大家都知道，企業(yè)要做數(shù)據(jù)分析，商業(yè)智能BI和數(shù)據(jù)倉(cāng)庫(kù)二者缺一不可。許多人在疑惑，我的數(shù)據(jù)倉(cāng)庫(kù)還沒(méi)有建立起來(lái)，怎么做商業(yè)智能BI呢？真得在做商業(yè)智能BI之前先建數(shù)據(jù)倉(cāng)庫(kù)嗎？

無(wú)論哪一種BI項(xiàng)目，都需要從各級(jí)管理者的決策性思維出發(fā)，建立分主題的數(shù)據(jù)模型，從而形成數(shù)據(jù)倉(cāng)庫(kù)，無(wú)論其存在形式如何，數(shù)據(jù)倉(cāng)庫(kù)的分析思路必然貫穿于整個(gè)項(xiàng)目，并涵蓋各個(gè)層級(jí)的發(fā)展戰(zhàn)略和業(yè)務(wù)表單。

數(shù)據(jù)倉(cāng)庫(kù)的邏輯

數(shù)據(jù)倉(cāng)庫(kù)，英文名稱(chēng)為Data Warehouse，可簡(jiǎn)寫(xiě)為DW或DWH。數(shù)據(jù)倉(cāng)庫(kù)，是為企業(yè)所有級(jí)別的決策制定過(guò)程，提供所有類(lèi)型數(shù)據(jù)支持的戰(zhàn)略集合。它是單個(gè)數(shù)據(jù)存儲(chǔ)，出于分析性報(bào)告和決策支持目的而創(chuàng)建。

數(shù)據(jù)倉(cāng)庫(kù)系統(tǒng)區(qū)別于數(shù)據(jù)庫(kù)

一般意義上的數(shù)據(jù)庫(kù)，指由單個(gè)業(yè)務(wù)系統(tǒng)存儲(chǔ)的數(shù)據(jù)集，其作用是對(duì)業(yè)務(wù)系統(tǒng)流程生成的數(shù)據(jù)進(jìn)行處理，以便于對(duì)各個(gè)流程生成的數(shù)據(jù)進(jìn)行存儲(chǔ)。

為了滿(mǎn)足決策分析的需要，數(shù)據(jù)倉(cāng)庫(kù)被建立起來(lái)，其面向主題的設(shè)計(jì)，會(huì)隨著數(shù)據(jù)特性的變化而增加或減少，例如數(shù)據(jù)之間的兼容性和互斥性，它的數(shù)據(jù)容量將比業(yè)務(wù)數(shù)據(jù)庫(kù)大五倍以上。

一般來(lái)說(shuō)，數(shù)據(jù)倉(cāng)庫(kù)應(yīng)該單獨(dú)建立，以減少對(duì)業(yè)務(wù)數(shù)據(jù)庫(kù)的干擾。他利用數(shù)據(jù)庫(kù)的實(shí)現(xiàn)。他借助于數(shù)據(jù)庫(kù)實(shí)現(xiàn)。如關(guān)系型數(shù)據(jù)庫(kù)，多維數(shù)據(jù)庫(kù)、內(nèi)存數(shù)據(jù)庫(kù)等，這些都可以作為數(shù)據(jù)倉(cāng)庫(kù)來(lái)使用。數(shù)據(jù)倉(cāng)庫(kù)的建立，有以下幾個(gè)主要方面工作：

①整合業(yè)務(wù)數(shù)據(jù)；②主數(shù)據(jù)管理；③元數(shù)據(jù)管理；④數(shù)據(jù)質(zhì)量管理；⑤數(shù)據(jù)清洗和轉(zhuǎn)換；⑥數(shù)據(jù)裝載；⑦主題建模等，最終支持各級(jí)管理者的數(shù)據(jù)分析、業(yè)務(wù)預(yù)測(cè)、決策。

商業(yè)智能BI的邏輯

商業(yè)智能(Business Intelligence)是一種對(duì)商業(yè)信息進(jìn)行收集、管理和分析的過(guò)程，它通常包括數(shù)據(jù)庫(kù)技術(shù)、數(shù)據(jù)倉(cāng)庫(kù)(或數(shù)據(jù)場(chǎng))、聯(lián)機(jī)分析處理(OLAP)等幾個(gè)方面，其實(shí)現(xiàn)涉及可視化、交互等動(dòng)態(tài)分析型軟件。

各級(jí)別的管理人員都以數(shù)據(jù)倉(cāng)庫(kù)為本，利用各種查詢(xún)分析工具(Query/ReportTools)、聯(lián)機(jī)分析處理(OLAP)或數(shù)據(jù)挖掘(Data Mining)工具以及決策者的行業(yè)知識(shí)，從數(shù)據(jù)倉(cāng)庫(kù)中獲取有用的信息，從而幫助企業(yè)獲利，并提高生產(chǎn)力和競(jìng)爭(zhēng)力。

商業(yè)智能BI不是簡(jiǎn)單的報(bào)表和漂亮的圖形，它主要考慮的是模型交付能力和工具軟件的開(kāi)放性。面對(duì)海量數(shù)據(jù)，提高信息的利用率，快速、準(zhǔn)確地找到所需信息，做出正確的決策，是商業(yè)智能BI發(fā)展的驅(qū)動(dòng)力。

由此不難看出，任何BI項(xiàng)目，都需要從各級(jí)管理者的決策性思維出發(fā)，建立分主題的數(shù)據(jù)模型，從而形成數(shù)據(jù)倉(cāng)庫(kù)，無(wú)論其存在形式如何，分析思想都必須貫穿于整個(gè)項(xiàng)目，并涵蓋各個(gè)層次的發(fā)展戰(zhàn)略和業(yè)務(wù)表單，隨時(shí)納入外部數(shù)據(jù)，以保證決策的科學(xué)性和前瞻性，滿(mǎn)足整個(gè)決策過(guò)程。

不推薦將數(shù)據(jù)倉(cāng)庫(kù)單獨(dú)作為一個(gè)項(xiàng)目，因?yàn)樵跇I(yè)務(wù)分析需求不確定的情況下建立數(shù)據(jù)倉(cāng)庫(kù)，將會(huì)帶來(lái)巨大的風(fēng)險(xiǎn)。而且企業(yè)總有數(shù)據(jù)無(wú)法及時(shí)入數(shù)據(jù)倉(cāng)庫(kù)，有很多暫時(shí)需要分析但又沒(méi)有放入數(shù)據(jù)倉(cāng)庫(kù)的外部數(shù)據(jù)，同樣對(duì)分析決策起著重要作用。