;同時根據海量數據產生預測信息、報警信息等分析數據;還可根據各種銷售指標產生新的透視表。

商品分析

商品分析的主要數據來自銷售數據和商品基礎數據,從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等,從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過D系統對這些指標的分析來指導企業商品結構的調整,加強所營商品的競爭能力和合理配置。

人員分析

通過D系統對公司的人員指標進行分析,特別是對銷售人員指標(銷售指標為主,毛利指標、換購銷商品數、代銷商品數、資金占用、資金周轉等)的分析,以達到考核員工業績,提高員工積極性,並為人力資源的合理利用提供科學依據。主要分析的主題有,員工的人員構成、銷售人員的人均銷售額、對於銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、採購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量情況等等。

套用科學

終端用戶查詢和報告工具

專門用來支持初級用戶的原始數據訪問,不包括適應於專業人士的成品報告生成工具。OLAP工具提供多維數據管理環境,其典型的套用是對商業問題的建模與商業數據分析。OLAP也被稱為多維分析。

數據挖掘(Data Mining)軟體

使用諸如神經網路、規則歸納等技術,用來發現數據之間的關係,做出基於數據的推斷。

數據倉庫(Data Warehouse)和數據集市(Data Mart)產品

包括數據轉換、管理和存取等方面的預配置軟體,通常還包括一些業務模型,如財務分析模型。

在線上分析處理 (OLAP) 的概念最早是由關係資料庫之父E.F.Codd於1993年提出的,他同時提出了關於OLAP的12條準則。OLAP的提出引起了很大的反響,OLAP作為一類產品同在線上事務處理(OLTP) 明顯區分開來。

當今的數據處理大致可以分成兩大類:在線上事務處理OLTP(On-Line Transaction Processing)、在線上分析處理OLAP(On-Line Analytical Processing)。OLTP是傳統的關係型資料庫的主要套用,主要是基本的、日常的事務處理,例如銀行交易。OLAP是數據倉庫系統的主要套用,支持複雜的分析操作,側重決策支持,並且提供直觀易懂的查詢結果。

OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、互動地存取,從而獲得對數據的更深入了解的一類軟體技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求,它的技術核心是"維"這個概念。

“維”是人們觀察客觀世界的角度,是一種高層次的類型劃分。“維”一般包含著層次關係,這種層次關係有時會相當複雜。通過把一個實體的多項重要的屬性定義為多個維(dimension),使用戶能對不同維上的數據進行比較。因此OLAP也可以說是多維數據分析工具的集合。

OLAP的基本多維分析操作有鑽取(roll up和drill down)、切片(slice)和切塊(dice)、以及旋轉(pivot)、drill across、drill through等。

鑽取是改變維的層次,變換分析的粒度。它包括向上鑽取(roll up)和向下鑽取(drill down)。roll up是在某一維上將低層次的細節數據概括到高層次的匯總數據,或者減少維數;而drill down則相反,它從匯總數據深入到細節數據進行觀察或增加新維。

切片和切塊是在一部分維上選定值後,關心度量數據在剩餘維上的分布。如果剩餘的維只有兩個,則是切片;如果有三個,則是切塊。 旋轉是變換維的方向,即在表格中重新安排維的放置(例如行列互換)。 OLAP有多種實現方法,根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。

ROLAP表示基於關係資料庫的OLAP實現(Relational OLAP)。以關係資料庫為核心,以關係型結構進行多維數據的表示和存儲。ROLAP將多維資料庫的多維結構劃分為兩類表:一類是事實表,用來存儲數據和維關鍵字;另一類是維表,即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯繫在一起,形成了“星型模式”。對於層次複雜的維,為避免冗餘數據占用過大的存儲空間,可以使用多個表來描述,這種星型模式的擴展稱為“雪花模式”。

MOLAP表示基於多維數據組織的OLAP實現(Multidimensional OLAP)。以多維數據組織方式為核心,也就是說,MOLAP使用多維數組存儲數據。多維數據在存儲中將形成“立方塊(Cube)”的結構,在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維數據報表的主要技術。

HOLAP表示基於混合數據組織的OLAP實現的。這種方式具有更好的靈活性。

還有其他的一些實現OLAP的方法,如提供一個專用的SQL Server,對某些存儲模式(如星型、雪片型)提供對SQL查詢的特殊支持。

OLAP工具是針對特定問題的在線上數據訪問與分析。它通過多維的方式對數據進行分析、查詢和報表。維是人們觀察數據的特定角度。例如,一個企業在考慮產品的銷售情況時,通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這裡的時間、地區和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數組則是OLAP分析的基礎,可形式化表示為(維1,維2,……,維n,度量指標),如(地區、時間、產品、銷售額)。多維分析是指對以多維形式組織起來的數據採取切片(Slice)、切塊(Dice)、鑽取(Drill-down和Roll-up)、旋轉(Pivot)等各種分析動作,以求剖析數據,使用戶能從多個角度、多側面地觀察資料庫中的數據,從而深入理解包含在數據中的信息。

主流的商業智慧型工具包括BO、COGNOS、Style Intelligence、BRIO。一些國內的軟體工具平台如KCOM也集成了一些基本的商業智慧型工具。

根據綜合性數據的組織方式的不同,常見的OLAP主要有基於多維資料庫的MOLAP及基於關係資料庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據,ROLAP則利用現有的關係資料庫技術來模擬多維數據。在數據倉庫套用中,OLAP套用一般是數據倉庫套用的前端工具,同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用,增強決策分析功能。

三個層次

經過幾年的積累,大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是:通過業務人員或者用戶的操作,最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process,線上事務處理),指的就是系統運行了一段時間以後,必然幫助企事業單位收集大量的歷史數據。但是,在資料庫中分散、獨立存在的大量數據對於業務人員來說,只是一些無法看懂的天書。業務人員所需要的是信息,是他們能夠看懂、理解並從中受益的抽象信息。此時,如何把數據轉化為信息,使得業務人員(包括管理者)能夠充分掌握、利用這些信息,並且輔助決策,就是商業智慧型主要解決的問題。  如何把資料庫中存在的數據轉變為業務人員需要的信息?大部分的答案是報表系統。簡單說,報表系統已經可以稱作是BI了,它是BI的低端實現。

國外的企業,大部分已經進入了中端BI,叫做數據分析。有一些企業已經開始進入高端BI,叫做數據挖掘。而我國的企業,大部分還停留在報表階段。

數據報表不可取代

傳統的報表系統技術上已經相當成熟,大家熟悉的Excel、水晶報表、Reporting Service等都已經被廣泛使用。但是,隨著數據的增多,需求的提高,傳統報表系統面臨的挑戰也越來越多。

1. 數據太多,信息太少

密密麻麻的表格堆砌了大量數據,到底有多少業務人員仔細看每一個數據?到底這些數據代表了什麼信息、什麼趨勢?級別越高的領導,越需要簡明的信息。如果我是董事長,我可能只需要一句話:我們的情況是好、中還是差?

2. 難以互動分析、了解各種組合

定製好的報表過於死板。例如,我們可以在一張表中列出不同地區、不同產品的銷量,另一張表中列出不同地區、不同年齡段顧客的銷量。但是,這兩張表無法回答諸如“華北地區中青年顧客購買數位相機類型產品的情況”等問題。業務問題經常需要多個角度的互動分析。

3. 難以挖掘出潛在的規則

報表系統列出的往往是表面上的數據信息,但是海量數據深處潛在含有哪些規則呢?什麼客戶對我們價值最大,產品之間相互關聯的程度如何?越是深層的規則,對於決策支持的價值越大,但是,也越難挖掘出來。

4. 難以追溯歷史,數據形成孤島

業務系統很多,數據存在於不同地方。太舊的數據往往被業務系統備份出去,導致巨觀分析、長期歷史分析難度很大。

因此,隨著時代的發展,傳統報表系統已經不能滿足日益增長的業務需求了,企業期待著新的技術。數據分析和數據挖掘的時代正在來臨。值得注意的是,數據分析和數據挖掘系統的目的是帶給我們更多的決策支持價值,並不是取代數據報表。報表系統依然有其不可取代的優勢,並且將會長期與數據分析、挖掘系統一起並存下去。

八維以上的數據分析

如果說OLTP側重於對資料庫進行增加、修改、刪除等日常事務操作,OLAP(Online Analytics Process,線上分析系統)則側重於針對巨觀問題,全面分析數據,獲得有價值的信息。

為了達到OLAP的目的,傳統的關係型資料庫已經不夠了,需要一種新的技術叫做多維資料庫。

多維資料庫的概念並不複雜。舉一個例子,我們想描述2003年4月份可樂在北部地區銷售額10萬元時,牽扯到幾個角度:時間、產品、地區。這些叫做維度。至於銷售額,叫做度量值。當然,還有成本、利潤等。

除了時間、產品和地區,我們還可以有很多維度,例如客戶的性別、職業、銷售部門、促銷方式等等。實際上,使用中的多維資料庫可能是一個8維或者15維的立方體。

雖然結構上15維的立方體很複雜,但是概念上非常簡單。

數據分析系統的總體架構分為四個部分:源系統、數據倉庫、多維資料庫、客戶端。

·源系統:包括現有的所有OLTP系統,搭建BI系統並不需要更改現有系統。

某案例中對銷售額的解析及當前產品的分類 某案例中對銷售額的解析及當前產品的分類

·數據倉庫:數據大集中,通過數據抽取,把數據從源系統源源不斷地抽取出來,可能每天一次,或者每3個小時一次,當然是自動的。數據倉庫依然建立在關係型資料庫上,往往符合叫做“星型結構”的模型。

·多維資料庫:數據倉庫的數據經過多維建模,形成了立方體結構。每一個立方體描述了一個業務主題,例如銷售、庫存或者財務。

·客戶端:好的客戶端軟體可以把多維立方體中的信息豐富多彩地展現給用戶。

數據分析案例:

在實際的案例中,我們利用Oracle9i搭建了數據倉庫,Microsoft Analysis Service 2000搭建了多維資料庫,ProClarity 6.0 作為客戶端分析軟體。

分解樹好像一個組織圖。分解樹在回答以下問題時很?最高的銷售額?

·在特定的產品種類內,各種產品間的銷售額分布如何?

·哪個銷售人員完成了最高百分比的銷售額?

在圖1中,可以對PC機在各個地域的銷售額和所占百分比一目了然。任意一層分解樹都可以根據不同維度隨意展開。在該分解樹中,在大區這一層是按國家展開,在國家這一層是按產品分類展開。

投影圖(圖3)使用散點圖的格式,顯示兩個或三個度量值之間的關係。數據點的集中預示兩個變數之間存在強的相關關係,而稀疏分布的數據點可能顯示不明顯的關係。

投影圖很適合分析大量的數據。在顯示因果關係方面有明顯效果,比如例外的數據點就可以考慮進一步研究,因為它們落在“正常”的點群範圍之外。

某案例的數據分析投影圖 某案例的數據分析投影圖

數據挖掘看穿你的需求

廣義上說,任何從資料庫中挖掘信息的過程都叫做數據挖掘。從這點看來,數據挖掘就是BI。但從技術術語上說,數據挖掘(Data Mining)特指的是:源數據經過清洗和轉換等成為適合於挖掘的數據集。數據挖掘在這種具有固定形式的數據集上完成知識的提煉,最後以合適的知識模式用於進一步分析決策工作。從這種狹義的觀點上,我們可以定義:數據挖掘是從特定形式的數據集中提煉知識的過程。數據挖掘往往針對特定的數據、特定的問題,選擇一種或者多種挖掘算法,找到數據下面隱藏的規律,這些規律往往被用來預測、支持決策。

發展過程

早在1958年,人們就在想著讓計算機擁有強大的運算能力並多幫人類做事,在那時,商業智慧型就有了雛形,54年過去,多少人多少公司在為這個目標付出自己的努力?以下這張信息圖示以時間線的方式告訴你商業智慧型的艱難道路和即將到來的未來。  

發展趨勢

與DSS、EIS系統相比,商業智慧型具有更美好的發展前景。近些年來,商業智慧型市場持續增長。IDC預測,到2005年,BI市場將達到118億$,平均年增長率為27%(Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001)。隨著企業CRM、ERP、SCM等套用系統的引入,企業不停留在事務處理過程而注重有效利用企業的數據為準確和更快的決策提供支持的需求越來越強烈,由此帶動的對商業智慧型的需求將是巨大的。

商業智慧型的發展趨勢可以歸納為以下幾點:

功能上具有可配置性、靈活性、可變化性

BI系統的範圍從為部門的特定用戶服務擴展到為整個企業所有用戶服務。同時,由於企業用戶在職權、需求上的差異,BI系統提供廣泛的、具有針對性的功能。從簡單的數據獲取,到利用WEB和區域網路、廣域網進行豐富的互動、決策信息和知識的分析和使用。

解決方案更開放、可擴展、可按用戶定製,在保證核心技術的同時,提供客戶化的界面

針對不同企業的獨特的需求,BI系統在提供核心技術的同時,使系統又具個性化,即在原有方案基礎上加入自己的代碼和解決方案,增強客戶化的接口和擴展特性;可為企業提供基於商業智慧型平台的定製/P>

從單獨的商業智慧型向嵌入式商業智慧型發展

這是商業智慧型套用的一大趨勢,即在企業現有的套用系統中,如財務、人力、銷售等系統中嵌入商業智慧型組件,使普遍意義上的事務處理系統具有商業智慧型的特性。考慮BI系統的某個組件而不是整個BI系統並非一件簡單的事,比如將OLAP技術套用到某一個套用系統,一個相對完整的商業智慧型開發過程,如企業問題分析、方案設計、原型系統開發、系統套用等過程是不可缺少的。

從傳統功能向增強型功能轉變

增強型的商業智慧型功能是相對於早期的用SQL工具實現查詢的商業智慧型功能。套用中的BI系統除實現傳統的BI系統功能之外,大多數已實現了圖2中數據分析層的功能。而數據挖掘、企業建模是BI系統應該加強的套用,以更好地提高系統性能。  ERP系統是典型的OLTP(在線上線上處理)系統,BI系統是OLAP(在線上線上分析)系統,他們的側重點不同,有不同的功能和任務。 ERP系統用於日常快速有效的處理業務流程,包含了最原始、最明細的單據。

BI系統做海量業務數據的線上分析,用於產生決策信息和知識,它不僅可以包含明細單據,最重要的是對單據根據決策需求進行匯總分析。

從傳統型BI向敏捷型BI轉變

SAP Business Objects,IBM Cognos, Microstrategy, Oracle BIEE, Microsoft 等比較成熟的 BI 產品占據主要市場。BI的概念最早於1996年Gartner提出。BI在國內也是個老生常談的話題了。BI市場在幾年前曾經風起雲湧過,但是隨著IT巨頭把BI廠商收入囊中,此類市場基本趨於穩定了。

傳統BI廠商雖然占據主流,但是其存在先天不足。傳統BI解決方案基本是兩種思路一種是大數據一體機、另外一種是分散式數據倉庫。但是,大數據一體機的總體擁有成本高,大多數企業都無福消受,而分散式數據倉庫按流量收費,使用成本不菲,1TB的數據可能就需要幾十萬。這樣的大數據產品,大幅提升了BI套用的整體擁有成本(TCO)。

現今的BI市場,正在出現一些新的發展方向,而且勢頭更勁,例如自助式BI。這一領域在美國近兩年已經有兩家公司QlikTech和Tableau成功上市並進入主流市場,而在中國也出現了以永洪科技為代表的敏捷BI廠商。相比較其他類型的BI產品,敏捷BI投入成本更低、更加平民化、更加易於操作,讓更多的企業客戶能以較低的投入享受到最專業的大數據服務。  

智慧型控制項

商業智慧型控制項   通過對專業的商業智慧型功能的封裝,使得開發人員無需系統掌握商業智慧型相關的專業知識,就可以在管理系統中實現常用的商業智慧型功能。

商業智慧型控制項使開發者可以創建滿足企業用戶幾乎所有BI需求的應用程式或系統,可以實現中國式複雜報表(支持網頁式報表)、文字報告、各類數據分析(人力資源、財務、銷售、市場、供應鏈等)、各種圖表展示等,以充分釋放業務信息的潛力,最大化企業競爭優勢。

1、 RadarCube是靈活性高且運算速度快的全功能OLAP控制項集,是BI解決方案最佳的選擇!

2、 SharpShooter OLAP包含:OLAP ModelKit™——用於多維數據分析的 OLAP 組件;Chart ModelKit™——用於圖形化數據顯示組件。

3、 PivotCube是PivotWare實驗室所開發的最新的OLAP產品。

4、 XtraPivotGrid Suite:該產品完全支持用戶自定義,完全支持與DevExpress圖表控制項進行本地集成,終端用戶通過簡單的拖動和點擊就可創建幾乎無限數組的報表。

5、 Pivot Table:Pivot Table & Charts Component是一款富網際網路應用程式,它的設計旨在於線上查看,分析和管理多維數據。使用Pivot Table,您可以只需要點擊幾下滑鼠以不同的方式查看同樣的信息。

BI軟體

BI軟體是商業智慧型(Business Intelligence)軟體的英文縮寫。商業智慧型通常被理解為將企業中現有的數據轉化為知識,幫助企業做出明智的業務經營決策的工具。商務智慧型系統中的數據來自企業其他業務系統。例如商貿型企業,其商務智慧型系統數據包括業務系統的訂單、庫存、交易賬目、客戶和供應商信息等,以及企業所處行業和競爭對手的數據、其他外部環境數據。而這些數據可能來自企業的CRM、SCM、進銷存等業務系統。

相關詞條

相關搜尋

熱門詞條

聯絡我們