最近想学习BI,因为自己做的一个项目用到了大量Oracle 分析函数,而烃使用使用OLAP技术,系统目前数据量少,速度相对来说可以。每天数据量这么大，谁能保证积累了两年的数据后，运算速度还有这么快呢。这让我不得不思考我在做的项目与BI的差别，BI这概念之前只听说过没深入了解更没有用过相应的工具。一开始自己就想到开源的BI工具，就开始下载，找入门文档。两天之后让我发现这行不通，连概念都不理解，仅有工具是不行的。我们需要理解它的定义、历史、作用，才能开始学习它，才需要用过工具。
1、BI的定议：
      BI(Business Intelligence) 是一种运用了数据仓库、在线分析和数据挖掘等技术来处理和分析数据的崭新技术，目的是为企业决策者提供决策支持。
     从定义上我们要明白BI运行的基础是 ：数据仓库，和联机分析 ，数据挖掘
     目的：提供决策支持
2、BI分类
     信息类 BI 应用  
        指由原始数据加工而来的数据查询、报表图表、多维分析、数据可视化等应用，这些
应用的共同特点是：将数据转换为决策者可接受的信息，展现给决策者。例如将银行交易数据加工为银行财务报表。
     知识类 BI 应用

      指通过数据挖掘技术和工具，将数据中隐含的关系发掘出来，利用计算机直接将数据加工为知识，展现给决策者。
3、BI的应用模式
     A、初级模式
           数据查询和生成报表，这是BI的初级应用模式
     B、
          1、BI 高级应用模式
           OLAP ，即联机分析处理，是 BI 带来的一种全新的数据观察方式，是 BI 的核心技术 之一。
         2、数据挖掘
             数据挖掘的目的是通过计算机对大量数据进行分析，找出数据之间潜藏的规律和知识，并以可理解的方式展现给用户。数据挖掘是最高级的 BI 应用，因为它能代替部分人脑功能。   
         数据挖掘的三大要素是：

         技术和算法：目前常用的数据挖掘技术包括——
                自动类别侦测(Auto Cluster Detection)
                决策树(Decision Trees)
                神经网络(Neural Networks)

        数据：由于数据挖掘是一个在已知中挖掘未知的过程，
                因此需要大量数据的积累作为数据源，数据积累
                量越大，数据挖掘工具就会有更多的参考点。

        预测模型：也就是将需要进行数据挖掘的业务逻辑由
                计算机模拟出来，这也是数据挖掘的主要任务。

4、 底座——数据仓库技术
         数据仓库(Data Warehouse)是一个面向主题的(Subject Oriented)、集成的(Integrate)、相对稳定的(Non-Volatile)、反映历史变化(Time Variant)的数据集合，用于支持管理决策。以上是数据仓库的官方定义。 


5、总结：
      要想学好BI，以上知识点是基础。必须把基础学习才能深切的理解BI，理解客户在这主面真正意义上的需求。