it dw(数据仓库)和bi(商业智能)的关系

   大家都知道，企业要做数据分析，商业智能BI和数据仓库二者缺一不可。许多人在疑惑，我的数据仓库还没有建立起来，怎么做商业智能BI呢？真得在做商业智能BI之前先建数据仓库吗？下面就由小编为您带来it dw(数据仓库)和bi(商业智能)的的介绍。

亿信ABI

3.0

23条点评

咨询产品

免费试用

解决用户选型困难的好软件，有各维度的信息

客户案例

4

合作品牌

51

一、商业智能（BI）与数据仓库

   无论哪一种BI项目，都需要从各级管理者的决策性思维出发，建立分主题的数据模型，从而形成数据仓库，无论其存在形式如何，数据仓库的分析思路必然贯穿于整个项目，并涵盖各个层级的发展战略和业务表单。

商业智能BI(Business Intelligence) 。相比于数据仓库、数据挖掘，它是一个更大的概念。商业智能可以说是基于数据仓库，经过了数据挖掘后，得到了商业价值的过程。所以说数据仓库是个金矿，数据挖掘是炼金术，而商业报告则是黄金。

数据仓库DW(Data Warehouse) 。它可以说是 BI 这个房子的地基，搭建好 DW 这个地基之后，才能进行分析使用，最后产生价值。数据仓库可以说是数据库的升级概念. 和数据库并无明显差别都是通过数据库技术来存储数据的。数据仓库将原有的多个数据来源中的数据进行汇总、整理而得。数据进入数据仓库前，必须消除数据中的不一致性，方便后续进行数据分析和挖掘。

二、数据仓库的逻辑

数据仓库，英文名称为Data Warehouse，可简写为DW或DWH。数据仓库，是为企业所有级别的决策制定过程，提供所有类型数据支持的战略集合。它是单个数据存储，出于分析性报告和决策支持目的而创建。

数据仓库系统区别于数据库。一般意义上的数据库，指由单个业务系统存储的数据集，其作用是对业务系统流程生成的数据进行处理，以便于对各个流程生成的数据进行存储。

为了满足决策分析的需要，数据仓库被建立起来，其面向主题的设计，会随着数据特性的变化而增加或减少，例如数据之间的兼容性和互斥性，它的数据容量将比业务数据库大五倍以上。

一般来说，数据仓库应该单独建立，以减少对业务数据库的干扰。他利用数据库的实现。他借助于数据库实现。如关系型数据库，多维数据库、内存数据库等，这些都可以作为数据仓库来使用。数据仓库的建立，有以下几个主要方面工作：

①整合业务数据;

②主数据管理;

③元数据管理;

④数据质量管理;

⑤数据清洗和转换;

⑥数据装载

⑦主题建模等，最终支持各级管理者的数据分析、业务预测、决策。

三、商业智能BI的逻辑

商业智能(Business Intelligence)是一种对商业信息进行收集、管理和分析的过程，它通常包括数据库技术、数据仓库(或数据场)、联机分析处理(OLAP)等几个方面，其实现涉及可视化、交互等动态分析型软件。

各级别的管理人员都以数据仓库为本，利用各种查询分析工具(Query/ReportTools)、联机分析处理(OLAP)或数据挖掘(Data Mining)工具以及决策者的行业知识，从数据仓库中获取有用的信息，从而帮助企业获利，并提高生产力和竞争力。

商业智能BI不是简单的报表和漂亮的图形，它主要考虑的是模型交付能力和工具软件的开放性。面对海量数据，提高信息的利用率，快速、准确地找到所需信息，做出正确的决策，是商业智能BI发展的驱动力。

   由此不难看出，任何BI项目，都需要从各级管理者的决策性思维出发，建立分主题的数据模型，从而形成数据仓库，无论其存在形式如何，分析思想都必须贯穿于整个项目，并涵盖各个层次的发展战略和业务表单，随时纳入外部数据，以保证决策的科学性和前瞻性，满足整个决策过程。

   不推荐将数据仓库单独作为一个项目，因为在业务分析需求不确定的情况下建立数据仓库，将会带来巨大的风险。而且企业总有数据无法及时入数据仓库，有很多暂时需要分析但又没有放入数据仓库的外部数据，同样对分析决策起着重要作用。

   商业智能BI的表象是可视化分析报表的呈现，但它的本质还是业务问题、管理问题。商业智能BI数据分析来源于业务，通过数据呈现发现业务问题，比如好的或不好的，经验之内或之外的，然后再次回到业务，重新优化提升业务运营的一个过程，这就是在商业智能BI中数据到信息、信息产生决策、决策产生价值的真正内涵。以上就是小编为您介绍的it dw(数据仓库)和bi(商业智能)的关系，希望对您有所帮助。