動態數據倉庫的商務智能系統分析論文
從軟件系統應用角度看是數據倉庫、聯機分析處理、數據挖掘等技術方法和工具在商業活動中的集中應用。其工作原理是從企業各類數據源收集數據，經過抽取(extract)、轉化(transform)、加載(load)，送入數據倉庫，使用數據查詢分析工具、數據挖掘工具和聯機分析處理工具對信息進行處理，并以定制的動態報表實時展示，從而將信息轉變為輔助決策的知識，最終呈現給用戶。商務智能軟件的功能有：多維數據分析及展現、報表工具、趨勢分析、可視化工具、數據挖掘等。
在滿足商務智能各基本功能的前提下，企業對如何保證獲取和分析數據的實時性更為關注。即：數據抽取、轉換、加載、集成的實時性和分析，以對決策提供實時支持。
動態數據倉庫是對傳統數據倉庫的延伸和擴展，通過動態數據加載，動態事件驅動和動態數據訪問，對不同用戶群體(管理層、分析師、業務員)進行分門別類的決策支持，將原來后臺的商務智能推向前端，使實時商務智能[2]成為可能。
數據倉庫作為商務智能的重要依托，是對“海量數據”、“大數據”進行分析處理的核心物理架構。借助數據倉庫技術，可以將來自于不同數據源平臺 (如crm、scm、erp、oa以及企業外部的系統和零散數據)格式不一的數據處理成語義格式一致的多源數據進行存儲。以往數據倉庫很強調海量，但隨著商業機會出現的周期越來越短，只有少數行業壟斷企業憑借海量數據獲得商業智能素材，對于大多數企業而言必須快速地掌握信息變化，即便是小量、甚至個別的信息也有商機可挖。由此可見，更快的動態數據日益成為今后的主流。相比傳統數據倉庫，動態數據倉庫強調數據的及時性和同步，其實質是將數據倉庫和一個運作數據存儲結合起來，以便對數據同時更新，并從同一個中央倉庫中獲得時間敏感性數據和詳細歷史數據。
動態數據倉庫關鍵是動態加載數據，也就是數據倉庫的etl過程。etl是將業務系統的數據源按一定順序進行采集，然后按照數據存儲結構進行合理的轉換，并將源數據中出現的二義性、重復、不完整、違反業務或邏輯規則等問題統一進行處理，最后按照數據倉庫的結構進行數據加載，也就是常說得數據抽取、轉化、裝載。這一過程實現了多種類、多平臺數據源的整合，解決數據在時間、不穩定性、依賴性等方面的差異，保證數據一致性，達到正確理解數據業務含義的目的，這也是etl技術核心所在。數據的實時加載有多種方法，早期有短時間間隔內批量數據抽取盒利用eai消息隊列的數據傳輸，后有利用soa框架和xml 統一數據格式解決數據與數據源的實時同步問題[34]。