博和利科技有限公司借助中间件理念和技术，在多个商业智能项目定制开发的基础上，形成了包括数据填报、数据集成、数据仓库、智能报表、多维分析、智能搜索和数据挖掘在内的一整套商业智能解决方案的技术平台。

博和利商业智能平台以流程为核心，面向解决方案，真正围绕企业需求，对企业内各系统中运行的数据进行整理、清洗，对企业关心的主题进行多维度、逐层次的分析，发现企业运行中存在的现象，并且根据成熟的数据挖掘模型找出现象背后的真实原因，以及发现那些尚未发现的潜在知识和规律，为企业高层的决策工作提供快速、准确和高效的技术支撑。

博和利商业智能平台采用分层和可插拔组件的设计理念，使得整个平台耦合度很低，灵活性很高，针对用户的不同需求，实施不同的组件，在合理、高效地利用资源的同时，让客户享受到可定制化的商业智能服务。

 

1.数据源层：企业信息化过程中所建立的生产或管理系统，例如ERP，CRM，OA等，以及非结构化数据，支持Oracle，DB2，MS-SQL Server，Mysql在内的大多数数据库。

2.数据处理层：负责从企业现有系统采集数据，并对数据进行必要的清洗、整理和集成。

3.数据存储层：经过处理层处理完的数据，统一存储在企业数据仓库中，而且按章不同的部门，不同的分析主题，构建数据集市，方便数据分析。

4.主题分析层：围绕特定主题，进行多维度，逐层次的分析，其中包括OLAP多维分析、地图钻取分析、仪表盘钻取分析、智能报表、智能搜索、即席查询和数据挖掘。

 

1.分层次的架构和可插拔组件设计：分层架构使得整个平台耦合度降低，可插拔的组件设计使得整个平台功能任意组合，而且为以后方便添加新功能组件，甚至是第三方提供的组件成为可能。

2.基于标准的J2EE 技术：所有组件均遵从J2EE规范，而且整套商业智能方案部署和运行在包含Tomcat、JBoss在内的任一种J2EE兼容服务器上即可。

3.以Web Services 为中心：所有组件都提供Web Service接口

4.XML 为基础的元数据管理：平台配置文件、平台的部署文件，以及组件的配置和部署都统一采用XML为基础的元数据描述。

5.资源的集中管理：为仪表盘、报表、模板、查询等组件的定义提供服务端的集中存储和管理。

6.图形化管理和设计工具：提供Eclipse插件进行图形化管理和设计，例如基于Eclipse插件技术的报表图形化开发工具等。

7.兼容多种安全机制：包括基于角色的安全机制，业务规则和日志，同时提供集成第三方的安全机制，例如 Java单点登陆和LDAP等。

以BBIP实施商业智能解决方案的流程和步骤

BBIP商业智能解决方案功能特性

 

1）灵活而强大的钻取分析，多样化的异常预警

仪表盘钻取、图片钻取、关联钻取、目录树钻取、指标钻取

图到图、图到表、表到图及表到表的任意钻取

仪表盘展现分析

对关键指标的动态指示、监控、预警、钻取分析

快捷方便、丰富多彩的仪表盘展现形式

预测分析

提供大量成熟的统计学模型及预测分析模型，通过多维分析生成智能报告，必要是给出客观性结论和建议，作为辅助决策客观科学依据实时、交互、动态查询分析

通过查询条件组合检索感兴趣的结果集

对检索结果按照任意属性排序，并可以导出为Excel，CSV，PDF等格式文件

2）强大的报表整合、查询、分析及输出

Excel、PDF和CSV等格式的输出、复杂的中国报表（表中套表）定制

自动调动进程来创建报表、脾处理调度进程、预定义任务、自定义任务

图形报表联动变换、参数交互、信息深度分析

复杂的数据处理、强大的流程控制

提供多种模型对数据进行二次计算、分析和定义处理，支持数据回写

集成化、流程化的应用定制、强大的分析向导功能，集中管理、统一部署、强大的任务调度功能

并发用户数、数据源接口、应用的加载可按需扩展跨平台、多应用集成、多数据源支持

支持几乎所有的关系数据库，多维数据库及各种数据源

支持异构数据源、统一的界面展现

跨平台部署，支持Unix、Windows等

分布式结构、对星型模型的支持、支持负载均衡和集群技术

与第三方应用服务器无缝集成、整合Web Logic、Web Sphere、Tomcat、_JBoss等

3）灵活丰富的展现、简捷的应用开发和系统部署

企业级的B/S架构，真正的瘦客户端

使用对象库和引用文档的机制实现报表的标准化，系统开放性高、继承性高、可重用性高

4）集中统一的权限控制

基于角色为基础的权限控制

支持LDAP和第三方权限和应用系统权限的无缝集成

5）专业的报表制作、整合、查询和分析工具

快速定制任意复杂的报表支持，支持中国式报表

实现回写功能

通过内部强大的函数，可以完成任意复杂的表内和表间运算

报表循环输出及打印

具有先进的钻取、旋转等分析功能

6）丰富、灵活、人性化的前端分析展现形式

通常展现图：柱状图、堆叠图、饼状图、曲线图、散点图、2D、i3D等

分析性展现图：瀑布图、进度图、基线图、趋势图、鱼刺图、面积图、同比、环比、曲线图、起泡图、雷达图，各图形之间可以进行转换方向

智能报告及展现功能组合

多样化的异常预警通知展现

支持搜索查询，动态查询分析展现，通过行列转换使用户可以从不同角度灵活的进行分析，为OLAP在线查询、分析与报表制作提供简单方式的自助式平台

灵活任意定制的仪表盘、企业驾驶舱钻取分析展现

独特而强大的地图钻取分析

对数据挖掘分析、OLAP分析、管理信息模型、业务信息模型分析展现

7）智能搜索

分类查询，指标查询

对输入信息的起始查询及模糊匹配查询

动态过滤查询结果

8）集成的数据挖掘和OLAP数据分析

统计解析模型：统计模型、相关系数计算、方差分析、趋势分析

时间序列模型：倾向曲线、成长曲线、马尔可夫链、指数平划法、频谱分析

连环比率法、回归分析

多变量解析模型：主成因分析、因子分析、判断分析

经济计量模型：二阶段最小二乘法、K群分析、非线性模拟

投入产出模型：投入系数计算法、逆阵计算、价格分析、诱发系数、依存度分析、综合系统分析

数据规划模型：线性规划、整数规划、非线性规划

二次计划决策模型：多目标分析法、效用函数、决策树

多维立方体分析：切片、切块、旋转、钻取、上钻、下钻、钻透、目录树钻取、交互多维度OLAP

9）支持集成业务规则

根据业务需求、业务规则和业务规律定义参数、参数配置，进行逻辑推理分析

10）支持集成管理信息模型和业务信息模型

战略分析管理模型：SWOT、QSPM分析、EFE、I FE模型、SPACE模型、矩阵分析

营销分析管理模型：BCG分析、利润链4P+3R、SERVQUA模型、Profile、Top-N、GE分析、PIMS分析法

财务分析管理模型：杜邦分析、沃尔评分法、零基预测法、ABC利润分析

预测决策分析管理模型：回归法、趋势成长曲线、Battle法、AHP法

企业管理及绩效管理模型：BSC、KPI、8 0/20管理法则、360度反馈评价法

产品及质量管理模型：甘特图、5S、PDCA、5 M法

11）支持对商业问题和事件的专业分析查询决策和WHAT IF分析

领导决策分析系统

决策树、决策链、常规事件决策、突发事件决策、危机事件决策、单目标事件决策、多目标事件决策、确定因素事件决策、不确定事件决策、风险性事件决策、个体决策、群决策、置信度分析、方案效率比较分析、决策风险分析、战略地图、战略指标分解、关键绩效指标（KPI）、行动方案、控制与监督、绩效评估、激励分析与决策

企业绩效管理CPM

战略分析、预测分析、计划分析、运行监控、风险分析、平衡积分卡（BSC）、绩效考核、薪酬管理、企业愿景、战略地图、战略指标分解、关键绩效指标（KPI）、行动方案、控制与监督、绩效评估、激励分析与决策

战略及运营管理分析

企业愿景与EVA价值评估、战略分析、战略计划预测分析、监控与风险管理分析、竞争力与博弈分析、组织管理分析

财务及经营效益分析

财务战略分析、成本分析、财务分析、预算预测计划分析与决策、费用与现金流分析、负债与权益分析、资产分析、收益利润分析、经营效益分析、投资及博弈分析、收购并购与重组分析、权益证券分析、信用分析与危机预测分析

市场营销及客户分析

销售分析、市场分析、客户分析、预测分析、品牌分析、供应链分析、区域钻取分析、部门绩效分析企业价值及成长分析

企业综合分析、产品及服务分析、生产与质量分析、人力资源分析、IT战略服务分析、竞争力分析

企业报表查询分析系统整合平台

业务报表、分类报表、报表合并、报表汇总、交叉分析、按部门分析、按时期分析、按地理分析、同比分析、环比分析、相关分析、报表总结、决策分析、报表校验与置信度分析、监控报警通知

12）数据填报

丰富的编辑选项，如密码输入、多行滚动等

多种编辑风格：普通编辑框、屏蔽编辑框、单选框、复选框、下拉列表、下拉数据表、下拉控件（日期、计算器等）图像等大字段的处理，目前支持JPG、BMP格式图像

可写表达式控制，由基于列数据的表达式决定单元格是否可编辑

可设计字段输入的合法性检查表达式，对不合法的数据拒绝保存

在输入同时自动计算其它相关计算列

数据导入，支持TXT、DBF格式

13）数据处理

数据处理层是商业智能方案成功实施的基石，数据处理主要负责将企业内各种形式的数据进行数据抽出(Extraction)、转换(Transformation)和装载(Loading)，并确保数据的准确性和完整性。博和利商业智能平台数据处理层具有如下特点：

丰富的Transformation转换库；

内置对维度变换高级数据仓库特性的支持；

企业级的处理性能和可测量性；

内置ERP连接器和数据质量插件；

元数据驱动，可视化设计。

 

14）数据存储

在商业智能系统中，企业中数据经过处理之后被保存到数据仓库中，数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。

面向主题：数据仓库通常围绕一些主题，如“产品”、“销售商”、“消费者”等来进行组织。数据仓库关注的是决策者的数据建模与分析，而不针对日常操作和事务的处理。

集成：数据仓库通常是结合多个异种数据源构成的，异种数据源可能包括关系数据库、面向对象数据库、文本数据库、Web数据库、一般文件等。

相对稳定：数据仓库总是与操作环境下的实时应用数据物理地分离存放，因此不需要事务处理、恢复和并发控制机制。数据仓库里的数据通常只需要两种操作：初始化载入和数据访问，因此其数据相对稳定，极少或根本不更新。

反映历史变化：数据存储从历史的角度提供信息，数据仓库中包含时间元素，它所提供的信息总是与时间相关联的。数掘仓库中存储的是一个时间段的数据，而不仅仅是某一个时刻的数据。