商業智慧系統建置成功的要素很多企業想做商業智慧(Business Intelligence；BI)的應用，往往不知道如何著手；常看到有些使用者導入了報表工具，就自認已具備「商業智慧」了。其實要建置BI系統，還是必須先建立對於BI的正確認識。BI建置的基本認識絕大多數的BI系統如統計報表、決策支援、樞紐分析、戰情報告等，並不會自己產生資料，而是從各個系統來源蒐集資料，包括檔案交換、網路 ...Learn More

企業導入 Big Data 的策略地圖前言ICT繼Cloud Computing之後，能夠跨產業受重視並引起大眾媒體追捧的議題，莫若Big Data了。隨此議題持續發燒，數年前曾有一波熱潮的商業分析再度成為顯學；美國、歐盟、中日韓與新加坡各國都視Big Data為國家戰略，以國家資源投入相關產業。然而眾多熱議之後，除了Internet產業外，究竟有多少企業已經或開始導入Big Data了？許多企 ...Learn More

ETL 簡介ETL ( Extract-Transform-Load ) 是建置或更新資料倉儲 ( Data Warehouse ) 中的內容時，對於所需之數據進行資料擷取、轉換、載入的過程，由字面上即能得知它是由下述三個環環相扣的步驟所組成：Extract — 資料擷取：從資料來源處擷取所需之數據資料。Transform — 資料轉換：針對所擷 ...Learn More

巨量資料 (Big Data) 簡介繼雲端運算Cloud Computing之後，ICT術語最夯、且被各產業與媒體談到浮濫而大眾還是很模糊者，就是巨量資料Big Data了。究竟何謂Big Data？又為何爆紅而大家都想沾點邊？其實與Cloud Computing相同，Big Data也是網路業者已經在做，而被市場快炒起來的議題。它可橫跨眾多產業應用且與大眾相關 (不像ICT另一個浮濫的術語「 ...Learn More

巨量資料 (Big Data) 簡介-2 Big Data的應用熱潮Big Data的應用熱潮Big Data範疇中如machine data者其實早已存在，但是因處理技術不足，或者無法充分發揮其價值、亦或視其為低價值而存檔變為資料庫存(Dark Data)，甚或限於儲存技術能力與經費而任其流逝不保留。另一方面，藉由網路產業的技術發展，業界已能夠處理巨量human data，連帶拯救了machine data。舉例而言，線上 ...Learn More

商業智慧 (Business Intelligence) 簡介資料經整理而成為有用的資訊，資訊經分析而萃煉為智慧商業智慧 (Business Intelligence) 乃是IT產業中資料管理技術的一個領域，主要是以IT技術整合與分析業務資料，提供線上報表、業務分析與預測，以供企業決策所需。企業IT的應用系統是處理線上交易，保留了固定時間內的操作資料；不同應用系統間通常會因應需求而作資料交換，但因其資料庫各有專用而不會 ...Learn More

商業智慧 (Business Intelligence) 簡介-2 資料匯整階段資料匯整階段此階段主要是執行ETL流程與資料倉儲資料之累積。ETL ( Extract-Transform-Load ) 是建置或累積資料倉儲內容時，對於所需之資料進行擷取、轉換、載入的處理過程，參閱ETL 簡介。而本階段之資料架構有ODS (Operational Data Store) 與資料倉儲，分別說明之：1. ODSODS資料庫之功用為收集前端來源 ...Learn More

商業智慧 (Business Intelligence) 簡介-3 資料分析階段資料分析階段此階段主要是執行資料超市資料之累積與後續之分析作業。資料超市乃為支援某些特定的分析應用而建置的資料庫。在已存有資料倉儲的情形下，因應加速各項分析作業且易於維護其資料，資料超市通常是資料倉儲的子集合。實務上可以省略資料超市而由資料倉儲直接支持分析作業，也有小規模BI專案捨資料倉儲而直接建構資料超市者。至於資料的分析，業界發展出二種技術：線上即時分析 ...Learn More

商業智慧 (Business Intelligence) 簡介-4 資料呈現階段與BI應資料呈現階段與BI應用資料分析的成果，通常以報表工具產出報表，或由Web Portal等方式呈現予使用者。若是作OLAP分析，則可藉Cube結構而以工具直接套用資料來呈現。BI的應用主要是作為業務分析 (Business Analysis) 以支援商業決策。數年前BI在大廠的鼓吹下一時風起雲湧，ETL與報表工具廠商、資料倉儲業者、顧問公司等紛紛搶占商機。其時 ...Learn More

資料品質白皮書隨著企業的逐漸成長，資料的種類與數量也逐步成長，而從資料中萃取出有用資訊的過程也越來越複雜。而其中資料品質的控管成敗與否，是後端的分析、報表、以及各種指標準確與否的最重要關鍵，我們幾乎可以說，「Garbage-in, garbage-out」這句老話，依然是衡量資料品質的圭臬。資訊的生命週期一般而言，資訊的生命週期約莫可以分成下列6個時期：1. 計畫取得： ...Learn More