即席查询研究
发布时间：2015-07-04 20:28
摘 要：即席查询，数据库应用最普遍的一种查询，利用数据仓库技术，可以让用户随时可以面对数据库，获取所希望的数据.使用此功能的用户都必须对关系型数据库操作有一定的了解，同时对目前的底层数据库有比较深刻的认识。它是一种条件不固定，格式灵活的查询报表。
关键词：商业智能；数据仓库；即席查询
1 商业智能的概念
商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势。互联网数据中心idc（internet data center）将商业智能bi（business intelligence）定义为多种软件工具的集合。其中包括终端用户查询和报告工具。该专门用来支持初级用户的原始数据访问，不包括适用于专业人士的成品报告生成工具。olap工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。olap也被称为多维分析。数据挖掘（data mining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。主管信息系统(eis，executive information system)。以及数据集市(data mart)和数据仓库（data warehouse）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。
2 数据仓库的实现
数据仓库不同于企业现有的操作型数据库，他是一种面向分析型数据处理的技术。它是对多个异构的数据源的高度有效的集成，集成后然后再按照主题进行重组，并包含历史数据，一般情况下存放在数据仓库里的数据不再需要经过修改。我们的传统数据库技术是以单一的数据资源，即数据库为中心，进行从事务处理、批处理到决策分析等各种类型的数据处理工作。不同类型的数据有着不同的处理特点，以单一的数据组织方式进行组织的数据库并不能反映这种差异，特别是满足不了现代商业企业数据处理多样化的要求。随着数据库应用的广泛普及，人们对数据处理的这种多层次特点有了更清晰的认识。总结起来，当前的商业企业数据处理可以大致地划分为两大类：操作型处理和分析型处理。操作型处理，通常是对一个或一组记录的查询和修改，主要是为企业的特定应用服务的，人们关心的是响应时间、数据的安全性和完整性。分析型处理则用于商业企业管理人员的决策分析。两者之间的巨大差异使得操作型处理和分析型处理的分离成为必然。这种分离，划清了数据处理的分析型环境与操作型环境之间的界限，从而由原来的以单一数据库为中心的数据环境发展成为一种新环境：体系化环境。
3 数据仓库的体系架构
数据仓库系统包括四大部分：数据装载、数据管理、信息访问和系统管理与维护。它描述了数据仓库系统的数据源(即业务系统或者其它oltp系统)、相应的数据转换etl((extraction、transformation、loading)过程(指把数据从数据源转换并加载到中央数据仓库的过程)、中央数据仓库、对数据仓库信息的访问(通过一般的olap工具进行访问或者进行数据挖掘等)、以及对整个数据仓库系统的管理与维护(元数据服务、数据库建模与管理、系统管理、操作管理、专业技术服务等)。从这个框架结构图可以清楚地看出，数据仓库系统是一个由许多产品、模块、及服务构成的复杂解决方案，而决非某一个单纯的产品。
4 即席查询
在数据仓库领域里，有一个概念叫ad hoc queries，英文定义为（a non-standard ad hoc query is created to obtain information as the need arises.）中文一般翻译为“即席查询”。即席查询是指那些用户在使用系统时，根据自己当时的需求定义的查询。
那么即席查询和我们通常的查询有什么样的区别呢？单从sql语句上来说，他们之间的不同之处在于，通常查询在我们的系统设计与实施的时候，他的内容我们是已知的，我们可以在系统实施的时候通过多种技术来优化这些查询，例如建立索引，分区等，我们可以使得这些查询的效率非常的高，然而即席查询是用户在使用的时候临时产生的，系统根本无法预先优化这些查询，所以，对于此类的查询是评估我们数据仓库的一个非常重要的指标。
即席查询生成的方式很多，最常见的就是使用即席查询工具。一般的数据展现工具都会提供即席查询的功能。通常的方式是，将数据仓库中的维度表和事实表映射到语义层，用户可以通过语义层选择表，建立表间的关联，最终生成sql语句。
oracle discoverer 是一种直观的即席查询、报表、分析和 web 发布工具，它使企业的各级业务用户均能从数据集市、数据仓库、在线事务处理系统中获得对信息的即时访问。 oracle discoverer为用户提供商务智能的功能和洞察力。它使用户能集中精力解决业务问题，并提升对数据的洞察力和数据的使用价值。我们可以使用oracle discoverer 直观易用的 workbook wizard 来创建、修改和优化即席查询。借助 oracle discoverer 这一直观的即席查询、报告以及分析工具，百度（http：//）获得了出色的数据查询及报表展示的解决方案， oracle discoverer 不仅为百度提供了满足境外资本市场的报表，其适用于关系与多维 (olap) 数据的分析更是为百度管理层及时准确地了解公司经营状况提供了强有力的工具．使决策者在做出商业判断时有了正确和科学的依据。
在一个数据仓库系统中，即席查询使用的越多，对数据仓库的要求就越高，对数据模型的对称性的要求也越高。对称性的数据模型对所有的查询都是相同的，这也是维度建模的一个优点。
5.1 银行金融领域
在银行业，bi信息嵌入前台业务系统中，数据仓库与客服呼叫中心的数据交互整合。基于数据仓库的客户信息和大量的交易历史，加工、提炼出客户的衍生信息和行为趋势，如细分族群、渠道偏好、贡献度、违约概率，以及还款提醒、产品购买倾向、存款到期和理财投资建议等信息，将加工好的信息嵌入到呼叫中心系统中，一旦客户打电话到客服中心，客服坐席人员可以在解决客户的问题之后，立即根据bi提供的信息为客户提供个性化的服务和有针对性的交叉销售，实现前端客服系统的智能化。
即席查询（ad-hoc query）是bi在业务一线应用的另一种重要模式。国外先进银行在数据仓库建立起来后，纷纷建立其业务智能单元（business intelligent unit)，简称biu。biu由精通业务、熟悉信息分析技术的分析人员组成，他们凭借丰富的行业知识和经验，利用各种分析工具直接访问数据仓库进行各种即席查询分析，及时深入地掌握业务发展动向。他们可以通过对以往的产品销售状况和客户的行为偏好的分析，设计新产品；针对新产品进行目标客户群的分析，估算目标客户数量和活动成本、营销渠道容量，设计市场营销活动；对异常的管理指标进行深入的分析，挖掘问题所在，提出解决问题的方法等。
即席查询分析应用在发达国家已得到广泛的应用，国外先进银行尤其注重biu团队的建设和分析人员的培养。美国一家颇具规模的银行，数据仓库的数据量达130 tb，其专职的数据分析人员超过2000人，每天提交的查询超过400万次。英国一家具有悠久历史的全球性银行，其数据仓库拥有1500名专职的业务分析用户，每天提交即席查询多达 150万个，相当于15个/秒。台湾一家拥有400万客户的银行，就有500名业务分析人员通过分析师资格考试。
5.2 电信领域
在电信领域当中，即席查询是信息利用的主要方式之一。由于市场的变化、业务需求的变化、领导决策需求的变化等等，随时可能需要知道相关的业务指标，这些类型的应用需求往往需要通过即席查询来实现。即席查询的用户可以分为三类：
（1）决策用户，可使用的信息面应该是全企业的所有信息；
（2）各部门业务用户，可使用的信息面应当是部门相关的基本信息；
（3）数据管理部门，实际是决策用户信息应用的实现者，即决策用户对于信息的应用需求往往通过该部门实现。同时，他们还负责信息的主动发掘、总结和发布。
即席查询可分为战术性和战略性两种。
战术性即席查询包括：查询客户的单一视图，如一个大客户使用了多少产品（固话、数据业务、宽带、小灵通等），每个产品在最近6个月带来了多少营收，在一个客户经理所管辖的片区内，按账务月、客户、产品等统计营收或进行排序等。由于战术性即席查询涉及的数据量很少，数据库不需要进行全表扫描操作，因此响应速度很快，通常都在秒级响应。
战略性即席查询包括：按时间、产品和客户群分析新增客户数、使用量和营收，找出最近半年营收一直在下降（下降幅度超过50%）的所有客户名单。这些查询可能需要进行全表扫描操作，因此响应速度为分钟级。
一般而言，战术性即席查询多为各部门业务用户使用，战略性即席查询多为数据管理部门或决策用户使用。
关键词：商业智能；数据仓库；即席查询
1 商业智能的概念
商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势。互联网数据中心idc（internet data center）将商业智能bi（business intelligence）定义为多种软件工具的集合。其中包括终端用户查询和报告工具。该专门用来支持初级用户的原始数据访问，不包括适用于专业人士的成品报告生成工具。olap工具。提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。olap也被称为多维分析。数据挖掘（data mining）软件。使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。主管信息系统(eis，executive information system)。以及数据集市(data mart)和数据仓库（data warehouse）产品。包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。
2 数据仓库的实现
数据仓库不同于企业现有的操作型数据库，他是一种面向分析型数据处理的技术。它是对多个异构的数据源的高度有效的集成，集成后然后再按照主题进行重组，并包含历史数据，一般情况下存放在数据仓库里的数据不再需要经过修改。我们的传统数据库技术是以单一的数据资源，即数据库为中心，进行从事务处理、批处理到决策分析等各种类型的数据处理工作。不同类型的数据有着不同的处理特点，以单一的数据组织方式进行组织的数据库并不能反映这种差异，特别是满足不了现代商业企业数据处理多样化的要求。随着数据库应用的广泛普及，人们对数据处理的这种多层次特点有了更清晰的认识。总结起来，当前的商业企业数据处理可以大致地划分为两大类：操作型处理和分析型处理。操作型处理，通常是对一个或一组记录的查询和修改，主要是为企业的特定应用服务的，人们关心的是响应时间、数据的安全性和完整性。分析型处理则用于商业企业管理人员的决策分析。两者之间的巨大差异使得操作型处理和分析型处理的分离成为必然。这种分离，划清了数据处理的分析型环境与操作型环境之间的界限，从而由原来的以单一数据库为中心的数据环境发展成为一种新环境：体系化环境。
3 数据仓库的体系架构
数据仓库系统包括四大部分：数据装载、数据管理、信息访问和系统管理与维护。它描述了数据仓库系统的数据源(即业务系统或者其它oltp系统)、相应的数据转换etl((extraction、transformation、loading)过程(指把数据从数据源转换并加载到中央数据仓库的过程)、中央数据仓库、对数据仓库信息的访问(通过一般的olap工具进行访问或者进行数据挖掘等)、以及对整个数据仓库系统的管理与维护(元数据服务、数据库建模与管理、系统管理、操作管理、专业技术服务等)。从这个框架结构图可以清楚地看出，数据仓库系统是一个由许多产品、模块、及服务构成的复杂解决方案，而决非某一个单纯的产品。
4 即席查询
在数据仓库领域里，有一个概念叫ad hoc queries，英文定义为（a non-standard ad hoc query is created to obtain information as the need arises.）中文一般翻译为“即席查询”。即席查询是指那些用户在使用系统时，根据自己当时的需求定义的查询。
那么即席查询和我们通常的查询有什么样的区别呢？单从sql语句上来说，他们之间的不同之处在于，通常查询在我们的系统设计与实施的时候，他的内容我们是已知的，我们可以在系统实施的时候通过多种技术来优化这些查询，例如建立索引，分区等，我们可以使得这些查询的效率非常的高，然而即席查询是用户在使用的时候临时产生的，系统根本无法预先优化这些查询，所以，对于此类的查询是评估我们数据仓库的一个非常重要的指标。
即席查询生成的方式很多，最常见的就是使用即席查询工具。一般的数据展现工具都会提供即席查询的功能。通常的方式是，将数据仓库中的维度表和事实表映射到语义层，用户可以通过语义层选择表，建立表间的关联，最终生成sql语句。
oracle discoverer 是一种直观的即席查询、报表、分析和 web 发布工具，它使企业的各级业务用户均能从数据集市、数据仓库、在线事务处理系统中获得对信息的即时访问。 oracle discoverer为用户提供商务智能的功能和洞察力。它使用户能集中精力解决业务问题，并提升对数据的洞察力和数据的使用价值。我们可以使用oracle discoverer 直观易用的 workbook wizard 来创建、修改和优化即席查询。借助 oracle discoverer 这一直观的即席查询、报告以及分析工具，百度（http：//）获得了出色的数据查询及报表展示的解决方案， oracle discoverer 不仅为百度提供了满足境外资本市场的报表，其适用于关系与多维 (olap) 数据的分析更是为百度管理层及时准确地了解公司经营状况提供了强有力的工具．使决策者在做出商业判断时有了正确和科学的依据。
在一个数据仓库系统中，即席查询使用的越多，对数据仓库的要求就越高，对数据模型的对称性的要求也越高。对称性的数据模型对所有的查询都是相同的，这也是维度建模的一个优点。
5 应用领域
5.1 银行金融领域
在银行业，bi信息嵌入前台业务系统中，数据仓库与客服呼叫中心的数据交互整合。基于数据仓库的客户信息和大量的交易历史，加工、提炼出客户的衍生信息和行为趋势，如细分族群、渠道偏好、贡献度、违约概率，以及还款提醒、产品购买倾向、存款到期和理财投资建议等信息，将加工好的信息嵌入到呼叫中心系统中，一旦客户打电话到客服中心，客服坐席人员可以在解决客户的问题之后，立即根据bi提供的信息为客户提供个性化的服务和有针对性的交叉销售，实现前端客服系统的智能化。
即席查询（ad-hoc query）是bi在业务一线应用的另一种重要模式。国外先进银行在数据仓库建立起来后，纷纷建立其业务智能单元（business intelligent unit)，简称biu。biu由精通业务、熟悉信息分析技术的分析人员组成，他们凭借丰富的行业知识和经验，利用各种分析工具直接访问数据仓库进行各种即席查询分析，及时深入地掌握业务发展动向。他们可以通过对以往的产品销售状况和客户的行为偏好的分析，设计新产品；针对新产品进行目标客户群的分析，估算目标客户数量和活动成本、营销渠道容量，设计市场营销活动；对异常的管理指标进行深入的分析，挖掘问题所在，提出解决问题的方法等。
即席查询分析应用在发达国家已得到广泛的应用，国外先进银行尤其注重biu团队的建设和分析人员的培养。美国一家颇具规模的银行，数据仓库的数据量达130 tb，其专职的数据分析人员超过2000人，每天提交的查询超过400万次。英国一家具有悠久历史的全球性银行，其数据仓库拥有1500名专职的业务分析用户，每天提交即席查询多达 150万个，相当于15个/秒。台湾一家拥有400万客户的银行，就有500名业务分析人员通过分析师资格考试。
5.2 电信领域
在电信领域当中，即席查询是信息利用的主要方式之一。由于市场的变化、业务需求的变化、领导决策需求的变化等等，随时可能需要知道相关的业务指标，这些类型的应用需求往往需要通过即席查询来实现。即席查询的用户可以分为三类：
（1）决策用户，可使用的信息面应该是全企业的所有信息；
（2）各部门业务用户，可使用的信息面应当是部门相关的基本信息；
（3）数据管理部门，实际是决策用户信息应用的实现者，即决策用户对于信息的应用需求往往通过该部门实现。同时，他们还负责信息的主动发掘、总结和发布。
即席查询可分为战术性和战略性两种。
战术性即席查询包括：查询客户的单一视图，如一个大客户使用了多少产品（固话、数据业务、宽带、小灵通等），每个产品在最近6个月带来了多少营收，在一个客户经理所管辖的片区内，按账务月、客户、产品等统计营收或进行排序等。由于战术性即席查询涉及的数据量很少，数据库不需要进行全表扫描操作，因此响应速度很快，通常都在秒级响应。
战略性即席查询包括：按时间、产品和客户群分析新增客户数、使用量和营收，找出最近半年营收一直在下降（下降幅度超过50%）的所有客户名单。这些查询可能需要进行全表扫描操作，因此响应速度为分钟级。
一般而言，战术性即席查询多为各部门业务用户使用，战略性即席查询多为数据管理部门或决策用户使用。
上一篇：办公自动化与文档一体化
下一篇：保税区内企业电子帐册的实现模式