高h肉文下载ETL 包括 Extract 、 Transform 、 Cleaning 和 Load ，它是用于从 多个业务库中提取数据到数据仓库中，再由具体的报表、统计、分析 工具对数据仓库的内容进行分析，分析出自己所需要的数据

　　数据仓库建模的过程通常占整个商业智能项目 30%-50%时间 的30%-50%时间 数据建模完成后，就可以采用ETL工具来构建 数据建模完成后，就可以采用ETL工具来构建 ETL 数据仓库

　　事务驱动 事务数量大，历时短 支持日常的业务 数据是当前的并在不断变化 存储详细数据， 面向应用 无冗余的数据结构与设计方法 针对快速预定义的事务优化设计 可预见的使用模式 支持办事人员或行政人员

　　大客户分析 用户发展分析 业务发展分析 收益情况分析 财务分析 专题分析 客户流失专题分析 ...

　　即席查询、预定义报表、自定义报表、OLAP、数据挖掘、专题分析模型 即席查询、预定义报表、自定义报表、OLAP、数据挖掘、专题分析模型

　　“数据仓库是在企业管理和决策中 面向主题的,集成的 集成的, 面向主题的 集成的 与时间相关的 和不可修改的数据集合” 和不可修改的数据集合”

　　分析驱动 事务数量小，历时长 支持业务战略决策 数据是历史的， 静态的， 数据是汇总的 ， 面向主题 多维的数据结构 优化是针对查询而不是更新 不可预见的使用模式 支持管理人员和执行主管人员

　　– SQL Server(中低端市场的强者) – SAS(数据挖掘的领先者，BI的后来者)

　　经验告诉我们 … 的数据仓库项目最终以失败而告终: 超过 60%的数据仓库项目最终以失败而告终 的数据仓库项目最终以失败而告终

　　– – – – 项目超预算 项目推迟交付 - 或根本交付不了 结果未能达到用户的期望 项目在技术上是成功的, 项目在技术上是成功的 … 但在业务上却是失败的

　　了解商业智能的概念和整体流程 了解商业智能的主流产品和发展趋势 了解传统商业智能实施的内容和风险

　　根据业务需求，定义、设计商业智能分析模型，并生成 根据业务需求，定义、设计商业智能分析模型，并生成OLAP Cube

　　基于OLAP Cube，设计前端多维分析应用 基于数据仓库，开发业务和管理报表，以及指标分 析应用等 基于数据仓库，实施数据挖掘(可选) 门户设计(可选)，权限定义等 测试，安装，部署及培训等

　　– 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。

　　– 将数据仓库(DW )、联机分析处理(OLAP)、数据挖掘(DM ) 等技术 与业务 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