睿思BI-多维分析(OLAP)工具介绍
Smartbi 智分析功能详细说明书
Smartbi 智分析功能详细说明书目 录 Contents1.行业背景 (1)2.SMARTBI 智分析产品简介 (3)2.1.产品定位 (3)2.2.产品架构 (5)2.3.客户痛点 (5)2.4.产品价值 (6)2.4.1.成本价值 (6)2.4.2.连接价值 (6)2.4.3.复用价值 (6)2.4.4.生态价值 (7)2.5.产品优势 (7)2.5.1.强管控 (7)2.5.2.全自助 (7)2.5.3.真共享 (8)3.SMARTBI 智分析模块介绍 (9)3.1.数据接入与采集 (9)3.1.1.数据源管理 (9)3.1.2.本地文件上传 (11)3.1.3.元数据管理 (11)3.1.4.权限管理 (13)3.1.5.MPP高速缓存数据库 (15)3.1.6.数据网关 (15)3.1.7.互联网公开数据采集 (15)3.1.8.跨系统数据采集 (15)3.1.9.S AAS平台数据接入 (15)3.2.数据准备 (16)3.2.1.业务主题 (16)3.2.2.自助数据集 (17)3.2.3.自助ETL (20)3.3.数据探索 (22)3.3.1.即席查询 (22)3.3.2.透视分析 (23)3.3.3.多维数据分析 (24)3.4.数据分析 (25)3.4.1.自助仪表盘 (25)3.4.2.电子表格报表 (28)3.4.3.E XCEL融合分析 (35)3.4.4.数据挖掘 ··············································································· 错误!未定义书签。
OLAP简介
OLAP是一个赋予动态的、企业分析的名词，这些分析是注释的、熟悉的、公式化数据分析模型的生成、操作、激活和信息合成。
能够在变量间分辨新的或不相关的关系，能够区分对处理大量数据必要的参数，而生成一个不限数量的维和指明跨维的条件表达式。
OLAP是针对特定问题的联机数据访问和分析。
通过信息（维数据）的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
OLAP特点：1．假定性：需要初始的假设来给出导航数据分析的方向，最终用分析的结果来验证初始的假设。
2．快速性：用户对OLAP的快速反映能力有很高的要求。
3．可分析性：能处理与应用有关的任何逻辑分析和统计分析。
用户可以在OLAP平台上进行分析，也可以连接到其他外部分析工具上。
4．多维性：是OLAP的关键属性，系统提供对数据分析的多维视图和分析，如对层次维和多重层次维完全支持。
5．信息性：系统能及时获取信息，并能管理大容量的信息。
OLAP分类：1．关系OLAP（ROLAP）结构：使用关系或扩充关系DBMS存放并管理数据仓库，采用基于稀疏矩阵表示方法的星形结构或雪花结构存储多维数据，数据检索比MOLAP低效。
2．多维OLAP（MOLAP）结构：核心是其数据存储采用矩阵（可能是多维方阵）方式，数据检索高效。
3．混合OLAP（HOLAP）结构：结合ROLAP和MOLAP技术，在MOLAP立方体中存储高级别的聚集，在ROLAP中存储低级别的聚集。
4．桌面OLAP结构：没有自己的数据存储库，把用户的查询翻译为对数据源的查询，然后再把结果合成返回给用户。
5．客户OLAP：相对与Server OLAP，把部分数据下载到本地，为用户提供本地的多维分析。
OLAP常用分析方法：1．数据切片（Slicing）和数据切块（Dicing）2．钻取：数据上钻（Drilling-up）、数据下钻（Drilling-down）、数据上卷（Rolling-up）3．数据旋转（Pivoting/Rotating）-概括来说，数据仓库系统是指具有综合企业数据的能力，能够对大量企业数据进行快速和准确分析，辅助做出更好的商业决策的系统。
联机分析处理系统OLAP概述
ＯＬＡＰ概述 OLAP分析，又称多维分析，是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。
OLAP也可以简单定义成使用户能够以多维视图分析数据的工具。
通常用来进行多维分析的维有时间、地点、产品、度量值（如销售额）等。
例如，在销售经理查看销售数据时，他可能想了解某个产品在某个地区、某段时间的销售额，并通过交叉表的功能来按不同的维对销售数据进行分析和通过挖掘功能来了解深层次的信息。
图3-20：数据的多维形式通过三维方式展现数据，并在此基础上进行分析，能够揭示出在二维方式下隐藏的关系；并通过方便的数据导航功能，使用户更易比较数据变量之间的关系，从而可以发现数据中隐藏的信息。
关系型数据库往往不能支持对数据进行逻辑分析和统计分析。
而采用OLAP系统，用户无须编程就可以定义新的逻辑、统计等方面的计算，并可将其做为分析的一部分，并以用户理想的方式给出报告。
用户可以在OLAP平台上进行数据分析，也可以连接到其他外部分析工具上，如时间序列分析工具、数据挖掘工具等。
ＯＬＡＰ产品根据其实现多维分析的技术以及要实现的目标而分为三类： （１）、ＭＯＬＡＰ（多维联机分析处理）。
ＭＯＬＡＰ将事务型数据进行综合，通过多维结构的“立方体”的数据结构来储存经综合的数据。
ＭＯＬＡＰ通过其层次型数据库及在内存内的索引来保障数据访问的性能。
用户可以利用数据导航工具来进行钻取、交叉查询及产生关于“立方体”的报告。
根据ＭＯＬＡＰ的技术特点，ＭＯＬＡＰ擅长于对一定数量的数据进行大量、复杂、快速的、反复的分析。
ＭＯＬＡＰ通常用来进行假设分析和问题求解，如在预算应用中。
图3-21：MOLAP架构图（２）、ＲＯＬＡＰ（关系型联机分析处理）。
ＲＯＬＡＰ在分析数据是直接到关系型数据库中取数据，而不建立自己的“立方体”。
oracleBI入门学习(概念杂谈)
昨天学了几个新名词,今天来做一些了解.BIBusiness Intelligence（BI ）商务智能IDC 将商业智能定义为下列软件工具的集合：终端用户查询和报告工具。
专门用来支持初级用户的原始数据访问，不包括适用于专业人士的成品报告生成工具OLAP 工具。
提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。
OLAP 也被称为多维分析数据挖掘（Data Mining ）软件。
使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。
数据集市（Data Mart）和数据仓库（Data Warehouse产品。
包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。
主管信息系统（EIS，Executive Information System）这个定义应该是比较学术了，客户多半不明白。
其实BI 通俗来讲就是收集相关信息并加以分析，以帮助您做决策。
成功的BI 系统多采用了数据仓库技术。
商业智能的三个层次来自：中国计算机报经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP、OA 等基础信息化系统。
这些系统的统一特点都是:通过业务人员或者用户的操作，最终对数据库进行增加、修改、删除等操作。
上述系统可统一称为OLTP（Online Transaction Process在线事务处理），指的就是系统运行了一段时间以后，必然帮助企事业单位收集大量的历史数据。
但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。
业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。
此时，如何把数据转化为信息，使得业务人员（包括管理者）能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。
如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。
简单说，报表系统已经可以称作是BI 了，它是BI 的低端实现。
商务智能OLAP
DB
基础数据 元数据 计算结果
SQL 多维综合引
存取
擎
多维 存取
多维 视图
DW
RDBMS服务器
关系型OLAP 服务器
客户
MOLAP的多维立方体(Multicube)
基于多维数据库(MDDB)的OLAP－MOLAP
•OLAP服务器：存储OLAP服务软件和多维数据库 •MDDB存储：采用“超立方体”形式 •MDDB存取：多维操作
东 北
冰 50 箱
彩 40 电
空 90 调
多维数据库中综合数据的存放
冰箱 彩电 空调 总和
东北 50 40 90 180
西北 60 70 120 250
华北 100 80 140 320
西华 北北 60 100
70 80
120 140
总和 210 190 350 750
产品名称
冰箱 冰箱 冰箱 冰箱 彩电 彩电 彩电 彩电 空调 空调 空调 空调 总和 总和 总和 总和
多维性:多维性是OLAP的关键属性。系统必须提供对数据的多维 视图和分析,包括对层次维和多重层次维的完全支持。
信息性:不论数据量有多大，也不管数据存储在何处，OLAP系统 应能及时获得信息，并且管理大容量信息。
OLAP工具的分类标准
分成多维数据库工具（MOLAP）、关系型数据库工具（ROLAP）和桌 面型数据库工具。
什么是OLAP？
定义1 ：OLAP(联机分析处理)是针对特定问题的联机数据访 问和分析。通过对信息(维数据)的多种可能的观察形式进行快 速、稳定一致和交互性的存取，允许管理决策人员对数据进行 深入观察。
定义2 ：OLAP(联机分析处理) 是使分析人员、管理人员或执 行人员能够从多种角度对从原始数据中转化出来的、能够真正 为用户所理解的、并真实反映企业维特性的信息进行快速、一 致、交互地存取，从而获得对数据的更深入了解的一类软件技 术。(OLAP委员会的定义)
OLAP组件及BI工具选型建议
第1章. OLAP组件及BI工具选型建议本章将针对OLAP组件需求和BI工具需求，提出我们的选型建议。
1.1OLAP多维分析组件比较与选型1.1.1OLAP多维分析组件比较主流的多维分析产品主要有Hyperion Essbase OLAP Server、Cognos PowerCube，根据邮政业务量收管理系统技术需求，下面比较如下：1.1.2OLAP组件选型建议从以上的分析比较可以看出，Essbase在多维分析能力上完全占有优势，具有PowerCube不具备的很多功能和优点，建议选择Hyperion Essbase OLAP Server作为多维分析（OLAP）服务器。
1.2BI前端展现工具比较与选型1.2.1BI工具比较主流的前端展现产品主要有Cognos PowerPlay、BRIO Inteligence，下面比较该三种产品满足技术规范书的满足程度：1.2.2BI工具选型建议从以上的分析比较可以看出，Cognos PowerPlay系列产品在多维分析展现能力上完全占有优势，且是多维分析前端展现工具的标准，具有BRIO不具备的很多功能和优点，建议选择Cognos EnterPrise Server、Cognos PowerPlay作为多维分析（OLAP）前端展现工具。
1.3多维分析产品-ESSBASE介绍Hyperion Essbase OLAP Server是Hyperion公司的旗舰产品之一，97/98/99连续三年OLAP产品市场占有率第一，99年市场份额是第二名(Oracle Express)的2倍，并被IBM、ComShare等公司选为自己产品的技术核心。
Hyperion Essbase OLAP 服务器是企业用于作报告，分析，作模型和计划应用的策略平台。
它能支持多用户的读写访问，大规模的数据容量，强健的分析计算和复杂的OLAP查询。
Hyperion Essbase 能在以网络为中心的计算环境中提供直观的多维数据探询和连续快速反应的时间。
什么是BI
什么是BI？商业智能也称作BI，是英文单词BusinessIntelligence的缩写。
商业智能的概念最早在1996年提出。
当时将商业智能定义为一类由数据仓库〔或数据集市〕、查询报表、数据分析、数据挖掘、数据备份和恢复等局部组成的、以关怀企业决策为目的技术及其应用。
目前，商业智能通常被理解为将企业中现有的数据转化为知识，关怀企业做出明智的业务经营决策的工具。
那个地点所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和需求商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。
而商业智能能够辅助的业务经营决策既能够是操作层的，也能够是战术层和战略层的决策。
为了将数据转化为知识，需要利用数据仓库、联机分析处理〔OLAP〕工具和数据挖掘等技术。
因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
图1商务智能的开展因此，把商业智能瞧成是一种解决方案应该比立恰当。
商业智能的要害是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后通过抽取〔Extraction〕、转换〔Transformation〕和装载〔Load〕，即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此根底上利用适宜的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理〔这时信息变为辅助决策的知识〕，最后将知识呈现给治理者，为治理者的决策过程提供支持。
图2商务智能的原理BI的选型要选型，首先要了解目前市场上主流的BI产品：数据库方面，有DB2、Oracle、SQLServer、Teradata，早先还有专门用于数据仓库的Redbrick〔被IBM收编以后，退出历史舞台〕。
ETL工具上，像Datastage、Powercenter根基上比立主流的，此外，还有许多公司也有自己的ETL产品，例如SAS的ETLServer、BO的DataIntegrator 等。
BI-商务智能功能模块详解
BI Business Intelligence 商业智能AI Artificial Intelligence 人工智能NN Network Node 网络结点OLAP On-Line Analytical Processing 联机分析技术OLTP 联机事务处理产品案例①BI.Office是由菲奈特软件公司自行研发的商业智能平台产品，其核心技术是商业智能（Business Intelligence）相关技术，包括数据仓库/ 联机分析处理/ 数据挖掘等技术，以及报表处理、数理统计、AI、NN、经济学、管理学等，在目前国内市场的商业智能技术和产品中，处于领先水平。
BI.Office采用业内先进的Web Service技术架构，实现基于Web的分布式组件应用，保证了平台独立和较强的伸缩能力，同时最大程度地独立于软件厂商，保证了客户投资和系统升级能力。
BI.Office实现了多种数据源的无缝集成，支持IBM、Microsoft、Oracle等不同类型的OLAP Server，同时支持对OLAP、OLTP和数据仓库的集成访问。
【技术层次】BI. Office 在研发过程中成功应用了XP、RUP和MSF等软件工程理论，把国外成熟的过程控制理论综合应用到了软件产品的生命周期中。
【编程规范有利于软件的升级维护】BI.OFFICE——基于Web Service架构先进的产品技术框架设计，技术架构基本上分为四层：客户端用户图形界面、Web Service Runtime层、业务逻辑层（远程组件）和数据库访问层【产品架构】产品功能特点1.查询清晰的查询结果格式预览，分离查询的格式和数据信息；业界最流行的两种OLAP钻取方式，分别是层叠式和覆盖式；先进的多维查询操作方式，提供三个轴的灵活定制，包括旋转、分页、切片等；表格和图形的信息互动，多表多图可同时实现查询钻取功能；提供自定义指标和自定义维成员等OLAP扩展功能，弥补实施过程的遗漏，同时能支持复杂的工业函数和用户扩展的分析要求；集成的OLAP和OLTP查询；2.报表灵活的报表排版和编辑功能，支持图形、表格、分析报告等多种报表元素的组合；报表内容可打印和导出，实现和OA等外部系统的有效集成；3.告警监控基于OLAP的告警规则设定，让企业决策者快速准确地定位关键数据所在；提供多种分析工具辅助告警规则的定制，包括预测、WhatIF分析、盈亏平衡点分析，同时提供关联规则的指导；对告警监控的结果数据提供多种分析手段，如指标明细分析、WhatIF分析、盈亏平衡点分析、关联分析、数据挖掘分析，发现告警数据背后的更深层次信息；提供告警规则集的定制功能，在更高的逻辑层次上封装多条告警规则，实现更复杂的告警条件组合，满足金融、保险等商业领域的复杂需求；4.关联分析提供多种关联分析功能，延续用户的假设性推理思路；基于OLAP的对照式关联分析，可进行灵活的区域定位分析和明细分析，模拟业务分析人员的分析思路，定位具体问题，或从多角度深化演绎推理过程；报表级别的关联分析，可灵活定制不同的关联路径；指标级别的关联分析，可跨分析主题进行指标关联，辅助实现跳跃式和引导式的关联分析过程；5.经济指标分析提供金融、保险、证券等行业内特有的盈亏平衡点分析；提供敏感系数分析，辅助决策人员定位关键性的因子指标；提供增强性的WhatIF分析，用于假设推理和趋势分析；各种经济指标分析工具能辅助分析人员准确地定制告警阈值；6.统计分析多种业内流行的现状分析方法，包括8020分析、绝对值分布分析、比重分析、排序分析、平衡性分析、方差分析、80/20区间分析、进度分析、强度分析、异常值分析，等等；辅助决策人员对企业现状进行全面综合的分析；业内流行的发展分析方法，包括基比分析、环比分析、增长率分析、同期比分析；辅助决策人员对企业的发展趋势进行分析和预测；7.数据挖掘决策树（Decision Tree）算法和神经网络（NN）算法的成功研发；提供多种专家评分方法，可构造多个指标的综合评分模型，提供给业务分析人员或行业专家使用；运用自研发的决策树算法实现分类模型，运用于告警分析，挖掘出隐藏在告警现象背后的商业规律；同时分类模型可应用于报表分析过程，预告分析对象可能出现的特殊情况，提前发现商机或预知风险；决策树分类方法可独立于告警结果运行，展现完整的数据挖掘应用流程，提供给专业分析人员使用；基于多种时间序列算法的趋势预测模型；基于多元回归算法的线性或非线性预测模型；决策树分类模型和各种预测模型可应用于缺失值的估算；8.自动化和反馈灵活且标准的自动化任务定制功能，提供查询报表的自动生成，满足客户每日报表、每周报表、每月报表等需求的实现；贴近客户商业运作模式的信息反馈功能，可把分析报告发送给相关人员查阅；9.权限控制基于用户－角色－功能－资源的权限控制机制，提供用户跨角色的资源合并策略，更贴近客户的实际需求；平台内部统一实现了权限控制和管理，脱离OS的限制；并可通过管理工具实现灵活配置；10.应用闭环平台级体现应用闭环，定义问题－发现问题－分析问题，更贴近用户的分析思维，先假设－分析－再假设－再分析；以告警规则和关联规则为核心资源的信息互用体现在整个闭环应用中；总结：商务智能的版本很多，基本上所有的都包括一下几个部分：1.数据源与数据提取（技术特点：ETL数据抽取，转换，装载）2.数据仓库（主要包括元数据和经过ETL的业务数据）3.访问工具4.决策支持工具（即席查询、报表、在线分析处理、数据挖掘等）5.商务智能应用（如利润成本分析、资产分析、营销分析等，各种业务的分析是根据各级决策者的需求，从数据仓库提取数据，分析处理）6.系统管理（安全管理（用户和权限）、数据管理与更新、数据维护与监控、数据容量规划等）7.元数据管理（技术元数据与业务元数据）THANKS !!!致力为企业和个人提供合同协议，策划案计划书，学习课件等等打造全网一站式需求欢迎您的下载，资料仅供参考8.。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
-2-
导入睿思BI商业智能系统
导入BI的过程主要为：
1. 建立和主题域相关的数据立方体，立方体由度量和维组成，比如销售类立方体，包含销售
数量、销售金额等度量，以及销售时间、地点、商品、顾客等维度。
2. 通过ETL工具导出经营数据，数据来源于数据库、EXCEL表、POS系统等数据源，ETL工具
每段时间（比如每天、每小时）从目标数据源导入数据到BI数据仓库中。
-5-Leabharlann 从年钻取到月份1. 点击2012年前的加号； 2. 选择月份维度；
实际效果
-6-
在月份上计算同比
1. 从立方体中拖拽同比到指标区域；
实际效果
实际效果
-7-
对同比按月排序
1. 点击收入同比右边的菜单，点击排序，选择升序；
实际效果
-8-
在收入同比最大的月份上钻取到商品
1. 点击同比最大的月份左边的按钮； 2. 选项二级菜单进行钻取；
1. 在图形钻取维上点击年度；
效果图
-12-
插入图形组件
1. 点击插入菜单，选择插入图形子菜单； 2. 在弹出的插入图形对话框中选择柱状图；
生成图形组件界面
-13-
生成地域收入对比图
1. 拖拽维度分店到横轴； 2. 拖拽指标实际收入到纵轴；
效果图
-14-
按年分析地域收入对比图
1. 拖拽年度维度套图例；
多维分析 工具
-3-
多维分析工具介绍
睿思BI-多维分析工具简单易用，用户无需编写任何的代码，就能查询出自己想要的 结果，并且支持下钻上卷、排序过滤、求和导出等功能，
菜单栏
操作区域
立方体的度量(橙色)及维度(蓝色)
-4-
按年查询商品销售情况
1. 拖拽年度到行标签； 2. 拖拽实际收入到指标区域；
实际效果
效果图
-15-
数据导出到EXCEL
1. 点击菜单栏导出按钮； 2. 在导出数据的面板中选择EXCEL； 3. 点击确定按钮；
-16-
谢谢观赏！
北京睿思科技有限公司 2013年12月
睿思BI 多维分析(OLAP)工具介绍
北京睿思科技有限公司 版权所有
现状
随着企业信息化建设的逐渐完善，老板认识到信息化的益处后，对信息化相关人员要求也 越来越高。比如他可能问您的问题： 去年卖的最好的商品是什么？卖的最差的商品又是什么？ 帮我查询今年销量比去年增加30%的商品列表？ 我想看看最近12个月某几个商品的销售趋势对比，以及环比趋势对比？ 启用促销手段后，销售收入和销售数量有一个什么样的变化？哪些商品变化大？ 卖的最好的商品占用多少库存，卖的最差的商品又占用多少库存，如何进行优化？ 。。。 。。。 在企业未导入BI系统之前，回答这样的问题可能只有一次次的查询SQL，出报表，不光效 率低下而且容易出错。
实际效果
-9-
查询在2012年2月收入同比大于65%的商品
1. 点击收入同比右边的按钮，选择筛选菜单； 2. 在弹出的对话框中输入图中内容；
实际效果
-10-
根据表格数据生成图形
1. 点击收入同比右边的按钮，选择图形菜单； 2. 在弹出的对话框中点击取得按钮；
生成图形
-11-
在图形上从商品上卷到年度
3. 存入BI系统的原始数据，经过ETL工具的清洗，预处理后，把数据按立方体的要求写入立方
体中，并且也支持定时写入。
4. 管理者及业务人员通过前台多维分析工具访问立方体数据，多维分析工具纯B/S架构，不
用安装客服端，并且支持表格，曲线图、饼图、柱状图、仪表盘等多种展现方式。
数据源
数据仓库
ETL调度
立方体 （DM）