企业e化分析功能.pptVIP

第九章 企業e化分析功能 本章內容 第一節 資料倉儲（Data Warehouse, DW） 資料超市（Data Mart） 第二節 線上分析處理 （On Line Analytical Processing, OLAP） 第三節 資料探勘（Data Mining, DM） 第四節 企業智慧系統 （Business Intelligence System, BIS） 第一節 資料倉儲(DW) DW的功能與用途 為了充分滿足資料分析之需求，近幾年興起DW DW是經過擷取、清理、整合後的歷史性資料庫 DW通常是整合至多個系統的資料來源，可用於決策支援 DW的建置與管理往往非常昂貴且耗時，通常是由上到下（top down），由資訊單位主導 DW的主要目的在提供企業一個決策分析用的環境 DW讓決策人員制定更好的作戰策略，或找出企業的潛在問題 DW的功能與用途 DW儲存由組織各種內部資料與外部資料所整合而來的資料 DW企業大多以原有的線上作業系統(OLTP)作為資料的主要來源 建構DW目的是在提供管理決策之依據，特點如下： 整合式的資料：將不同來源的資料統一規範 主題導向的資料：儲存與某一主題有關的資料 歷史性的資料：儲存過去某一時間範圍內的資料 唯讀性的資料：DW不應該隨時變更，而是以週期性的定期加入新資料 DW的功能與用途(續) 將各種來源之資料整合轉換載入DW中，資料轉換的程式撰寫不易 自動化處理困難，經常要人工參與，約佔DW專案60%的人力及時間 轉換過程需建立Metadata（描述性資料） 除建置全企業的DW外，可針對某決策主題的資料超市(Data Mart) 建構好的DW或Data Mart將可作為OLAP查詢報表使用 資料倉儲之處理架構 DW的重要性 現代企業普遍面臨的問題：資料太多，資訊不足 DW系統可以輕輕鬆鬆擁有完整、一致、且極為豐富的訊息 「動態資料倉儲」(Active DW)即是透過分析歷史資料、快速且精確臂助企業決策的重大任務 動態DW確保商業資訊的「新鮮度」 如果缺乏統一儲存架構，資訊整合時間就越長，決策的價值就更低 其決定性的關鍵是「掌握精確的數據」，故必須依賴DW架構 DW之領導廠商－NCR Teradata NCR Teradata（安迅資訊）在全球建置超過1,200個企業級DW，位居世界第一位 同時以高達68%的市場佔有率領導國內DW市場，用戶包括金融業、電信業、醫療保險業、製造業、航空業、零售業等 透過Teradata DW解決方案，可以整合企業內來自各不同單位的資料，建立單一客戶觀點 Teradata企業級DW的導入，建構企業金融與消費金融業務決策分析平台，建構各項業務相關之多維度分析模組 銀行將藉由Teradata DW來分析客戶的基本輪廓及特性，以達到保留舊客戶、開發新客戶等目的 銀行也可導入 Teradata的Data Mining分析模型，藉由該模型做好對消費金融放款客戶的信用評等分析 DW利器－Microsoft SQL Server 微軟制定微軟資料倉儲的系統架構，作為開發微軟技術及整合其他開發廠商技術的準則 其目標是希望能夠簡化DW解決方案的設計、建置與管理的過程 DWF這個DW架構提供了一個開放性系統結構、異質性資料管理及描述性資料(metadata)的整合 SQL Server 的發表，可看出微軟已延伸及加強分析功能的廣度與寬度 SQL Server及其分析服務(Analysis Service)，可隨時幫助企業開發及管理各種資料分析的解決方案 該解決方案是建置在Windows NT平台上，故開發成本較低 Data Mart Data Mart，也就是小型的DW Data Mart通常只為了特定主題的決策支援應用或部門 通常是由下到上（bottom up）利用部門的資源來建置 Data Mart通常有該特定主題或部門的彙總或詳細資料 Data Mart短期成本效益較顯著，但隨資訊量增長，延展、擴充與整合的代價可能變成昂貴 DW雖然建置時間與成本所費不貲，但長期而言成本效益較佳 亦即DW就像是資料共享中心，DW較具備應付變化的彈性 但無論是DW或Data Mart，其組成與維護的程序是相同的，使用的技術也都類似 Data Mart個案 以固網、行動電話及寬頻數據三大業務為主的中華電信公司 於1999 年便開始積極著手DW與Data Mart的建置 Data Mart的導入雖可快速達成，但日後會面臨整合的問題 故其做法是「Think Big, Start Small」 採取 Top-down 的整體性規劃，再從優先需要的領域開始做 公開招標建