精品文档

ERP系统中的BI应用案例

商业智能的一大重要应用是在数据量庞大而嘈杂的制造业中，可以说，制造业是非常需要商业智能的行业。因此，本期我们就将目光转向制造业，讨论一下商业智能在ERP业务中的应用。在文中，我们以一家鞋服制造企业为例，描述其ERP相关的BI系统项目特点，让大家对制造业BI在ERP业务的应用有一个直观的印象和清晰的理解。

商业智能的一大重要应用是在数据量庞大而嘈杂的制造业中，可以说，制造业是非常需要商业智能的行业。因此，本期，我们就将目光转向制造业，讨论一下商业智能在ERP业务中的应用。 一、ERP业务数据的特点

1、数据量庞大。制造业的数据量非常大，动辄以百万、千万为单位计，甚至上亿条，可以说是海量的，会对企业的业务数据库造成极大的负荷，因此，制造业是非常适合做BI项目的。

2、数据整齐程度差，随意性较大。大量数据采集是人工归集的，数据准确性很差，且很不规整，数据格式很不统一，数据类型混乱而嘈杂。

3、信息分散、不及时、不共享。和其他行业不同，制造业产、供、销、人、财、物是一个有机的整体，它们之间存在大量信息交换。而人工管理信息分散，缺乏完善的基础数据，大大影响管理决策的科学性和准确性。 二、ERP业务BI项目特点

下面，我们就以一家鞋服制造企业为例，描述其ERP相关的BI系统项目特点，让大家对制造业BI在ERP业务的应用有一个直观的印象和清晰的理解。 我们都知道，一个完整的BI项目流程包括三个基本步骤：

第一步，通过ETL流程，利用WINDOWS SQL SERVER 2005中的组件INTEGRATION SERVICES工具，将数据从业务数据库源系统中抽取、转换、清洗和加载到数据仓库中；

第二步，通过OLAP流程，利用WINDOWS SQL SERVER 2005中的组件ANALYSIS SERVICES工具，将数据仓库中的数据，按照分析的模式进行聚合和计算，并把计算结果以某种特定的结精品文档

精品文档

果存储起来，搭建起多维分析模型，以便客户端快速查询和使用。

第三步，通过报表流程，利用WINDOWS SQL SERVER 2005中的组件REPORTING SERVICES报表工具，将客户端需要的信息完整、迅速而灵活地展现出来，完成数据前端展现任务。 在本例中，源数据来自于企业的ERP系统，8个事实表记录以每天几万条的数量级增加，目前均已累计达到百余万行。针对这样的系统特性，为了提高查询效率，我们在设计数据仓库的时候，需要注意如下几点：

1）为了加快数据查询的速度，提高数据仓库的执行性能，在每张维度表的主键列上建立聚集索引，在每张事实表的ID列上建立聚集索引，并在每个关联列上建立非聚集索引。 2）尽量将常用的计算固化成数据表中的字段列，并通过ETL过程进行处理。虽然这样会使数据仓库变得更加庞大，但是，却提升了前端查询、汇总和分析的效率。对于辅助领导决策的企业级BI系统来说，对于分析效率的需求远高于数据仓库的空间占有需求。

3）制造业的数据最大特点就是数据量极其庞大，会致Cube处理变慢，占用很多的系统资源。因此，在搭建数据仓库时，就必须提前采用一定的设计策略和调整办法。办法就是将维度表尽量制作的薄一点，同时，将事实表尽量制作的窄一点。这样，在Cube处理时，就会大大提高效率。

在数据仓库建模完成后，我们通过ETL过程将源系统中的数据导入到数据仓库。那么，在应用SSIS的过程中，我们需要注意如下几点：

1）数据格式不统一、不规整问题。本例中，在字段中含有“ ”、“＼”等全角字符，SSIS在处理时就会报错，必须进行处理。解决方法就是在列名后加上collate

Chinese_PRC_CI_AS_WS关键字，即可找到含有全角的字符，然后用Replace即可替换掉。 2）ETL的增量抽取问题。由于制造业数据量极大，更新速度快，且对数据更新的实时性要求极高，不可能每次都将全部数据进行抽取加载，因此，增量抽取问题就显的尤为重要了。解决方法为：1、在时间戳字段添加聚集索引； 2、设置变量获取最大值。

3）ETL包调度远程连接报错问题。在ETL包中，如果连接管理器连接的是远程服务器的数据库，手动运行ETL包没有问题，可是，如果在调度中运行该包，就会报错。解决方法为，在本地服务器和远程服务器使用同一用户名和密码。

之后，我们就可以为OLAP维度建模了。我们以数据仓库中的维度表为基础，建立维度。其中，比较值得一提的是地区维度的设计：Dim_Rigion，该维度共有3个属性，分别是Dim Region，AreaID，以及Parentrowid，其中Dim Region字段作为逻辑主键，并在此属性层次结构下，与其他2个属性层次结构分别建立了属性关系。一般项目中的地区维度会被建成精品文档

精品文档

标准的层次关系，但是在本例中，基于销售地区分布不平衡的特点，我们采用了父子维度关系，简练的表达了地区之间的从属关系。如图所示：Dim Region 字段和Parentrowid字段形成了父子维度关系。 （图一）

在将数据仓库建模和OLAP维度建模成功搭建好以后，现在，我们开始以数据仓库为基础创建多维立方体CUBE。在这里，

我们建立了8个度量值组，分别为Fact_SalesOrder(采购订单度量值组)，Fact_PosSales（门店销售明细度量值组），Fact_WaitOrder（销售下单度量值组），Fact_SalesContact（销售合同度量值组），Fact_PosStorageLog（门店明细度量值组），Fact_StorageLog（大仓库明细度量值组），Fact_PPODoc（订货会订单度量值组），以及Fact_SalesDetails（销售明细度量值组）。如图所示，整个多维模型成型了。

精品文档