商业智能常见名词浅释

Data Warehouse
本世纪80年代中期,"数据仓库之父"William H.Inmon先生在其《建立数据仓库》一书中定义了数据仓库的概念,随后又给出了更为精确的定义:数据仓库是在企业管理和决策中面向主题的、集成的、与时间相关的、不可修改的数据集合。与其他数据库应用不同的是,数据仓库更像一种过程,对分布在企业内部各处的业务数据的整合、加工和分析的过程。而不是一种可以购买的产品。

Data mart
数据集市,或者叫做"小数据仓库"。如果说数据仓库是建立在企业级的数据模型之上的话。那么数据集市就是企业级数据仓库的一个子集,他主要面向部门级业务,并且只是面向某个特定的主题。数据集市可以在一定程度上缓解访问数据仓库的瓶颈。

OLAP
联机分析处理(OLAP)的概念最早是由关系数据库之父E.F.Codd于1993年提出的。当时,Codd认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要,SQL对大数据库进行的简单查询也不能满足用户分析的需求。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。因此Codd提出了多维数据库和多维分析的概念,即OLAP。Codd提出OLAP的12条准则来描述OLAP系统:
准则1 OLAP模型必须提供多维概念视图
准则2 透明性准则
准则3 存取能力推测
准则4 稳定的报表能力
准则5 客户/服务器体系结构
准则6 维的等同性准则
准则7 动态的稀疏矩阵处理准则
准则8 多用户支持能力准则
准则9 非受限的跨维操作
准则10 直观的数据操纵
准则11 灵活的报表生成
准则12 不受限的维与聚集层次

ROLAP
基于Codd的12条准则,各个软件开发厂家见仁见智,其中一个流派,认为可以沿用关系型数据库来存储多维数据,于是,基于稀疏矩阵表示方法的星型结构(star schema)就出现了。后来又演化出雪花结构。为了与多维数据库相区别,则把基于关系型数据库的OLAP称为Relational OLAP,简称ROLAP。代表产品有Informix Metacube、Microsoft SQL Server OLAP Services。

MOLAP
Arbor Software严格遵照Codd的定义,自行建立了多维数据库,来存放联机分析系统数据,开创了多维数据存储的先河,后来的很多家公司纷纷采用多维数据存储。被人们称为Muiltdimension OLAP,简称MOLAP,代表产品有Hyperion(原Arbor Software) Essbase、Showcase Strategy等。

Client OLAP
相对于Server OLAP而言。部分分析工具厂家建议把部分数据下载到本地,为用户提供本地的多维分析。代表产品有Brio Designer,Business Object。

DSS
决策支持系统(Decision Support System),相当于基于数据仓库的应用。决策支持就是在收集所有有关数据和信息,经过加工整理,来为企业决策管理层提供信息,为决策者的决策提供依据。

ETL
数据抽取(Extract)、转换(Transform)、清洗(Cleansing)、装载(Load)的过程。构建数据仓库的重要一环,用户从数据源抽取出所需的数据,经过数据清洗,最终按照预先定义好的数据仓库模型,将数据加载到数据仓库中去。

Ad hoc query
即席查询,数据库应用最普遍的一种查询,利用数据仓库技术,可以让用户随时可以面对数据库,获取所希望的数据。

EIS
主管信息系统(Executive Information System),指为了满足无法专注于计算机技术的领导人员的信息查询需求,而特意制定的以简单的图形界面访问数据仓库的一种应用。

BPR
业务流程重整(Business Process Reengineering),指利用数据仓库技术,发现并纠正企业业务流程中的弊端的一项工作,数据仓库的重要作用之一。

BI
商业智能(Business Intelligence),指数据仓库相关技术与应用的通称。指利用各种智能技术,来提升企业的商业竞争力。

Data Mining
数据挖掘,Data Mining是一种决策支持过程,它主要基于AI、机器学习、统计学等技术,高度自动化地分析企业原有的数据,做出归纳性的推理,从中挖掘出潜在的模式,预测客户的行为,帮助企业的决策者调整市场策略,减少风险,做出正确的决策

CRM
客户关系管理(Customer Relationship Management),数据仓库是以数据库技术为基础但又与传统的数据库应用有着本质区别的新技术,CRM就是基于数据仓库技术的一种新应用。但是,从商业运作的角度来讲,CRM其实应该算是一个古老的"应用"了。比如,酒店对客人信息的管理,如果某个客人是某酒店的老主顾,那么该酒店很自然地会知道这位客人的某些习惯和喜好,如是否喜欢靠路边,是否吸烟,是否喜欢大床,喜欢什么样的早餐,等等。当客人再次光临时,不用客人自己提出来,酒店就会提供客人所喜欢的房间和服务。这就是一种CRM。

Meta Data
元数据,关于数据仓库的数据,指在数据仓库建设过程中所产生的有关数据源定义,目标定义,转换规则等相关的关键数据。同时元数据还包含关于数据含义的商业信息,所有这些信息都应当妥善保存,并很好地管理。为数据仓库的发展和使用提供方便。
 
### 智能驾驶关键技术名词解释 #### 1. **自动驾驶 (Autonomous Driving)** 自动驾驶是指车辆能够在无需人类干预的情况下完成行驶任务的能力。根据国际自动机工程师学会(SAE International)的标准,自动驾驶分为L0至L5六个级别[^1]。其中,L0表示无自动化,而L5则代表完全自动化。 #### 2. **车路协同 (Vehicle-to-Everything, V2X)** 车路协同是一种通信技术,允许车辆与其他交通参与者(如其他车辆、行人、基础设施等)进行实时数据交换。V2X的核心目标是提升道路安全性、效率以及支持高级别的自动驾驶功能[^1]。 #### 3. **车联网 (Internet of Vehicles, IoV)** 车联网是一个基于网络连接的生态系统,它将车辆与互联网以及其他设备相连,从而实现信息共享和服务扩展。IoV不仅限于车辆之间的通信,还包括车辆与云端服务器的数据交互。 #### 4. **人工智能 (Artificial Intelligence, AI)** 人工智能是智能驾驶的重要基础之一,用于模拟人类的认知能力并执行复杂的决策任务。在自动驾驶场景下,AI被广泛应用于感知环境、路径规划和控制操作等方面[^1]。 #### 5. **强化学习 (Reinforcement Learning, RL)** 作为机器学习的一个分支,强化学习特别适用于训练自动驾驶中的决策模块。通过让算法探索不同的行动方案,并依据反馈调整策略,最终达到优化性能的目的[^2]。 #### 6. **功能安全 (Functional Safety)** 为了应对因电气/电子系统的失效而导致的风险,汽车行业制定了ISO 26262标准来指导开发具备高可靠性的产品。对于智能驾驶而言,确保软硬件均符合该规范至关重要,因为任何潜在错误都可能危及生命财产安全[^3]。 #### 7. **传感器融合 (Sensor Fusion)** 现代自动驾驶汽车通常配备多种类型的传感装置(摄像头、雷达、激光雷达等)。这些来自不同源的信息需要经过处理才能形成统一的世界观供后续分析使用——这就是所谓的“传感器融合”过程[^1]。 ```python # 示例代码展示简单的加权平均法实现基本形式下的传感器数据融合逻辑 def sensor_fusion(sensor_data_list, weights): fused_value = sum([data * weight for data, weight in zip(sensor_data_list, weights)]) / sum(weights) return fused_value sensor_readings = [10, 15, 20] # 来自三个独立传感器的距离测量值 weights = [0.2, 0.3, 0.5] # 各项权重分配比例 result = sensor_fusion(sensor_readings, weights) print(f"Fused Distance Measurement: {result}") ``` ---
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值