基于ＢＩ的圖書館信息實(shí)時(shí)分析系統(tǒng)

康曉丹　季穎斐　高海峰

〔摘 要〕本文介紹了商業(yè)智能(BI)的基本概念,邏輯組成和主要工具,其中著重介紹了聯(lián)機(jī)分析處理(OLAP)技術(shù)。探討了將BI技術(shù)用于圖書館用戶行為分析的可行性,提出了搭建用戶行為實(shí)時(shí)分析系統(tǒng)的方案和步驟。最后介紹了使用Cognos BI工具搭建上海大學(xué)圖書館用戶行為實(shí)時(shí)分析系統(tǒng)的實(shí)踐。

〔關(guān)鍵詞〕商業(yè)智能(BI);實(shí)時(shí)分析;Cognos

〔中圖分類號(hào)〕C931.9 〔文獻(xiàn)標(biāo)識(shí)碼〕B 〔文章編號(hào)〕1008-0821(2009)09-0079-04

The Real-time Analysis of Library Information System Based on BI

——Build a Library User Behavior Analysis System with CognosKang Xiaodan Ji Yingfei Gao Haifeng

(Library,Shanghai University,Shanghai 200444,China)

〔Abstract〕The article introduced the base concept and main components of Business Intelligence.Then it focused on introducing the important technical of BI-OLAP.The article discussed the feasibility of the user behavior analysis in library by using BI technical.It made a proposal of how to build a system for the real-time analysis of the user behavior in library.At last the article introduced the practice of building the system for the real-time analysis of the user behavior in Shanghai university library.

〔Key words〕Business Intelligence(BI);real-time analysis;Cognos

在最近十年中,各高校圖書館紛紛建立了本館的圖書館信息管理系統(tǒng)。這些系統(tǒng)記錄本館的書籍采購信息,藏書信息,書籍借閱信息,甚至有些館還將門禁系統(tǒng)與圖書館信息管理系統(tǒng)整合起來,真正達(dá)到了信息系統(tǒng)的統(tǒng)一。這些系統(tǒng)記錄了大量的讀者行為信息,但缺乏一種有效的利用方法和手段。如何有效的利用這些信息,以達(dá)到為讀者服務(wù)的目的,成為目前圖書館工作者需要關(guān)注的問題。

圖書館信息系統(tǒng)記錄大量的讀者行為信息,比如借書的次數(shù),借書的類型,借書的平均時(shí)間。通過分析這些信息,可以獲得大量對提高服務(wù)質(zhì)量有幫助的信息。在分析用戶行為信息方面,商業(yè)領(lǐng)域通過BI技術(shù)的應(yīng)用,領(lǐng)先了一步。

1 BI概念介紹

BI是Business Intelligence的縮寫。商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí),幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。這里所談的數(shù)據(jù)包括來自企業(yè)業(yè)務(wù)系統(tǒng)的訂單、庫存、交易賬目、客戶和供應(yīng)商等來自企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù)以及來自企業(yè)所處的其他外部環(huán)境中的各種數(shù)據(jù)。而商業(yè)智能能夠輔助的業(yè)務(wù)經(jīng)營決策,既可以是操作層的,也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉(zhuǎn)化為知識(shí),需要利用數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理(OLAP)工具和數(shù)據(jù)挖掘等技術(shù)。因此,從技術(shù)層面上講,商業(yè)智能不是什么新技術(shù),它只是數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘等技術(shù)的綜合運(yùn)用。

商業(yè)智能的概念最早在1996年提出。當(dāng)時(shí)將商業(yè)智能定義為一類由數(shù)據(jù)倉庫(或數(shù)據(jù)集市)、查詢報(bào)表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的、以幫助企業(yè)決策為目的技術(shù)及其應(yīng)用。目前,商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí),幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。這里所談的數(shù)據(jù)包括來自企業(yè)業(yè)務(wù)系統(tǒng)的訂單、庫存、交易賬目、客戶和供應(yīng)商資料及來自企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù),以及來自企業(yè)所處的其他外部環(huán)境中的各種數(shù)據(jù)。而商業(yè)智能能夠輔助的業(yè)務(wù)經(jīng)營決策既可以是操作層的,也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉(zhuǎn)化為知識(shí),需要利用數(shù)據(jù)倉庫、聯(lián)機(jī)分析處理(OLAP)工具和數(shù)據(jù)挖掘等技術(shù)。因此,從技術(shù)層面上講,商業(yè)智能不是什么新技術(shù),它只是數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘等技術(shù)的綜合運(yùn)用。

因此把商業(yè)智能看成是一種解決方案應(yīng)該比較恰當(dāng)。商業(yè)智能的關(guān)鍵是從許多來自不同的企業(yè)運(yùn)作系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進(jìn)行清理,以保證數(shù)據(jù)的正確性,然后經(jīng)過抽取(Extraction)、轉(zhuǎn)換(Transformation)和裝載(Load),即ETL過程,合并到一個(gè)企業(yè)級(jí)的數(shù)據(jù)倉庫里,從而得到企業(yè)數(shù)據(jù)的一個(gè)全局視圖,在此基礎(chǔ)上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具、OLAP工具等對其進(jìn)行分析和處理(這時(shí)信息變?yōu)檩o助決策的知識(shí)),最后將知識(shí)呈現(xiàn)給管理者,為管理者的決策過程提供支持。

2 BI功能模塊的介紹

2.1 BI的功能模塊

BI由數(shù)據(jù)展現(xiàn)層,數(shù)據(jù)分析層,數(shù)據(jù)挖掘?qū)?數(shù)據(jù)存儲(chǔ)層構(gòu)成,包括以下功能模塊:

終端用戶查詢和報(bào)告工具。專門用來支持初級(jí)用戶的原始數(shù)據(jù)訪問,不包括適應(yīng)于專業(yè)人士的成品報(bào)告生成工具。

聯(lián)機(jī)分析處理(OLAP)工具。提供多維數(shù)據(jù)管理環(huán)境,其典型的應(yīng)用是對商業(yè)問題的建模與商業(yè)數(shù)據(jù)分析。OLAP也被稱為多維分析。

數(shù)據(jù)挖掘(Data Mining)軟件。使用諸如神經(jīng)網(wǎng)絡(luò)、規(guī)則歸納等技術(shù),用來發(fā)現(xiàn)數(shù)據(jù)之間的關(guān)系,做出基于數(shù)據(jù)的推斷。

數(shù)據(jù)倉庫(Data Warehouse)和數(shù)據(jù)集市(Data Mart)產(chǎn)品。包括數(shù)據(jù)轉(zhuǎn)換、管理和存取等方面的預(yù)配置軟件,通常還包括一些業(yè)務(wù)模型,如財(cái)務(wù)分析模型。

2.2 OLAP技術(shù)簡介

OLAP技術(shù)是BI的核心技術(shù),它從觀念提出到實(shí)用也經(jīng)歷了漫長的過程。聯(lián)機(jī)分析處理(OLAP)的概念最早是由關(guān)系數(shù)據(jù)庫之父E.F.Codd于1993年提出的,他同時(shí)提出了關(guān)于OLAP的12條準(zhǔn)則。OLAP的提出引起了很大的反響,OLAP作為一類產(chǎn)品同聯(lián)機(jī)事務(wù)處理(OLTP)明顯區(qū)分開來。

當(dāng)今的數(shù)據(jù)處理大致可以分成兩大類:聯(lián)機(jī)事務(wù)處理OLTP(On-Line Transaction Processing)、聯(lián)機(jī)分析處理OLAP(On-Line Analytical Processing)。OLTP是傳統(tǒng)的關(guān)系型數(shù)據(jù)庫的主要應(yīng)用,主要是基本的、日常的事務(wù)處理,例如銀行交易,圖書館管理系統(tǒng)數(shù)據(jù)錄入。OLAP是數(shù)據(jù)倉庫系統(tǒng)的主要應(yīng)用,支持復(fù)雜的分析操作,側(cè)重決策支持,并且提供直觀易懂的查詢結(jié)果。

OLAP是使分析人員、管理人員或執(zhí)行人員能夠從多角度對信息進(jìn)行快速、一致、交互地存取,從而獲得對數(shù)據(jù)的更深入了解的一類軟件技術(shù)。OLAP的目標(biāo)是滿足決策支持或者滿足在多維環(huán)境下特定的查詢和報(bào)表需求,它的技術(shù)核心是“維”這個(gè)概念。

“維”是人們觀察客觀世界的角度,是一種高層次的類型劃分?！熬S”一般包含著層次關(guān)系,這種層次關(guān)系有時(shí)會(huì)相當(dāng)復(fù)雜。通過把一個(gè)實(shí)體的多項(xiàng)重要的屬性定義為多個(gè)維(dimension),使用戶能對不同維上的數(shù)據(jù)進(jìn)行比較。因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。

OLAP的基本多維分析操作有鉆取、切片和切塊、以及旋轉(zhuǎn)等。

鉆取是改變維的層次,變換分析的粒度。它包括向上鉆取(roll up)和向下鉆取(drill down)。roll up是在某一維上將低層次的細(xì)節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù),或者減少維數(shù);而drill down則相反,它從匯總數(shù)據(jù)深入到細(xì)節(jié)數(shù)據(jù)進(jìn)行觀察或增加新維。

切片和切塊是在一部分維上選定值后,關(guān)心度量數(shù)據(jù)在剩余維上的分布。如果剩余的維只有2個(gè),則是切片;如果有3個(gè),則是切塊。

旋轉(zhuǎn)是變換維的方向,即在表格中重新安排維的放置(例如行列互換)。

2.3 主流BI工具

由于BI正逐漸成為IT系統(tǒng)中不可缺少的一環(huán),所以許多公司開發(fā)出了BI的專用工具。主要有Cognos,水晶報(bào)表(Crystal),微軟的Micro Strategy,Oracle Data Warehouse工具,BO(Business Object),BRIO等。

3 基于BI的圖書館用戶行為分析

從上世紀(jì)90年代起,幾乎所有圖書館都部署了如圖書館管理信息系統(tǒng),圖書信息聯(lián)機(jī)查詢系統(tǒng),門禁系統(tǒng)等多樣的IT系統(tǒng)。這些系統(tǒng)一方面有效的提高了圖書館的工作效率,為廣大用戶提供了方便,另一方面也產(chǎn)生了大量用戶行為數(shù)據(jù)。如何利用這些數(shù)據(jù)為圖書館的管理提供決策支持分析,就顯得極為重要。

將BI系統(tǒng)引入圖書館,圖書館管理人員首先通過數(shù)據(jù)建模,建立圖書館用戶行為分析模型,使用BI系統(tǒng)根據(jù)數(shù)據(jù)模型的需要,獲取數(shù)據(jù),清洗數(shù)據(jù),轉(zhuǎn)化數(shù)據(jù),展現(xiàn)數(shù)據(jù)。從而達(dá)到動(dòng)態(tài)分析的目的。

3.1 數(shù)據(jù)建模

數(shù)據(jù)建模是BI系統(tǒng)搭建的一個(gè)重要過程,也是決定一個(gè)BI系統(tǒng)成功與否的重要過程,在建模之前,應(yīng)該從業(yè)務(wù)部門和決策部門獲取相關(guān)有效信息,包括:能提供的數(shù)據(jù)源以及決策部門所希望獲得的動(dòng)態(tài)分析結(jié)果。建模的整個(gè)過程如圖1所示。

3.2 數(shù)據(jù)獲取

在完成數(shù)據(jù)建模后,可以通過抽取工具,從現(xiàn)有的圖書館管理系統(tǒng),門禁系統(tǒng)等IT系統(tǒng)中獲取用戶行為信息的原始信息。將這些IT系統(tǒng)的數(shù)據(jù)庫作為數(shù)據(jù)源,抽取有效信息的表。例如可以將管理系統(tǒng)中借書信息,門禁系統(tǒng)中用戶進(jìn)入信息等數(shù)據(jù)從其原始數(shù)據(jù)源中抽取出來。

3.3 數(shù)據(jù)清洗

在獲得原始數(shù)據(jù)后,由于原始數(shù)據(jù)包含了很多沒有價(jià)值的,與客戶需求無關(guān)的數(shù)據(jù),我們定義其為“臟數(shù)據(jù)”,必須對這些原始數(shù)據(jù)進(jìn)行清洗后才能被分析系統(tǒng)所使用。數(shù)據(jù)清洗將去除原始數(shù)據(jù)表中多余的字段。

3.4 數(shù)據(jù)轉(zhuǎn)化

經(jīng)過數(shù)據(jù)清洗后,我們獲得了干凈的數(shù)據(jù),但這些數(shù)據(jù)仍不能直接使用,需要根據(jù)前端數(shù)據(jù)展現(xiàn)需求將其轉(zhuǎn)化為前端展現(xiàn)可以直接讀取的數(shù)據(jù)。數(shù)據(jù)轉(zhuǎn)化包括數(shù)據(jù)合并,數(shù)據(jù)鏈接等多種手段。

3.5 數(shù)據(jù)展現(xiàn)

數(shù)據(jù)展現(xiàn)是BI系統(tǒng)的重要環(huán)節(jié)之一,它需要將前面各階段獲得的數(shù)據(jù)有組織的展現(xiàn)給業(yè)務(wù)的決策者。并允許使用者自主的使用鉆取,切片,切塊以及旋轉(zhuǎn)等手段去使用這些數(shù)據(jù)來進(jìn)行決策支持。

4 基于Cognos的圖書館實(shí)時(shí)信息分析系統(tǒng)實(shí)踐

Cognos是一家專業(yè)提供BI支持工具的公司,目前屬于IBM旗下。Cognos的Power Play是業(yè)界比較流行BI系統(tǒng)解決方案。擁有以下特點(diǎn):

(1)輕量級(jí)BI工具,快速部署;

(2)友好的用戶界面;

(3)簡便直觀的顯示方式和趨勢分析;

(4)多種手段的展現(xiàn)方式;

(5)簡單易用的建模工具。

基于Cognos以上優(yōu)點(diǎn),將它作為圖書館實(shí)時(shí)分析系統(tǒng)的解決方案平臺(tái)的首選。

4.1 系統(tǒng)建模

數(shù)據(jù)源定義:數(shù)據(jù)主要來源于館內(nèi)使用的Horizon管理系統(tǒng)和門禁系統(tǒng)。

決策分析需求:館內(nèi)圖書某一時(shí)間段內(nèi)的借閱量,某一類書籍借閱用戶的分布;某專業(yè)學(xué)生借閱書籍類型分布;某專業(yè)學(xué)生使用閱覽室類型分布等。

建模:根據(jù)業(yè)務(wù)部門提供的數(shù)據(jù)源以及決策分析需求,對數(shù)據(jù)表進(jìn)行分析,并找出關(guān)聯(lián)字段,建立鏈接,進(jìn)而通過Cognos的建模工作Framework進(jìn)行Cube立方體數(shù)據(jù)模型。如圖2所示。

4.2 數(shù)據(jù)獲取,清洗和轉(zhuǎn)化

根據(jù)數(shù)據(jù)模型,設(shè)置BI系統(tǒng)的數(shù)據(jù)源,將HORIZON系統(tǒng)和門禁系統(tǒng)數(shù)據(jù)庫設(shè)置為數(shù)據(jù)源定時(shí)抽取數(shù)據(jù)。

將抽取的數(shù)據(jù)根據(jù)模型需求進(jìn)行清洗,只保留與決策業(yè)務(wù)分析有關(guān)的數(shù)據(jù)字段。

將清洗后的數(shù)據(jù),根據(jù)字段關(guān)聯(lián),進(jìn)行數(shù)據(jù)合并,整理出書籍情況基本表,學(xué)生情況基本表,借閱情況基本表,分析基本表等多個(gè)基本表,然后通過學(xué)生ID,書籍ID,等關(guān)鍵字段進(jìn)行數(shù)據(jù)表關(guān)聯(lián)。

4.3 數(shù)據(jù)展現(xiàn)

根據(jù)決策需求,將組織化的數(shù)據(jù),以多維的形式展現(xiàn)給業(yè)務(wù)數(shù)據(jù)決策使用者?？梢酝ㄟ^學(xué)生分布,書籍分布,館藏資源使用分布,借閱時(shí)間分布等多個(gè)維度進(jìn)行數(shù)據(jù)的鉆取,切片,切塊以及旋轉(zhuǎn)。以最大程度的滿足決策者的需求。其中查詢界面如圖3所示。

5 結(jié) 語

目前在圖書館使用BI技術(shù)搭建用戶行為分析和決策支持系統(tǒng)還處于起步階段,各種理論和解決方案也都在探討過程中,希望通過上海大學(xué)圖書館在這方面的實(shí)踐工作為這一領(lǐng)域的研究和發(fā)展提供借鑒。

參考文獻(xiàn)

[1]熊繼佑.淺談商業(yè)智能[J].計(jì)算機(jī)與現(xiàn)代化,2003,(8):23-24.

[2]王冬梅,等.智能企業(yè)門戶的關(guān)鍵技術(shù)研究[J].情報(bào)科學(xué),2008,(7):1085-1090.

[3]劉業(yè)政,胡劍.商業(yè)智能的核心技術(shù)及體系結(jié)構(gòu)研究[J].合肥工業(yè)大學(xué)學(xué)報(bào):自然科學(xué)版,2004,(8):882-885.

[4]范方.數(shù)據(jù)挖掘技術(shù)在CRM中的分析應(yīng)用[J].大眾科技,2008,(7):32,31.

[5]王晉.數(shù)據(jù)挖掘技術(shù)在電信企業(yè)客戶關(guān)系管理中的應(yīng)用研究[D].蘭州理工大學(xué),2007.[6]鄭永彪,肖榮閣,等.商業(yè)智能在企業(yè)中的運(yùn)用及發(fā)展趨勢初探[J].現(xiàn)代管理科學(xué),2008,(8):63-64,101.