1．商務智能關鍵技術

商務智能涉及的信息技術主要包括：ETL、數(shù)據(jù)倉庫、商務智能應用技術等。

ETL是指采用數(shù)據(jù)抽取(Extraction)、轉換(Transformation)和加載(Loading)等技術，從業(yè)務系統(tǒng)或外部系統(tǒng)抽取數(shù)據(jù)，并以數(shù)據(jù)倉庫需要的格式和形態(tài)，在規(guī)定的時間裝入到數(shù)據(jù)倉庫中去。ETL工具的關鍵技術在于能夠快速從源系統(tǒng)抽取增量數(shù)據(jù)，提供并行的多任務數(shù)據(jù)抽取進程，通過計劃作業(yè)，提供豐富的數(shù)據(jù)轉換處理功能，其中尤為關鍵的在于如何捕獲業(yè)務系統(tǒng)的增量數(shù)據(jù)。大多數(shù)的ETL工具主要是依靠捕獲數(shù)據(jù)庫表記錄變化來獲得增量。少量的ETL工具則是基于應用級來捕獲增量，一般這種工具都是配合專有應用使用，比如，SAP公司的ERP可以產生應用級的增量數(shù)據(jù)變動，但是其增量僅提供SAP BW產品數(shù)據(jù)抽取使用。通用的ETL工具包括Oracle公司的Oracle Data Integrator，IBM公司的DataStage，SAP Business Objects公司的Data Integrator，以及Informatica公司的數(shù)據(jù)集成產品。

數(shù)據(jù)倉庫( Data Warehouse)是面向主題的、集成的、穩(wěn)定的、不同時間的數(shù)據(jù)集合，為分析和決策提供一個完整的應用視圖，為數(shù)據(jù)挖掘、數(shù)據(jù)分析提供統(tǒng)一的應用界面和訪問接口，是商務智能總體技術架構的核心。數(shù)據(jù)倉庫中的數(shù)據(jù)存儲方式，存在兩種主要的不同途徑。Ralph. Kimball建議采用維度模式，即數(shù)據(jù)倉庫中的數(shù)據(jù)需要按照維度構造模型，或者是常說的雪花模式構造模型。而William H．Inmon則強調數(shù)據(jù)倉庫中的數(shù)據(jù)需要采用實體一關系模型（E-R模型）或者俗稱的第三范式模型。在數(shù)據(jù)倉庫的建設上，Kimball建議采用自底向上的方式，即先為特定業(yè)務部門提供報表及分析的數(shù)據(jù)集市，然后通過總線將不同的數(shù)據(jù)集市集成在一起從而構成一個整體的數(shù)據(jù)倉庫。Inmon則建議采用自頂向下的模式，要從企業(yè)的整體上來構建數(shù)據(jù)倉庫，數(shù)據(jù)倉庫中的數(shù)據(jù)必須是“原子”數(shù)據(jù)，保持最細的數(shù)據(jù)粒度，數(shù)據(jù)倉庫是企業(yè)信息資源庫的核心，滿足部門報表和分析的數(shù)據(jù)集市必須基于數(shù)據(jù)倉庫基礎之上來建立。Inmon方式建設的數(shù)據(jù)倉庫從企業(yè)整體架構而言更為堅固，但是采用這種方式的成本很大，建設周期很長，業(yè)務部門在一定時間內無法受益。長久以來Kimball的方式占據(jù)了上風，很多企業(yè)面向部門需求建設了大量的部門數(shù)據(jù)集市，但是這種建設方式的弊端也是顯而易見的，主要是數(shù)據(jù)不一致，數(shù)據(jù)冗余和面臨業(yè)務變革調整困難，近些年全球大型企業(yè)開始對建設的數(shù)據(jù)集市進行整合，重新回到Inmon的集中數(shù)據(jù)倉庫模式。