商务智能入门培训.pptVIP

* * * * So. First, why are we talking about trusted data? Well, it’s because we’ve worked for a long time in the BI industry, and we know full well that the average BI project is a little like an iceberg — the vast majority of the work is under the surface, providing the solid foundation required for a successful BI deployment. This typically involves huge amounts of data integration, metadata management, and data quality. * * * * * * * * * * * * * * 1。 Business Objects Data Integrator: 整合所有数据。统一集成。 2。 前端展现： BOXI BOE premium 平台 1. crystal report 所有的报表任务 2. Crystal report for SAP solution kit 整合SAP 数据 3 OLAP Intelligence 整合SAP BW 数据 4 Web Intelligence 随机查询和多维数据分析 5 EPM 企业绩效管理 * * * * * * * * * * * * * * * * * * * * * * * * * * * 7、商务智能核心技术有哪些？ 三. ETL技术 二.元数据管理技术 一.数据仓库技术 四. 在线联机分析处理技术（OLAP） 五.数据挖掘技术 联机分析处理（OLAP）是对立方体中的数据进行在线的分析，可以包括切片、切块、钻取、旋转、钻透等分析方法； 根据数据的存储模式不同OLAP可划分为:MOLAP、ROLAP、HOLAP三种 OLAP概念 主流的OLAP 产品有Oracle Express/Discoverer、SQL Server Analysis Services、DB2 OLAP Server、SAS OLAP Server等，这些产品都可以生成多维数据立方体，提供多维数据的快速分析，支持所有主流关系型数据库如DB2，Oracle，SQL Server，Sybase 等，同时可读取关系数据库中细节数据，实现混合在线分析(HOLAP)或关系型在线分析(ROLAP) 商务智能核心技术-OLAP 旋转、切片、钻取、钻透分析 联动分析 模型预测分析 7、商务智能核心技术有哪些？ 三. ETL技术 二.元数据管理技术 一.数据仓库技术 四. 在线联机分析处理技术（OLAP） 五.数据挖掘技术 数据挖掘（Data Mining）是采用数学的、统计的、人工智能和神经网络等领域的科学方法，从大量数据中挖掘出隐含的、先前未知的、对决策有潜在价值的关系、模式和趋势，并用这些知识和规则建立用于决策支持的模型，为商业智能系统服务的各业务领域提供预测性决策支持的方法、工具和过程。 数据挖掘前身是知识发现（KDD，Knowledge Discovery in Databases），属于机器学习的范畴，所用技术和工具主要有统计分析（或数据分析）和知识发现。知识发现与数据挖掘是人工智能、机器学习与数据库技术相结合的产物，是从数据中发现有用知识的整个过程。 数据挖掘概念 1．数据选择 数据选择过程是根据用户的挖掘目标，交互式地完成对源数据的裁减，使生成的目标数据只集中在与挖掘目标相一致的数据上。目标数据应该以适合于挖掘的形式进行组织，常用的是关系数据库或多维数据立方体等形式。 2．模型建立 数据特征探索、分析和预处理，消除数据中的噪声，然后建立挖掘模型并实施对应的算法。 3．模型验证 不论是自己建立挖掘模型还是选取或改进已有模型都必须要进行验证。这种验证最常用的方法是样本学习。先用一部分数据建立模型，然后再用剩下的数据来测试和验证这个模型。 数据挖掘是一个反复的过程。通过反复的交互式执行和验证才能找到解决问题的最好途径。通过不断地产生、筛选和验证， 才能把有意义的知识集成到企业的知识库或商业智能系统中去。 数据挖掘三个步骤 分类：样本分析 贝叶斯分类 贝叶斯分类是利用贝叶斯公式，通过计算每个特征下分类的条件概率，来计算某个特征组合实例的分类概率，选取最大概率的分类作为分类结果，朴素贝叶斯