SAP BI

BI商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

商业智能是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具（大数据魔镜）、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

SAP BI 功能

SAP BI已经发展成为多种形式，旨在满足企业不断增长的要求和任务关键型活动日益增长的水平。这些形式都有其自己的一套数据质量要求。

仪表板

记分卡和仪表板正被广泛采用，越来越多的用户利用它们获取财务，业务和绩效监控的鸟瞰图。通过可视化的图形、图标和计量表，这些传输机制帮助跟踪性能指标并向员工通知相关趋势和可能需要的决策。提供集成视图所需的数据元素通常跨越多个部门和学科，需要绝对最新才能有效。

数据质量会影响记分卡和仪表板用户，因此这些用户必须能够：

1． 使用仪表板中计量表和刻度盘上的完整数据，并迅速采取措施。

2． 获取集成视图并使用标准化数据进行协作。

3． 利用具有一致数据的正式记分卡方法。

4． 向下钻取以查看组或个人级别绩效的准确数据。

5． 找到能够生成明显趋势且重复数据最少的业务流程。

6． 推导关联性并通过验证的数据执行交叉影响分析。

企业报告

企业报告为所有级别的个人提供来自企业资源规划（ERP）、客户关系管理（CRM）、合作伙伴关系管理（PRM）、发票和帐单系统，以及整个企业内其他源系统的各种运营报告和其他业务报告。这些报告分布广泛，而薪酬和其他激励计划通常与报告的结果有关。

数据质量会影响组织报告，因为组织必须：

1． 浏览多个报告，将它们显示到从不同来源聚合数据的多个表单中。

2． 选择各种参数并通过标准化数据为用户定制报告。

3． 利用各种性能指标的协调数据呈现多个表格和图表。

4． 使业务用户能够利用高精准数据创建自己的报告，无需IT部门参与。

5. 通过清洗和匹配的数据减少合规性管理的人工检查和审计。

6． 利用完整财务数据直接从商业智能报告开具发票和帐单。

OLAP分析

OLAP使用户能够即时以交互方式对相关数据子集进行“切片和切块”。同时，OLAP功能，比如向上钻取、向下钻取、或任意挖掘（跨业务维度）、透视、排序、筛选、以及翻阅，可用于提供关于绩效的基本详细信息。最为重要的是它能够回答存在的任何业务问题。这意味着调查深入到单个或多个数据仓库中可用的最原子级别的详细信息。

数据质量会影响OLAP分析，因为用户和组织需要：

1． 通过对目标数据的完全访问在所有维度中任意钻取以进行深入调查。

2． 通过设置好格式的一致数据将OLAP轻松应用于任何维度子集。

3． 利用一致的基本数据对象最大限地减少冲突报告，确保交互性。

4． 利用多个维度的正确数据执行用户驱动的适时分析。

5． 提供更新的同步数据来处理事务级数据分析。

预测分析

高级和预测分析使富有经验的用户能够充分调查和发现特定业务绩效背后的详细信息并使用该信息预测远期效果。此方法可能涉及高级统计分析和数据挖掘功能。为了推动积极决策和改进对潜在商业威胁的姿态，预测分析可能包括假设测试，客户流失预测，供应和需求预测，以及客户评分。预测建模可用于预测各种业务活动及相关效果。

数据质量会影响高级和预测分析，因为用户会寻求：

1． 为可定制报告创建跨越任何数据元素的报告过滤标准。

2． 为标准化数据格式搜索模式和预测洞察力以促进积极决策。

3． 通过一致数据获得信心，找出相互依存的趋势和预期成果。

4． 对准确数据采用多变量复原和其他技术，以实现更好的预测。

5． 在无数据重复的前提下定制数据分组，最大限度减少冲突。

6． 使用经认证的数据检验假设并使用统计、财务和数字函数。

通知警报

使用电子邮件、浏览器、网络服务器和打印机、PDA或门户网站时，通过通知和警报在广泛的用户触点间主动共享信息。通过及时交付目标信息，关键相关人士和决策者可以识别潜在的机会领域并发现要采取措施的问题领域。这种“一线”BI传输机制使组织能够保持协调一致，与业务风险和机会并进，同时事件仍将保持新鲜和有意义以保证响应。

在此领域，数据质量会影响组织，因为组织会努力：

1． 从任何和所有数据源向最广泛的用户接触点发布警报。

2． 确保标准化及非冲突数据集上各种订阅类型的高吞吐量。

3． 使用户能够打开附件或点击链接，同时呈现一致、集成的数据。

4． 通过预先评定并核准的数据质量来降低发布错误警报和通知的风险。

5． 允许在多个事件数据符合特定阙值时实时触发警报。

6． 利用经验证的数据进行内容个性化和组关联。