神通BI產(chǎn)品介紹

神通商業(yè)智能匯報匯報人：黃瑞神通全系產(chǎn)品神通數(shù)據(jù)庫（標準版|

企業(yè)版|

安全版）BI套件行業(yè)定制版本核心平臺KSTORE|

嵌入式數(shù)據(jù)庫|

軍用數(shù)據(jù)庫神通xCluster集群件K-Miner（數(shù)據(jù)挖掘系統(tǒng)）K-Cuber（OLAP系統(tǒng)）K-Front（智能報表系統(tǒng)）K-Fusion（ETL系統(tǒng)）集群套件2神通BI與企業(yè)數(shù)據(jù)分析知識可視化數(shù)據(jù)倉庫分析模型業(yè)務展現(xiàn)平面文件關系數(shù)據(jù)庫應用系統(tǒng)數(shù)據(jù)集市儀表盤多維報表數(shù)據(jù)挖掘模型OLAP模型基礎數(shù)據(jù)數(shù)據(jù)倉庫標準報表zzK-Miner分類、預測、聚類、關聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標預警K-Front報表的設計、生成、展現(xiàn)、打印K-Fusion抽取、轉換、加載神通BI3K-Miner分類、預測、聚類、關聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標預警K-Front報表的設計、生成、展現(xiàn)、打印K-Fusion抽取、轉換、加載神通BI神通K-Fusion可視化流程定義50多種數(shù)據(jù)源，支持關系數(shù)據(jù)庫、文本數(shù)據(jù)、分布式文件系統(tǒng)等30多種數(shù)據(jù)轉換節(jié)點全表比對、時間戳、自增字段、數(shù)據(jù)庫日志、觸發(fā)器等增量抽取策略分布式部署支持用戶自定義節(jié)點執(zhí)行過程可視化監(jiān)控ETL元數(shù)據(jù)管理功能5神通K-Fusion：面向多種數(shù)據(jù)源抽取和加載通用型數(shù)據(jù)庫平面文件定長文件數(shù)據(jù)倉庫數(shù)據(jù)源K-Fusion抽取、轉換數(shù)據(jù)倉庫神通K-Fusion：ETL流程Demo7神通K-Fusion：ETL流程Demo查找表數(shù)據(jù)：修改前：修改后：條件：性別ISNOTNULL8神通K-Fusion：增量ETL1北京30002上海40001北京350023南京6500全表比對時間戳序列觸發(fā)器DB日志分析數(shù)據(jù)庫（T0）數(shù)據(jù)倉庫1北京3000初始2010-5-300:00:00.0002上海4000初始2010-5-300:00:00.0001北京3200更新2010-5-817:50:23.0002上海4000刪除2010-5-817:50:23.0003南京6500新增2010-5-817:50:32.000數(shù)據(jù)庫（T1）9神通K-Fusion：所見即所得的流程設計順序分支循環(huán)（邏輯）10神通K-Fusion：ETL流程的執(zhí)行(調(diào)度)11神通K-Fusion：ETL流程的執(zhí)行(監(jiān)控)12神通K-Fusion：可擴展的ETL能力(節(jié)點層面)13神通K-Fusion：豐富的性能提升機制性能提升機制數(shù)據(jù)庫批量加載（OCI等原生驅動加載）節(jié)點間并行處理數(shù)據(jù)分片11’1’’1234132414K-Miner分類、預測、聚類、關聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標預警K-Front報表的設計、生成、展現(xiàn)、打印K-Fusion抽取、轉換、加載神通BI神通K-Cuber快速建模工具和專家建模工具鉆取、行列互轉、預警等多維操作自動聚合技術分塊緩存策略多維元數(shù)據(jù)管理數(shù)據(jù)權限管理16神通K-Cuber：多維建模工具快速建模工具QuickDesigner可實現(xiàn)5步建模；專家建模工具ExpertDesigner可滿足高級用戶建立復雜OLAP模型；支持星型和雪花型模型。將ER關系模型轉為OLAP模型多維元數(shù)據(jù)管理17神通K-Cuber：立方體和多維分析切塊切片建模時間1季度2季度3季度品類地區(qū)華南華北東北家電食品衣物時間1季度2季度3季度品類地區(qū)華南華北東北家電食品衣物時間1季度2季度3季度品類地區(qū)華南華北東北家電食品衣物6月廣西水果5月4月飲料肉類廣東海南18神通K-Cuber：數(shù)據(jù)分析流程應用場景：某企業(yè)訂單分析

序號維度1品類2價格帶3地區(qū)4時間5職業(yè)6年齡7年收入8性別9學歷……序號度量1總訂單數(shù)量2有效訂單數(shù)量3訂單有效率4有效訂單金額5凈訂單金額6凈訂單數(shù)量7換貨單金額8換貨單數(shù)量9拒收訂單金額……19神通K-Cuber：選取維度20神通K-Cuber：選取指標21神通K-Cuber：有效性分析指標維度22神通K-Cuber：多維分析(品類)23神通K-Cuber：縮小分析范圍24神通K-Cuber：多角度細化分析25神通K-Cuber：選擇分析數(shù)據(jù)范圍26神通K-Cuber：縮小數(shù)據(jù)范圍27神通K-Cuber：圖表分析(省級)28神通K-Cuber：圖形細化分析粒度29神通K-Cuber：圖表分析(市級)30神通K-Cuber：月環(huán)比分析2010年4月和5月環(huán)比總訂單金額環(huán)比增長率31神通K-Cuber：日同比分析2009年2月8日和3月8日同比總訂單金額的同比增長率32神通K-Cuber：原子數(shù)據(jù)列表33神通K-Cuber：圖形分析鉆取貴州省，并選擇畢節(jié)地區(qū)鉆取廚房用品34神通K-Cuber：圖形分析鉆取貴州省，并選擇畢節(jié)地區(qū)鉆取廚房用品35K-Miner分類、預測、聚類、關聯(lián)K-Cuber切片切塊、上鉆下鉆、同比環(huán)比、指標預警K-Front報表的設計、生成、展現(xiàn)、打印K-Fusion抽取、轉換、加載神通BI神通K-Miner40種算法MPP+SMP并行計算架構算法性能高效靈活的任務調(diào)度模型生命周期管理B/S架構挖掘元數(shù)據(jù)管理37神通K-Miner：并行計算架構(1)全節(jié)點采用MPP架構，實現(xiàn)多任務的并行和部分算法單任務粗粒度并行；單節(jié)點采用SMP架構，實現(xiàn)所有算法的細粒度并行，并確保內(nèi)存的節(jié)約。K-Miner為唯一一款所有算法實現(xiàn)并行的數(shù)據(jù)挖掘軟件。38基于E-As（調(diào)度引擎-挖掘代理）的分布式挖掘架構Master-Slaver(s)算子模式的并行挖掘算法節(jié)點內(nèi)并行和跨節(jié)點并行相結合基于數(shù)據(jù)分布的負載均衡數(shù)據(jù)就近挖掘策略對HDFS、神通數(shù)據(jù)庫集群等數(shù)據(jù)源的支持及擴展神通K-Miner：并行計算架構(2)基礎數(shù)據(jù)層數(shù)據(jù)倉庫/數(shù)據(jù)集市調(diào)度引擎消息服務單節(jié)點并行調(diào)度認證服務集群日志負載均衡挖掘代理建模分析服務實時響應服務數(shù)據(jù)轉換服務資料庫元數(shù)據(jù)管理服務管理模型管理開發(fā)接口層本地應用APIWebService接口圖形API網(wǎng)絡協(xié)議接口應用層應用程序基于數(shù)據(jù)挖掘的報表引擎監(jiān)管與監(jiān)控第三方應用數(shù)據(jù)挖掘核心日志管理數(shù)據(jù)挖掘算法統(tǒng)計分析算法模型監(jiān)控預警多節(jié)點并行調(diào)度神通K-Miner：架構K-Miner分布式挖掘拓撲圖數(shù)據(jù)挖掘屬性篩選分類預測回歸預測聚類分析關聯(lián)分析時間序列屬性篩選屬性重要性打分基于信息增益的屬性打分主成分分析決策樹分類回歸樹神經(jīng)網(wǎng)絡分類支撐向量機分類分類組合模型多元線性回歸神經(jīng)網(wǎng)絡回歸支撐向量機回歸回歸組合模型K均值聚類分布估計聚類基于K均值的層次聚類購物籃分析屬性關聯(lián)分析序列模式分析ARX時間序列ARMA時間序列基于卡方檢驗的屬性篩選樸素貝葉斯貝葉斯網(wǎng)絡邏輯回歸廣義線性回歸兩階段聚類統(tǒng)計分析描述性統(tǒng)計數(shù)據(jù)探測異常檢測層次聚類方差分析