BI商务智能系统及其技术架构
BI商务智能系统是随着信息技术在管理领域不断发展而产生的具有特定功能和使用目标群的一种解决方案。BI提供灵活的报表和分析工具支持对数据的评价和判读以及信息发布。基于BI先进的数据结构和分析基础，企业可做出有事实依据的商业决策，决定面向目标的各种活动。
1 BI商务智能系统功能特点
BI商务智能系统基于企业资源计划系统(Enterprise Resource Planning，ERP)及其他业务系统的业务信息，建立适应企业长期发展的数据仓库;采用方便、易用、表现力强的报表体系及可交互的数据智能分析平台来进一步方便企业从战略决策层到管理层再到操作层的各种需求。
BI商务智能系统主要有以下几个功能。
1.1 数据仓库
通过数据收集、数据仓库的模型建立、数据仓库应用平台、数据展示技术，建立一套完整的技术方案。
使企业可以综合信息、分析数据信息和分发关键信息，提供可在所有层次上支持决策的功能强大的工具。这些工具可创建和发布企业自定制的交互式报告和各种应用。
抽取数据、合并数据，然后存储数据、分析数据。数据仓库的处理流程包括数据建模、数据萃取以及数据管理(通过管理员工作台);拥有先进的数据仓库技术架构，以及先进的工具，包括OLAP处理器、数据挖掘和报表、元数据库、业务计划和模拟等。
提供给用户一个简单易用的报表和分析界面。满足信息使用者根据本公司的工作需要对信息进行有效的组织和个性化设置，包括定制查询、定制报表和各种分析功能。支持以电子邮件方式给信息使用者发送分析报表，与企业门户无缝对接，并且可满足用户使用移动设备进行报表分析。
1.2 企业战略管理
支持集团设置KPI指标体系，可实现从集团层面到下级单位的全覆盖。同时系统应提供集团层面的信息查询和监控功能，可以从不同层级的下级单位和不同的系统中抽取需要的数据，并支持用户自定义的报表逻辑和格式生成报表、打印、下载成本地文件。
支持自定义企业的价值动因数，将财务和非财务的大量指标结合进行分析;支持参考及自定义的平衡计分卡，并且可以用于个人评估和绩效考核;支持建立企业管理驾驶舱，根据企业所需指标的种类调用各种系统标准的图形展示工具，帮助企业直观地掌握企业整体的经营状况。
1.3 智能平台
为用户提供决策支持工具，引导用户对数据从不同层次、不同角度进行观察和分析，使决策依据数据化。系统应支持建模功能，并可以进行预测和模拟。在智能决策信息方面，不只是提供报表系统，还提供丰富的分析模型。
建立数据仓库，综合、分析和分发关键信息，用于创建和发布定制的交互式报告和应用。采用大众普及的Microsoft Excel和Web浏览器的工具。满足用户易用性。具备支持开发分析应用功能，支持访问多维(OLAP)和表格性数据。提供Web应用程序设计。
1.4 报表应用
①支持应用Crystal Reports功能，支持对项目进度监控系统、资金系统、决策计划系统的优化和整合;②提供复杂的中国格式报表，分析图表、表格和图表混排的分析报表;③提供上钻、下钻、切片、旋转功等多维分析功能;④支持复杂的层级结构，支持用户自定义的计算;⑤提供企业仪表盘;⑥能进行决策分析(What-IF);⑦具有预警功能。
2 BI商务智能系统平台的总体技术架构
BI商务智能系统平台总体技术架构如图1所示。
BI系统基于前瞻性、灵活性和稳定性的设计原则而设计，满足企业后续分析需求扩展、系统接口增加、主数据管理的需要。其中，业务数据层提供内外系统的接口，应用层提供可视化的平台展示。
3 数据仓库系统数据模型结构
本文针对数据仓库系统的数据模型结构进行重点分析，其模型结构如图2所示。
3.1 数据抽取层
DSO存储来自R/3以及其他系统原始的明细数据，不做任何数据转换。
通常数据源和DSO是1∶1对应。所以对应于每一个数据源，在抽取层需设置一个DSO用于对应的数据存储。不允许一个DSO中包含多个源系统数据，同时也不允许一个DSO集成不同数据源的数据。
对于DSO可以集成相同主数据的属性和文本，有一种情况是例外的，比如：物料的属性和文本可以存放在同一个DSO中。好处是避免创建和维护大量的DSO，但是多种语言是无法处理的。如果主数据需要多种语言的话，还是需要不同的DSO进行数据保存。
数据仓库的一个重要特点是需要保存数据的.历史。数据历史的保存主要包含主数据和业务数据。数据仓库中需要保存其的历史属性，不然基于历史时间进行分析时，就无法保证其正确性。根据用户需求来决定需要按照何种时间粒度进行保存。一般情况下通常是按月份保存。
数据在进入抽取层之前，需要定期删除永久储存区(PSA)中的数据。通常对于生产系统，在应用稳定后原则上至多保存一个月。同样，抽取层中产生的更改日志数据(Change Log)也需要定期进行删除。数据删除是由处理链进行统一处理。抽取层中的数据会用于以后数据重构或新需求，所以进入数据仓库后需要进行永久保存，而不需要重新从源系统中抽取数据。
3.2 数据仓库层
DSO存储来自数据抽取层的明细数据，按照特定的分析需求进行统一的清洗、转换，并且数据仓库层是提供给其他系统的基础，以保证数据口径一致。
输入仓库层的数据源来自抽取层的数据，从抽取层到仓库层的过程，需要根据业务模型定义完成统一编码、统一业务逻辑的大量工作。仓库层的数据主要供后续的业务转换层或应用分析层使用。仓库层中数据也可以通过SAP BW的数据分发接口提供给其他应用使用。仓库层采用DSO来进行数据存储。
仓库层中的数据粒度根据用户需要来定义，通常来说比抽取层粗。如果没有明确的业务需求要求，部分抽取层中数据可暂时不保存。仓库层中的数据应该是按照业务逻辑进行集成的数据集合。
理论上，仓库层中的数据可以随时删除，并从抽取层获取数据进行重构。但在生产系统中，删除仓库层的数据需要注意：所有后续分析层中相关信息块中的数据需要进行对应删除，否则会导致下次从仓库层抽取增量数据时数据重复。需要强调的是，在仓库层中重构数据时，必须与原有历史数据保持一致。
3.3 数据分析层
以MultiCube/Cube为主，汇总分析数据，原则上不对数据仓库层的数据进行转换处理，Query主要基于数据分析层创建。
分析层内部分为两小层。①物理数据存储层：即实际存储数据的基本信息块、主数据、运营数据DSO等。②访问抽象层：用于信息展现层存取的多维信息提供商、信息集，并不是物理存储数据。
区别于数据抽取层和仓库层保存了尽可能细的数据粒度，分析层的信息块需要慎重考虑数据粒度。因为数据粒度会直接影响信息块事实表中的物理存储的记录条数。记录条数越多，需要付出的数据上载和压缩处理时间就越长，查询性能会越低，维护成本就越高。
统一规划、设计和建设主题模型，主题模型保存实际数据。基础信息块和营运数据DSO是主题模型在BW中的载体。
【BI商务智能系统及其技术架构】相关文章：