史上最长的介绍BI(商业智能)的杂货

原始数据数据处理创新的主要用到对象 - 监管权衡层，越发多的是从监管第一人称通过商业智能BI建模深入研究去导向弊端、深入研究弊端，再行一过渡到企业权衡。

两个或许要点：

第一，不必任何一个监管权衡层、指派就会没事推入财务该系统看财务原始数据，推入 OA 该系统就让自由选择权资讯，负责人不就会看这些明细原始数据或许，也不就会退到各个该系统；还有去看。也就是时说，企业数据处理创新不是给这一层指派来用到的。

第二，监管权衡层是不是一定是指的大企业最极低层的指派，却是，可以是大企业各个组织起来宏观之在此此前带有监管权衡本体的文书工作人员，这些监管权衡文书工作人员都可以通过商业智能BI备有权衡支持者。

04、原始数据经年累月其实时看成什么？

肃清原始数据经年累月为什么就一定要用商业智能BI，谁敦促要肃清原始数据经年累月的？企业行政部门就会明白有原始数据经年累月的弊端吗？我就用我的财务该系统做账，原始数据经年累月就经年累月呗，我迷恋经年累月，我的财务原始数据就我们自己看，指派看，我一点都不经年累月。我就管个剩余，原始数据经年累月就经年累月呗，我也用不着管其他的，我的备注格实在看就可以，经年累月跟我有什么父子关系？

所以，我们在谈论商业智能BI，谈论原始数据经年累月的时候不是给主力企业行政部门谈论的，而某种程度是给地区性企业、地区性行政部门、地区性组织起来的这些监管层谈论的，只有从他们的第一人称里，这些企业该系统和原始数据才是其实的经年累月。

商业智能BI - 为首可原始数据商业智能BI建模深入研究和平台

深宏观的诱因是什么？深宏观的诱因就是：这些企业数据处理创新该系统并不是为监管层维修服务的，是为主力企业行政部门维修服务的。监管层不是这些企业该系统的Gmail，他们理论上不就会没事一个该系统一个该系统的所写明退去看原始数据，他们不必这种用到；也，他们越发不就会关心到各个企业该系统的微观数据处理性。所以，大多数原因下只有这些地区性组织起来、地区性企业的监管层才就会指成有原始数据经年累月的发挥起着，所以是他们敦促应对原始数据经年累月。

由于商业智能BI是天然应对原始数据经年累月弊端的，所以商业智能BI是为谁维修服务的，是为监管层维修服务的原始数据数据处理创新该系统。商业智能BI要缔造原始数据经年累月，全面的看原始数据，全面的管企业，商业智能BI就是企业监管第一人称的大自然扩展，要广度、要最深处。

监管机身 - 为首可原始数据商业智能BI建模深入研究和平台

所以，站在多种不同的并不一定，有的人指成是有原始数据经年累月发挥起着的，一定要应对。有的人是不指成有原始数据经年累月发挥起着的，即使发挥起着对他们也不必影响，所以没法应对，其根本诱因是不必把握商业智能BI其实的维修服务对象。

通过原始数据经年累月，我们能实在把一些弊端看的越发加清楚一些。

05、商业智能BI从企业该系统取原始数据取数的方双管将

商业智能BI不是像企业该系统与企业该系统上端的适配器开发所设计取数方双管将，而是通过访询问和连通企业该系统原始数据集原始元数据的方双管将来退行取数的，不管是什么样各种类型的原始元数据，商业智能BI通过ETL连通方双管将连通原始元数据抽走企业该系统原备注原始数据到原始数据仓库之在此此前精制处理，终于保持平衡到后端的建模深入研究备注格塑造成。

商业智能BI - 为首可原始数据商业智能BI建模深入研究和平台

之在此此前有女朋友这么提询问的：原始数据集层是需开发所设计适配器吗？

这是问道：

一般不需，大体上这么提询问的都是经历过应用程序该系统的适配器终端，应用程序该系统的适配器终端是因为有的企业应用程序是 JAVA 开发所设计的，有的是 .NET 开发所设计的，有的是 B/S 指令集，有的是 C/S 指令集。应用程序该系统上端的适配器是需开发所设计直接参与的，主要是联接多种不同应用程序的企业步骤，这种适配器是需动编译器的。 但 商业智能BI 在获取原始数据的适配器不一样，是与企业该系统应用程序自身毫无关系的，是只需访询问和连通企业该系统其实的原始元数据就可以的，如此一来从原始元数据取数，因此是不需应用程序适配器，或者不必应用程序适配器访询问这种基本概念的。

除非一种原因，这个企业该系统是公有云，纯 SAAS 模双管，这种原因下就才会通过应用程序对外开换的 API 适配器取数了。

某建筑零售商店业集团看板 - 为首可原始数据商业智能BI建模深入研究和平台

某汽车零售商店业售后企业深入研究 - 为首可原始数据商业智能BI建模深入研究和平台

06、原始数据之在此此前台、商业智能BI、大原始数据上端的父子关系某种程度如何认识到？

大家在认识到商业智能BI的时候，随之而来的就会认识到到大原始数据，原始数据之在此此前台等一些基本概念，如何正确认识到他们上端的分野呢？大原始数据、原始数据之在此此前台都是商业智能BI发展到一定过渡阶段的产物，本体都是圆桌原始数据，原始系统设计、原始计算机系统战斗能力、算力的提升催生了大原始数据，原始数据股票和原始数据维修服务催生了原始数据之在此此前台，本体的数仓透过计算机自 商业智能BI 一脉相承未曾改回变，再行一成口还是 商业智能BI 建模，所以商业智能BI的方位所处整个数据处理创新建设工程的最上端。

07、关于商业智能 BI 认知上的几大误区

关于商业智能BI的讲解，网络上有过于多的杂音，总而言之就会把商业智能BI请教的有如很有趣，感觉上买了一个物件就可以应对所有的弊端，这却是是一个十分大的误区。

商业智能BI - 为首可原始数据商业智能BI建模深入研究和平台

我这里揭示了一下，大家对商业智能 BI 的认识到时常进到的一些误区：

1.商业智能 BI 就是备注格建模，就是一堆建模图备注，商业智能BI 就是后端建模。

2.商业智能BI就是一个拖曳挥的深入研究物件系列产品。

3.商业智能BI就是商业智能BI，跟原始数据仓库不必父子关系。

4.有了商业智能BI就不需原始数据仓库透过计算机，企业文书工作人员就可以自己做商业智能BI深入研究，就可以拖曳挥做商业智能BI深入研究。

5.商业智能BI 就是企业飞轮的，不需 IT 文书工作人员保持平衡，灵活商业智能BI不需 IT 置之不理。

6.商业智能BI直连不香吗？如此一来连通原始数据集不就可以做深入研究，不需原始数据仓库。

首先概要缺失一下对于这些弊端的认识到。

1.商业智能 BI 就是备注格建模，就是一堆建模图备注，BI 就是后端建模。

商业智能 BI 是一套基本的有原始数据仓库、原始计算机系统、原始数据备注格等均是由的原始数据数据处理类的应对解决办法，在一个 BI 重大项目之在此此前，20% 的星期做后端深入研究备注格，80% 的星期都在之在此此前上层原始数据仓库的所设计、ETL 的开发所设计、取数开发所设计等文书工作。

建模备注格 - 为首可原始数据商业智能BI建模深入研究和平台

所以建模备注格只是商业智能 BI 的再行一显现，但不是 商业智能BI 的全部。

2.商业智能 BI 就是一个拖曳挥的深入研究物件系列产品。

拖曳挥的建模深入研究物件准确来谈论才会应对 商业智能BI 的一部分，即建模深入研究。但却是 商业智能BI 所以外的数据处理范围还是十分广的，涉及到从之在此此前上层原始数据取数到后端塑造成深入研究的各个方面。以微软公司为例，以前在 SQL Server 2005 的时候就可以想到基本的 Integration Service（ SSIS ）、Reporting Service （ SSRS ）、Analysis Service （ SSAS ），这三个维修服务补足 SQL Server 自身涵盖了微软公司的商业智能 BI 应对解决办法。（ SQL Server 2000 的 DTS 不却是还有多少人那时候 ）Reporting - 建模塑造成只是 商业智能BI 应对解决办法的一部分。

SSIS 是应对什么的 - ETL 物件，Extraction 抽走 - Transformation 转化 - Loading 载入，做整个 ETL 的建模所设计、包的监管、ETL 包调配监管，涵盖了 Package - Control Flow - Data Flow 做整个原始数据抽走的监管。原始数据仓库 DW 的整体所设计，例如 ODS / Staging 层、Dimension 层、Fact 层（ 从 DW 到 DM ）层的逻辑学备注原始数据抽走也都是可以换到 SSIS 之在此此前顺利退行的。

我之在此此前就是微软公司 商业智能BI 数据处理线的，以前些年的时候积累过不少的 商业智能BI 数据处理博客 - BIWORK 的数据处理博客

SSRS 是应对什么的 - Reporting 备注格塑造成，当初的备注格塑造成十分贫弱。在 2012 Windows 8 Metro UI 所设计刚成来的时候，我们在 SSRS 之在此此前独有了 Metro UI 的外形上，算是十分在此此前卫和惊艳的了。

前提来谈论，很多国际间外备注格物件都独有过 SSRS 的原始数据集模双管（ 所写一条 SQL 查阅或者存储全过程送回一个查阅的结果附加到一个原始数据集 Dataset 之在此此前，图备注与原始数据集附加，图备注的文件名引用自原始数据集 ），但这种方双管将也有它的受限制用到布景或者用到在此之必要，中间就会陆续谈论到这个弊端。

SSAS 是应对什么的 - 生活空间换星期的多维深入研究实现，OLAP、CUBE 三角形。例如在深入研究备注格之在此此前多个的点 ( Dimension ) 可以和多个取值（ Measure ) 复合，以星期、范围、系列产品三个的点和成货收入这个取值为范例，在Gmail推入一个备注格，根据备注格的文件名或许复合的查阅就是：

SELECT 星期， 范围， 系列产品， SUM ( 成货收入 ）AS 收入 FROM 事实备注 JOIN 星期的点备注 ON XXXXX JOIN 范围的点备注 ON XXXXX JOIN 系列产品的点备注 ON XXXXX GROUP BY 星期、范围、系列产品

有或许是这样的一个查阅

SELECT 星期， 范围， SUM ( 成货收入 ）AS 收入 FROM 事实备注 JOIN 星期的点备注 ON XXXXX JOIN 范围的点备注 ON XXXXX GROUP BY 星期、范围

当之在此此前上层原始数据备注原始数据量过大、分解成查阅和简单，各种的点和事实取值复合的 SQL 查阅大量的转回原始数据仓库查阅，这种查阅开发成本或许就会显得十分的差，因为原始数据查阅 SQL 本身就或许需指派不长星期，还不算送回到后端备注格的之在此此前间原始数据传输全过程、后端备注格的渲染星期等等，所以通过 SSAS 实现一个 CUBE 三角形，所谓就是仅有把各种的点和取值的这种分解成查阅（ 各种分解成函数，可以自由选择 ） SQL 给日在此此前指派了，终于将各种的点和取值 SQL 查阅的值日在此此前存储上去。后端备注格连通到 CUBE 之在此此前如此一来用到预定算好的值就可以了，而不再行需通过 SQL 到原始数据仓库层查阅，这就是生活空间换星期的分析方法。

谈论到这里时看成一个什么弊端，就是一套基本的 商业智能BI 本来以外的有很多东西，有之在此此前上层原始计算机系统的 ETL 全过程，也有后端建模深入研究备注格的。

在 ETL 物件数据处理性：微软公司 SSIS、Informatica、IBM DataStage、Pentaho、Kettle、DataWatch 等等。

在 备注格 Reporting 物件数据处理性：以前期的微软公司 SSRS、IBM Cognos、Oracle BIEE、SAP BO 等等。

仅仅上的拖曳挥的 BI 建模深入研究物件严格来谈论才会定坐落应有和行政部门级的 商业智能BI 深入研究物件，因为仅仅上的上一个 商业智能BI 深入研究物件应对不了 商业智能BI 的全部，也代替不了 商业智能BI 的全部。

3.大体上也总有人时说商业智能BI就是企业飞轮，商业智能BI就是 BI，跟原始数据仓库不必父子关系。

有了 商业智能BI 就不需原始数据仓库透过计算机，企业文书工作人员就可以自己做 商业智能BI 深入研究，就可以拖曳挥做 商业智能BI 深入研究，，不需 IT 文书工作人员保持平衡，灵活 商业智能BI 不需 IT 置之不理，不需建原始数据仓库，我大体上有段星期也是这么指成的。但是再行盐类了一段星期，对这种现代科学退行过一段星期的，终于找到却是是发挥起着很小弊端的。

监管机身 - 为首可原始数据商业智能BI建模深入研究和平台

但凡有任何 商业智能BI 的成货或者售在此此前得知Gmail，你们大企业的 商业智能BI 重大项目不需借助于原始数据仓库，如此一来通过 商业智能BI 深入研究物件拖曳挥就可以搞定大企业；还有所有的深入研究，不需 IT 文书工作人员保持平衡，企业文书工作人员仅仅可以自己搞定... 近似于敢这样重申的，要么是对 商业智能BI 从来不，要么就是真忽悠。

在大SSD的 商业智能BI 重大项目建设工程之在此此前，其实能做到仅仅靠企业文书工作人员有趣拖曳挥一些就能随意实现原始数据建模深入研究，有数在我应有从业的十几年文书工作经验之在此此前，95%以上的大企业都做不到。我维修服务过的信息化大企业以外：SHP（ Security Health Plan )、微软公司（之在此此前国）、微软公司（英国）、VWFC（ 大众金融 ）等。

VWFC 做的算是十分极好的，可谓的企业文书工作人员自己动手做很多备注格，线上跑了几千张备注格。为什么？ 因为之在此此前上层原始数据仓库就搭建了很多年，之在此此前上层原始数据指令集比较十分规范。Business Driven 企业飞轮，它的在此之必要是什么？

1） 之在此此前上层原始数据质量很规范，原始数据仓库指令集很基本，不让企业文书工作人员碰之在此此前上层原始数据，ETL、取数、加权计算等等于是就都是 IT 行政部门来安全及。

2） 企业文书工作人员通过招聘要熟练借助商业智能BI后端备注格物件的用到，要很懂换成来的原始计算机系统仿真适配器。

3） 企业文书工作人员要十分熟知企业和原始数据。

第 2）和第 3）条很多大企业不必弊端，第 1）条如此一来弄个后端 商业智能BI 物件让企业文书工作人员应对，能应对掉吗？ 很显然企业文书工作人员是不具备这种战斗能力的。

这就是一到招聘的时候，商业智能BI物件用到上去很有趣，但是一旦到仅仅的大企业 商业智能BI 重大项目开发所设计就找到寸步难行。因为招聘的时候，给成的原始数据备注都是经过自由选择的，永远都是质量很极低的、规范的只需有趣左备注连右备注例如成货订单备注、订单明细备注，大自然很容易把建模备注格给实现成来。

原始数据建模 - 为首可原始数据商业智能BI建模深入研究和平台

但是在仅仅大企业 商业智能BI 重大项目深入研究之在此此前，深入研究加权的计算规则绝非有趣几张备注共同点就可以应对的，不信的话可以再一一下一个仅仅的加权计算逻辑学：再一一个 ETL 原始数据清除的小案例 在原始元数据之在此此前就一张原始数据备注，原始数据认识到上去也很有趣，但很多 商业智能BI 开发所设计文书工作人员做上去也需废很小的精力，就越发别谈企业文书工作人员自助 商业智能BI 深入研究了。

谈论这么多不是为了一味否定自助双管 商业智能BI 它的起着和战斗能力，自助双管 商业智能BI 有它的用到布景，也其实帮助我们一般化了很多的 BI 文书工作，但从专业人士并不一定成发，比如说仇视是部分商业智能BI 代工以一种不负责任的方双管将反复向市场弱化近似于这样的基本概念：商业智能BI 就是建模备注格、商业智能BI 不需原始数据仓库透过计算机、传统原始数据仓库透过计算机很落后、商业智能BI 就是自助深入研究、商业智能BI 自助深入研究很有趣、企业Gmail有趣几天招聘就可以学就会并且想怎么深入研究就怎么深入研究...

从市场的广告和成货的并不一定来时说，一般化系列产品的维度和上手重复性的的广告是不必弊端的，有弊端的是以一种错误的请教、不专业人士的请教再行一误导大企业不能接受了这些不正确的基本概念，并以这些不正确的基本概念来评估与建设 商业智能BI 重大项目的建设工程，不必充分预定到 商业智能BI 重大项目建设工程全过程之在此此前或许就会遇上的再一与风险，终于导致重大项目的不出乎意料与失败、反复建设工程。

我们在北京就有一个客户服务之在此此前花了一百多万上了一套所谓的 商业智能BI 重大项目，重大项目上线了一年左右，到终于仅仅推不动，失败了。近期找到为首可原始数据，我们给他们上了为首可原始数据商业智能BI深入研究和平台，这个重大项目我们倒数做了好几期，客户服务还所写了感谢信。之在此此前为什么推不动、重大项目就会失败：不重视原始数据仓库的建设。因为他们的企业是倒数的、变动的，每年的消费都是需动态优化的，原始数据持续上升，深入研究的最深处和广度都是在不断变动，不必一个好的之在此此前上层原始数据指令集来保持平衡，光靠 SQL 取数、建原始数据集成备注格的大体上是不或许保持平衡一家大企业未来 3-5 年甚至越发政府会的企业深入研究消费变动的。

除了这个案例之外，在我的手机上有很多之在此此前上过 商业智能BI 再行一失败、不必做好，找过来闲谈吐槽的历史纪录，是真的系列产品不好吗？我也前提的帮助他们深入研究过：这些系列产品本身有的是 Gartner 魔力现象 Leader 象限的系列产品，你时说系列产品行不行？ 有的系列产品是国际间商业智能 BI 应用领域很多年的据说品牌，你时说系列产品行不行？ 前提来谈论，这些系列产品从我应有并不一定来时说，这些系列产品却是都很模范，系列产品本身是不必过于大弊端的。

弊端在于，这么多从零到一需上 商业智能BI 的大企业不却是一个 商业智能BI 重大项目之在此此前原有还有那么多坑，很多 商业智能BI 代工就会不就会去把这些点给大企业客户服务谈论清楚，一个 商业智能BI 重大项目其实怎么温、之在此此前间有什么样的风险、以后还就会遇上什么样的弊端、某种程度怎么应对这些弊端、有什么样的现代科学和手段... 如果只是为了卖一套 商业智能BI 系列产品或者物件，你明白这些 商业智能BI 成货就会跟客户服务谈论这些东西吗？ 不就会的，有数不就会谈论的再行加过于全，因为这么一谈论把 商业智能BI 重复性谈论过于简单了，一旦不必谈论好，反而减低了客户服务的委以重任。

有的时候不谈论，是因为惧怕谈论简单了，让大企业客户服务权衡周期拉的过于长了。有的时候不谈论，是因为从来不。你不谈论，客户服务不却是，客户服务也不必经验，近期商业智能BI重大项目建设工程就就会成弊端。

原始数据建模 - 为首可原始数据商业智能BI建模深入研究

在一次大就会上，某商业智能BI代工一位极低级售在此此前数据处理应用领域专家在跟客户服务交流会时时说过的一句话：商业智能BI直连不香吗？如此一来连通原始数据集不就可以做深入研究，不需原始数据仓库。无知者星座号，实在听不下去，就打断如此一来沟通了一下。通过沟通，可以判断这个所谓的数据处理应用领域专家大体上不必做过基本的 商业智能BI 重大项目经验，从零到一搭建一个 商业智能BI 重大项目的战斗能力等于零。以这样的一种战斗能力跟客户服务来引导一个 商业智能BI 重大项目，这种 商业智能BI 重大项目的质量能有尽可能吗，能实在的。

这也就是我们为首可原始数据、我应有做视频号《吕品于是有原始数据》的诱因，前提的谈论谈论 商业智能BI、前提的谈论谈论原始数据，受到重视一下我们指成正确的 商业智能BI 经验和基本概念。得知我们广大的 商业智能BI Gmail，商业智能BI 其实某种程度怎么认识到、怎么认知，商业智能BI 其实有什么样的坑需我们的大企业注意。

我们没法时说我们为首可原始数据在 商业智能BI 应用领域谈论的经验和基本概念就一定是换之四海而皆准的，但是我们爱戴任何 商业智能BI 代工或者任何 BI 应有爱好者就 商业智能BI 的一些经验和基本概念来向我们再一，来就让为首可原始数据所受到重视的一些 商业智能BI 经验基本概念其实对不对。如果受到重视的对，时指明这些弊端大家其实都进到了，这些经验和基本概念对于大企业而言就是极好的经验。如果受到重视的不对，不对又是在什么地方，指成来大家一同就让，一同探讨一下，我们还可以为大企业做些什么。

08、备注格物件是怎么来的？

这十几年我依然在数据处理应用领域、数据处理创新应用领域、商业智能BI 零售商店业，依然不必成这个圈。做过 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、、C#.NET )、Object-C 、JS 等等数据处理开发所设计，企业应用程序该系统和平台开发所设计。

以前期后端数据处理很弱，AJAX 的实现也都需手所写，要实现一个备注单内原始数据的点击出版人和更改回需自己用 JS DOM 操作。做备注格大体上就是 JSP、ASP CGI语言在后端结构体 HTML 做循环输成，备注格外形上很原生很虚荣，微微简单一点的备注格备注格外形上都需用 JS 来优化。

那个时候用过的备注格像 Crystal Report 水晶备注格、润乾备注格等等，在后端CGI语言之在此此前有标签如此一来可以引用，备注格分解成代替了大量的手所写编译器。以前期的在此此前后端数据处理是不本家的， 还微微好一些，后端逐步有一些集成控件可以如此一来用到，JAVA 是真不必。上面时说到的这个过渡阶段从在此此前在什么时候呢，2005年在此此前后，2007年我明白已经用到的很广泛了，据说的 CSDN 上某种程度还能找到很多原始的备注格标签帖子。

像据说一批备注格还有像金峰备注格 Jreport、思达备注格 StyleReport 等等在国际间也有一定的市场。以前在 2010 年之在此此前，有些备注格代工的收入规模就已经突破了一个亿，时指明为基础备注格这个市场还是十分极好的。

那个时候的备注格导向是什么，就是纯粹的 Report 备注格，通过应用程序从后台原始元数据之在此此前查阅送回的原始数据分解成 List 再行到后端CGI页面上附加一下就分解成了各种备注格，本来就是用在各个企业应用程序该系统之之在此此前的备注格展示，还远远不必到 商业智能BI深入研究这个数据处理性。

并且还有大量的应用程序开发所设计代工本来已经具备了很强的备注格战斗能力，不过这些备注格战斗能力并不必分开拿成来作为备注格系列产品在市面上运营而已。

逐步的，随着后端数据处理、后端框架的完善，从传统备注格数据处理开始到了各类柱状图、条形图、饼状图的建模展示，到了这个过渡阶段，备注格和商业智能BI的边界越发模糊。为什么？商业智能BI的备注格塑造成战斗能力也就和传统备注格效果粗略相当，还不必成现那种自助深入研究、自助拖曳挥就可以实现较快多维深入研究的战斗能力。

谈论这么多主要想时说的是我们所想到的很多商业智能BI重大项目都是拿备注格思路去实现的，就是 SQL 到原始数据集到后端塑造成。而其实的商业智能BI思路某种程度是什么呢？ 多维思路、仿真思路，这一点决定了一个 商业智能BI 重大项目的再行一走向，中间就会具体谈论到这些点。

09、商业智能BI的所谓 - 大企业企业监管思路的上到

商业智能BI的所谓 - 为首可原始数据商业智能BI建模深入研究和平台

商业智能 BI 其实是什么？数据处理？系列产品？还是其它？我们把对于 BI 的认识到再行提升一个宏观：商业智能 BI 是一家大企业企业和监管思路的上到。这个怎么来认识到呢？有趣来时说，就是在建模备注格上显现的或许就是一家大企业其实关心的或许，这；还有有监管极低层信息化关心的大企业经营性的深入研究加权，也有某具体行政部门的。

10、商业智能BI 和原始数据仓库 Data Warehouse 有什么相异和联系？

经时常进到有人询问商业智能BI和原始数据仓库有什么相异，本来这个弊端的其实能反映成来一些女朋友对商业智能BI的认识到还是有些不准确和偏差，这个弊端本来从基本概念上把BI和原始数据仓库人为的割裂了。这种原因却是也十分正常，因为大家对商业智能BI的第一印象就是各种炫酷的建模图备注、备注格，再行补足市面上有很多轻量的后端建模商业智能BI深入研究物件，就造成大家对BI的认知就可到在建模这部分了。

准确的来时说，商业智能BI不仅仅涵盖后端建模深入研究、备注格塑造成的战斗能力，越发涵盖了之在此此前上层原始数据仓库的建设工程全过程。Gartner 在七十年代上世纪就已经提到了商业智能 Business Intelligence，它越发多的指成：BI是一种原始数据类的数据处理应对解决办法，将许多来自多种不同大企业企业该系统的原始数据提炼出有深入研究效用的原始数据退行清除、转化和载入，就是抽走Extraction、转化 Transformation、载入Loading 的ETL全过程，再行一合并到一个原始数据仓库之在此此前，按照一定的透过计算机方双管将例如Inmon 的3NF 透过计算机、Kimball 的的点透过计算机或者两者都有的分离双管指令集仿真，再行一在这个为基础上再行透过有用的深入研究塑造成物件来过渡到各种建模的深入研究备注格为大企业的监管权衡层备有原始数据权衡保持平衡。

商业智能BI - 为首可原始数据商业智能BI建模深入研究和平台

所以，可以从这里能实在想到原始数据仓库Data Warehouse 的方位是介于建模备注格和之在此此前上层企业该系统原始数据集上端的这一层，在整个商业智能BI重大项目应对解决办法之在此此前起到的是一个承上启下的起着。如果把商业智能BI曾说是一应有的话，上身比如说是脸这个部分就是颜值，躯干脚踏实地吸取大地的精华，之在此此前间这部分的腰腹本体、本体力量就是原始数据仓库。

篮球之神麦克不光光有颜值，长距离战斗能力是顶尖的发挥起着，才就会在上篮的时候有各种让人惊呼的节奏，能实在保持平衡这些节奏却是靠的是什么？就是麦克的腰腹本体力量。

所以，商业智能BI在后端建模深入研究数据处理性要玩成各类精彩的节奏，不必原始数据仓库这个本体力量的保持平衡是能实在做到的。

那大家也就会询问到，市面上不是有很多如此一来链接原始数据集就可以拖曳挥深入研究的商业智能BI物件系列产品吗，不也一样可以做商业智能BI深入研究备注格吗？这种统一的、分开的导向后端的商业智能BI深入研究物件，他们越发多的导向是行政部门级和应有级的商业智能BI 深入研究物件，对于深宏观的需简单原始计算机系统、集成、透过计算机等很多布景是不会应对的。最好的方双管将就是之在此此前上层借助于一套基本的原始数据仓库，把很多深入研究仿真规范化，再行透过这些后端商业智能BI深入研究物件紧密结合上去，这样才能其实的把后端商业智能BI深入研究战斗能力给释换。

很多大企业指成只要买一个后端商业智能BI深入研究物件就可以应对大SSD的商业智能BI所有弊端，这个意见本来也不十分困难的。或许在最开始深入研究布景比较有趣，终端原始数据的维度不是很极低的原因下这类商业智能BI深入研究物件不必弊端。但是在大企业的商业智能BI重大项目建设工程有一个备注现大体上，是一个上端上升的建设工程全过程。因为终端的企业该系统或许就会越发多，深入研究的最深处和广度就会越发多，原始数据的维度也就会越发有可玩性，这个时候不必一个很好的原始数据仓库指令集保持平衡，光靠后端BI深入研究物件大体上是不会搞定的。

原始数据仓库 - 为首可原始数据商业智能BI建模深入研究和平台

就像去之在此此前药店抓药一样，之所以抓药很快，是因为在抓药在此此前，别人已经把各种原生的之在此此前药材（原始原始数据集的原始数据）分门别类清理温净换好了，这样想怎么独创药材（的点加权复合的建模）就很快了。

这样的大企业在国际间有很多，也是因为对商业智能BI认识到的最深处缺少导致了在商业智能BI重大项目建设工程上一些反之亦然的错误，终于导致商业智能BI重大项目能实在继续推退。

所以在大企业之在此此前，我们需完全一致我们的商业智能BI建设工程是导向大SSD的还是应有和行政部门的深入研究文书工作。如果是应有原始计算机系统师，用到这类后端商业智能BI深入研究物件就足实在了。如果是需借助于一个大SSD的商业智能BI重大项目，就没法只关心后端建模深入研究战斗能力这个数据处理性，越发某种程度关心到之在此此前上层原始数据指令集的借助于，也就是原始数据仓库这个数据处理性。

11、原始数据仓库的透过计算机现代科学 Kimball vs Inmon 以及分离指令集

原始数据仓库透过计算机时商业智能BI重大项目建设工程之在此此前的重之在此此前之重，Inmon 的三范双管 3NF 透过计算机和 Kimball 的的点透过计算机都是 商业智能BI 原始数据仓库透过计算机的现代科学，这两种商业智能BI透过计算机的方双管将有什么相异和联系。

12、仅仅开展一个 BI 重大项目的时候对于消费的上到的现代科学

商业智能BI是一个仅仅消费飞轮的，既然是消费就需做对谈和调研。

13、什么样的大企业某种程度要上商业智能 BI 了？

什么样的大企业适合上商业智能BI？看企业为基础数据处理创新程度和日常企业监管的精细程度和基质度。企业为基础数据处理创新程度就是大企业自身的IT企业该系统为基础建设工程，不必企业该系统的保持平衡，做商业智能BI就缺乏原始数据为基础；第二就是企业监管的基质度，大企业自身企业监管程度是不是十分精细了，急需通过商业智能BI来提升企业监管、权衡保持平衡的开发成本。

14、如何极低效的给负责人做 BI 原始计算机系统察看揭示

叫醒商业智能BI重大项目，还要考虑再行一如何跟据说板察看的弊端，借助商业智能BI原始计算机系统思路框架和察看的五个信息化：Gmail企业宏观与范围、文书工作成果、计划指派复盘、弊端应答、展望建设与愿景。

15、商业智能BI与大企业经营监管的紧密结合度

商业智能BI深入研究跟大企业的经营监管深入研究极低度紧密结合，ROE 极低的大企业有或许是利润极低像米酒、珠宝零售商店业，有或许是周转快比如像零售商店零售商店业，也有或许是借贷战斗能力十分强就会透过杠杆，从ROE 认知深入研究看零售商店业备注现大体上。

16、商业智能BI重大项目零售商店业和企业经验的积累

做商业智能BI还须要熟知零售商店业和企业经验，不紧密结合零售商店业企业经验，商业智能BI的重大项目是能实在上到的。

17、关于商业智能 BI 实时性处理的敏感话题

商业智能BI 对原始数据的处理发挥起着一定的滞后性，通常引入T+1模双管，主要诱因是ETL原始计算机系统全过程是需有大量的星期消耗，通常是引入生活空间换星期的方双管将。

将大体上按照商业智能BI 原始数据仓库整体的ETL调配所设计成可按分开加权并基本功能找出忽视的调配就大大上升了对个别加权调配和准实时处理的控制能力。

离线原始数据与实时处理针对的企业布景多种不同，其实的数据处理方双管将实现多种不同，资源顺利退行也多种不同，认识到它们上端的导向相似之处有助于自由选择有用的解决办法以最小的资源顺利退行达到大企业既定顺利退行商业智能BI 重大项目建设工程在此之必要。

。

甘肃早泄阳痿治疗哪家好
广州看白癜风哪里好
安徽白癜风去哪看
北京肛肠检查
杭州妇科检查
胃酸过多吃金奥康管用吗
康恩贝肠炎宁颗粒怎么吃
自家用哪种测血糖仪好些
血糖仪哪个牌子准确
瑞特和拜耳血糖仪哪个准确