数据仓库与商务智能：2007年并购潮解析

"本文主要介绍了2007年的三大数据仓库相关并购案，涉及Oracle、SAP和IBM分别收购Hyperion、Business Object和Cognos，显示出商务智能领域的重要发展。同时，文章概述了数据仓库技术的背景及其关键概念。 一、数据仓库技术产生的背景 1. 决策信息的需求日益增长，而现有的信息状况无法满足这种需求。 2. 操作性系统主要服务于事务处理，而分析性系统则关注决策支持。 3. 新的数据环境要求更强大的分析能力。 4. 现有的数据库系统专注于事务处理，强调数据一致性与完整性，但不擅长分析功能。 5. 随着企业信息化建设的发展，管理决策层对数据分析平台的需求增加。 6. 市场竞争和以客户为中心的管理模式推动了对企业数据深度分析的需求。 二、数据仓库定义与组成部件 数据仓库是一个专门设计用于支持决策分析的系统，它从多个源系统收集数据，并提供一致、集成的历史数据视图。其组成通常包括数据源、数据清洗、数据存储、数据转换、数据加载和前端查询工具。 三、商务智能（BI） 商务智能是数据仓库技术的一个重要应用，它包括数据挖掘、报表、查询、在线分析处理（OLAP）和数据可视化等功能，帮助企业将数据转化为可操作的洞察，以支持决策制定。 四、现有数据库系统的问题 1. 数据可信性：数据质量可能因来源不同而参差不齐。 2. 生产率：处理大量分析请求时效率低下。 3. 数据转换困难：将原始数据转化为有用信息的挑战。 4. 数据集成：整合来自多个系统的数据是复杂的。 5. 历史数据管理：难以追溯和利用历史数据。 6. 数据综合：需要提供不同级别的汇总数据。 五、分析处理的需求 分析处理需要集成多源数据、历史数据、综合数据，以及一致的数据视图，以支持如销售分析、客户行为分析等复杂查询。 六、分析人员的信息需求 分析人员期望获取涵盖企业内外、综合与明细、当前与历史、多样化分析方法的高质量数据。 总结： 2007年的并购案反映出数据仓库和商务智能在企业决策支持中的核心地位。随着企业对数据分析需求的增加，这些技术的发展和整合成为IT行业的重要趋势。数据仓库通过集成和处理大量数据，为企业提供了深入理解业务、优化决策和提升竞争力的工具。"