在這個(gè)信息爆炸式增長(zhǎng)的時(shí)代，挖掘數(shù)據(jù)的潛在價(jià)值尤為重要，越來越多的人將目光聚集于商務(wù)智能BI領(lǐng)域。通過數(shù)據(jù)分析軟件對(duì)來自不同的數(shù)據(jù)源進(jìn)行統(tǒng)一的處理和管理，并以靈活的方式展示數(shù)據(jù)之間的聯(lián)系，輔助企業(yè)進(jìn)行決策。 在BI越發(fā)重要的今天，如何學(xué)習(xí)BI應(yīng)用并熟練掌握它呢？總結(jié)一下，大致需要從五個(gè)方向著手： 1、學(xué)習(xí)數(shù)據(jù)庫(kù)知識(shí)，掌握基礎(chǔ)技能sql 直白來講，BI就是玩數(shù)據(jù)的，從數(shù)據(jù)中獲取各種所需信息。因?yàn)锽I的出發(fā)點(diǎn)是數(shù)據(jù)，希望能夠從數(shù)據(jù)分析中得到有價(jià)值的信息，所以從事BI相關(guān)的工作是絕對(duì)離不開數(shù)據(jù)庫(kù)的。 2、技術(shù)方面，學(xué)習(xí)數(shù)據(jù)倉(cāng)庫(kù)/ETL以及前端開發(fā) 那么，為什么要學(xué)習(xí)數(shù)據(jù)倉(cāng)庫(kù)呢？首先，我們認(rèn)識(shí)一下數(shù)據(jù)倉(cāng)庫(kù)。 數(shù)據(jù)倉(cāng)庫(kù)，是為企業(yè)所有級(jí)別的決策制定過程，提供所有數(shù)據(jù)類型支持的戰(zhàn)略集合。它出于分析性報(bào)告和決策目的而創(chuàng)建，為需要業(yè)務(wù)智能的企業(yè)，提供指導(dǎo)業(yè)務(wù)流程改進(jìn)、監(jiān)視時(shí)間、成本、質(zhì)量以及合理控制它們。從數(shù)據(jù)倉(cāng)庫(kù)的定義以及作用可以看出它和BI的作用完美契合，是BI的核心組成部分。 數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)僅有一字之差，但它們的作用卻不相同。數(shù)據(jù)倉(cāng)庫(kù)和數(shù)據(jù)庫(kù)的區(qū)別實(shí)際來講就是OLTP和OLAP的區(qū)別。傳統(tǒng)數(shù)據(jù)庫(kù)系統(tǒng)主要是用聯(lián)機(jī)事務(wù)處理OLTP(OnLine Transaction Processing),也叫操作型處理，它是針對(duì)具體業(yè)務(wù)在數(shù)據(jù)庫(kù)聯(lián)機(jī)的日常操作，通常對(duì)少數(shù)記錄進(jìn)行增刪改查。用戶較為關(guān)心操作的響應(yīng)時(shí)間，數(shù)據(jù)的安全性完整性以及并發(fā)支持的用戶數(shù)等問題。而數(shù)據(jù)倉(cāng)庫(kù)使用的就是OLAP(OnLine Analytical Processing)了，也叫分析型處理，一般是針對(duì)某些主題的歷史數(shù)據(jù)進(jìn)行分析，提供可靠結(jié)論以便支持決策管理。 數(shù)據(jù)倉(cāng)庫(kù)學(xué)習(xí)了解后，接下來要學(xué)習(xí)ETL（Extract - Transform-Load）。ETL是數(shù)據(jù)倉(cāng)庫(kù)的后臺(tái)，主要包含數(shù)據(jù)的抽取、清洗、規(guī)范化以及提交四個(gè)步驟。它是將數(shù)據(jù)從源系統(tǒng)加載到數(shù)據(jù)倉(cāng)庫(kù)的過程。用來描述講數(shù)據(jù)從來源端經(jīng)過萃取（extract）、轉(zhuǎn)置（transform）、加載（load）至目的端的過程。ETL一詞較常用在數(shù)據(jù)倉(cāng)庫(kù)，但其對(duì)象并不限于數(shù)據(jù)倉(cāng)庫(kù)。從OLTP（聯(lián)機(jī)事務(wù)處理）數(shù)據(jù)庫(kù)中提取數(shù)據(jù)，將其轉(zhuǎn)換為與數(shù)據(jù)倉(cāng)庫(kù)模式匹配并加載到數(shù)據(jù)倉(cāng)庫(kù)中。 數(shù)據(jù)倉(cāng)庫(kù)作為提供所有數(shù)據(jù)類型支持的戰(zhàn)略集合，對(duì)于BI分析數(shù)據(jù)模型是至關(guān)重要的，而ETL從數(shù)據(jù)庫(kù)中提取，清洗數(shù)據(jù)加載到數(shù)據(jù)倉(cāng)庫(kù)中，作為連接數(shù)據(jù)庫(kù)和數(shù)據(jù)倉(cāng)庫(kù)的紐帶，在我們想要學(xué)好BI的前提下，學(xué)習(xí)ETL也是必不可少的。 當(dāng)然，這些都是數(shù)據(jù)層面（底層）的東西，里子有了，當(dāng)然面子也需要做好。對(duì)于BI來講，數(shù)據(jù)分析后，我們很有必要將分析得到的結(jié)果以清晰炫酷的方式展現(xiàn)出來，做到第一時(shí)間抓住人們的眼球。這就需要我們有良好的前臺(tái)代碼基礎(chǔ)。 3、選擇技術(shù)工具 一個(gè)好的工具，可以幫助我們快速牢固的掌握所需技能。 作為一款全能型數(shù)據(jù)分析工具，億信ABI不僅支持連接類似oracle、mysql之類的數(shù)據(jù)庫(kù)，還支持類似文件數(shù)據(jù)或者網(wǎng)絡(luò)接口數(shù)據(jù)，數(shù)據(jù)來源支持廣泛；億信ABI的分析方式也很豐富，可以滿足市場(chǎng)上的各種場(chǎng)景需求，不論是中國(guó)式復(fù)雜報(bào)表，還是類似天貓雙十一作戰(zhàn)大屏的交互式炫酷效果，它都能實(shí)現(xiàn)；億信ABI系統(tǒng)的擴(kuò)展性和穩(wěn)定性都很OK，對(duì)于大數(shù)據(jù)量的數(shù)據(jù)分析，實(shí)現(xiàn)系統(tǒng)的線性擴(kuò)展的同時(shí)保證良好的系統(tǒng)穩(wěn)定性；大數(shù)據(jù)時(shí)代，對(duì)數(shù)據(jù)處理的能力要求也變的更高，億信ABI就實(shí)現(xiàn)了千萬、千億甚至更大數(shù)據(jù)量數(shù)據(jù)的秒級(jí)響應(yīng)。 作為行業(yè)內(nèi)頂尖的一款BI工具，億信ABI可以很好地幫助我們學(xué)習(xí)BI，還可以免費(fèi)試用呢。 4、學(xué)習(xí)業(yè)務(wù)知識(shí) 學(xué)習(xí)相關(guān)業(yè)務(wù)知識(shí)，任何行業(yè)都有屬于它自己的業(yè)務(wù)知識(shí)。 學(xué)習(xí)BI，我們要知道業(yè)務(wù)中的一些專業(yè)名詞，比如指標(biāo)、維度、主題域、主體集、主題表等等，以及業(yè)務(wù)中的一些具體邏輯，這些對(duì)于我們?cè)谧鯞I分析的時(shí)候都是十分重要的。 5、實(shí)操數(shù)據(jù)分析工作 紙上學(xué)來終覺淺。在理論知識(shí)學(xué)好的情況下，更加注重的就是實(shí)踐了。在實(shí)際項(xiàng)目中認(rèn)真參與，實(shí)操數(shù)據(jù)分析工作，把理論知識(shí)融會(huì)貫通。 相信只要能夠做好上面的五個(gè)方面，我們一定能夠擺脫菜鳥身份，向BI領(lǐng)域的大牛發(fā)起沖擊。