商业智能(BI)帮助企业管理者从业务系统数据中提取对经营决策有价值的知识,使企业内部能够做更深层次的、跨系统的数据分析和报表查询,从而帮助用户对自身的业务经营做出正确而明智的决定。传统的商业智能主要是解决战略和战术上的问题,通常被称为战略型和战术型商业智能,它们进行决策分析的周期很长,一般是以周或者月甚至是年为单位。新一代的商业智能-操作型商业智能需要与企业的MIS系统紧密相连,将业务系统中产生的数据适时地抽取出来清洗并加载到数据仓库中,用户利用商业智能查询分析应用程序在线查看决策分析结果。根据这样的特点,操作型商业智能强调迅速做出查询响应,更加详细的反映数据以及高效的数据传递性。 以Oracle作为后台数据库支持的北京朝批商贸有限公司操作型商业智能系统采用了本课题组提出的支持增量式数据仓库建设的数据仓库模型[7](本文简称“窄”事实表模型)以及基于此模型的BGD-ETL、BGD-OLAP工具。该系统已成功运行多年,为各级管理人员提供了有效的决策支持。随着数据仓库中数据的不断积累,尽量减少数据存储空间和对复杂查询的快速响应已成为迫切需要解决的问题。作为绿色数据库提出者Sybase IQ在数据压缩存储和查询快速响应上提供了很好的解决方案。本文针对朝批商业智能系统的特点和新的需求,研究Oracle和Sybase IQ两个数据库系统在数据存储和查询优化方面的核心技术,通过对物流成本核算数据集市中实际数据测试,分析比较两者在性能方面的差异,最后为企业操作型BI选择更适合的数据库支持系统提出了有益的建议.测试结果也验证了“窄”事实表模型比传统事实表模型在某些方面的优越性。