神通BI產(chǎn)品介紹

神通商業(yè)智能匯報(bào)匯報(bào)人：黃瑞神通全系產(chǎn)品神通數(shù)據(jù)庫(kù)（標(biāo)準(zhǔn)版|

企業(yè)版|

安全版）BI套件行業(yè)定制版本核心平臺(tái)KSTORE|

嵌入式數(shù)據(jù)庫(kù)|

軍用數(shù)據(jù)庫(kù)神通xCluster集群件K-Miner（數(shù)據(jù)挖掘系統(tǒng)）K-Cuber（OLAP系統(tǒng)）K-Front（智能報(bào)表系統(tǒng)）K-Fusion（ETL系統(tǒng)）集群套件2神通BI與企業(yè)數(shù)據(jù)分析知識(shí)可視化數(shù)據(jù)倉(cāng)庫(kù)分析模型業(yè)務(wù)展現(xiàn)平面文件關(guān)系數(shù)據(jù)庫(kù)應(yīng)用系統(tǒng)數(shù)據(jù)集市儀表盤(pán)多維報(bào)表數(shù)據(jù)挖掘模型OLAP模型基礎(chǔ)數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)標(biāo)準(zhǔn)報(bào)表zzK-Miner分類(lèi)、預(yù)測(cè)、聚類(lèi)、關(guān)聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標(biāo)預(yù)警K-Front報(bào)表的設(shè)計(jì)、生成、展現(xiàn)、打印K-Fusion抽取、轉(zhuǎn)換、加載神通BI3K-Miner分類(lèi)、預(yù)測(cè)、聚類(lèi)、關(guān)聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標(biāo)預(yù)警K-Front報(bào)表的設(shè)計(jì)、生成、展現(xiàn)、打印K-Fusion抽取、轉(zhuǎn)換、加載神通BI神通K-Fusion可視化流程定義50多種數(shù)據(jù)源，支持關(guān)系數(shù)據(jù)庫(kù)、文本數(shù)據(jù)、分布式文件系統(tǒng)等30多種數(shù)據(jù)轉(zhuǎn)換節(jié)點(diǎn)全表比對(duì)、時(shí)間戳、自增字段、數(shù)據(jù)庫(kù)日志、觸發(fā)器等增量抽取策略分布式部署支持用戶自定義節(jié)點(diǎn)執(zhí)行過(guò)程可視化監(jiān)控ETL元數(shù)據(jù)管理功能5神通K-Fusion：面向多種數(shù)據(jù)源抽取和加載通用型數(shù)據(jù)庫(kù)平面文件定長(zhǎng)文件數(shù)據(jù)倉(cāng)庫(kù)數(shù)據(jù)源K-Fusion抽取、轉(zhuǎn)換數(shù)據(jù)倉(cāng)庫(kù)神通K-Fusion：ETL流程Demo7神通K-Fusion：ETL流程Demo查找表數(shù)據(jù)：修改前：修改后：條件：性別ISNOTNULL8神通K-Fusion：增量ETL1北京30002上海40001北京350023南京6500全表比對(duì)時(shí)間戳序列觸發(fā)器DB日志分析數(shù)據(jù)庫(kù)（T0）數(shù)據(jù)倉(cāng)庫(kù)1北京3000初始2010-5-300:00:00.0002上海4000初始2010-5-300:00:00.0001北京3200更新2010-5-817:50:23.0002上海4000刪除2010-5-817:50:23.0003南京6500新增2010-5-817:50:32.000數(shù)據(jù)庫(kù)（T1）9神通K-Fusion：所見(jiàn)即所得的流程設(shè)計(jì)順序分支循環(huán)（邏輯）10神通K-Fusion：ETL流程的執(zhí)行(調(diào)度)11神通K-Fusion：ETL流程的執(zhí)行(監(jiān)控)12神通K-Fusion：可擴(kuò)展的ETL能力(節(jié)點(diǎn)層面)13神通K-Fusion：豐富的性能提升機(jī)制性能提升機(jī)制數(shù)據(jù)庫(kù)批量加載（OCI等原生驅(qū)動(dòng)加載）節(jié)點(diǎn)間并行處理數(shù)據(jù)分片11’1’’1234132414K-Miner分類(lèi)、預(yù)測(cè)、聚類(lèi)、關(guān)聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標(biāo)預(yù)警K-Front報(bào)表的設(shè)計(jì)、生成、展現(xiàn)、打印K-Fusion抽取、轉(zhuǎn)換、加載神通BI神通K-Cuber快速建模工具和專(zhuān)家建模工具鉆取、行列互轉(zhuǎn)、預(yù)警等多維操作自動(dòng)聚合技術(shù)分塊緩存策略多維元數(shù)據(jù)管理數(shù)據(jù)權(quán)限管理16神通K-Cuber：多維建模工具快速建模工具QuickDesigner可實(shí)現(xiàn)5步建模；專(zhuān)家建模工具ExpertDesigner可滿足高級(jí)用戶建立復(fù)雜OLAP模型；支持星型和雪花型模型。將ER關(guān)系模型轉(zhuǎn)為OLAP模型多維元數(shù)據(jù)管理17神通K-Cuber：立方體和多維分析切塊切片建模時(shí)間1季度2季度3季度品類(lèi)地區(qū)華南華北東北家電食品衣物時(shí)間1季度2季度3季度品類(lèi)地區(qū)華南華北東北家電食品衣物時(shí)間1季度2季度3季度品類(lèi)地區(qū)華南華北東北家電食品衣物6月廣西水果5月4月飲料肉類(lèi)廣東海南18神通K-Cuber：數(shù)據(jù)分析流程應(yīng)用場(chǎng)景：某企業(yè)訂單分析

序號(hào)維度1品類(lèi)2價(jià)格帶3地區(qū)4時(shí)間5職業(yè)6年齡7年收入8性別9學(xué)歷……序號(hào)度量1總訂單數(shù)量2有效訂單數(shù)量3訂單有效率4有效訂單金額5凈訂單金額6凈訂單數(shù)量7換貨單金額8換貨單數(shù)量9拒收訂單金額……19神通K-Cuber：選取維度20神通K-Cuber：選取指標(biāo)21神通K-Cuber：有效性分析指標(biāo)維度22神通K-Cuber：多維分析(品類(lèi))23神通K-Cuber：縮小分析范圍24神通K-Cuber：多角度細(xì)化分析25神通K-Cuber：選擇分析數(shù)據(jù)范圍26神通K-Cuber：縮小數(shù)據(jù)范圍27神通K-Cuber：圖表分析(省級(jí))28神通K-Cuber：圖形細(xì)化分析粒度29神通K-Cuber：圖表分析(市級(jí))30神通K-Cuber：月環(huán)比分析2010年4月和5月環(huán)比總訂單金額環(huán)比增長(zhǎng)率31神通K-Cuber：日同比分析2009年2月8日和3月8日同比總訂單金額的同比增長(zhǎng)率32神通K-Cuber：原子數(shù)據(jù)列表33神通K-Cuber：圖形分析鉆取貴州省，并選擇畢節(jié)地區(qū)鉆取廚房用品34神通K-Cuber：圖形分析鉆取貴州省，并選擇畢節(jié)地區(qū)鉆取廚房用品35K-Miner分類(lèi)、預(yù)測(cè)、聚類(lèi)、關(guān)聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標(biāo)預(yù)警K-Front報(bào)表的設(shè)計(jì)、生成、展現(xiàn)、打印K-Fusion抽取、轉(zhuǎn)換、加載神通BI神通K-Miner40種算法MPP+SMP并行計(jì)算架構(gòu)算法性能高效靈活的任務(wù)調(diào)度模型生命周期管理B/S架構(gòu)挖掘元數(shù)據(jù)管理37神通K-Miner：并行計(jì)算架構(gòu)(1)全節(jié)點(diǎn)采用MPP架構(gòu)，實(shí)現(xiàn)多任務(wù)的并行和部分算法單任務(wù)粗粒度并行；單節(jié)點(diǎn)采用SMP架構(gòu)，實(shí)現(xiàn)所有算法的細(xì)粒度并行，并確保內(nèi)存的節(jié)約。K-Miner為唯一一款所有算法實(shí)現(xiàn)并行的數(shù)據(jù)挖掘軟件。38基于E-As（調(diào)度引擎-挖掘代理）的分布式挖掘架構(gòu)Master-Slaver(s)算子模式的并行挖掘算法節(jié)點(diǎn)內(nèi)并行和跨節(jié)點(diǎn)并行相結(jié)合基于數(shù)據(jù)分布的負(fù)載均衡數(shù)據(jù)就近挖掘策略對(duì)HDFS、神通數(shù)據(jù)庫(kù)集群等數(shù)據(jù)源的支持及擴(kuò)展神通K-Miner：并行計(jì)算架構(gòu)(2)基礎(chǔ)數(shù)據(jù)層數(shù)據(jù)倉(cāng)庫(kù)/數(shù)據(jù)集市調(diào)度引擎消息服務(wù)單節(jié)點(diǎn)并行調(diào)度認(rèn)證服務(wù)集群日志負(fù)載均衡挖掘代理建模分析服務(wù)實(shí)時(shí)響應(yīng)服務(wù)數(shù)據(jù)轉(zhuǎn)換服務(wù)資料庫(kù)元數(shù)據(jù)管理服務(wù)管理模型管理開(kāi)發(fā)接口層本地應(yīng)用APIWebService接口圖形API網(wǎng)絡(luò)協(xié)議接口應(yīng)用層應(yīng)用程序基于數(shù)據(jù)挖掘的報(bào)表引擎監(jiān)管與監(jiān)控第三方應(yīng)用數(shù)據(jù)挖掘核心日志管理數(shù)據(jù)挖掘算法統(tǒng)計(jì)分析算法模型監(jiān)控預(yù)警多節(jié)點(diǎn)并行調(diào)度神通K-Miner：架構(gòu)K-Miner分布式挖掘拓?fù)鋱D數(shù)據(jù)挖掘?qū)傩院Y選分類(lèi)預(yù)測(cè)回歸預(yù)測(cè)聚類(lèi)分析關(guān)聯(lián)分析時(shí)間序列屬性篩選屬性重要性打分基于信息增益的屬性打分主成分分析決策樹(shù)分類(lèi)回歸樹(shù)神經(jīng)網(wǎng)絡(luò)分類(lèi)支撐向量機(jī)分類(lèi)分類(lèi)組合模型多元線性回歸神經(jīng)網(wǎng)絡(luò)回歸支撐向量機(jī)回歸回歸組合模型K均值聚類(lèi)分布估計(jì)聚類(lèi)基于K均值的層次聚類(lèi)購(gòu)物籃分析屬性關(guān)聯(lián)分析序列模式分析ARX時(shí)間序列ARMA時(shí)間序列基于卡方檢驗(yàn)的屬性篩選樸素貝葉斯貝葉斯網(wǎng)絡(luò)邏輯回歸廣義線性回歸兩階段聚類(lèi)統(tǒng)計(jì)分析描述性統(tǒng)計(jì)數(shù)據(jù)探測(cè)異常檢測(cè)層次聚類(lèi)方差分析