BI商務智能系統及其技術架構

時間：2024-10-04 15:31:54 系統架構師

BI商務智能系統及其技術架構

　　BI商務智能系統是隨著信息技術在管理領域不斷發展而產生的具有特定功能和使用目標群的一種解決方案。BI提供靈活的報表和分析工具支持對數據的評價和判讀以及信息發布。基于BI先進的數據結構和分析基礎，企業可做出有事實依據的商業決策，決定面向目標的各種活動。

BI商務智能系統及其技術架構

　　1 BI商務智能系統功能特點

　　BI商務智能系統基于企業資源計劃系統(Enterprise Resource Planning，ERP)及其他業務系統的業務信息，建立適應企業長期發展的數據倉庫;采用方便、易用、表現力強的報表體系及可交互的數據智能分析平臺來進一步方便企業從戰略決策層到管理層再到操作層的各種需求。

　　BI商務智能系統主要有以下幾個功能。

　　1.1 數據倉庫

　　通過數據收集、數據倉庫的模型建立、數據倉庫應用平臺、數據展示技術，建立一套完整的技術方案。

　　使企業可以綜合信息、分析數據信息和分發關鍵信息，提供可在所有層次上支持決策的功能強大的工具。這些工具可創建和發布企業自定制的交互式報告和各種應用。

　　抽取數據、合并數據，然后存儲數據、分析數據。數據倉庫的處理流程包括數據建模、數據萃取以及數據管理(通過管理員工作臺);擁有先進的數據倉庫技術架構，以及先進的工具，包括OLAP處理器、數據挖掘和報表、元數據庫、業務計劃和模擬等。

　　提供給用戶一個簡單易用的報表和分析界面。滿足信息使用者根據本公司的工作需要對信息進行有效的組織和個性化設置，包括定制查詢、定制報表和各種分析功能。支持以電子郵件方式給信息使用者發送分析報表，與企業門戶無縫對接，并且可滿足用戶使用移動設備進行報表分析。

　　1.2 企業戰略管理

　　支持集團設置KPI指標體系，可實現從集團層面到下級單位的全覆蓋。同時系統應提供集團層面的信息查詢和監控功能，可以從不同層級的下級單位和不同的系統中抽取需要的數據，并支持用戶自定義的報表邏輯和格式生成報表、打印、下載成本地文件。

　　支持自定義企業的價值動因數，將財務和非財務的大量指標結合進行分析;支持參考及自定義的平衡計分卡，并且可以用于個人評估和績效考核;支持建立企業管理駕駛艙，根據企業所需指標的種類調用各種系統標準的圖形展示工具，幫助企業直觀地掌握企業整體的經營狀況。

　　1.3 智能平臺

　　為用戶提供決策支持工具，引導用戶對數據從不同層次、不同角度進行觀察和分析，使決策依據數據化。系統應支持建模功能，并可以進行預測和模擬。在智能決策信息方面，不只是提供報表系統，還提供豐富的分析模型。

　　建立數據倉庫，綜合、分析和分發關鍵信息，用于創建和發布定制的交互式報告和應用。采用大眾普及的Microsoft Excel和Web瀏覽器的工具。滿足用戶易用性。具備支持開發分析應用功能，支持訪問多維(OLAP)和表格性數據。提供Web應用程序設計。

　　1.4 報表應用

　　①支持應用Crystal Reports功能，支持對項目進度監控系統、資金系統、決策計劃系統的優化和整合;②提供復雜的中國格式報表，分析圖表、表格和圖表混排的分析報表;③提供上鉆、下鉆、切片、旋轉功等多維分析功能;④支持復雜的層級結構，支持用戶自定義的計算;⑤提供企業儀表盤;⑥能進行決策分析(What-IF);⑦具有預警功能。

　　2 BI商務智能系統平臺的總體技術架構

　　BI商務智能系統平臺總體技術架構如圖1所示。

　　BI系統基于前瞻性、靈活性和穩定性的設計原則而設計，滿足企業后續分析需求擴展、系統接口增加、主數據管理的需要。其中，業務數據層提供內外系統的接口，應用層提供可視化的平臺展示。

　　3 數據倉庫系統數據模型結構

　　本文針對數據倉庫系統的數據模型結構進行重點分析，其模型結構如圖2所示。

　　3.1 數據抽取層

　　DSO存儲來自R/3以及其他系統原始的明細數據，不做任何數據轉換。

　　通常數據源和DSO是1∶1對應。所以對應于每一個數據源，在抽取層需設置一個DSO用于對應的數據存儲。不允許一個DSO中包含多個源系統數據，同時也不允許一個DSO集成不同數據源的數據。

　　對于DSO可以集成相同主數據的屬性和文本，有一種情況是例外的，比如：物料的屬性和文本可以存放在同一個DSO中。好處是避免創建和維護大量的DSO，但是多種語言是無法處理的。如果主數據需要多種語言的話，還是需要不同的DSO進行數據保存。

　　數據倉庫的一個重要特點是需要保存數據的歷史。數據歷史的保存主要包含主數據和業務數據。數據倉庫中需要保存其的歷史屬性，不然基于歷史時間進行分析時，就無法保證其正確性。根據用戶需求來決定需要按照何種時間粒度進行保存。一般情況下通常是按月份保存。

　　數據在進入抽取層之前，需要定期刪除永久儲存區(PSA)中的數據。通常對于生產系統，在應用穩定后原則上至多保存一個月。同樣，抽取層中產生的更改日志數據(Change Log)也需要定期進行刪除。數據刪除是由處理鏈進行統一處理。抽取層中的數據會用于以后數據重構或新需求，所以進入數據倉庫后需要進行永久保存，而不需要重新從源系統中抽取數據。

　　3.2 數據倉庫層

　　DSO存儲來自數據抽取層的明細數據，按照特定的分析需求進行統一的清洗、轉換，并且數據倉庫層是提供給其他系統的基礎，以保證數據口徑一致。

　　輸入倉庫層的數據源來自抽取層的數據，從抽取層到倉庫層的過程，需要根據業務模型定義完成統一編碼、統一業務邏輯的大量工作。倉庫層的數據主要供后續的業務轉換層或應用分析層使用。倉庫層中數據也可以通過SAP BW的數據分發接口提供給其他應用使用。倉庫層采用DSO來進行數據存儲。

　　倉庫層中的數據粒度根據用戶需要來定義，通常來說比抽取層粗。如果沒有明確的業務需求要求，部分抽取層中數據可暫時不保存。倉庫層中的數據應該是按照業務邏輯進行集成的數據集合。

　　理論上，倉庫層中的數據可以隨時刪除，并從抽取層獲取數據進行重構。但在生產系統中，刪除倉庫層的數據需要注意：所有后續分析層中相關信息塊中的數據需要進行對應刪除，否則會導致下次從倉庫層抽取增量數據時數據重復。需要強調的是，在倉庫層中重構數據時，必須與原有歷史數據保持一致。

　　3.3 數據分析層

　　以MultiCube/Cube為主，匯總分析數據，原則上不對數據倉庫層的數據進行轉換處理，Query主要基于數據分析層創建。

　　分析層內部分為兩小層。①物理數據存儲層：即實際存儲數據的基本信息塊、主數據、運營數據DSO等。②訪問抽象層：用于信息展現層存取的多維信息提供商、信息集，并不是物理存儲數據。

　　區別于數據抽取層和倉庫層保存了盡可能細的數據粒度，分析層的信息塊需要慎重考慮數據粒度。因為數據粒度會直接影響信息塊事實表中的物理存儲的記錄條數。記錄條數越多，需要付出的數據上載和壓縮處理時間就越長，查詢性能會越低，維護成本就越高。

　　統一規劃、設計和建設主題模型，主題模型保存實際數據。基礎信息塊和營運數據DSO是主題模型在BW中的載體。

【BI商務智能系統及其技術架構】相關文章：

三層架構的商務智能系統設計12-25

NGN架構電力智能調度診斷系統設計01-23