来自：信管网
信息系统的生命周期可以分为4个阶段：立项、开发、运维、消亡。
1．立项阶段
即其概念阶段或需求阶段，这一阶段分为两个过程：一是概念的形成过程，根据用户单位业务发展和经营管理的需要，提出建设信息系统的初步构想；
二是需求分析过程，即对企业信息系统的需求进行深入调研和分析，形成《需求规范说明书》，经评审、批准后立项。
2．开发阶段
该阶段又可分为以下阶段。
(1)总体规划阶段：是系统开发的起始阶段，以立项阶段所做的需求分析为基础，明确信息系统在企业经营战略中的作用和地位，指导信息系统的开发，
优化配置并利用各种资源，包括内部资源和外部资源，通过规划过程规范或完善用户单位的业务流程。一个比较完整的总体规划应当包括信息系统的开发目标、总体结构、组织结构、管理流程、实施计划、技术规范。
(2)系统分析阶段：目标是为系统设计阶段提供系统的逻辑模型，内容包括组织结构及功能分析、业务流程分析、数据和数据流程分析及系统初步方案。
(3)系统设计阶段：根据系统分析的结果设计出信息系统的实施方案，主要内容包括系统架构设计、数据库设计、处理流程设计、功能模块设计、安全控制方案设计、系统组织和队伍设计及系统管理流程设计。
(4)系统实施阶段：是将设计阶段的成果在计算机和网络上具体实现，即将设计文本变成能在计算机上运行的软件系统。由于系统实施阶段是对以前全部工作的检验，因此用户的参与特别重要。
(5)系统验收阶段：通过试运行，系统性能的优劣及其他各种问题都会暴露在用户面前，即进入了系统验收阶段。
3．运维阶段
信息系统通过验收，正式移交给用户以后，就进入运维阶段，系统长时间的有效运行是检验系统质量的试金石。要保障系统正常运行，系统维护是不可缺少的工作。维护可分为4种类型：排错性维护、适应性维护、完善性维护、预防性维护。
4．消亡阶段
开发一个信息系统并希望它一劳永逸地运行下去是不现实的。企业的信息系统经常不可避免地会遇到系统更新改造、功能扩展，甚至报废重建等情况。对此，用户单位应当在信息系统建设的初期就注意系统消亡条件和时机，以及由此而花费的成本。
企业信息化结构一般分为产品（服务）层、作业层、管理层和决策层。
产品（服务）层：提供相关的产品或服务供大家使用。
作业层方面，系统功能主要是通过计算机取代手工操作，并完成基本数据的采集，在日常的事务工作处理、报表查询处理、销售业务数据处理等方面提供相应的报表。
这也是企业进行信息化战略的基本点所在，如果这些基层业务操作无法通过信息化手段进行精准的操作，将严重影响到数据的准确性和上层管理的决策。
管理层的信息系统在基层数据的采集和分析基础上，结合企业总部的经营方针，对连锁企业的财务、库存、销售、人事等进行有效的组织管理和微观控制。
管理层管理系统处理的是作业层提供的各类数据，并为企业决策层提供有效的决策参考数据。
决策支持系统通过其所获取的各类数据，根据一定的模型和方法，充分挖掘各类信息和规律，辅助决策者进行未来市场变化趋势的预测，从而确定正确的发展方向和策略。
决策层的数据来源一方面在于企业内部有下面反馈上来的各类信息和企业外部环境带来的各类数据，
包括常规性的即时数据和历史数据。
一、 组织过程资产 （组织中指导工作的过程和程序（如，组织的标准过程、标准指导方针、建议评估标准等），以及组织的全部知识（如、项目档案，以及经验学习系统等））两类。
组织过程资产包括任何或全部与过程相关的资产，可来自任一或所有参与项目的组织，用于帮助项目成功。
这些过程资产包括正式和非正式的计划、政策、程序和指南。过程资产还包括组织的知识库，如经验教训和历史信息。
组织过程资产可能包括完整的进度计划、风险数据和挣值数据。
项目团队成员通常有责任在项目全过程中对组织过程资产进行必要的更新和补充。组织过程资产可分成以下两大类。
流程与程序
共享知识库
对组织过程资产的补充解释：
1）组织过程资产包括任何或全部与过程相关的资产，可来自任一或所有参与项目的组织，用于帮助项目成功，或者帮助人们原理失败。
2) 资产是能够在未来带来价值或效益的任何东西。
3) 组织过程资产是组织中最重要的无形资产。
4) 关于组织过程资产，PM要在项目规划与执行期间充分利用之，组织的所有成员有责任添加和更新之。
5) 人们应主动利用组织过程资产，促使项目成功、远离失败。
二、事业环境因素 （基础设施（如现有设施和固定资产））
事业环境因素是指围绕项目或能影响项目成败的任何内外部环境因素。这些因素来自任何或所有项目参与单位。事业环境因素可能提高或限制项目管理的灵活性，并可能对项目结果产生积极或消极影响。
对事业环境因素的补充解释：
1）事业环境因素通常是项目不能直接影响，但会直接影响项目的那些因素，即便人们不想主动利用它们。
2）项目管理一般不会导致事业环境因素更新，PMBOK中建设项目团队和管理项目团队导致事业环境因素的更新，是特例。
三、如何区分组织过程资产和事业环境因素？
简单一点区分如下：
1）凡是可裁剪的、可选择的均为组织过程资产；凡是不可选择的、只能适应的均为事业环境因素
2）凡是带系统的一般均为事业环境因素（比如：工作授权系统、项目管理信息系统）；凡是带程序的一般均为组织过程资产（比如：财务控制程序、变更控制程序、风险控制程序）。
注意：事业环境因素和组织过程资产并非是互相排斥的，是有交叉的
汪老师(汪小金博士)说：“事业环境因素和组织过程资产有交叉，它们是相对的概念，能够被你利用的就是组织过程资产，不能被你利用的就是事业环境因素。”
事业环境因素与组织过程资产的区别补充几点：
一、事业环境因素比较宏观，包括了组织所处的的外部政策与市场环境、以及组织内部的管理制度与企业文化等因素，这些因素通常会直接影响到具体项目的决策和执行，但项目通常不会对事业环境因素产生反向影响。
二、事业环境因素作为项目管理过程的输入主要体现在启动与规划过程组，和项目整合管理的几个过程里面，并且都是和组织过程资产共同出现。
三、组织过程资产比较具体，比如流程与程序、模板、档案、经验教训、知识库等，每个项目可以直接加以利用，同时不少项目过程也会引起组织过程资产的更新。
四、组织过程资产作为项目管理过程的输入除了与事业环境因素共同出现在启动与规划过程组中，更多地单独出现在执行、监控与收尾过程组中。另外组织过程资产（更新）也出现在许多过程的输出里面。
五、与组织过程资产最直接相关的概念是PMO，PMBOK里的输入里面如果提到组织过程资产，一般可以直接联想到PMO的作用与功能。
六、特别需要注意的一个细节是：工作授权系统本身是属于事业环境因素，但是批准工作授权系统的程序是属于组织过程资产。
商业智能的软件工具集合
1）终端用户查询和报告工具（原始数据访问）
专门用来支持初级用户的原始数据访问，不包括适应于专业人士的成品报告生成工具。
2）数据仓库（Data Warehouse）和数据集市（Data Mart）产品 （数据转换，存储，管理，包括业务模型）
包括数据转换、管理和存取等方面的预配置软件，通常还包括一些业务模型，如财务分析模型。
3）数据挖掘（ Data Mining）软件（发现数据之间的关系，做出基于数据的判断）
使用诸如神经网络、规则归纳等技术，用来发现数据之间的关系，做出基于数据的推断。
4） OLAP工具
（1） OLAP的概念。
OLAP的概念晟早是由关系数据库之父E.F.Codd于1993年提出的，他同时提出了关于OLAP的12条准则。OLAP的提出引起了很大的反响，OLAP作为一类产品同OLTP明显区分开来：OLTP属于传统的关系型数据库的一个主要应用，主要用于基本的、日常的事务处理，例如银行交易：OLAP是数据仓库系统的一个主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。OLAP提供多维数据管理环境，其典型的应用是对商业问题的建模与商业数据分析。OLAP也被称为多维分析。
（2）“维”的概念。
OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求，它的技术核心是“维”这个概念。
OLAP工具是针对特定问题的联机数据访问与分析。它通道多维的方式对数据进行分析、查询和报表。“维”是人们观察数据的特定角度。通过把一个实体的多项重要的属性定义为多个维（dimension），使用户能对不同维上的数据进行比较。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时间、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1,维2,…，维雅，度量指标），如（地区，时间，产品，…，销售额）。多维分析是指对以多维形式组织起来的数据采取切片（ slice）、切块（dice）、钻取（drill-down和roll-up）和旋转（pivot）等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。因此OLAP也可以说是多维数据分析工具的集合。
OLAP的基本多维分析操作有钻取、切片和切块以及靛精、drill across和drill througb等。
钻取是改变维的层次，变换分析的粒度。它包括向上钻取和向下钻取。roll up是在某一维上将低层次的细节数据概括到高层次的汇总数据，或者减少雏数：而drill down则相反，它从汇总数据深入到细节数据进行观察或增加新维。
切片和切块是在一部分维上选定值后，关心度量数据在剩余维上的分布。如果剩余的维只有两个，则是切片；如果有三个，则是切块。
旋转是变换维的方向，即在表格中重新安排维的放置（例如行列互换）。
（3） OLAP的实现方法。
OLAP有多种实现方法，根据存储数据的方式不同可以分为ROLAP （RelationalOLAP）、MOLAP（Multidimensional OLAP）和HOLAP （Hybrid OLAP）。
ROLAP表示基于关系数据库的OLAP实现。以关系数据库为核心，以关系型结构进行多维数据的表示和存储。ROLAP将多维数据库的多维结构划分为两类表：一类是事实表，用来存储数据和维关键字；另一类是维表，即对每个维至少使用一个表来存放维的层次、成员类别等维的描述信息。维表和事实表通过主关键字和外关键字联系在一起，形成了“星型模式”.对于层次复杂的维，为避免冗余数据占用过大的存储空间，可以使用多个表来描述，这种星型模式的扩展称为“雪花模式”.
MOLAP表示基于多维数据组织的OLAP实现。以多维数据组织方式为核心，也就是说，MOLAP使用多维数组存储数据。多维数据在存储中将形成“立方块（ Cube）”的结构，在MOLAP中对“立方块”的“旋转”、“切块”和“切片”是产生多维数据报表的主要技术。
HOLAP表示基于混合数据组织的OLAP实现。如低层是关系型酌，高层是多维矩阵型的。这种方式具有更好的灵活性。
还有其他的一些实现OLAP的方法，如提供一个专用的SQL Server,对某些存储模式（如星型、雪片型）提供对SQL查询的特殊支持，等等。
OLAP工具是针对特定问题的联机数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度。例如，一个企业在考虑产品的销售情况时，通常从时间、地区和产品的不同角度来深入观察产品的销售情况。这里的时问、地区和产品就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础，可形式化表示为（维1,维2,…，维，l,度量指标），如（地区、时间、产品、销售额）。多维分析是指对以多维形式组织起来的数据采取切片、切块、钻取和旋转等各种分析动作，以求剖析数据，使用户能从多个角度、多侧面地观察数据库中的数据，从而深入理解包含在数据中的信息。
主流的商业智能工具包括BO、COGNOS和BRIO.一些国内的软件工具平台如KCOM 也集成了一些基本的商业智能工具。
商业智能系统应具有的主要功能
（1）数据仓库：高效的数据存储和访问方式。提供结构化和非结构化的数据存储，容量大，运行稳定，维护成本低，支持元数据管理，支持多种结构，例如中心式数据仓库和分布式数据仓库等。存储介质能够支持近线式和二级存储器，能够很好地支持容灾和备份方案。
（2）数据ETL;数据ETL支持多平台、多数据存储格式（多数据源、多格式数据文件、多维数据库等）的数据组织，要求能自动地根据描述或者规则进行数据查找和理解。减少海量、复杂数据与全局决策数据之间的差距。帮助形成支撑决策要求的参考内容。
（3）数据统计输出（报表）：报表能快速地完成数据统计的设计和展示。其中包括了统计数据表样式和统计图展示，可以很好地输出给其他应用程序或者Htmf形式表现和保存。对于自定义设计部分要提供简单易用的设计方案，支持灵活的数据填报和针对非技术人员设计的解决方案。能自动地完成输出内容的发布。
（4）分析功能：可以通过业务规则形成分析内容，并且展示样式丰富，具有一定的交互要求，例如预辩或者趋势分析等。要支持多维度的OLAP,实现维度变化、旋转、数据切片和数据钻取等，以帮助做出正确的判断和决策。
商业智能的基本概念
商业智能通常被理解为将组织中现有的数据转化为知识，帮助组织做出明智的业务经营决策。这里所谈的数据包括来自组织业务系统的订单、库存、交易账目、客户和供应商等方面的数据，来自组织所处行业和竞争对手的数据以及来自组所处的其他外部环境中的各种数据。而商业智能能够辅助组织的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（On-Line Analytics Process.OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。
商业智能的概念于1996年最早由嘉特纳集团（ Gartner Group）提出，嘉特纳集团将商业智能定义为；商业智能描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法。包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。
概括地说，商业智能的实现涉及到软件、硬件、咨询服务及应用，是对商业信息的搜集、管理和分析过程，目的是使企业的各级决策者获得知识或洞察力（insight），促使他们做出对企业更有利的决策。商业智能一般由数据仓库、联机分析处理、数据挖掘、数据备份和恢复等部分组成。
因此，把商业智能看成是一种解决方案应该比较恰当。商业智能的关键是从来自纽织的许多不同的运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（extraction）、转换（transformation）和装载（load），即ETL过程，合并到一个组织级的数据仓库里，从而得到组织数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持，如图1-12所示。
商业智能的三个层次
经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP和OA等基础信息化系统。这些系统的统一特点是：业务人员或者用户对数据库进行大量的增加、修改和删除等操作，即联机事务处理（Online Transaction Process,OLTP）。系统运行了一段时间以后，必然帮助企事业单位收集大量的历史数据。但是。在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懒的天书。此时，如何把数据转化为业务人员（包括管理者）能够看懂的有用信息，充分掌握、利用这些信息，并且辅助决策，就是商业智能要解决的主要问题。
商业智能的实现有三个层次：数据报表、多维数据分析和数据挖掘。
1）数据报表
如何把数据库中存在的数据转变为业务人员需要的信息？大部分的答案是报表系统。简单说，报表系统是BI的低端实现。传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表和Reporting Service等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。
（1）数据太多，信息太少。密密麻麻的表格堆砌了大量数据。到底有多少业务人员细看过每一个数据？到底这些数据代表了什么信息、什么趋势？级别越高的领导，越需要简明的信息。
（2）难以交互分析、了解各种组合。定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答诸如“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。
（3）难以挖掘出潜在的规则。报表系统列出的往往是表面上的数据信息，但是海量数据深处含有哪些潜在规则呢？什么客户对我们价值最大？产品之间相互关联的程度如何‘越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。
（4）难以追溯历史，形成数据孤岛。长期运行中产生的数据往往存在于不同地方，太旧的数据（例如一年前的数据）可能已被业务系统备份出去，导致宏观分析、长期历史分析难度很大。
显然，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不呵取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。
2）多维数据分析
如果说在线事务处理（OLTP）侧重于对数据库进行增加、修改和删除等日常事务操作，在线分析处理则侧重于针对宏观问题全面分析数据，获得有价值的信息。
为了达到OLAP的目的，传统的关系型数据库已经不够了，需要一种新的技术叫做多维数据库。
多维数据库的概念并不复杂。举一个例子，我们想描述2003年4月份可乐在北部地区销售额10万元时，涉及到几个角度：时间、产品和地区。这些叫做维度。至于销售额，叫做度量值。当然，还有成本、利润等。
除了时间、产品和地区，我们还可以有很多维度，例如客户的性别、职业、销售部门和促销方式等。实际上，使用中的多维数据库可能是一个8维或者15维的立方体。虽然结构上15维的立方体很复杂，但是概念上非常简单。
数据分析系统的总体架构分为4个部分：源系统、数据仓库、多维数据库和客户端。
①源系统：包括现有的所有OLTP系统，搭建BI系统并不需要更改现有系统。
②数据仓库：数据大集中，通过数据抽取，把数据从源系统源源不断地抽取出来，可能每天一次，或者每3个小时一次，当然是自动的。数据仓库依然建立在关系型数据库上，往往符合“星型结构”模型。
③多维数据库：数据仓库的数据经过多维建模，形成了立方体结构。每一个立方体描述了一个业务主题，例如销售、库存或者财务。
④客户端：好的客户端软件可以把多维立方体中的信息丰富多彩地展现给用户。
3）数据挖掘
广义上说，任何从数据库中挖掘信息的过程都州做数据挖掘。从这点看来，数据挖掘就是BI.但从技术术语上说，数据挖掘（Data Mining）指的是：源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上，我们可以定义：数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。
现举一个关联销售的案例。美国的超市有这样的系统：当你采购了一车商品结账时，售货员小姐扫描完了你的产品后，计算机上会显示出一些信息，然后售货员会友好地问你：我们有一种一次性纸杯正在促销，位于F6货架上，您要购买吗？这句话绝不是一般的促销。因为计算机系统早就算好了，如果你的购物车中有餐巾纸、大瓶可乐和沙拉，则86%的可能性你要买一次性纸杯。结果是你说：“啊，谢谢你，我刚才一直没找到纸杯。”
这不是什么神奇的科学算命，而是利用数据挖掘中的关联规则算法实现的系统。
每天，新的销售数据会进入挖掘模型，与过去N天的历史数据一起被挖掘模型处理，得到当前最有价值的关骐规则。同样的算法，分析网上书店的销售业绩，计算机可以发现产品之间的关联以及关联的强弱。
商业智能的实施步骤
实施商业智能系统是一项复杂的系统工程，整个项目沙及企业管理、运作管理、信息系统、数据仓库、数据挖掘和统计分析等众多门类的知识，因此用户除了要选择合适的商业智能软件工具外，还必须遵循正确的实施方法才能保证项目得以成功。商业智能项目的实施步骤可分为如下几步。
1）需求分析
需求分析是商业智能实施的第一步，在其他活动开展之前必须明确地定义组织对商业智能的期望和需求，包括需要分析的主题、查看各主题的角度（维度）和需要发现组织的哪些方面的规律等。
2）数据仓库建模
通过对企业需求的分析，建立企业数据仓库的逻辑模型和物理模型，并规划好系统的应用架构，将企业各类数据按照分析主题进行组织和归类。
3）数据抽取
数据仓库建立后必须将数据从业务系统中抽取到数据仓库中，在抽取的过程中还必须将数据进行转换、清洗，以适应分析的需要。
4）建立商业智能分析报表
商业智能分析报表需要专业人员按照用户制订的格式进行开发。用户也可自行开发（开发方式简单，快捷）。
5）用户培训和数据模拟测试
对于开发一使用分离型的商业智能系统，展终用户的使用是相当简单的，只需要点击操作就可针对特定的商业问题进行分析。
6）系统改进和完善
任何系统的实施都必须是不断完善的，商业智能系统更是如此。在用户使用一段时间后可能会提出更多的，更具体的要求，这对需要再按照上述步骤对系统进行重构或完善。
商业智能的基本概念：http://www.cnitpm.com/pm/8184.html
商业智能系统应具有的主要功能：http://www.cnitpm.com/pm/8183.html
商业智能的三个层次：http://www.cnitpm.com/pm/8181.html
商业智能的软件工具集合：http://www.cnitpm.com/pm/8185.html
实施商业智能的步骤：http://www.cnitpm.com/pm/8186.html