智码商务智能管理平台Wise BI

BI商业智能

本系统将以元数据为调度中心，实现了数据仓库与数据抽取、转换、装载(ETL)、数据挖掘；联机分析处理(OLAP)的有机集成和各种数据挖掘算法的无缝连接。
　　通过OLAP、数据建模、即席查询、报表等多种技术与应用的实现，数据分析平台系统的总体结构如下图所示：

数据分析平台系统结构图 1、数据挖掘模型    本系统定义了三个逻辑层次的数据挖掘系统模型，如下图所示。

  2、元数据管理设计元数据就是关于数据的数据。在数据仓库中，元数据具有重要的地位，对数据仓库的设计、开发、维护和管理，对数据的组织、信息的查询和结果的理解都有重大作用。本系统用元数据描述和管理整个系统的数据和环境，不仅包括数据仓库平台中的数据，并且包括数据挖掘工具中的任务模型。这样，元数据居于整个系统的核心地位，统一管理数据仓库和数据挖掘工具，并控制整个数据挖掘流程，包括数据准备、采掘、表述以及评价，使数据和数据挖掘任务有机地结合在一起。同时，本系统采用面向对象地方法对复杂元数据进行管理和维护，保证了元数据的一致性和系统健壮性。3、数据仓库管理器本系统中通过数据仓库管理器为数据挖掘工具提供数据平台，其主要目标是通过建立和维护数据仓库，为数据挖掘提供经过清洗、整合、转换的数据来源，完成数据挖掘过程中数据预处理的部分任务。本系统中数据仓库中的数据按照主题组织，主题中包含多个事实表、维表、中间表以及数据立方体。数据仓库主题按照一定的模式进行建模，在此基础上实现多维数据立方体和各种OLAP操作，并为数据挖掘任务提供经过适当预处理和良好组织的数据源，最后结果可由可视化工具显示，或以报表形式输出。整个数据仓库，包括数据的抽取及主题的组织等，均通过元数据来管理和维护。

 数据仓库结构示意图 4、数据挖掘任务规划数据挖掘集成工具的主要部分包括两个模块：数据挖掘任务模型编辑模块和任务处理引擎。任务模型编辑模块提供任务模型编辑向导以及可视化任务模型编辑图板，以一种可视化的方式引导用户选择数据源和算法，逐步构造适当的任务模型。任务处理引擎负责对数据挖掘任务进行规划，解释执行各个步骤，得到数据挖掘结果。采掘结沈阳软件制作

果经过解释和评估，可以存入数据仓库，并以报表和可视化方式输出。数据挖掘集成工具的基本结构如下图

  挖掘集成工具结构示意图