商业智能的传统架构类似于传统的物流过程，即各地运来的货物首先存放在暂存库，主要目的是对各类货物进行清洗、筛选、检查、贴标签等工作，然后统一发往货仓，最后在各个超市中进行集中销售，如图8-10所示。

图8-10 商业智能的传统架构类似于传统的物流过程

其中，果园、服装厂、农场、渔场类似于各个业务系统，货物暂存库的功能与ODS系统相似，货仓相当于数据仓库系统，而超市类似于数据集市系统，如图8-11所示。

图8-11 商业智能的传统架构与传统物流过程的映射关系

随着商业智能使用越来越广泛，使用者已经不再局限于业务分析人员或者高层领导，可以通过外部网络延伸到企业的客户、合作伙伴等。为了满足这些用户的需求，商业智能架构需要满足可扩展性和可靠性，同时保证快速的响应能力。

对于传统的商业智能体系，底层是软硬件平台、安全管理和元数据管理等。商业智能的工作流和数据流分别是数据源、数据整合、数据处理、分析和应用。综上所示，我们可以得到商业智能的传统数据架构的分布情况，如图8-12所示。

图8-12 商业智能的传统数据架构的分布

商业智能的处理过程是从各个业务系统或者其他数据源中抽取有用的数据，然后对采集的数据进行清洗、转换和加载，以保证入仓之前的数据是完整的、一致的，经过重构之后，将数据存储到数据仓库或者数据集市中。数据仓库的数据反映的是企业的整体情况，最后利用数据挖掘工具、OLAP分析工具对数据进行处理，完成数据到信息和知识的转变。

传统商业智能数据架构中的数据流转如图8-13所示。

(www.daowen.com)

图8-13 传统商业智能的数据流转

对于数据仓库的建设，是以业务系统和大量的业务数据积累为基础，然后将这些数据进行整理和归纳，提供给决策分析人员。数据仓库建设是一个工程，主要包含企业内部信息和外部信息。内部信息包括各种业务处理数据和各类文档数据，外部信息包括各类市场信息、各种手工收集的信息等。

数据仓库的关键是数据的存储和管理。针对各类业务数据，进行抽取、清理和集成，按照主题进行组织。可以按照多维模型进行组织，分析。

其中前端工具主要包括报表工具、查询工具、数据分析工具、数据挖掘工具等应用开发工具，如图8-14所示。

传统商业智能体系和未来实时商业智能体系的区别如图8-15所示。

图8-14 前端工具

图8-15 传统商业智能体系和未来实时商业智能体系的区别

传统商业智能体系主要是对历史数据的分析。数据仓库作为前端应用主要的数据源。

未来实时商业智能体系主要是对实时数据的分析和监控数据。它可以快速捕获变化的数据。数据仓库作为前端应用的部分数据源。