最近想學習BI,因為自己做的一個項目用到了大量Oracle 分析函數,而烴使用使用OLAP技術,系統目前數據量少,速度相對來說可以。每天數據量這么大，誰能保證積累了兩年的數據后，運算速度還有這么快呢。這讓我不得不思考我在做的項目與BI的差別，BI這概念之前只聽說過沒深入了解更沒有用過相應的工具。一開始自己就想到開源的BI工具，就開始下載，找入門文檔。兩天之后讓我發現這行不通，連概念都不理解，僅有工具是不行的。我們需要理解它的定義、歷史、作用，才能開始學習它，才需要用過工具。
1、BI的定議：
      BI(Business Intelligence) 是一種運用了數據倉庫、在線分析和數據挖掘等技術來處理和分析數據的嶄新技術，目的是為企業決策者提供決策支持。
     從定義上我們要明白BI運行的基礎是 ：數據倉庫，和聯機分析 ，數據挖掘
     目的：提供決策支持
2、BI分類
     信息類 BI 應用  
        指由原始數據加工而來的數據查詢、報表圖表、多維分析、數據可視化等應用，這些
應用的共同特點是：將數據轉換為決策者可接受的信息，展現給決策者。例如將銀行交易數據加工為銀行財務報表。
     知識類 BI 應用

      指通過數據挖掘技術和工具，將數據中隱含的關系發掘出來，利用計算機直接將數據加工為知識，展現給決策者。
3、BI的應用模式
     A、初級模式
           數據查詢和生成報表，這是BI的初級應用模式
     B、
          1、BI 高級應用模式
           OLAP ，即聯機分析處理，是 BI 帶來的一種全新的數據觀察方式，是 BI 的核心技術 之一。
         2、數據挖掘
             數據挖掘的目的是通過計算機對大量數據進行分析，找出數據之間潛藏的規律和知識，并以可理解的方式展現給用戶。數據挖掘是最高級的 BI 應用，因為它能代替部分人腦功能。   
         數據挖掘的三大要素是：

         技術和算法：目前常用的數據挖掘技術包括——
                自動類別偵測(Auto Cluster Detection)
                決策樹(Decision Trees)
                神經網絡(Neural Networks)

        數據：由于數據挖掘是一個在已知中挖掘未知的過程，
                因此需要大量數據的積累作為數據源，數據積累
                量越大，數據挖掘工具就會有更多的參考點。

        預測模型：也就是將需要進行數據挖掘的業務邏輯由
                計算機模擬出來，這也是數據挖掘的主要任務。

4、 底座——數據倉庫技術
         數據倉庫(Data Warehouse)是一個面向主題的(Subject Oriented)、集成的(Integrate)、相對穩定的(Non-Volatile)、反映歷史變化(Time Variant)的數據集合，用于支持管理決策。以上是數據倉庫的官方定義。 


5、總結：
      要想學好BI，以上知識點是基礎。必須把基礎學習才能深切的理解BI，理解客戶在這主面真正意義上的需求。