
几种典型的BI的系统架构分析
随着商务智能(BI)理论的不断发展,商务智能的系统架构已经从单一的理论衍生出多种架构,如分布式商务智能架构,联合商务智能架构等。下图是BO公司定义的商务智能的基本架构,它是一种开放式的系统架构,可以分布式集成现有的系统。从这个架构中,我们可以比较清楚的看出目前商务智能架构的模式。包括数据层、业务层和应用层三部分。数据层基本上就是ETL过程。业务层主要是OLAP和Data Mining的过程。在应用层里主要包括数据的展示,结果分析和性能分析等过程。在实际应用中,由于每个公司的规模和组织架构的不同,在实施商务智能选择系统架构的时候要结合公司的特点,选者最合适的架构。下面就介绍几种现实系统中的几种BI架构。
BO公司定义的BI架构
1、简单的BI架构
这是目前比较常用的商务智能架构,所有的数据集中管理,集中分析,最大的优点是容易管理和部署,系统结构简单,容易维护,适用于小型商务智能系统。缺点是对于跨地域部署比较困难,数据实时性差,可扩展性差。
简单的BI架构
[page] 2、联合的BI架构(Federated BI Architecture)
这种架构比较符合实际的需求,能够集成自定义的数据仓库,外包的数据仓库,架构化的数据仓库,非架构化的数据仓库,分析系统等。应用于多数据仓库的集成和管理。特点是适用于加速time-to-market
,需要高层力量的驱动。成功关键因素:共享一致的的重要的Metrics度量和维度;需要提供统一的标准,拥有企业级的ETL工具和集成的元数据;需要贯穿于整个团队的沟通。联合的BI架构包括:集中逆向商务智能架构,分布逆向商务智能架构,集中顺序商务智能架构,分布顺序商务智能架构及混合架构等。
联合的BI架构(Federated BI Architecture)
2.1 集中逆向BI架构 (Centralized Upstream BI Architecture)
·通常用于中小组织
·需要良好的保管者的沟通
·需要高级执行者买进
·受限于逆向成功惯例(成功的变化是与任何单一实体的进行尝试是成反比的)
集中逆向BI架构 (Centralized Upstream BI Architecture)
[page] 2.2 分布式逆向BI架构 (Distributed Upstream BI Architecture)
·中小组织和大型组织都适用
·是大多数从下至上注重实效表现的逼近系统
·更多的考虑多数人意见
·更多的限制于大多数人意见
·实施团队需要良好的沟通
分布式逆向BI架构 (Distributed Upstream BI Architecture)
2.3 集中式的顺序BI架构 (Centralized Downstream BI Architecture)
·适用于长期数据仓库项目
·用于紧密配合多管道的在巨大组织中到处存在的DW/DM系统
·经常目标设定为特殊功能组织或行政中心
·需要高层在所有的拥有者进行决策
·需要为已有系统在实施团队和支持团队建进行良好的沟通
集中的顺序BI架构 (Centralized Downstream BI Architecture)
[page] 2.4 分布式顺序BI架构(Distributed Downstream BI Architecture)
·适用于大型多元化组织
·容易适应各种不同的冲突
·容易转换到不同的环境
·需要为已有系统在实施团队和支持团队间进行良好的沟通
分布式顺序BI架构(Distributed Downstream BI Architecture)
2.5 混合型BI架构 (Hybrid BI Architecture)
·比任何理想化模型更接近现实情况
·更适应自然的联盟
·元数据集成更具有挑战性
混合型BI架构 (Hybrid BI Architecture)
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10