BI决策分析（云）系统解决方案升级方案，bi决策支持系统。

BI决策分析(云)系统

通过企业业务系统的持续有效利用，业务数据的持续积累就形成了企业内部大数据，通过针对数据的分析及挖掘，可反过来为企业产生价值。

大数据分析模式

本解决方案采用的大数据处理流程主要包括四个关键步骤，分别是收集原始设备数据、设备数据预处理、设备数据挖掘分析、决策知识应用。

基于大数据的设备管理系统更方便了领导层对设备各个环节运行状况的掌握，可以实时查看并监控大型和特种设备的运行状况，检查对设备的维护保养是否到位，定期检查是否落实。

原始设备运行数据

设备运行积累海量的日志信息，比如设备维修记录、设备事故记录等，因此可以利用采集系统将数据收集，并且将其保存在数据库中，以便更加安全的保护系统的运行完整性。

数据挖掘分析

导入的数据经过预处理之后，可以利用数据挖掘技术对数据进行挖掘和分析，可以针对这些设备数据进行分析，获取数据集中隐藏的模式，形成决策知识。

设备数据预处理

设备原始数据存在很多的噪声信息，采用数据清洗和整理等方法，进一步提高数据的质量，数据预处理可以将不同的设备运行产生的数据进行一致化操作，这样就可以约简数据中的稀疏属性，这些属性对审计模型挖掘贡献较低或无贡献，提升数据挖掘的准确性。

决策知识应用

决策知识可以预测设备运行趋势，常见的是发现设备是否会产生故障，如果会产生故障，可以及时的对设备进行检修，这样就可以避免故障发生；另外，也可以发现某些设备是否不合格或存在潜藏的危险，可以将这些设备更换为质量更高的设备。

数据应用价值

总结设备的检维修规律

通过海量设备运行数据的分析，可总结出设备进行维检修的规律，为企业构建预测性维修体系打下基础。

优化企业资源配置

通过备件使用数据的积累，可优化企业资源配置，建立关键备件库存定额管理保障维修，提高备件库存周转率，减少资金占用率。

建立故障知识库

通过设备故障现象、原因、处理措施等数据的积累，可形成企业内部的故障知识库，将隐形的维修经验知识显性化，可大大提高设备维修效率。