建立基於數據倉庫的商務智能系統對於急切需要信息化和商務智能的中小企業有普遍的適用性和實用性。 小編下面爲大家整理關於三層架構的商務智能系統設計的文章，歡迎閱讀參考！
一、商務智能
商務智能(Business Intelligence)是對商業信息的收集、管理和分析過程，目的是使企業的各級決策者獲得知識或洞察力，幫助他們作出對企業更有利的決策。其工作原理主要是通過對數據進行抽取、清洗、聚類、挖掘等分析處理來產生可透析的各種展示數據。這些數據可直觀地顯示分析者所探詢的某種經營屬性或市場規律。企業可以通過充分挖掘現有的數據資源，捕獲和分析信息，幫助企業管理者作出更好的商業決策。這不僅可以從中發現市場規律、預測未來的發展趨勢、預測和監控風險，而且還能輔助決策者發現新的利潤增長點，優化企業資源，從而幫助企業更加穩健地實現經營和管理的目標。
二、數據倉庫設計
1.數據倉庫概念
數據倉庫是一個面向主題的、集成的、穩定的、包含歷史數據的數據集合，用於支持管理決策的制定數 據庫是實現商業智能的數據基礎，是企業長期事務數據的準確彙總。數據倉庫完成了數據的收集、集成、存儲、管理等工作，商務智能面對的是經過加工的數據，使得商務智能能更專注於信息的提取和知識的發現.數據倉庫爲商務智能擷取或載入大量原始信息，歸併各種數據源的數據，用於支持企業管理和商業決策。
數據倉庫是商務智能的靈魂，商務智能的很多工作都是以數據倉庫爲基礎展開的。利用數據倉庫，企業可以制定準確的市場策略與促銷活動;另一方面，商務智能也是提高數據倉庫項目投資回報率的一個途徑。商務智能充分利用數據倉庫的分析結果制定市場策略、產生市場機會，並通過銷售和服務等部門與客戶交流，從而提高企業的利潤。
2.三層架構
本文將數據倉庫系統的開發縱向劃分爲3個層次:數據層、設計層和應用層。
(1)數據層。數據層主要是按照商務需求，圍繞系統所管理事件的趨勢或模式來組織數據。它從現有操作系統開始，通過訪問和運用數據倉庫系統中的元數據，進而完成對元數據的採集、整理和加工處理，其存儲被設計成能夠支持查詢的關係數據庫結構。
(2)設計層。這一層裏有三個步驟:1)以用戶需求爲主，通過信息包圖來定義主題內容和主要性能測試指標之間的關係;2)運用數據模型的可視化表示，建立以最適合查詢爲基礎的星形圖，以便於對系統用戶的要求做出快速反應;3)由數據與實體間的相互關係:設計完全屬性化的數據模型,使之能在最大的.廣度和深度上說明信息包。
(3)應用層。數據倉庫中的數據如何有效地提取，然後又能夠通過發行使用戶得以方便地訪問，並獲取相關的信息，是數據倉庫系統解決的主要問題。它實際上包括數據在數據倉庫系統與最終用戶工具之間的雙向傳遞過程。
以上數據倉庫系統開發的3個層次是相互關聯的，從邏輯關係上看，數據層是基礎，設計層是結構紐帶，而應用層則是具體表現形式。
三、基於數據倉庫的商務智能系統設計
基於數據倉庫的商務智能系統設計如圖2所示，包括實體數據模型設計、ETL(抽取、轉換和裝載)設計、數據挖掘方法設計、終端程序設計(OLAP或EIS)等步驟。
實體數據模型設計就是數據抽取(Extraction)、轉換(Transformation)與裝載(Loading)的功能設計。
ETL作爲數據倉庫的核心和靈魂,能夠按照統一的規則集成並提高數據的價值,是負責完成數據從數據源向目標數據倉庫轉化的過程,是實施數據倉庫的重要步驟。商務智能系統必須具備抽取各種類型信息的能力,並且依照資料的特性與決策者的需求,能夠自動、定時地到來源數據庫中抽取信息。數據轉換是將不一致的數據根據規則轉換爲具有一致性的數據。裝載則在商務智能的轉換程序服務器上自動進行,裝載程序需要考慮自上一次資料抽取之後來源數據庫內發生改變的項目,並對裝載時產生的錯誤進行處理。數據挖掘方法設計即根據系統數據的特點選擇適用的挖掘算法,如可採用貨籃分析、時間序列分析、聚類分析、決策樹方法、遺傳算法等。
終端用戶應用系統設計用於確定以何種形式將聯機分析處理、數據挖掘分析的結果呈現給用戶。
