读取数据：可读取多种格式的文件数据，也可读取关系型数据库中的数据。

分析功能：用于发现不同事件之间的关联性，快速发现那些有实用价值的关联发生事件。

具备数据输出功能：打印统计列表和图表画面等功能，可将统计分析好的数据输出给其他应用程序使用，或以其他格式保存。

可定型处理：所需要的输出数据显示出来时，可进行定型登录，也可自动生成定型处理按钮。按此按钮，即使很复杂的操作也都可以将所要的列表、视图和图表显示出来。

2 分析BI系统

2.1 设计原则

(1)以数据仓库技术构建，用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求。采用多维数据库和多维分析的概念(OLAP)，系统的建设以数据仓库技术为依托，构建以SAP ERP为核心数据的查询分析平台。

(2)加强业务管理的支持能力，促进业务处理的规范化、科学化，实现数据服务自动化，提高信息服务水平；提高业务处理系统的灵活性，对业务资源进行全而统一的管理，能对变化做出迅速反映；建立完整的企业信息库，为各级领导的分析和决策提供有力支持，为不同的客户群提供更好、更有针对性的服务；提供报表的处理和统计查询，按实时性和周期性生成各种报表。报表计算时间实现自定义，报表形式、内容实现自定义。

(3)适应数据集成的要求，在系统的建设过程中，所面临的将是大量的数据，当中必然会有不一致、重复、冗余的数据。系统实施很大的工作量在于对这些海量数据的整合和加工数据的整合和加工需要投入较多人力及物力做好数据集成。只有高质量的数据整合才能保证报表、查询、统计分析的准确性及完整性。

(4)安全性和可靠性，保证系统数据不丢失，不出现数据的不一致。不论是操作失误还是环境因素，在不影响性能的同时，确保系统的内部和外部安全。充分利用现有网络等环境资源，利用成熟的图形界面技术和经验，确保界面友好、易于使用、维护简单。

2.2 总体方案

(1)应用架构

本系统的总体应用架构可以分成4个层次：数据整合层、数据层、展现层和门户层，各个层次的建设内容覆盖了系统的各项实际需求。具体如下：

数据整合层：以建立齐鲁石化的指标信息元数据为标准，以此为基础规范编码标准、数据接口和信息结构。依托整合工具ETL进行数据提取、过滤、清洗、装载过程，建立指标信息共享数据库。

数据层：主要分为3类数据，其一为现有的业务数据，其二为非结构化信息仓库，其三为指标管理数据中心。通过信息采集、手工录入的方法，形成针对非结构化数据的信息仓库。在展现时候．要考虑到结构化的管理信息和非结构化的文档类信息之间的关联，实现两者之间的关联检索机制。在建立效据中心过程中，需要充分考虑到未来信息化应用产生的数据，应方便、高效地集成到指标数据中心。

数据展现层：充分发挥指标数据中心的价值，通过数据分析系统来实现，领导指标信息系统通过对数据中心的数据进行分析，形成综合的、辅助领导央策的有价值信息，指导企业运营。

门户层：实现各种web展现系统的界面表现层集成，同时实现用户的单点登录及个性化定制自己的业务系统。

(2)层次架构

结合本系统的具体需求和业务特点，系统构架模型如图2所示。

上述模型框架充分考虑了ERP数据分类综合分析系统和其他业务系统的有机结合。依据上述模型，致力于解决异构应用系统数据库间的整合，构建基础性通用指标信息平台，提供统一的企业指标处理门户平台和相关的资源管理体系。依托数据集成软件平台的集成功能，在对已有数据集成平台系统和相关专业应用系统全面整合的基础上，构建和集成指标信息系统。

数据集成建设完成后，中心数据库将成为管理数据中心。保持与全行业一致的基础信息代码和基础业务指标，实现全面集成、信息共享、数据管理集成，同时服务于领导查询支持系统与统一信息平台系统。主要包括：

数据采集体系：数据采集层的核心是数据集成平台即ETL。数据集成平台提供了系统(数据库)到管理数据中心之间的数据集成技术支撑。应用系统产生的数据经过数据采集体系进行加工，进入数据中心数据库。作为有效的补充，提供手工录入的方式向数据中心提供额外的指标数据。

数据模型体系：管理数据中心的数据要展现出来，必须经过业务模型的处理，形成可利用的数据，从数据到知识的变化过程也就是数据模型的产生过程，进行数据模型的主题分析数据中心，起到了承上启下的作用，供展现体系显示数据模型。

展现模型体系：对业务主题模型进行展现，需要建立层级式多层展现模型，即实现多维度展现，建立OLAP分析模型，同时建立轻度、中度、高度汇总数据。

数据展现体系：支持建立展现模型服务，使用查询工具、报表工具及综合展现对结构化/结构化数据进行展现，从而进一步实现指标数据查询、报表、统计分析的功能。

元数据管理体系：元数据是关于致据的数据，采用元数据对所有应用系统数据库表结构进行描述，形成全局数据字典，为异构数据检索和访问提供支持。为了管理元数据，需要提供配套的元数据管理工具。元数据管理工具建立元数据标准，通过数据抽取、转换、装载(ETL)工具实现各业务数据库到共享数据库的抽取、转换和同步工作，实现共享数据的集中存储，并制定信息共享标准。

(3)技术架构

关系数据库层：采用SSIS技术实现企业异构信息系统的数据集成。企业的信息系统有基于Oracle、SQL Server等不同数据库平台，在不同时期进行建设的，SSIS服务提供了强大的ETL功能，能够高效地、可靠地完成数据仓库数据的处理和加载。

OLAP层：采用SQL Server 2005提供的SSAS服务，实现数据MOLAP、ROLAP、HOLAP存储和多维数据处理，为前台系统展现提供数据基础和性能保障。MOLAP将OLAP分析所用到的多维数据物理上存储为多维数组的形式，形成“立方体”的结构。

前台展现层：采用基于SQL Server 2005基础平台的Analyzer2007作为商务智能分析工具。该下具提供了强大功能，包括：Pivot Table(可视化数据透视表)、Scorecard(计分卡)、KPI Flow(KPI流程图)、Dashboard(分析仪表板)4大功能模块，实现了5大价值，协同组织目标、策略与执行力、迅速挖掘隐藏性问题、建立快速反应的决策机制、增进企业应变弹性与敏捷度、提升决策质量与企业竞争力。Analyzer2007作为OLAP的前台展现工具，提供了强大和灵活的数据展现服务。用户可以根据自己的分析要求和已定义的数据模型，轻松、快捷地构建新的动态报表并能灵活选择展现图形的样式。

2.3 系统功能

(1)ETL功能：定义数据抽取、装载、转换规则，利用微软SSIS工具，提供数据抽取、装载、转换服务，集成各应用系统的数据，实现数据仓库数据填充。

(2)数据仓库：分析企业核心业务和以SAP为核心的系统数据，构建了企业主题数据库，支撑企业数据共享和基于数据仓库的其他应用建设。

(3)实现多维处理引擎：采用微软SSAS，作为OLAP服务引擎，提供了灵括、高效的多维模型构建功能和处理能力。

(4)数据展现：采用先特计公司的Analyer2007 BI工具实现多维数据分析和展现，工具提供了上卷、下钻、展开、收合、切片、切块、旋转等分析功能，并能灵活的实现多样化图形展现和联动显示。

3 结语

通过利用BI进行数据深度挖掘、多维度展现，充分发挥数据仓库的优势，通过对原有系统的有机集成，构建领导信息系统，使之实现企业的指标信息共享，加快信息的流动，进而提高领导决策的效率，推动公司提高决策力度。