SlideShare a Scribd company logo
Business Intelligent




07/04/12                          1
何謂商業智慧
• 「讓每個人都能夠及時獲得有用的資訊,
  以做出正確的判斷」,也就是一種對企業
  營運內容迅速理解與推理的能力,而這種
  能力可以用來提升企業決策的品質、改善
  績效。
• 透過資料的淬取、整合及分析,支援決策
  過程的技術和商業處理流程。總結而言,
  其目的是為了能使使用者能在決策的時候
  ,盡可能地得到更好的協助。

07/04/12               2
何謂商業智慧
• IDC 在 2007 年對商業智慧市場所提出之新定義,
  商業智慧軟體係指包含
     – 使用者查詢、報表與分析
           •   即時查詢 (Ad Hoc Query)
           •   多維度分析 (Multidimensional Analysis)
           •   儀表板 (Dashboard)
           •   報表產生工具 (Reporting Tools) 使用者查詢
     – 進階分析
           • 資料探勘 (Data Mining)
           • 統計分析 (Statistical Analysis)




07/04/12                                           3
何謂商業智慧




07/04/12            4
商業智慧的內涵
• 資料、資訊、知識
• 分析技術




07/04/12             5
傳統作業型系統的問題
•   以關連式資料庫及 ER 模式管理資料庫
•   資料正規化以避免資訊重複儲存
•   重視基本資料的儲存,不會儲存摘要資料
•   系統以支援公司日常作業為主
•   決策常需要多部門、多系統及外資料




07/04/12                  6
Multi-Tiered Architecture

                               Monitor
                                  &          OLAP Server
  other          Metadata
  source                      Integrator
  s                                                        Analysis
 Operational   Extract                                     Query
               Transform      Data             Serve       Reports
 DBs           Load
               Refresh
                            Warehouse                      Data mining




                             Data Marts


Data Sources        Data Storage           OLAP Engine Front-End Tools
 07/04/12                                                          7
WebFocus 商業智慧架構




07/04/12                     8
資料倉儲的資料模式
• Multidimensional Data Model




07/04/12                        9
A Concept Hierarchy: Dimension
                   (location)
                        all
all


region                  Europe             ...     North_America


country       Germany      ...   Spain           Canada     ...   Mexico


city        Frankfurt   ...          Vancouver ...        Toronto


office                           L. Chan     ... M. Wind


 07/04/12                                                           10
Multidimensional Data

  • Sales volume as a function of product,
    month, and region Dimensions: Product, Location, Time
                            Hierarchical summarization paths
         o  n
      gi




                                Industry Region      Year
  Re




                                Category Country Quarter
  Product




                                Product    City    Month    Week

                                          Office     Day



07/04/12
                Month                                          11
Data warehousing V.S. OLTP
    • Data warehousing      • OLTP
           – Querying and     – Inputting and
             Reporting          Updating
           – For Reading      – For Writing
           – 用來分析企業運作狀        – 企業中以日為單位所
             況的資料 ( 如彙總資        處理的資料
             料)               – 高揮發性且即時
           – 非揮發性             – 幾乎沒有多餘資料
           – 充斥著多餘資料          – 高度正規化
           – 反正規化             – 關連式資料庫模型
           – 多維資料庫模型
07/04/12                                    12
07/04/12   13
Data Mining 完整的演算法



 決策樹             群集演算     時間序列
                 法




  時序群集           關聯規則     貝氏決策定理



07/04/12                          14
   類神經網路         線性迴歸     羅吉斯迴歸

More Related Content

Similar to Business intelligent 概論 棅易

Big Data 101 一 一個充滿意圖與關聯世界的具體實現
Big Data 101 一 一個充滿意圖與關聯世界的具體實現Big Data 101 一 一個充滿意圖與關聯世界的具體實現
Big Data 101 一 一個充滿意圖與關聯世界的具體實現Fred Chiang
 
Greenplum技术
Greenplum技术Greenplum技术
Greenplum技术锐 张
 
Keynote: What Is the next Big Data?
Keynote: What Is the next Big Data?Keynote: What Is the next Big Data?
Keynote: What Is the next Big Data?Etu Solution
 
ESD 2012 Keynote: What Is the next Big Data?
ESD 2012 Keynote: What Is the next Big Data?ESD 2012 Keynote: What Is the next Big Data?
ESD 2012 Keynote: What Is the next Big Data?Fred Chiang
 
淘宝数据可视化[2010 SD2.0]
淘宝数据可视化[2010 SD2.0]淘宝数据可视化[2010 SD2.0]
淘宝数据可视化[2010 SD2.0]KennyZ
 
《数据库发展研究报告-解读(2023年)》.pdf
《数据库发展研究报告-解读(2023年)》.pdf《数据库发展研究报告-解读(2023年)》.pdf
《数据库发展研究报告-解读(2023年)》.pdfmarkmind
 
Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)
Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)
Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)Fred Chiang
 
Hadoop 與 SQL 的甜蜜連結
Hadoop 與 SQL 的甜蜜連結Hadoop 與 SQL 的甜蜜連結
Hadoop 與 SQL 的甜蜜連結James Chen
 
逻辑数据编织 – 构建先进的现代企业数据架构
逻辑数据编织 – 构建先进的现代企业数据架构逻辑数据编织 – 构建先进的现代企业数据架构
逻辑数据编织 – 构建先进的现代企业数据架构Denodo
 
Hadoop Big Data 成功案例分享
Hadoop Big Data 成功案例分享Hadoop Big Data 成功案例分享
Hadoop Big Data 成功案例分享Etu Solution
 
如何快速实现数据编织架构
如何快速实现数据编织架构如何快速实现数据编织架构
如何快速实现数据编织架构Denodo
 
博晓通企业介绍和典型客户201504 (完整版)
博晓通企业介绍和典型客户201504 (完整版)博晓通企业介绍和典型客户201504 (完整版)
博晓通企业介绍和典型客户201504 (完整版)Yu Zhang
 
IT445_Week_11.pdf
IT445_Week_11.pdfIT445_Week_11.pdf
IT445_Week_11.pdfAiondBdkpt
 
Dtcc ibm big data platform 2012-final_cn
Dtcc ibm big data platform 2012-final_cnDtcc ibm big data platform 2012-final_cn
Dtcc ibm big data platform 2012-final_cnyp_fangdong
 
基于 MySQL 的B2C电商系统前端数据层架构
基于 MySQL 的B2C电商系统前端数据层架构基于 MySQL 的B2C电商系统前端数据层架构
基于 MySQL 的B2C电商系统前端数据层架构Sky Jian
 
Realtime analytics with Flink and Druid
Realtime analytics with Flink and DruidRealtime analytics with Flink and Druid
Realtime analytics with Flink and DruidErhwen Kuo
 
Qcon2013 罗李 - hadoop在阿里
Qcon2013 罗李 - hadoop在阿里Qcon2013 罗李 - hadoop在阿里
Qcon2013 罗李 - hadoop在阿里li luo
 
Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01
Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01
Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01Jackie Liu
 
民间秘方
民间秘方民间秘方
民间秘方dynasty
 

Similar to Business intelligent 概論 棅易 (20)

Big Data 101 一 一個充滿意圖與關聯世界的具體實現
Big Data 101 一 一個充滿意圖與關聯世界的具體實現Big Data 101 一 一個充滿意圖與關聯世界的具體實現
Big Data 101 一 一個充滿意圖與關聯世界的具體實現
 
Greenplum技术
Greenplum技术Greenplum技术
Greenplum技术
 
Keynote: What Is the next Big Data?
Keynote: What Is the next Big Data?Keynote: What Is the next Big Data?
Keynote: What Is the next Big Data?
 
ESD 2012 Keynote: What Is the next Big Data?
ESD 2012 Keynote: What Is the next Big Data?ESD 2012 Keynote: What Is the next Big Data?
ESD 2012 Keynote: What Is the next Big Data?
 
淘宝数据可视化[2010 SD2.0]
淘宝数据可视化[2010 SD2.0]淘宝数据可视化[2010 SD2.0]
淘宝数据可视化[2010 SD2.0]
 
《数据库发展研究报告-解读(2023年)》.pdf
《数据库发展研究报告-解读(2023年)》.pdf《数据库发展研究报告-解读(2023年)》.pdf
《数据库发展研究报告-解读(2023年)》.pdf
 
Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)
Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)
Big Data 102 - Crossovers 成長之旅導覽 (Keynote for Big Data Taiwan 2013)
 
Hadoop 與 SQL 的甜蜜連結
Hadoop 與 SQL 的甜蜜連結Hadoop 與 SQL 的甜蜜連結
Hadoop 與 SQL 的甜蜜連結
 
逻辑数据编织 – 构建先进的现代企业数据架构
逻辑数据编织 – 构建先进的现代企业数据架构逻辑数据编织 – 构建先进的现代企业数据架构
逻辑数据编织 – 构建先进的现代企业数据架构
 
Hadoop Big Data 成功案例分享
Hadoop Big Data 成功案例分享Hadoop Big Data 成功案例分享
Hadoop Big Data 成功案例分享
 
如何快速实现数据编织架构
如何快速实现数据编织架构如何快速实现数据编织架构
如何快速实现数据编织架构
 
Emc keynote 1130 1200
Emc keynote 1130 1200Emc keynote 1130 1200
Emc keynote 1130 1200
 
博晓通企业介绍和典型客户201504 (完整版)
博晓通企业介绍和典型客户201504 (完整版)博晓通企业介绍和典型客户201504 (完整版)
博晓通企业介绍和典型客户201504 (完整版)
 
IT445_Week_11.pdf
IT445_Week_11.pdfIT445_Week_11.pdf
IT445_Week_11.pdf
 
Dtcc ibm big data platform 2012-final_cn
Dtcc ibm big data platform 2012-final_cnDtcc ibm big data platform 2012-final_cn
Dtcc ibm big data platform 2012-final_cn
 
基于 MySQL 的B2C电商系统前端数据层架构
基于 MySQL 的B2C电商系统前端数据层架构基于 MySQL 的B2C电商系统前端数据层架构
基于 MySQL 的B2C电商系统前端数据层架构
 
Realtime analytics with Flink and Druid
Realtime analytics with Flink and DruidRealtime analytics with Flink and Druid
Realtime analytics with Flink and Druid
 
Qcon2013 罗李 - hadoop在阿里
Qcon2013 罗李 - hadoop在阿里Qcon2013 罗李 - hadoop在阿里
Qcon2013 罗李 - hadoop在阿里
 
Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01
Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01
Sbir 海量運算的雲端學習歷程與評量分析app開發0124簡報v2.01
 
民间秘方
民间秘方民间秘方
民间秘方
 

More from Lawrence Huang

In memory analysis 衍華
In memory analysis 衍華In memory analysis 衍華
In memory analysis 衍華Lawrence Huang
 
智慧系統服務研究 永鑫 V2
智慧系統服務研究 永鑫 V2智慧系統服務研究 永鑫 V2
智慧系統服務研究 永鑫 V2Lawrence Huang
 
Way to big date 資策會李進寶所長 20120620
Way to big date 資策會李進寶所長 20120620Way to big date 資策會李進寶所長 20120620
Way to big date 資策會李進寶所長 20120620Lawrence Huang
 
資策會SCORM模組研發與技轉說明
資策會SCORM模組研發與技轉說明資策會SCORM模組研發與技轉說明
資策會SCORM模組研發與技轉說明Lawrence Huang
 

More from Lawrence Huang (6)

In memory analysis 衍華
In memory analysis 衍華In memory analysis 衍華
In memory analysis 衍華
 
智慧系統服務研究 永鑫 V2
智慧系統服務研究 永鑫 V2智慧系統服務研究 永鑫 V2
智慧系統服務研究 永鑫 V2
 
Big data_郭惠民
Big data_郭惠民Big data_郭惠民
Big data_郭惠民
 
ESB介紹_鄭世梧
ESB介紹_鄭世梧ESB介紹_鄭世梧
ESB介紹_鄭世梧
 
Way to big date 資策會李進寶所長 20120620
Way to big date 資策會李進寶所長 20120620Way to big date 資策會李進寶所長 20120620
Way to big date 資策會李進寶所長 20120620
 
資策會SCORM模組研發與技轉說明
資策會SCORM模組研發與技轉說明資策會SCORM模組研發與技轉說明
資策會SCORM模組研發與技轉說明
 

Business intelligent 概論 棅易

  • 2. 何謂商業智慧 • 「讓每個人都能夠及時獲得有用的資訊, 以做出正確的判斷」,也就是一種對企業 營運內容迅速理解與推理的能力,而這種 能力可以用來提升企業決策的品質、改善 績效。 • 透過資料的淬取、整合及分析,支援決策 過程的技術和商業處理流程。總結而言, 其目的是為了能使使用者能在決策的時候 ,盡可能地得到更好的協助。 07/04/12 2
  • 3. 何謂商業智慧 • IDC 在 2007 年對商業智慧市場所提出之新定義, 商業智慧軟體係指包含 – 使用者查詢、報表與分析 • 即時查詢 (Ad Hoc Query) • 多維度分析 (Multidimensional Analysis) • 儀表板 (Dashboard) • 報表產生工具 (Reporting Tools) 使用者查詢 – 進階分析 • 資料探勘 (Data Mining) • 統計分析 (Statistical Analysis) 07/04/12 3
  • 6. 傳統作業型系統的問題 • 以關連式資料庫及 ER 模式管理資料庫 • 資料正規化以避免資訊重複儲存 • 重視基本資料的儲存,不會儲存摘要資料 • 系統以支援公司日常作業為主 • 決策常需要多部門、多系統及外資料 07/04/12 6
  • 7. Multi-Tiered Architecture Monitor & OLAP Server other Metadata source Integrator s Analysis Operational Extract Query Transform Data Serve Reports DBs Load Refresh Warehouse Data mining Data Marts Data Sources Data Storage OLAP Engine Front-End Tools 07/04/12 7
  • 10. A Concept Hierarchy: Dimension (location) all all region Europe ... North_America country Germany ... Spain Canada ... Mexico city Frankfurt ... Vancouver ... Toronto office L. Chan ... M. Wind 07/04/12 10
  • 11. Multidimensional Data • Sales volume as a function of product, month, and region Dimensions: Product, Location, Time Hierarchical summarization paths o n gi Industry Region Year Re Category Country Quarter Product Product City Month Week Office Day 07/04/12 Month 11
  • 12. Data warehousing V.S. OLTP • Data warehousing • OLTP – Querying and – Inputting and Reporting Updating – For Reading – For Writing – 用來分析企業運作狀 – 企業中以日為單位所 況的資料 ( 如彙總資 處理的資料 料) – 高揮發性且即時 – 非揮發性 – 幾乎沒有多餘資料 – 充斥著多餘資料 – 高度正規化 – 反正規化 – 關連式資料庫模型 – 多維資料庫模型 07/04/12 12
  • 13. 07/04/12 13
  • 14. Data Mining 完整的演算法 決策樹 群集演算 時間序列 法 時序群集 關聯規則 貝氏決策定理 07/04/12 14 類神經網路 線性迴歸 羅吉斯迴歸

Editor's Notes

  1. OLTP 為例,最重要的任務在資料輸入和更新,而資料倉儲通常則是為了檢索資料和產生報表等目的,而且它通常被設計成唯讀式的系統; OLTP 系統所處理的資料類型通常為企業中以日為單位所處理的資料,但是資料倉儲所含的則是用來分析企業運作狀況的資料,其中可能包含了月的彙總資料或年的彙總資料; OLTP 系統所得到的資料,多具高揮發性和即時的特色,因為輸入的可能為不完整甚至是無法判讀的資料,而資料倉儲中的歷史資料則為已更正過的非揮發性資料 最後因為這兩種系統的差異甚大,所以 OLTP 和資料倉儲系統使用的是完全不同的資料模型。在 OLTP 系統中,多餘資料幾乎是不存在的,由於複雜的資料更新作業無時不在進行,所以 OLTP 系統的資料庫多半已經高度正規化,而且通常使用關連式資料庫模型。資料倉儲系統為了簡化並提高使用者存取資料的效能,大大降低了資料表使用的數目,並且在其中充斥著多餘的資料,因此資料倉儲系統多半不使用關連式資料庫模型,而改採多維資料庫的設計。