本章小结

1.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。它并不是一种新技术，它只是ETL、DW、OLAP、DM、查询报表等数据展现技术的综合运用，因此把它看成是一种解决方案应该比较恰当。

2.多维数据模型采用多维结构来组织数据和表示数据之间的关系。所谓维，是指观察数据的特定角度。而度量，是指不同维层次上的取值的组合。事实则是维与事实的组合，可以用多维数组来表示。

星型模型由事实表(大表)以及多个维表(小表)组成，其中维表包含维的不同层次，各维表与事实表均是一对多的联系。这种模型并不符合规范化，但利用空间来争取时间，得到了更高的查询效率。

3.数据仓库是一个面向主题的、集成的、非易失的且随时间变化的数据集合，用来支持管理人员做出决策。它存储的数据是经过加工过的集成的数据，与操作型数据库存在很大的不同，有不同的作用及用户群，因此企业需要建立分离的数据仓库和数据库。

数据仓库的组成部分主要包括:源数据部分、数据准备部分、数据存储部分、信息传递部分。在数据存储部分，除了企业级的数据仓库之外，可能还存在部门级的数据集市。数据集市通常分为非独立的数据集市和独立的数据集市。非独立的数据集市建立在已有的数据仓库上，作用在于提高处理效率，使数据更易访问。而独立的数据集市可以直接从操作环境获取数据，从而节约开发成本和时间。

4.OLAP是一种软件技术，它使分析人员能够迅速、一致、交互地从各个方面观察信息，以达到深入理解数据的目的。这些信息是从原始数据直接转换过来的，它们以用户容易理解的方式反映企业的真实状况。OLAP分析主要通过对多维数据进行切片、切块、聚合、钻取、旋转等分析操作，以求剖析数据，使用户能够从多种维度、多个侧面、多种数据综合度查看数据，从而了解数据背后蕴涵的规律。

5.EIS能及时准确地为企业高层管理者提供关于企业运行状况的全方位的信息，EIS首先以图形化的方式，特别是仪表盘来显示定制的关键绩效指标(KPI)等关键概要性信息。EIS具有向下钻取能力，它允许主管可以针对发现的问题快速得到低层次的详尽信息，从而分析导致问题的原因。

虽然EIS和DSS都是支持决策者做出决策的系统，但二者的目的与特征是不相同的。EIS主要用于帮助高层经理发现问题和机遇，而DSS主要针对具体的问题和机遇，帮助决策者寻找最优的解决方案。EIS与MIS都是提供信息帮助管理者发现问题所在，但是，MIS提供的主要是有关内部各职能部门运行状况的报告。

6.数据挖掘，又称为数据库中知识发现，它是一个从大量数据中抽取挖掘出未知的、有价值的模式或规律等知识的复杂过程。数据挖掘方法一般都用于研究大规模和超大规模的数据集合，并且分析人员在数据挖掘前没有明确假设，因此数据挖掘能得到数据潜在的模式，找出最有价值的信息和知识。

按照数据挖掘的功能，即产生的信息形态所具备的特征，数据挖掘可以分为以下几类:关联分析、序列分析、分类分析、聚类分析、异类分析和演化分析。

值得注意的是，数据挖掘方法所产生的所有知识并不都是有效和实用的，通常我们用一定的方法来判断数据挖掘所产生的知识的有效性。