bi软件基础知识,bi软件是做什么用的

BI入门需要哪些知识为基础

这里我把BI入门当做是BI分析人员(如果是BI系统开发人员要学的就多了).一个好的BI工具,对专业硬件技能的要求并不会太高.比如FineBI,我下载下来,看了一上午视频就可以导入自己的数据,根据自己的业务情况新建分析查看分析了,体验很好

BI包括哪些内容

BI是一种综合了各种学科的边缘学科,主要包括三方面的内容: 1、数据仓库建立科学的数据模型,收集集各种来源、各种业务条线的数据. 2、数据分析在数据仓库基础上,从大批量的数据里发掘未知信息,辅助决策. 3、展现平台数据分析的结果通过BI软件,如congnos、bo等产品以图表等形式展示给决策者.

商业智能(BI)需要掌握什么知识,以及发展前景

商业智能BI处理的数据量时极大的,BI对稳定性以及易用性有一定的要求,这是其他数据分析工具所不能比拟的.至于发展前景的话,其他的数据处理工具,最终目的还是要靠商业智能BI等数据分析工具将最终价值信息体现出来.

学习BI需要什么基础?

一点数据库知识,熟练excel

BI需要掌握的技能素质,软件工具是什么?又如何转到大数据分析师的角色?

1、技能素质:数据库基本知识,最好会一点sql;业务常识,对每个字段代表的业务非常熟悉2、软件工具:推荐FineBI.敏捷型BI,自动建模,很好上手3、以上说的都是普通的业务人员利用BI作分析所需要的,如果想要转到大数据分析师,这之间要学习的知识(比如数据挖掘,以及它涉及到的各种算法,模型……)就太多了..所以一步一步来吧~

BI工具的工具介绍

自商业智能这一领域被开拓以来，国内外BI工具层出不穷。IBM cognos、SAP BO、oracle BIEE、Microsoft BI、MicroStrategy 、思迈特 Smartbi、奥威智动 Power-BI等都是传统的BI软件，而Style Intelligence、Qliktech 大数据魔镜、QlikView、BDP商业数据平台、tableau、象形科技的ETHINK 、FineBI商业智能软件、永洪科技 Yonghong Z-Suite等是下一代BI的代表。

传统BI工具基于数据驱动，以瀑布开发模式建设BI系统。传统BI工具需要预先形成CUBE，交付时间在半年左右，如果需求发生变化，相关模块调整周期按月计算。通常传统BI工具模块较多，操作复杂，无法形成自服务BI。

新一代BI软件区别于传统BI软件，基于业务驱动，无需预生成Cube，交付周期按周、月计算，，能够形成自服务BI系统。对于需求变化，交付周期按天、周计算，相关模块调整不大。Style Intelligence、Yonghong Z-Suite、tableau、QlikView等新一代BI工具带有数据集市，可以处理海量数据。

BI所有发展趋势中首要的一个趋势是各种各样的数据在不断地增长。这将迫使BI软件商提供那些真正能够处理大数据的解决方案。包含数据集市的QlikView等BI软件基于Ad-hoc模式的解决方案包括内存分析技术、列式存储数据库技术以及BI性能的提升等将会成为其中关键的因素。

什么是BI工具，ETL工具或OLAP产品？

确切地讲，BI并不是一项新技术，它将数据仓库(DW)、联机分析处理(OLAP)、数据挖掘(DM)等技术与客户关系管理（CRM）等结合起来应用于商业活动实际过程当中，实现了技术服务于决策的目的；Mark Hammond从管理的角度看待BI，认为BI是从“根本上帮助你把公司的运营数据转化成为高价值的可以获取的信息（或者知识），并且在恰当的时间通过恰当的手段把恰当的信息传递给恰当的人”。

ETL

ETL即数据抽取（Extract）、转换（Transform）、装载（Load）的过程。它是构建数据仓库的重要环节。数据仓库是面向主题的、集成的、稳定的且随时间不断变化的数据集合，用以支持经营管理中的决策制定过程。数据仓库系统中有可能存在着大量的噪声数据,引起的主要原因有：滥用缩写词、惯用语、数据输入错误、重复记录、丢失值、拼写变化等。即便是一个设计和规划良好的数据库系统，如果其中存在着大量的噪声数据，那么这个系统也是没有任何意义的，因为“垃圾进，垃圾出”（garbage in, garbage out），系统根本就不可能为决策分析系统提供任何支持。为了清除噪声数据，必须在数据库系统中进行数据清洗。目前有不少数据清洗研究和ETL研究，但是如何在ETL过程中进行有效的数据清洗并使这个过程可视化，此方面研究不多。本文主要从两个方面阐述ETL和数据清洗的实现过程：ETL的处理方式[19]和数据清洗的实现方法。

联机事务处理OLTP

联机分析处理 (OLAP) 的概念最早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同联机事务处理 (OLTP) 明显区分开来。

当今的数据处理大致可以分成两大类：联机事务处理OLTP（on-line transaction processing）、联机分析处理OLAP（On-Line Analytical Processing）。OLTP是传统的关系型数据库的主要应用，主要是基本的、日常的事务处理，例如银行交易。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。

OLAP是使分析人员、管理人员或执行人员能够从多角度对信息进行快速、一致、交互地存取,从而获得对数据的更深入了解的一类软件技术。OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求,它的技术核心是”维”这个概念。

BI是什么

商业智能（BI，Business Intelligence）。商业智能的概念最早在1996年提出。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。商务智能系统中的数据来自企业其他业务系统。例如商贸型企业，其商务智能系统数据包括业务系统的订单、库存、交易账目、客户和供应商信息等，以及企业所处行业和竞争对手的数据、其他外部环境数据。而这些数据可能来自企业的CRM、SCM等业务系统。

想要了解更多关于SAP的知识建议你加SAP的相关群，顺便给你推荐几个

【MM模块：55077247】

【ABAP模块:96133059】

【FI/CO模块:96132756】

【BW模块：96399384】

【BASIS模块:96133373】

【SAP综合群：160898317】

希望这些能够得到你的加分奖励~

商务智能(BI)是什么概念,具体是哪个方面的技术?会用到什么软件?

商业智能，又称商务智能，英文为Business Intelligence，简写为BI。

商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

商业智能的概念于1996年最早由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

目前，学术界对商业智能的定义并不统一。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

可以认为，商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。