FineBI 产品白皮书阅读笔记（待补充）

入职第一天，老大让我先阅读 FineBI 的文档，于是花了近两天的时间仔细阅读了产品白皮书，并用 FreeMind 记了重点。这个过程中又学到了不少新东西，了解到不少新名词。在这里做一个简单的笔记（大部分名词解释的内容摘录于维基百科／百度百科）。

1、FineBI

BI，business intelligence，商业智能。它是数据仓库、OLAP 和数据挖掘等技术的综合运用，可以将现有的数据进行有效的整合，快速准确地提供报表和决策依据，帮助企业做出明智的业务运营管理决策。

FineBI 是一款 BI 软件，提供了数据采集、数据加工处理、数据存储、数据分析、数据可视化于一体的完整解决方案。

2、数据挖掘、OLAP与数据仓库

数据仓库是一种资讯系统的资料储存理论，此理论强调利用某些特殊资料储存方式，让所包含的资料，特别有利于分析处理，以产生有价值的资讯并依此作决策。利用数据仓库方式所存放的资料，具有一旦存入，便不随时间而更动的特性，同时存入的资料必定包含时间属性，通常一个数据仓库皆会含有大量的历史性资料，并利用特定分析方式，自其中发掘出特定资讯。

数据仓库可以作为数据挖掘和 OLAP 等分析工具的资料来源，由于存放于数据仓库中的资料，必需经过筛选与转换，因此可以避免分析工具使用错误的资料，而得到不正确的分析结果。

数据挖掘和 OLAP 同为分析工具，其差别在于 OLAP 提供用户一便利的多维度观点和方法，以有效率的对数据进行复杂的查询动作，其预设查询条件由用户预先设定，而数据挖掘，则能由资讯系统主动发掘资料来源中，未曾被查觉的隐藏资讯，和透过用户的认知以产生知识。

数据挖掘技术是经由自动或半自动的方法探勘及分析大量的资料，以创建有效的模型及规则，而企业透过数据挖掘更了解他们的客户，进而改进他们的行销、业务及客服的运作。数据挖掘是数据仓库的一种重要运用。基本上，它是用来将你的资料中隐藏的资讯挖掘出来，所以 Data Mining 其实是所谓的 Knowledge Discovery 的一部分，Data Mining 使用了许多统计分析与 Modeling 的方法，到资料中寻找有用的特征（Patterns）以及关连性（Relationships）。Knowledge Discovery 的过程对 Data Mining 的应用成功与否有重要的影响，只有它才能确保 Data Mining 能获得有意义的结果。

3、多维数据库

多维数据库（Multi Dimensional Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。

多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。

4、位图索引

5、NIO 内存映射文件

参考这篇文章

6、过滤与钻取

7、原生渲染

8、ETL

9、JOIN、UNION

10、联动

11、SWOT 分析

12、原生渲染

13、“登陆”与“登录”