商业智能在企业中的运用及发展趋势初探

商业智能在企业中的运用及发展趋势初探： 一、前 言

当今世界乃知识经济时代，知识管理成为人们普遍关注和研究的对象。处在知识管理时代，面对着爆炸增长的信息量，企业的决策过程变得日益复杂。企业在深入运用信息系统后积累了越来越多的数据，如何从浩瀚的数据中发掘有价值的信息，为管理者决策提供有力的参考，变得越来越重要。这也就不难理解越来越多的管理者开始借助于新兴的商业智能技术来寻求解决之道。目前，商业智能的研究和应用处于发展阶段，其理论研究和商业运用不仅是软件界而且也是国内外企业界广泛关注的热点。商业智能通过对数据的收集、分析和管理，使之转化为对企业有价值的信息，从而辅助决策，指导企业行动。

商业智能在企业中的运用及发展趋势初探： 二、商业智能的概念

商业智能这一概念最早是由Gartner Group公司的Howard Dresner于1989年提出的，它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，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、数据分析、数据挖掘、在线分析、数据备份和数据恢复等部分组成。

商业智能发展到今天经历了一个复杂的渐进过程，它仍处于发展之中。商业智能发展大致经历了事务处理系统(TPS)、管理信息系统(MIS)、高级人员管理信息系统(EIS)和决策支持系统(DSS)等几个阶段。

商业智能在企业中的运用及发展趋势初探： 三、商业智能的特征

当前诸多业务系统已经在企业中普遍使用，经过多年的积累沉淀，企业大都建立了比较完善的基础信息化系统。通过这些系统，企业积累了大量的历史数据，但由于各个部门的业务特点不同，造成业务数据各异，最终导致系统的差异和分割。企业需要的不是孤立的数据，而是有用的信息，商业智能正是这些业务数据进行相关处理的工具。

首先，商业智能基于数据仓库技术，将各个业务部门的孤立数据进行抽取、筛选，使之得以在企业内部得到共享，从而改变以前各个部门各自为政造成的应用平台不一、应用深度不一以及信息隔离的状况；在企业内部构建统一的BI平台，使各个业务部门的数据得以统一的管理。数据收据完之后，要根据数据的特性进行筛选进而进行相关性存放，以便对海量的数据进行有效的组织管理。在数据仓库的基础上，提取有效的数据，根据各种需求的目标，运用已有的或新建的分析模型，将企业各部门环节的生产流程清晰系统地展示给管理者。

在数据收集整理分析的基础上，从企业发展趋势、策略规划及前景预测等多个角度提供重要的分析指导，为企业的发展壮大，基业常青提供有力的保障。

与以往的信息系统相比，商业智能系统具有以下几个主要优点：(1)商业智能系统不仅采用了最新的信息技术，而且提供了预先打包好的应用领域的解决方案。(2)商业智能系统支持对所有形式的信息的访问，而不仅仅是那些存储在数据仓库中的信息。(3)商业智能系统着眼于终端用户对业务数据的访问和业务数据的传送，它可同时服务于信息提供者和信息消费者。

四、商业智能的体系结构

所谓体系结构是指一整套的规则和结构，为一个产品或系统的整体设计提供主框架。商业智能的体系结构是指通过识别和理解数据在系统中的流动过程和数据在企业的应用过程来提供商业智能系统应用的主框架。商业智能系统是以现代管理理论为指导，信息技术为支撑和新的集成系统，其支撑技术主要包括两个方面：一是计算机技术，诸如数据库技术、数据挖掘技术、联机分析处理技术及数据可视化等技术；二是现代管理技术，包括统计、预测等运筹学方法、客户管理、供应链管理、企业资源计划等管理理论和方法、企业建模方法。

图1 商业智能的体系结构图

商业智能的体系结构可以总结为图1。

商业智能的核心技术包括数据仓库技术、联机分析处理技术和数据挖掘，同时还需要灵活使用的前端显示，用于提供较好的人际操作界面，以辅助和支持商业决策的全过程。

商业智能在企业中的运用及发展趋势初探： 五、商业智能的各个组成部分

1．数据仓库。Bill Inmon在1990年首先提出了“数据仓库”的概念，并将其定义为：“数据仓库是面向主题的、集成的、随时间变化的及稳定的数据集，用于支持管理决策过程”。

“面向主题”是指：数据仓库中的数据按照主题进行组织，例如顾客、产品和销售等，而不是按正在进行的应用的信息进行组织。“集成”是指：从多个数据源将数据集合到数据仓库中，并集成为一个整体。“时变”是指：数据仓库中的所有数据都有特定的时间标识，数据仓库中的关键结构都显式或隐式地包含时间标识。数据仓库中的数据代表了过去某一时刻的数据快照，数据仓库中的数据不仅可以用特定的时间点标识，也可用特定的时间段来概括，如日、星期、月、季度、年等。“稳定”是指：数据仓库中的数据通常是历史数据，很少更新。

2．数据集市。数据集市和数据仓库的根本区别在于数据的范围不同。数据仓库覆盖整个企业范围的数据，而数据集市中的数据通常只是部门数据。

数据集市是整个企业数据的一个子集，包括特定业务单元、部门或用户集的值。该子集包含从事务管理或企业数据仓库获取的历史数据、汇总数据，并有可能会有一些详细数据。数据集市是根据特定主题而不是根据数据库的大小来定义的。数据集市中数据可能很多，也可能很少。

企业既可以直接建立数据集市，也可以在数据库基础上建立数据集市，也即根据部门业务要求的需要，对数据仓库的一个逻辑子集或物理子集重新进行组织，创建部门级的数据集市。与数据仓库相比，数据集市的实施要容易得多，因此，数据集市常被作为商业智能项目实施的原型系统和验证系统。

3．决策支持系统(DSS)。决策支持系统(DSS)是综合利用大量数据，有机结合和利用众多模型(包括数学模型和数据处理模型)，通过人机交互，为用户生成所需信息。辅助各级决策者实现科学决策的系统。模型是对客观事物的一种抽象描述，人们通过模型来增加对复杂问题的理解和处理。其中数学模型可以用数学公式表示，也可以用算法描述，数据处理模型一般用数据处理过程来说明。

决策支持系统是在管理信息系统和运筹学的基础上发展起来的，既包括传统的查询和报表功能，也包括多维分析和数据挖掘功能。

4．在线分析处理(OLAP)。OLAP最先是由Codd在1993年提出的。Codd为mbor公司所写的《为分析型用户提供OLAP工具：信息技术的需求》，首次清楚的区分了面向事务处理的OLl甲系统和面向分析处理的OLAP系统，并为OLAP确立了12条规则。

OLAP是针对特定问题的联机数据访问和数据分析而产生的一种技术。OLAP具有汇总、合并和聚集功能，并能从不同角度查看数据。OLAP满足了分析和决策人员从多种角度对数据进行快速、一致、交互的分析，克服了传统的决策支持系统的交互能力差的弱点，分析者和决策者都能够对数据进行深层次分析。

5．数据挖掘。数据挖掘并没有一个完全统一的精确定义，在不同的文献或应用领域中也有一些其它定义。Zekulin的定义为：数据挖掘是一个从大型数据库中提取以前未知的、可理解的、可执行的信息，并用它来进行关键的商业决策的过程；Fermzza定义数据挖掘是用在知识发现过程，来辨识存在于数据中的未知关系和模式的一些方法；Jone则定义数据挖掘是发现数据中有益模式的过程；Parsave则认为数据挖掘是我们为那些未知的信息模式而研究大型数据集的一个决策支持过程。

上述这些主要从数据挖掘的商业应用出发，从此角度看，数据挖掘的主要特点是对商业数据库中的大量事务数据进行抽取、转化、分析和模式化处理，从中提取商业决策的关键知识，即从数据库中自动发现相关商业模式。

商业智能在企业中的运用及发展趋势初探： 六、如何运用商业智能

商业智能虽然能够帮助企业找到影响企业活动的关键因素，但是其本身并不能保证为企业创造任何价值。为了使商业智能能够有助于增强企业竞争优势，企业必须做好一些基础工作：

1．系统分析企业业务流程，详尽分析企业现有的资源状况和管理人员的管理技能、思想意识等状况，并结合企业所处的行业特点和自身的优势，在充分调查研究的基础上，明确企业想利用商业智能带来些什么。

2．商业智能的真正价值在于预测趋势、辅助决策。所以前期的基础数据准备工作必须做好。翔实的数据对于实施商业智能的企业来说是成功的基础，我们必须清醒地认识到：基础数据愈多、愈详尽、愈准确，则商业智能为企业带来的预测就愈准确。

3．在企业实施商业智能的过程中，必须坚持最高领导负责制，这样才能保证商业智能项目的顺利实施。我们必须对商业智能实施过程的复杂性和艰巨性有一个充分的准备，和其他信息系统建设一样。商业智能的实施绝不仅仅是计算机工作人员就可以完成的；企业必须充分结合自身资源优劣势，在专家的指导下，从模拟开始，一步步地往前推进，这样才能以最低风险为前提下建设符合企业实际需要的商业智能系统。

商业智能的实施过程可以分为建设阶段和运行完善阶段。

在系统构造阶段，需要对要达到的商业价值和具体的指标体系等系统目标做出明确的定义，然后分析这些数据的来源，即数据的存储位置和筛选辨别的依据，并在此基础上选择合适的工具，进而完成系统的技术设置、开发和实施，在此过程中安排必要的全面培训是应当的。在运行完善阶段，首先要检验系统建立的价值，更重要的是要找出不完善的地方，进而通过更深入的数据存取、控制和分析解决出现的问题，另外还要根据实际情况进行相关的决策，或者合作实施，并对产生的效果进行评估，从而进行调整。

商业智能在企业中的运用及发展趋势初探： 七、商业智能应用的发展趋势

1．具有可配制性、灵活性及变化性更强的功能。商业智能系统的服务范围从为特定用户扩大到为所有用户服务。同时，由于企业用户在需求上、职权上的不同。商业智能系统提供更广泛的更具针对性的功能。从简单的数据获取，到利用局域网、广域网进行丰富的信息交互、决策信息和知识的分析及利用。

2．解决方案具有更多的开放性，根据用户的具体需求提供客户化的界面。在实际操作过程中不同企业有着不同的具体需求，商业智能在提供核心技术的同时，增加客户自己的代码和解决方案，增强客户化的接口，使系统更加的灵活，更具个性化和人性化。

3．由孤立的商业智能发展为嵌入式商业智能，即将商业智能组件嵌入企业现有的诸如财务、人力、销售等应用系统中，商业智能事务处理系统更具普遍意义。

4．由传统功能向增强型功能转变。增强型的商业智能功能是相对于用SQL工具实现查询的商业智能功能来讲的。当今实际应用中的商业智能系统在实现传统商业智能的基本功能的同时，还具备了数据分析层的功能，像数据挖掘、企业建模等都是商业智能的增强应用。