闭卷考试，时间120分钟，五种题型：选择题（10分）、判断题（10分）、名词解释题（30分）、简答题（30分）、论述题（20分） 第1章 商务智能基本知识
（1）商务智能的概念、价值、驱动力。 概念：
商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力-王茁专著《三位一体的商务智能》. IBM商务智能解决方案远远不只是数据和技术的组合，BI帮助用户获得正确的数据，发现它的价值，并共享价值。
价值：
To support decision making at all levels of business management based on the facts and (scientific) predictions of current and future business situations that are obtained from intelligent analysis of historical business data.
支持各级决策基于事实和商业管理的(科学)的预测当前和未来的业务情况下获得历史业务数据的智能分析。
Business decisions made with BI support are more -Correct 恰当 -Accurate 准确 -Objective 客观 -Timely 及时
驱动力：
在商务智能背后有一些商业驱动力，例如： 增加收入，减少费用和更有效地竞争的需求。 管理和模拟当前商业环境复杂性的需求。
减少IT费用和利用已有公司业务信息的需求。
（2）商务智能系统的功能、主要工具。 功能：
在商务智能背后有一些商业驱动力，例如： 增加收入，减少费用和更有效地竞争的需求。 管理和模拟当前商业环境复杂性的需求。
减少IT费用和利用已有公司业务信息的需求。
主要工具：
第2章 商务智能核心技术
（1）商务智能系统的架构如何？
数据获取 数据源 数据迁移 元数据管理（业务元数据、技术元数据等） 数据管理 ETL 数据清洗 数据分析 业务模型 数据集市管理 安全性、 分析管理 数据展现 数据展现 最终用户 数据存储管理 数据仓库 元数据管理 销售系统 生产系统 数据抽取、迁移、加载 ETL 解决方案 数数ETL据 据质重量新控组数据仓库 日常 数据增加 周 数据加载 日 周期 企业数模型 RDDW MDDB 报表 Intranet/ Internet 决策人员 随即查询 即席查询 管理人员 产品报告 分析人员 采购系统 EII 解决方案 数数企业信息集据据EII成（） 质量控重新组例外分析 实时 增量 财务系统 虚拟 ODS 数据仓库 数据挖掘 解决的业务问题 OLAP分析 数据挖掘 业务人员 访问工具 投资组合分析 投资组合分/K PI平衡计分卡 平衡记分卡利润成本分析 利润成本分资产分析 营销分析
（2）什么是数据仓库？
数据仓库用来保存从多个数据库或其它信息源选取的数据, 并为上层应用提供统一 用户接口，完成数据查询和分析。支持整个企业范围的主要业务来建立的，主要特点是，包含大量面向整个企业的综合信息及导出信息。
数据仓库是作为DSS服务基础的分析型DB，用来存放大容量的只读数据，为制定决策提供所需要的信息。
数据仓库是与操作型系统相分离的、基于标准企业模型集成的、带有时间属性的、面向主题及不可更新的数据集合。
以1992年W H Inmon出版《Building the Data Warehouse》为标志，数据仓库发展速度很快。 W H Inmon被誉为数据仓库之父。
W H Inmon对数据仓库所下的定义：数据仓库是面向主题的、集成的、稳定的、随时间变化的数据集合，用以支持管理决策的过程。 （3）OLTP和OLAP的区别？
事务型处理(OLTP)：即操作型处理，是指对数据库的联机操作处理OLTP。事务型处理是用来协助企业对响应事件或事务的日常商务活动进行处理。它是事件驱动、面向应用的，通常是对一个或一组记录的增、删、改以及简单查询等（大量、简单、重复和例行性）。 在事务型处理环境中，数据库要求能支持日常事务中的大量事务，用户对数据的存取操作频率高而每次操作处理的时间短。
分析型处理(OPAP)：用于管理人员的决策分析，例如DSS、 EIS和多维分析等。它帮助决策者分析数据以察看趋向、判断问题。
分析型处理经常要访问大量的历史数据，支持复杂的查询。 分析型处理过程中经常用到外部数据，这部分数据不是由事务型处理系统产生的，而是来自于其他外部数据源。
（4）数据仓库的技术要求。
复杂分析的高性能体现：涉及大量数据的聚集、综合等，在进行复杂查询时经常会使用多表的联接、累计、分类、排序等操作。 对提取出来的数据进行集成：数据仓库中的数据是从多个应用领域中提取出来的，在不同的应用领域和不同的数据库系统中都有不同的结构和形式，所以如何对数据进行集成也是构建数据仓库的一个重要方面。
对进行高层决策的最终用户的界面支持：提供各种分析应用工具。 （5）数据仓库系统的组成。
源数据：数据仓库中的数据来源于多个数据源，它不仅可以是企业内部的关系型数据库，还包括非传统数据，如文件、HTML文档等。 数据仓库管理系统：
元数据库及元数据管理部件：元数据库用来存储由定义部件生成的关于源数据、目标数据、提取规则、转换规则以及源数据与数据仓库之间的映射信息等。 数据转换部件：该部件把数据从源数据中提取出来，依定义部件的规则将不同数据格式的源数据转换成数据仓库的数据格式并装载进数据仓库。
数据集成部件：该部件根据定义部件的规则、统一各源数据的编码规则，并净化数据，根据元数据中定义的数据组织形式对数据进行汇总、聚合计算。
数据仓库管理部件：它主要用于维护数据仓库中的数据，备份、恢复数据以及管理数据的安全权限问题。
数据仓库前端工具集：
查询/报表工具：以图形化方式和报表方式显示数据，帮助了解数据的结构、关系以及动态性。
OLAP工具：通过对信息的多种可能的观察形式进行快速、一致和交互性的存取，便于用户对数据进行深入的分析和观察。
数据挖掘工具：从大量数据中挖掘出具有规律性的知识，以及数据之间的内在联系。 前端开发工具：提供用户编程接口，便于在现有系统的基础上进行二次开发，增强系统的伸缩性。
数据仓库:在数据仓库系统中，数据仓库是一个数据存储集合，它的存储形式通常有多维数据库，关系型数据库及其他存储方式。
（6）什么是星型模型？
（7）元数据的概念。
元数据：是用来描述数据的数据。它描述和定位数据组件、它们的起源及它们在数据仓库进程中的活动；关于数据和操作的相关描述(输入、计算和输出)。元数据可用文件存在元数据库中。元数据反映数据仓库中的数据项是从哪个特定的数据源填充的，经过哪些转换、集成过程。
（8）数据仓库中的粒度概念。
对数据仓库中的数据综合程度高低的一个度量，它既影响数据仓库中的数据量的多少，也影响数据仓库所能回答询问的种类。
粒度越小，综合程度越低，回答查询的种类越多； 粒度越高，综合程度越高，查询的效率也越高。
在数据仓库中可将小粒度的数据存储在低速存储器上；大粒度的数据存储在高速存储器上。 （9）什么是数据集市？与数据仓库的区别是什么？ 数据仓库是企业级的，能为整个企业各部门的运行提供决策支持手段。而数据集市（ Data Mart ）是部门级别的，一般只能为某个局部范围内的管理人员服务，也称为部门级的数据仓库。
数据集市有两种：独立的数据集市和从属的数据集市。 数据集市不是数据仓库
数据集市并非小的数据仓库
多个数据集市集合并不构成数据仓库 第3章 在线分析处理
（1）OLAP、ROLAP的概念。
定义1 ：OLAP(联机分析处理)是针对特定问题的联机数据访问和分析。通过对信息(维数据)的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。
定义2 ：OLAP(联机分析处理) 是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。(OLAP委员会的定义) OLAP的目标是满足决策支持或多维环境特定的查询和报表需求，它的技术核心是“维”这个概念，因此OLAP也可以说是多维数据分析工具的集合。 ROLAP的概念：
（2）简述OLAP的基本操作。 切片和切块、钻取、旋转 第4章 数据挖掘原理 （1）什么是数据挖据？
从大量的、不完全的、有噪声的、模糊的、随即的数据中提取正确的、有用的、未知的、综合的、以及用户感兴趣的知识并用于决策支持的过程。（课本）
从数据中提取正确的、有用的、未知的和综合的信息并用它进行决策的过程。（PPT） （2）简述数据挖掘的作用。
（3）数据挖据流程的国际标准CRISP-DM。
1996年提出的行业无关、应用无关的数据挖掘过程标准—Cross Industry Standard Process for Data Mining（CRISP-DM）。这个标准把挖掘过程分为六个阶段：定义业务问题（business understanding）、数据理解（data understanding）、数据预处理（data preparation）、数据建模（data modeling）、模型评估（evaluation）和部署（deployment）。 （4）数据预处理方法及内容。
数据清理处理内容： 格式标准化 异常数据清除 错误纠正
重复数据的清除
《商务智能》考试复习内容 (含答案)
