BI寫演算法
❶ 為什麼bicgstab演算法要與預處理方法相結合
粗糙集理論是一種研究不精確、不確定性知識的數學工具。目前受到了KDD的廣泛重視，利用粗糙集理論對數據進行處理是一種十分有效的精簡數據維數的方法。
❷ BI的三個層次
經過幾年的積累，大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是:通過業務人員或者用戶的操作，最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process，在線事務處理)，指的就是系統運行了一段時間以後，必然幫助企事業單位收集大量的歷史數據。但是，在資料庫中分散、獨立存在的大量數據對於業務人員來說，只是一些無法看懂的天書。業務人員所需要的是信息，是他們能夠看懂、理解並從中受益的抽象信息。此時，如何把數據轉化為信息，使得業務人員(包括管理者)能夠充分掌握、利用這些信息，並且輔助決策，就是商業智能主要解決的問題。 如何把資料庫中存在的數據轉變為業務人員需要的信息?大部分的答案是報表系統。簡單說，報表系統已經可以稱作是BI了，它是BI的低端實現。
國外的企業，大部分已經進入了中端BI，叫做數據分析。有一些企業已經開始進入高端BI，叫做數據挖掘。而我國的企業，大部分還停留在報表階段。
數據報表不可取代
傳統的報表系統技術上已經相當成熟，大家熟悉的Excel、水晶報表、Reporting Service等都已經被廣泛使用。但是，隨著數據的增多，需求的提高，傳統報表系統面臨的挑戰也越來越多。
1. 數據太多，信息太少
密密麻麻的表格堆砌了大量數據，到底有多少業務人員仔細看每一個數據?到底這些數據代表了什麼信息、什麼趨勢?級別越高的領導，越需要簡明的信息。如果我是董事長，我可能只需要一句話:我們的情況是好、中還是差?
2. 難以交互分析、了解各種組合
定製好的報表過於死板。例如，我們可以在一張表中列出不同地區、不同產品的銷量，另一張表中列出不同地區、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如「華北地區中青年顧客購買數碼相機類型產品的情況」等問題。業務問題經常需要多個角度的交互分析。
3. 難以挖掘出潛在的規則
報表系統列出的往往是表面上的數據信息，但是海量數據深處潛在含有哪些規則呢?什麼客戶對我們價值最大，產品之間相互關聯的程度如何?越是深層的規則，對於決策支持的價值越大，但是，也越難挖掘出來。
4. 難以追溯歷史，數據形成孤島
業務系統很多，數據存在於不同地方。太舊的數據往往被業務系統備份出去，導致宏觀分析、長期歷史分析難度很大。
因此，隨著時代的發展，傳統報表系統已經不能滿足日益增長的業務需求了，企業期待著新的技術。數據分析和數據挖掘的時代正在來臨。值得注意的是，數據分析和數據挖掘系統的目的是帶給我們更多的決策支持價值，並不是取代數據報表。報表系統依然有其不可取代的優勢，並且將會長期與數據分析、挖掘系統一起並存下去。
八維以上的數據分析
如果說OLTP側重於對資料庫進行增加、修改、刪除等日常事務操作，OLAP(Online Analytics Process，在線分析系統)則側重於針對宏觀問題，全面分析數據，獲得有價值的信息。
為了達到OLAP的目的，傳統的關系型資料庫已經不夠了，需要一種新的技術叫做多維資料庫。
多維資料庫的概念並不復雜。舉一個例子，我們想描述2003年4月份可樂在北部地區銷售額10萬元時，牽扯到幾個角度:時間、產品、地區。這些叫做維度。至於銷售額，叫做度量值。當然，還有成本、利潤等。
除了時間、產品和地區，我們還可以有很多維度，例如客戶的性別、職業、銷售部門、促銷方式等等。實際上，使用中的多維資料庫可能是一個8維或者15維的立方體。
雖然結構上15維的立方體很復雜，但是概念上非常簡單。
數據分析系統的總體架構分為四個部分:源系統、數據倉庫、多維資料庫、客戶端。
·源系統:包括現有的所有OLTP系統，搭建BI系統並不需要更改現有系統。
·數據倉庫:數據大集中，通過數據抽取，把數據從源系統源源不斷地抽取出來，可能每天一次，或者每3個小時一次，當然是自動的。數據倉庫依然建立在關系型資料庫上，往往符合叫做「星型結構」的模型。
·多維資料庫:數據倉庫的數據經過多維建模，形成了立方體結構。每一個立方體描述了一個業務主題，例如銷售、庫存或者財務。
·客戶端:好的客戶端軟體可以把多維立方體中的信息豐富多彩地展現給用戶。
數據分析案例:
在實際的案例中，我們利用Oracle9i搭建了數據倉庫，Microsoft Analysis Service 2000搭建了多維資料庫，ProClarity 6.0 作為客戶端分析軟體。
分解樹好像一個組織圖。分解樹在回答以下問題時很?最高的銷售額?
·在特定的產品種類內，各種產品間的銷售額分布如何?
·哪個銷售人員完成了最高百分比的銷售額?
在圖1中，可以對PC機在各個地域的銷售額和所佔百分比一目瞭然。任意一層分解樹都可以根據不同維度隨意展開。在該分解樹中，在大區這一層是按國家展開，在國家這一層是按產品分類展開。
投影圖(圖3)使用散點圖的格式，顯示兩個或三個度量值之間的關系。數據點的集中預示兩個變數之間存在強的相關關系，而稀疏分布的數據點可能顯示不明顯的關系。
投影圖很適合分析大量的數據。在顯示因果關系方面有明顯效果，比如例外的數據點就可以考慮進一步研究，因為它們落在「正常」的點群范圍之外。
數據挖掘看穿你的需求
廣義上說，任何從資料庫中挖掘信息的過程都叫做數據挖掘。從這點看來，數據挖掘就是BI。但從技術術語上說，數據挖掘(Data Mining)特指的是:源數據經過清洗和轉換等成為適合於挖掘的數據集。數據挖掘在這種具有固定形式的數據集上完成知識的提煉，最後以合適的知識模式用於進一步分析決策工作。從這種狹義的觀點上，我們可以定義:數據挖掘是從特定形式的數據集中提煉知識的過程。數據挖掘往往針對特定的數據、特定的問題，選擇一種或者多種挖掘演算法，找到數據下面隱藏的規律，這些規律往往被用來預測、支持決策。
❸ BI主要掌握什麼
其實BI中有很多道理或原理在內，而上面的這些都只是數據的呈現方式。
請大蝦能夠介紹一下BI原理相關的名詞，至少弄懂這些名詞再看這些表象的東西不會一頭霧水。
如果有高手也請給大家介紹一個學習的方向。
最起碼搞明白BI,ETL,ODS,DW,DM,OLAP,OLTP這些名詞的含義以及之間的關系；google一搜就明白了！
你想學哪一套啊？BI的話還是要有關系資料庫基礎的。如果你有這基礎的話可以從微軟的那套開始。我是從研究ETL入門的。
維度和量度是olap cube中的概念，具體的話可以如下理解
維度就相當於坐標繫上就坐標軸，比如時間，部門；
度量就是能在報表裡面反應出來的數據，比如銷售額；
那麼OLAP要這些維度和量度干什麼呢？其實簡單點來說對於不同的業務需求使用不同的維度，比如說要展現2009年第一季度公司的銷售額，那麼我們就需要從時間維度上分析銷售額這個量度；如果要展現某個部門的銷售額，則從部門這個維度上來分析銷售額。當然，也有業務會是這樣：展現2009年第一季度部門A的銷售額，那就需要從兩個維度上一起來分析了。
聯機叢書很好很強大~如果你完整的安裝所有的SQL SERVER組件，一切盡在其中~
ODS---ODS（Operational Data Store）是數據倉庫體系結構中的一個可選部分，ODS具備數據倉庫的部分特徵和OLTP系統的部分特徵，它是「面向主題的、集成的、當前或接近當前的、不斷變化的」數據。
DW---數據倉庫，英文名稱為Data Warehouse，可簡寫為DW
DM---數據挖掘（Data Minning）
OLAP---聯機分析處理，英文名稱為On-Line Analysis Processing，簡寫為OLAP
OLTP---On-Line Transaction Processing聯機事務處理系統(OLTP)
簡單介紹一下 SQL Server BI 吧（我就懂這個）。
SQL Server企業版中附帶了三個服務：SQL Server Integration Service, SQL Server Analysis Service，SQL Server Reporting Service。這三種服務都是為 BI 服務的，既可以單獨使用，又可以配合使用。
三個服務一般都圍繞一個數據倉庫（Dateware House,簡稱DW）進行工作。
一般的數據倉庫實質就是一個普通的關系資料庫，只是針對 BI 的特性進行了特殊的設計。一般都是由事實表與維度表組成。例如，一個普通的電子商務網站中，每一次的購買行為形成一條事實數據，而事實數據所關聯的產品（大類別、小類別、價格等等）、客戶（聯系方式、地理位置等）等就是維度。這種由事實表與維度表組成的資料庫，能夠大為方便將來的查詢與分析，並且性能較高（當然，仍然取決於設計）。
SQL Server Integration Service，主要用來從原始資料庫（SQL Server/Oracle/MySql/XML/Excel等都可以）中增量提取數據，經過清理、整合、計算後，載入到數據倉庫中。Integration 項目可以運行在 SQL Server 代理中作為一個作業定期執行。
SQL Server Analysis Service，主要用來對數據倉庫中的數據進行既定的分析。進行 Analysis 開發主要是建立多維數據模型，模型建立後其元數據可以存儲到 SQL Server Analysis Service 中或者其他地方。
SQL Server Reporting Service，鏈接上數據源後可以生成報表（表格/矩陣/圖表）。可以使用 Analysis Service 作為數據源，也可以直接使用任意資料庫作為數據源。
其實這三個服務的應用很靈活，我只是描述了我應用的一個方式。
跟所有其它技術一樣，摸不著頭腦的時候，覺得很麻煩，不知從哪入手。而只要循序漸進的學習，要入門也很簡單，一旦學會了，你就發現用這個開發統計系統，真是太簡單了！而且生成的報表樣式非常靈活，報表還能導出為多種常用格式（Excel,PDF,XML，Word，Tiff等等）。
BI需要的技術：
1.資料庫：Oracle, DB2, SQL SERVER,最好也懂點Sybase, My SQL
包括，SQL，PLSQL，備份，恢復，調優
2.ETL: Informatica, Datastage, 手工ETL
3.報表：Cognos, BO, BIEE, Hyperion.....
4.操作系統, UNIX或者Linux，AIX, Solaris之類，SHELL腳本
5.外語，英語等，全會更好
6.HTML, JAVA, JS, CSS 多多益善
7.熟悉了解一些ERP系統，SAP，Sieble，Salesforce
當然了，要想深入，還是需要大量的學習和琢磨的。可以用一下億信BI之類的BI工具會很有幫助。
❹ 什麼是 BI工程師
BI工程師，主要是做數據分析，數據倉庫，以及相關報表，對一些數據進行處理，對資料庫要有比較深入的了解。
BI工程師需要有一定的資料庫經驗,掌握SQL查詢優化方法,精通Oracle、SQL Server、MySQL等主流資料庫的應用設計、性能調優及存儲過程的開發.掌握BI相關工具,如ETL工具(如SSIS)、OLAP工具(如SSAS)和前端展示工具.熟悉ETL邏輯、OLAP設計和數據挖掘相關演算法.
拓展資料:
工作職責:
負責ETL設計、模型設計、開發、技術支持等工作；
2. 負責ETL應用開發，資料庫性能進行調優；
3. 參與數據抽取、載入、轉換和腳本開發；
4. 負責BI展現的開發；
5、使用Hadoop, Hive等對海量日誌進行統計分析。
❺ bi字怎麼寫
關於【bi】讀音的漢字，在新華字典中共收錄了83個。每個字的寫法個不一樣，含義也不一樣。
各個字讀音及其含義寫法分別介紹如下
1、第一個字因為涉及敏感問題，此處省略。如果你想看，可以去看新華字典。寫法是：
上面一個【屍】，下面一個【穴】。含義就是女孩子的.............。
2、【逼】讀音：bī
現在我們大多用鋼筆或者是圓珠筆，而使用毛筆的時候多用於繪畫或者是書法。
因為【bi】讀音的字共83個，我這里只介紹了十個，如果全部寫下來，估計得寫一天。小夥伴們常用到的還有【幣】錢幣的幣，以及【必】必然的必，除了這些常用字外，其餘的字很少用到，所以我這里就不一一介紹了，望海涵！
❻ bi怎麼寫
逼的筆順是：橫、豎、橫折、橫、豎、橫折、橫、豎、橫、點、橫折折撇、捺，寫法如下圖所示：
一、逼的釋義
1、強迫；威脅。
2、強行索取。
3、十分接近；靠近。
4、狹窄。
二、組詞
逼近、逼真、威逼、逼迫、強逼等。
組詞
一、逼真 [ bī zhēn ]
1、極像真的。
2、真切。
二、威逼 [ wēi bī ]
用威力強迫或進逼。
❼ bi視的bi怎麼寫
鄙視（bǐ shì）
❽ 2.寫出對二叉樹（樹的類型表示bitree，變數定義為bt)的中序遍歷演算法
void midTraverse( bitree bt){
if(!(bt->leftTree&&bt->rightTree)){
printf("%d",bt->data);
}else{
midTraverse(bt->leftTree);
midTraverse(bt->rightTree);
}
}
❾ 史學雙bi的bi字咋寫
是玉璧的璧。璧為玉石，是一種寶石，代表著珍貴。在史學雙璧中，雙璧指的是《史記》和《資治通鑒》，都是史學界的高峰，就像寶玉石一樣歷久彌堅，熠熠生輝。