即席查詢分析論文

1、即席查詢分析論文 1商業(yè)智能的概念 商務(wù)智能是20世紀(jì)90年代末首先在國外企業(yè)界出現(xiàn)的一個術(shù)語，其代表為提高企業(yè)運(yùn)營性能而采用的一系列方法、技術(shù)和軟件。它把先進(jìn)的信息技術(shù)應(yīng)用到整個企業(yè)，不僅為企業(yè)提供信息獲取能力，而且通過對信息的開發(fā)，將其轉(zhuǎn)變?yōu)槠髽I(yè)的競爭優(yōu)勢?；ヂ?lián)網(wǎng)數(shù)據(jù)中心IDC（InternetDataCenter）將商業(yè)智能BI（BusinessIntelligence）定義為多種軟件工具的集合。其中包括終端用戶查詢和報告工具。該專門用來支持初級用戶的原始數(shù)據(jù)訪問，不包括適用于專業(yè)人士的成品報告生成工具。OLAP工具。提供多維數(shù)據(jù)管理環(huán)境，其典型的應(yīng)用是對商業(yè)問題的建模與商業(yè)數(shù)據(jù)分析。O

2、LAP也被稱為多維分析。數(shù)據(jù)挖掘（DataMining）軟件。使用諸如神經(jīng)網(wǎng)絡(luò)、規(guī)則歸納等技術(shù)，用來發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系，做出基于數(shù)據(jù)的推斷。主管信息系統(tǒng)(EIS，ExecutiveInformationSystem)。以及數(shù)據(jù)集市(DataMart)和數(shù)據(jù)倉庫（DataWarehouse）產(chǎn)品。包括數(shù)據(jù)轉(zhuǎn)換、管理和存取等方面的預(yù)配置軟件，通常還包括一些業(yè)務(wù)模型，如財(cái)務(wù)分析模型。 2數(shù)據(jù)倉庫的實(shí)現(xiàn) 數(shù)據(jù)倉庫不同于企業(yè)現(xiàn)有的操作型數(shù)據(jù)庫，他是一種面向分析型數(shù)據(jù)處理的技術(shù)。它是對多個異構(gòu)的數(shù)據(jù)源的高度有效的集成，集成后然后再按照主題進(jìn)行重組，并包含歷史數(shù)據(jù)，一般情況下存放在數(shù)據(jù)倉庫里的數(shù)據(jù)不再需要經(jīng)

3、過修改。我們的傳統(tǒng)數(shù)據(jù)庫技術(shù)是以單一的數(shù)據(jù)資源，即數(shù)據(jù)庫為中心，進(jìn)行從事務(wù)處理、批處理到?jīng)Q策分析等各種類型的數(shù)據(jù)處理工作。不同類型的數(shù)據(jù)有著不同的處理特點(diǎn)，以單一的數(shù)據(jù)組織方式進(jìn)行組織的數(shù)據(jù)庫并不能反映這種差異，特別是滿足不了現(xiàn)代商業(yè)企業(yè)數(shù)據(jù)處理多樣化的要求。隨著數(shù)據(jù)庫應(yīng)用的廣泛普及，人們對數(shù)據(jù)處理的這種多層次特點(diǎn)有了更清晰的認(rèn)識?？偨Y(jié)起來，當(dāng)前的商業(yè)企業(yè)數(shù)據(jù)處理可以大致地劃分為兩大類：操作型處理和分析型處理。操作型處理，通常是對一個或一組記錄的查詢和修改，主要是為企業(yè)的特定應(yīng)用服務(wù)的，人們關(guān)心的是響應(yīng)時間、數(shù)據(jù)的安全性和完整性。分析型處理則用于商業(yè)企業(yè)管理人員的決策分析。兩者之間的巨大差異使

4、得操作型處理和分析型處理的分離成為必然。這種分離，劃清了數(shù)據(jù)處理的分析型環(huán)境與操作型環(huán)境之間的界限，從而由原來的以單一數(shù)據(jù)庫為中心的數(shù)據(jù)環(huán)境發(fā)展成為一種新環(huán)境：體系化環(huán)境。 3數(shù)據(jù)倉庫的體系架構(gòu) 數(shù)據(jù)倉庫系統(tǒng)包括四大部分：數(shù)據(jù)裝載、數(shù)據(jù)管理、信息訪問和系統(tǒng)管理與維護(hù)。它描述了數(shù)據(jù)倉庫系統(tǒng)的數(shù)據(jù)源(即業(yè)務(wù)系統(tǒng)或者其它OLTP系統(tǒng))、相應(yīng)的數(shù)據(jù)轉(zhuǎn)換ETL(Extraction、Transformation、Loading)過程(指把數(shù)據(jù)從數(shù)據(jù)源轉(zhuǎn)換并加載到中央數(shù)據(jù)倉庫的過程)、中央數(shù)據(jù)倉庫、對數(shù)據(jù)倉庫信息的訪問(通過一般的OLAP工具進(jìn)行訪問或者進(jìn)行數(shù)據(jù)挖掘等)、以及對整個數(shù)據(jù)倉庫系統(tǒng)的管理與維護(hù)

5、(元數(shù)據(jù)服務(wù)、數(shù)據(jù)庫建模與管理、系統(tǒng)管理、操作管理、專業(yè)技術(shù)服務(wù)等)。從這個框架結(jié)構(gòu)圖可以清楚地看出，數(shù)據(jù)倉庫系統(tǒng)是一個由許多產(chǎn)品、模塊、及服務(wù)構(gòu)成的復(fù)雜解決方案，而決非某一個單純的產(chǎn)品。 4即席查詢 在數(shù)據(jù)倉庫領(lǐng)域里，有一個概念叫Adhocqueries，英文定義為（Anon-standardinquiry.Anadhocqueryiscreatedtoobtaininformationastheneedarises.）中文一般翻譯為”即席查詢”。即席查詢是指那些用戶在使用系統(tǒng)時，根據(jù)自己當(dāng)時的需求定義的查詢。 那么即席查詢和我們通常的查詢有什么樣的區(qū)別呢？單從sql語句上來說，他們之間的不

6、同之處在于，通常查詢在我們的系統(tǒng)設(shè)計(jì)與實(shí)施的時候，他的內(nèi)容我們是已知的，我們可以在系統(tǒng)實(shí)施的時候通過多種技術(shù)來優(yōu)化這些查詢，例如建立索引，分區(qū)等，我們可以使得這些查詢的效率非常的高，然而即席查詢是用戶在使用的時候臨時產(chǎn)生的，系統(tǒng)根本無法預(yù)先優(yōu)化這些查詢，所以，對于此類的查詢是評估我們數(shù)據(jù)倉庫的一個非常重要的指標(biāo)。 即席查詢生成的方式很多，最常見的就是使用即席查詢工具。一般的數(shù)據(jù)展現(xiàn)工具都會提供即席查詢的功能。通常的方式是，將數(shù)據(jù)倉庫中的維度表和事實(shí)表映射到語義層，用戶可以通過語義層選擇表，建立表間的關(guān)聯(lián)，最終生成SQL語句。 OracleDiscoverer是一種直觀的即席查詢、報表、分析和W

7、eb發(fā)布工具，它使企業(yè)的各級業(yè)務(wù)用戶均能從數(shù)據(jù)集市、數(shù)據(jù)倉庫、在線事務(wù)處理系統(tǒng)中獲得對信息的即時訪問。OracleDiscoverer為用戶提供商務(wù)智能的功能和洞察力。它使用戶能集中精力解決業(yè)務(wù)問題，并提升對數(shù)據(jù)的洞察力和數(shù)據(jù)的使用價值。我們可以使用OracleDiscoverer直觀易用的WorkbookWizard來創(chuàng)建、修改和優(yōu)化即席查詢。借助OracleDiscoverer這一直觀的即席查詢、報告以及分析工具，百度（http：/）獲得了出色的數(shù)據(jù)查詢及報表展示的解決方案，OracleDiscoverer不僅為百度提供了滿足境外資本市場的報表，其適用于關(guān)系與多維(OLAP)數(shù)據(jù)的分析更是

8、為百度管理層及時準(zhǔn)確地了解公司經(jīng)營狀況提供了強(qiáng)有力的工具使決策者在做出商業(yè)判斷時有了正確和科學(xué)的依據(jù)。 在一個數(shù)據(jù)倉庫系統(tǒng)中，即席查詢使用的越多，對數(shù)據(jù)倉庫的要求就越高，對數(shù)據(jù)模型的對稱性的要求也越高。對稱性的數(shù)據(jù)模型對所有的查詢都是相同的，這也是維度建模的一個優(yōu)點(diǎn)。 5應(yīng)用領(lǐng)域 5.1銀行金融領(lǐng)域 在銀行業(yè)，BI信息嵌入前臺業(yè)務(wù)系統(tǒng)中，數(shù)據(jù)倉庫與客服呼叫中心的數(shù)據(jù)交互整合。基于數(shù)據(jù)倉庫的客戶信息和大量的交易歷史，加工、提煉出客戶的衍生信息和行為趨勢，如細(xì)分族群、渠道偏好、貢獻(xiàn)度、違約概率，以及還款提醒、產(chǎn)品購買傾向、存款到期和理財(cái)投資建議等信息，將加工好的信息嵌入到呼叫中心系統(tǒng)中，一旦客戶打

9、電話到客服中心，客服坐席人員可以在解決客戶的問題之后，立即根據(jù)BI提供的信息為客戶提供個性化的服務(wù)和有針對性的交叉銷售，實(shí)現(xiàn)前端客服系統(tǒng)的智能化。 即席查詢（Ad-hocquery）是BI在業(yè)務(wù)一線應(yīng)用的另一種重要模式。國外先進(jìn)銀行在數(shù)據(jù)倉庫建立起來后，紛紛建立其業(yè)務(wù)智能單元（BusinessIntelligentUnit)，簡稱BIU。BIU由精通業(yè)務(wù)、熟悉信息分析技術(shù)的分析人員組成，他們憑借豐富的行業(yè)知識和經(jīng)驗(yàn)，利用各種分析工具直接訪問數(shù)據(jù)倉庫進(jìn)行各種即席查詢分析，及時深入地掌握業(yè)務(wù)發(fā)展動向。他們可以通過對以往的產(chǎn)品銷售狀況和客戶的行為偏好的分析，設(shè)計(jì)新產(chǎn)品；針對新產(chǎn)品進(jìn)行目標(biāo)客戶群的分析

10、，估算目標(biāo)客戶數(shù)量和活動成本、營銷渠道容量，設(shè)計(jì)市場營銷活動；對異常的管理指標(biāo)進(jìn)行深入的分析，挖掘問題所在，提出解決問題的方法等。 即席查詢分析應(yīng)用在發(fā)達(dá)國家已得到廣泛的應(yīng)用，國外先進(jìn)銀行尤其注重BIU團(tuán)隊(duì)的建設(shè)和分析人員的培養(yǎng)。美國一家頗具規(guī)模的銀行，數(shù)據(jù)倉庫的數(shù)據(jù)量達(dá)130TB，其專職的數(shù)據(jù)分析人員超過2000人，每天提交的查詢超過400萬次。英國一家具有悠久歷史的全球性銀行，其數(shù)據(jù)倉庫擁有1500名專職的業(yè)務(wù)分析用戶，每天提交即席查詢多達(dá)150萬個，相當(dāng)于15個/秒。臺灣一家擁有400萬客戶的銀行，就有500名業(yè)務(wù)分析人員通過分析師資格考試。 5.2電信領(lǐng)域 在電信領(lǐng)域當(dāng)中，即席查詢是信

11、息利用的主要方式之一。由于市場的變化、業(yè)務(wù)需求的變化、領(lǐng)導(dǎo)決策需求的變化等等，隨時可能需要知道相關(guān)的業(yè)務(wù)指標(biāo)，這些類型的應(yīng)用需求往往需要通過即席查詢來實(shí)現(xiàn)。即席查詢的用戶可以分為三類： （1）決策用戶，可使用的信息面應(yīng)該是全企業(yè)的所有信息； （2）各部門業(yè)務(wù)用戶，可使用的信息面應(yīng)當(dāng)是部門相關(guān)的基本信息； （3）數(shù)據(jù)管理部門，實(shí)際是決策用戶信息應(yīng)用的實(shí)現(xiàn)者，即決策用戶對于信息的應(yīng)用需求往往通過該部門實(shí)現(xiàn)。同時，他們還負(fù)責(zé)信息的主動發(fā)掘、總結(jié)和發(fā)布。 即席查詢可分為戰(zhàn)術(shù)性和戰(zhàn)略性兩種。 戰(zhàn)術(shù)性即席查詢包括：查詢客戶的單一視圖，如一個大客戶使用了多少產(chǎn)品（固話、數(shù)據(jù)業(yè)務(wù)、寬帶、小靈通等），每個產(chǎn)品在最近6個月帶來了多少營收，在一個客戶經(jīng)理所管轄的片區(qū)內(nèi)，按賬務(wù)月、客戶、產(chǎn)品等統(tǒng)計(jì)營收或進(jìn)行排序等。由于戰(zhàn)術(shù)性即席查詢涉及的數(shù)據(jù)量很少，數(shù)據(jù)庫不需要進(jìn)行全表掃描操作，因此響應(yīng)速度很快，通常都在秒級響應(yīng)。 戰(zhàn)略性即席查詢包括：按時間、產(chǎn)品和客戶群分析新增客戶數(shù)、使用量和營收，找出最近半年?duì)I收一直在下降（下降幅度超過50%）的所有客戶名單。這些查詢可能需要進(jìn)行全表掃描操作，因此響應(yīng)速度為分鐘級。 一般而言，戰(zhàn)術(shù)性即席查詢多為各部門業(yè)務(wù)用戶使用，戰(zhàn)略性即席查詢多為數(shù)據(jù)管理部門或決策用戶使用。 摘要：即席查詢，數(shù)據(jù)庫應(yīng)用最普遍的一種查詢，利用數(shù)據(jù)倉