敏捷商业智能--多元数据融合

敏捷商业智能—多元数据融合技术

敏捷商业智能简介

自从神奇的“啤酒搭着尿布卖”的故事在企业内传播后，商业智能的逐渐进入企业经理人的视野。它的出身从一开始就贴上了高端、复杂等标签，众多企业对其除了惊叹以及震撼之余，对其高昂的费用以及漫长的实施过程都望而却步。如何让商业智能落地、真正让企业感受其使用价值，敏捷商业智能应用而生。 敏捷商业智能的目的就是帮助商业智能项目的实施者能够以更低的费用、更快的速度对商业需求做出反应，建立一套能够快速反应、适应变化的敏捷商业智能应用。其重点强调是整个商业智能项目全过程的敏捷化，将敏捷、灵巧、健壮的特性贯穿于企业业务模型开发和设计，数据分析，实施团队和基础架构的所有环节。 另外在敏捷商业智能应用中，业务人员应当被尊重并能够对包括数据模型、仪表盘、报表等在内资源具有更有效的控制能力。因此敏捷商业智能应用为业务人员提供更多的自助型操作平台以便他们可以自己定制符合业务需求的信息，帮助快速制定决策。

S tyle Intelligence之多元数据融合技术出处

许多企业或机构中，都已经存在业务各种系统，而且往往不止一个业务系统。比如，ERP 系统，CRM 系统，HR 人力资源系统，电子商务系统，OA 办公系统，等等。并且积累了大量的数据、各个系统都有着自己的查询、分析、报表等功能，但如果想要集中地对数据进行管理和分析，就很不方便。

就拿北京各银行的储蓄业务来说，如今各家都拥有了联网的储蓄系统，再要获得市场竞争的优势，就需要在决策上下功夫，例如在业务密集地区增设自助网点、推出有针对性(如：某类职业圈、某年龄段) 的储蓄服务计划。这些决策需要对大量的业务数据包括历史业务数据进行分析才能得到。

从管理者的角度往往还不止是需要简单地看到各个业务系统的数据，而是需要对这些数据进行综合的汇总、分析、监测等等。比如，管理者想了解各个地区的销售代表人均销售额是多少，销售收入与成本比是多少，这些数据就要分别来自ERP 系统、CRM 系统、HR 系统。因此，在这种情况下很多企业和机构都有着强烈地对数据进行抽取和采集的需求，将不同业务系统的数据进行统一的整理和管理，从而能够进行集中的、综合的查询、分析等等。

Style Intelligence敏捷商业智能平台中的多元数据融合技术就提供了高效和灵活的数据抽取与数据采集功能。多元数据融合技术可以支持从多种异构的数据库中进行数据抽取，包括ORACLE 、DB2、

SQLSERVER 、等各种数据库，可以从其他数据来源如EXCEL 、应用系统接口中获取数据，也可以从企业中已有的数据仓库中获取数据。多元数据融合技术针对实际情况的不同，采取不同的数据采集策略，比如全部复制、增量复制等。

多元数据融合的特点

1．面向数据的灵活性

在传统商业智能实施时，往往会对企业内部的信息规范化有很高的要求，比如整理编码、规范数据等。企业的业务数据在此过程中被ETL 抽取加载到集中的数据仓库中保存，形成统一的数据视图由业务人员查询使用。

这种集中规范的方式本身并没有错误，尤其对于一些业务稳定、发展缓慢的企业是一种不错的选择。但是更多的企业并不符合这样的条件，在这些企业中，即使能在某一个时间点上形成一个可用的统一数据视图，也很快会由于业务的快速发展而面临再次重建数据视图的过程，而这样的过程反反复复地进行本身就是对企业原有资源和资金的一种浪费。

而在多元数据融合的多层次融合架构下，企业可用将已有的数据仓库、新出现的业务数据、用户临时的自

定义数据等各类数据信息在一个统一的操作视图中进行使用，而完全不用关注这些数据的来源出处等技术

细节。企业也可以在新业务逐渐稳定时将新业务逐步融入原有数据仓库或新的数据仓库，而不是一旦有新业务出现就需要重建原有数据仓库。

这种面向数据的灵活性使得企业无需将商业智能建设的主要精力放在ETL 等基础建设上，而可以更快速、更灵活地利用既有和新建数据资源为企业立即产生有价值的信息和知识。

2. 面向业务的敏捷性

传统商业智能中，在数据仓库建设之初，就需要通过需求分析等手段进行数据和业务模型的设计和建立。而数据模型一般都会与业务模型相对应，从而使业务人员在使用这些数据信息时更加方便。

然而企业内部的业务模型并不是恒久不变的，尤其是企业分层、业务归并关系、业务分析模型等更是会随着企业管理思路的调整而不断调整，这样一来，基于业务模型建立的传统数据仓库就会不断面临调整和变更，而对应的ETL 过程也会不断被重新设计和实施。

而在多元数据融合的多层次业务模型中，企业可以更灵活地处理“变”和“不变”的数据信息，从而使数据信息的高效处理和业务模型的敏捷搭建成为可能。