64、数据仓库与商业智能：从数据分析到 SQL 扩展

数据仓库与商业智能：从数据分析到 SQL 扩展

1. 数据仓库与 OLAP 技术融合

ROLAP 和 MOLAP 供应商正致力于在统一的决策支持框架内整合各自的解决方案。如今，许多 OLAP 产品能够轻松处理表格和多维数据。例如，使用 Excel 的 OLAP 功能，就可以访问 SQL 服务器中的关系型 OLAP 数据以及本地计算机中的多维数据。OLAP 技术的出现也推动了其他数据分析技术的发展，这些技术都涵盖在“数据分析”这一广义概念之下。

2. 数据分析概述

数据分析是商业智能（BI）功能的一个子集，它包含了广泛的数学、统计和建模技术，旨在从数据中提取知识。数据分析在 BI 框架的各个层面都有应用，包括查询与报告、监控与警报以及数据可视化。它是 BI 为组织带来价值的关键“共享”服务，能让业务经理从当前事件中提取可操作的商业见解，并预见未来的问题或机会。

2.1 数据分析的类型

数据分析可分为解释性分析和预测性分析：
- 解释性分析 ：侧重于基于现有数据发现和解释数据特征及关系。它使用统计工具来提出假设、进行测试，并回答这些关系的“如何”和“为何”问题。例如，过去的销售与之前的客户促销活动有何关联。
- 预测性分析 ：专注于高度准确地预测未来数据结果。它使用复杂的统计工具帮助终端用户创建高级模型，以回答关于未来数据事件的问题。例如，基于给定的客户促销活动，下个月的销售额会是多少。

可以将解释性分析视为对过去和现在的解释，而预测性分析则是对未来的预测。但需要注意的是，这两种分析方法是相互协作的，预测性分析以解释性分析