商业智能是什么？意义在哪里？企业又如何建设商业智能系统？相信这些问题一直围绕在CIO的脑海里。

其实，很难用单一的产品或者技术来概括商业智能，凭我从业十年的理解，商业智能是一条路，一条从数据到信息的路，有如下几种：

• 最简单的方案是企业数据报表系统
• 深层次的是olap分析
• 更深层次的是数据挖掘

作为商业智能的一条路，OLAP大概是比较常见的一种选择。无论是对数据产品经理，或者数据分析师来说，要想搭建一个业务的数据分析平台，OLAP分析是你不得不掌握的技能。

随着企业的数据量越来越大，数据分析查询响应及时性要求越来越高，如按照传统ETL（提取、转化、加载）的数据加工方式，需要考虑各个不同维度上的聚合，来提高响应及时性，所以会造成ETL的工作量非常大，同时对模型设计要求也比较高，也不适合灵活的维度组合查询的需求。

 

在这种背景下，数据仓库的系统的主要应用：OLAP分析，就这么出现了。OLAP首先是把数据预处理成数据立方（Cube），并把有可能的汇总都预先算出来（即预聚合处理），然后在用户选择多维度汇总时，

在预先的计算出来的数据基础上很快地计算出用户想要的结果，从而可以更好更快地支持极大数据量的及时分析。

但在实际的商业分析中，OLAP分析更多的是指对数据分析的一种解决方案。

公司的数据都储存在ERP、CRM、OA等中，各业务线存在大量的OLAP分析场景，需要基于Hadoop数十亿级别的数据进行分析，直接响应分析师和大数据部门等数千人的同时访问请求，对数据服务的各方面都有很高的需求。

 

OLAP的优势

 

 

1、多维性：它面向分析，分析驱动，支持多维分析。“维”是人们观察数据的特定角度，是考虑问题时的一类属性，属性集合构成一个维(时间维、地理维等)。

2、信息性：它可以支持管理需要，面向决策人员；可以导出综合性和提炼性数据信息。

3、强处理性：OLAP一次处理的数据量比ETL、传统取数方式大得多。

4、快速性：用户对快速反应能力有很高的要求，OLAP系统应能在5秒内对用户的大部分分析要求做出反应。

 

上面讲的OLAP分析都是偏向IT层面，但其实OLAP的最终作用是使管理层、数据分析师、业务人员能够从多种角度对信息数据更深入了解，它的技术核心是"维"这个概念，因此OLAP也可以说是多维数据分析工具的集合。

业务人员如何利用OLAP分析？

业务人员在分析业务经营的数据时，经常需要从各种角度来思考与分析数据。

例如分析销售数据，可能会综合时间、产品、渠道等多种因素来考量。这些分析角度虽然可以通过报表来反映，但每一个分析的角度可以生成一张报表，各个分析角度的不同组合又可以生成不同的报表，使得IT人员的工作量相当大，而且往往难以跟上管理决策人员思考的步伐。

老一代OLAP分析的技术实现需要严格的从头开始手动建模，Cube的大小极大限制了大数据背景下的使用场景，动辄成百上千新旧不一的Cube需要繁重的运维，架构无法纵向扩展、无法满足大数据量下构建、查询和并发的性能要求。这种处理方式在新一代的BI工具中并不适用。

好的BI产品在olap分析方面，主要是聚焦3个方面：

• 多维观察：就是字面意思，多个角度关联分析
• 数据钻取：在已有的基础数据上细化，精确到更小的点
• cube计算：计算引擎直接考虑可能会出现的各种情况，进行预计算，避免了实时数据太大而引起的数据量查询慢

以国内顶尖的BI工具FineBI举例，其主要特点是直接仿照用户的多角度思考模式，预先为用户组建多维数据库。一旦多维数据模型建立完成，用户可以快速地从各个分析角度获取数据，也能动态的在各个角度之间切换或者进行多角度综合分析，具有极大的分析灵活性。

 

FineBI的数据业务包是BI分析的数据基础，由管理员创建，通过定义的数据连接向数据库中取数，获取到的数据自动保存在Cube中，BI分析则从Cube中获取数据，这也就保证了只要Cube中存有数据，就算不联网也可以使用BI分析。

FineBI凭借OLAP分析真正做到了将技术人员的工作系统化，高效赋能业务人员 。 业务人员只需自助地使用 BI 工具直接分析即可。

系统将自动地理解分析意图，并在后台透明地进行数据准备和加速，透明加速后的查询提速至几十倍到上百倍，满足业务人员交互式的即席分析需求。就拿业务分析中，经常要用到的钻取和联动来说吧。

所谓联动，就是一个数据变化，后面所有的数据都会自动变化。在FineBI中，组件之间任何有来自同一张表或者有关联的数据默认直接进行联动，可满足大部分业务分析场景，无论是从数据反应速度，还是从图表的美观程度来看，Excel数据透视表都是甘拜下风！

 

在使用FineBI进行数据分析时，我们往往会先通过可视化报表从大的层面把握业务问题所在，再通过一个页面内的钻取联动逐级向下钻取，直到明细数据，才能定位到具体的问题。

总结

实践已经证明，采用OLAP分析计算，能够避免困扰现代BI工具和复杂大数据基础架构的一大基本难题：漫长的计算时间和缓慢的查询速度。有了OLAP分析，这些问题将迎刃而解，

而其中的 OLAP核心能力的突破，将是增强分析的关键。

我还整理了数字化案例、IT建设案例、数据仓库、数据治理、行业报告等总计6个G的资料包，绝对高质量！关注微信公众号“商业智能研究”，回复关键字“资料包”即可领取全部资料！