本篇教程介绍了大数据分析 商业智能系统的应用架构分析，希望阅读本篇文章以后大家有所收获，帮助大家对大数据云计算大数据分析的理解更加深入。

<

    商业智能系统简介

    一旦给某个事物下定义，就需要非常严谨。我不是行业泰斗，也不敢斗胆给商业智能系统下个定义。但是，为了把商业智能系统说清楚，我把个人对商业智能系统的理解描述一下。商业智能系统，是一个融合商业智能技术与企业管理思想的决策支持软件；它通过商业智能技术提供快速分析数据的方法，按照企业管理思想与管理逻辑设计分析指标，然后把数据转化成有用的信息，帮助企业管理者透视经营，辅助决策。

    现在市场上看到的商业智能系统，称为BI，可以分类两类，一类是平台类，另一类是应用类。平台类主要是通过商业智能技术提供诸如：联机分析处理（OLAP）、数据仓库、数据挖掘这类分析工具。应用类是在商业智能平台基础上做的决策分析、绩效分析等应用系统。本文主要谈商业智能技术的应用，所以是基于商业智能应用系统而阐述。

    商业智能系统与SAS、SPSS等统计分析软件也是有很大的区别的，统计分析软件专业性强，它要求分析人员具有统计学、运筹学、数据建模等知识；而商业智能系统的用户只需理解所分析的业务即可，它对用户没有太高的专业门槛要求。

    商业智能系统的应用架构

    在介绍完商业智能系统是什么以后，我遵循“从技术到应用”的思路，一步步阐述商业智能技术是如何落地的。那么，下面我就阐述商业智能系统的应用架构。

    图1：商业智能系统应用架构

    商业智能应用系统的数据主要来源于ERP、WMS、SCM等业务系统、办公系统或互联网的数据文件，通过ETL（Extraction-Transformation-Loading的缩写）工具提取、转换和加载到数据仓库中。

    数据仓库、ETL调度设置、指标配置、分析展现，是商业智能应用架构的核心。数据仓库可以设置成三层，在ODS（Operational Data Store）层，把抽取的业务数据转化成统一的数据格式和规则，为了提高效率，可以把每次更新的数据和以前抽取的数据分开存储；DW（Data Warehouse）层是传统意义上的数据仓库层，在这一层存储维度与事实数据，并根据分析需要确定数据存储的粒度；第三层是DM（DataMart）层，即：数据集市，这一层按照分析主题存储 “数据立方体”。从业务数据到数据仓库中数据分层的变化，技术上是通过ETL开发实现的，然后通过ETL调度设置，确定数据变换的规则。很多分析指标需要对业务系统数据按照一定公式计算得到，因此，指标公式的设置，也是商业智能系统应用架构比不可少的环节。如果把商业智能系统的应用分为台前与幕后的话，上述三部分是幕后默默的奉献者，分析展现便是台前的表演家，在分析展现部分，库存管理分析指标通过仪表板、雷达图、散点图等展现工具，按照管理需要呈现出来。          

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据分析频道！