商业智能架构

BI体系结构的重要性

业务智能体系结构阐明了技术标准和数据管理以及支持组织BI工作的分析实践，以及将要部署的特定平台和工具。它是收集、组织和管理BI数据的技术蓝图，然后使这些数据可用于分析，数据可视化和报告。强大的BI体系结构还包含策略来管理技术组件的使用。

将这样的框架置于适当的方面使BI团队能够以协调和纪律的方式工作，以构建符合其组织的数据分析需求的企业BI程序。BI架构还有助于BI和Data Managers创建一个有效的处理，用于处理和管理所删除的数据。

通过使用生成的见解，企业可以从有效的BI体系结构中获益商业智能工具制作有助于增加收入和利润的数据驱动的决策。为确保其需求，C-Suite高管，商业经理和其他依赖数据分析的商业用户，以制定战略和指导其决策应在创建架构方面具有股份。

商业智能架构组件和图表

BI架构可以部署在本地数据中心或云中。在任何一种情况下，它包含一组核心组件，它集中支持BI过程的不同阶段，从数据收集，集成，存储和分析到数据可视化，信息传递和BI数据在业务决策中的使用。

如伴随商业智能架构图所示，核心组件包括以下项目。

• 源系统。这些都是捕获和保存事务和操作数据的所有系统，这些数据被确定为企业BI计划的关键——例如，ERP、CRM、金融、制造和供应链管理系统。它们还可以包括二手来源，如来自外部信息提供者的市场数据和客户数据库。因此，内部和外部数据源通常都合并到BI体系结构中。

数据源选择过程中的重要标准包括数据相关性、数据流通性、数据质量以及可用数据集的详细程度。此外，可能需要组合结构化、半结构化和非结构化数据类型，以满足执行人员和其他业务用户的数据分析和决策需求。

• 数据集成和清理工具。为了有效地分析为BI程序收集的数据，组织必须集成和合并不同的数据集，以创建它们的统一视图。应用最广泛的数据集成BI应用的技术是提取、转换和加载(ETL)软件，它在批处理过程中从源系统提取数据。ETL的一种变体是提取、加载和转换(ELT)，其中数据按原样提取和加载，然后进行转换，以用于特定的BI用途。其他方法包括实时数据集成，如更改数据捕获和流集成，以支持实时分析应用程序，以及数据虚拟化，虚拟地组合来自不同源系统的数据。

BI架构通常还包括数据分析和数据数据清理用于识别和修复数据质量问题的工具。它们帮助BI和数据管理团队提供适合BI使用的干净且一致的数据。

• 分析数据存储:这包含了存储和管理BI数据的各种存储库。主要的是一个数据仓库，这通常将结构化数据存储在关系，柱状或多维数据库中，并使其可用于查询和分析。企业数据仓库也可以绑定到更小数据集市为各个部门和业务单位设置，具有特定于其双人需求的数据。

此外，BI体系结构通常包括一个操作数据存储，它是数据进入数据仓库之前的临时存储库;ODS还可以用于对最近的事务数据运行分析查询。根据BI环境的大小，数据仓库、数据集市和ODS可以部署在单个数据库服务器或单独的系统上。

一个数据湖运行在Hadoop集群或其他大数据平台上的数据也可以作为各种类型的原始数据存储库合并到BI架构中。数据可以在数据湖中进行分析，也可以过滤并加载到数据仓库中进行分析。一个计划良好的体系结构应该指定哪个不同的数据存储最适合于特定的BI用途。

• BI和数据可视化工具。用于分析数据和向业务用户提供信息的工具包括一套可以内置于BI体系结构的技术套件 - 例如，ad hoc查询，数据挖掘和在线分析处理，或OLAP、软件。此外，还在不断增长采用自助服务BI工具使企业分析师和经理能够自己运行查询，而不是依赖BI团队的成员，以便为他们那样。

BI软件还包括数据可视化工具，可用于创建数据的图形表示，以图表、图表等形式类型的可视化设计用于说明数据集中的趋势、模式和离群元素。

• 仪表板、门户和报告。这些信息交付工具使业务用户可以看到BI和分析应用程序的结果，它们具有内置的数据可视化，通常还具有执行额外数据分析的自助服务功能。例如,BI仪表板在线门户网站都可以设计为提供具有可配置视图的实时数据访问和钻取数据的能力。报告倾向于以更静态的格式呈现数据。

其他日益成为业务体系结构一部分的组件包括数据准备用于组织和组织用于分析的数据的软件，以及元数据存储库、业务术语表和数据目录，这些都可以帮助用户找到相关数据，并理解其沿袭和意义。