商業(yè)智能及其應(yīng)用分析

摘 要：介紹了商業(yè)智能的基本概念，商業(yè)智能的三個核心技術(shù)，分析了當(dāng)今商業(yè)智能的幾個關(guān)鍵應(yīng)用領(lǐng)域，最后簡單的介紹了商業(yè)智能的發(fā)展趨勢。

關(guān)鍵詞：商業(yè)智能；數(shù)據(jù)倉庫；聯(lián)機(jī)分析處理；數(shù)據(jù)挖掘

中圖分類號：F272文獻(xiàn)標(biāo)識碼：A文章編號：1672-3198（2008）02-0138-02

1 商業(yè)智能概述

商業(yè)智能（Business Intelligence，簡稱BI）是為提高企業(yè)運(yùn)營性能和提高企業(yè)決策能力而采用的一系列方法、技術(shù)和軟件的集合。其主要目標(biāo)是將企業(yè)所掌握的信息轉(zhuǎn)換成競爭優(yōu)勢，提高企業(yè)決策能力、決策效率、決策準(zhǔn)確性。

BI的關(guān)鍵是從許多來自不同的企業(yè)運(yùn)作系統(tǒng)的數(shù)據(jù)中，提取出有用的數(shù)據(jù)，進(jìn)行清理以保證數(shù)據(jù)的正確性，然后經(jīng)過抽取（Extraction）、轉(zhuǎn)換（Transformation）和裝載（Load），即ETL過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎(chǔ)上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具、OLAP工具等對其進(jìn)行分析和處理（這時信息變?yōu)檩o助決策的知識），最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供支持。商業(yè)智能的這個基本過程如圖1所示。

2 商業(yè)智能核心技術(shù)

商業(yè)智能的核心技術(shù)包括數(shù)據(jù)倉庫（Data Warehousing）、聯(lián)機(jī)分析處理（On－line Analytical Processing，OLAP）、數(shù)據(jù)挖掘（Data Mining）在內(nèi)的用于統(tǒng)計(jì)和分析商務(wù)數(shù)據(jù)的先進(jìn)的信息技術(shù)。

2.1 數(shù)據(jù)倉庫

數(shù)據(jù)倉庫（Data Warehouse）是一個面向主題的、集成的、隨時間變化的、非易失的、主要用于決策支持的數(shù)據(jù)的集合。利用數(shù)據(jù)倉庫技術(shù)可以動態(tài)將異構(gòu)系統(tǒng)中的數(shù)據(jù)抽取集成到一起，按照單一的模式進(jìn)行存儲，并通常將這些信息駐留在單個站點(diǎn)。其通過數(shù)據(jù)清理、數(shù)據(jù)變換、數(shù)據(jù)集成、數(shù)據(jù)裝入處理之后加載到數(shù)據(jù)倉庫中，通過定期數(shù)據(jù)刷新來構(gòu)造其內(nèi)容。為用戶提供一個統(tǒng)一的干凈的數(shù)據(jù)視圖，為數(shù)據(jù)分析提供一個高質(zhì)量的數(shù)據(jù)源。數(shù)據(jù)倉庫收集了整個企業(yè)的主題信息，因此它是企業(yè)范圍的數(shù)據(jù)存儲。對于數(shù)據(jù)倉庫中的數(shù)據(jù)，可以使用一些增強(qiáng)的查詢和報(bào)表工具進(jìn)行復(fù)雜的查詢和即時的報(bào)表制作，可以利用聯(lián)機(jī)分析處理（OLAP）技術(shù)從多種角度對業(yè)務(wù)數(shù)據(jù)進(jìn)行多方面的匯總統(tǒng)計(jì)計(jì)算，還可以利用數(shù)據(jù)挖掘技術(shù)發(fā)現(xiàn)其中的有用信息。

2.2 聯(lián)機(jī)分析處理

聯(lián)機(jī)分析處理(Online Analytical Processing，簡稱OLAP)是使分析人員、管理人員或執(zhí)行人員能夠從多種角度對從原始數(shù)據(jù)中轉(zhuǎn)化出來的、能夠真正為用戶所理解的、并真實(shí)反映企業(yè)維度特性的信息進(jìn)行快速、一致、交互地存取，從而獲得對數(shù)據(jù)的更深入了解的一類軟件技術(shù)。它的技術(shù)核心是“維”這個概念，因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。數(shù)據(jù)倉庫建立之后，即可以利用OLAP復(fù)雜的查詢能力、數(shù)據(jù)對比、數(shù)據(jù)抽取和報(bào)表來進(jìn)行探測式數(shù)據(jù)分析了。用戶在選擇相關(guān)數(shù)據(jù)后，通過切片、切塊、上鉆、下鉆、旋轉(zhuǎn)等操作，可以在不同的粒度上對數(shù)據(jù)進(jìn)行分析嘗試，得到不同形式的知識和結(jié)果。OLAP側(cè)重于與用戶的交互、快速的響應(yīng)速度及提供數(shù)據(jù)的多維視圖。

2.3 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘（Data Mining）又稱知識發(fā)現(xiàn)（Knowledge Discovery in Database，簡稱KDD），是從大量數(shù)據(jù)中抽取有意義的、隱含的、以前未知的并有潛在使用價值的知識的過程。

在數(shù)據(jù)挖掘技術(shù)中常用的數(shù)據(jù)模型有:①分類模型，是根據(jù)商業(yè)數(shù)據(jù)的屬性將數(shù)據(jù)分派到不同的組中；

②關(guān)聯(lián)模型，主要描述一組數(shù)據(jù)項(xiàng)目的密切度和關(guān)系；

③順序模型，主要用于分析數(shù)據(jù)倉庫中的某類同時間相關(guān)的數(shù)據(jù)，并發(fā)現(xiàn)某一時間段內(nèi)數(shù)據(jù)的相關(guān)處理模型；

④聚簇模型，當(dāng)要分析的數(shù)據(jù)缺乏描述信息，或者是無法組織成任何分類模式時，可以采用聚簇模型。聚簇模型是按照某種相近程度度量方法將用戶數(shù)據(jù)分成互不相同的一些分組。組中的數(shù)據(jù)相近，組之間的數(shù)據(jù)相差較大。

數(shù)據(jù)挖掘注重自動發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和有用信息，盡管允許用戶指導(dǎo)這一過程。OLAP的分析結(jié)果可以給數(shù)據(jù)挖掘提供分析信息作為挖掘的依據(jù)，數(shù)據(jù)挖掘可以拓展OLAP分析的深度，可以發(fā)現(xiàn)OLAP所不能發(fā)現(xiàn)的更為復(fù)雜、細(xì)致的信息。

3 商業(yè)智能的典型應(yīng)用

商業(yè)智能作為一種企業(yè)信息集成解決方案，為企業(yè)不同的應(yīng)用系統(tǒng)。如企業(yè)資源規(guī)劃(ERP)、客戶關(guān)系管理(CRM)、供應(yīng)鏈管理(SCM)、辦公自動化(OA)、電子商務(wù)(E-Commerce)以及外部環(huán)境掃描（Environmental Scanning）等系統(tǒng)之間架起了互通的橋梁。同時，這些信息化系統(tǒng)也為商業(yè)智能提供了數(shù)據(jù)源。商業(yè)智能的典型應(yīng)用包括經(jīng)營分析，戰(zhàn)略決策支持，績效管理， 異常處理等。

3.1 經(jīng)營分析

經(jīng)營分析包括經(jīng)營指標(biāo)分析、經(jīng)營業(yè)績分析和財(cái)務(wù)分析三部分。經(jīng)營指標(biāo)分析是指對企業(yè)不同的業(yè)務(wù)流程和業(yè)務(wù)環(huán)節(jié)的指標(biāo)（利潤率、銷售率、庫存量、單品銷售情況及所占營業(yè)比例、風(fēng)險采購和庫存評價指標(biāo)等）進(jìn)行搜集和分析。利用商業(yè)智能管理技術(shù)可以對這些指標(biāo)進(jìn)行科學(xué)的組織和分析，形成一個能反映企業(yè)整體情況的數(shù)學(xué)模型。這樣通過觀察總指標(biāo)并設(shè)置告警，能獲得整個企業(yè)的經(jīng)營狀況。

經(jīng)營業(yè)績分析是指對各部門的營業(yè)額、銷售量等進(jìn)行統(tǒng)計(jì)，在此基礎(chǔ)上進(jìn)行同期比較分析、應(yīng)收分析、盈虧分析、各種商品的風(fēng)險度分析等。經(jīng)營業(yè)績分析有利于企業(yè)實(shí)時掌握自身的發(fā)展和經(jīng)營情況，有利于企業(yè)及時調(diào)整經(jīng)營業(yè)務(wù)、化解經(jīng)營風(fēng)險。

財(cái)務(wù)分析是指對企業(yè)財(cái)務(wù)數(shù)據(jù)中的利潤、費(fèi)用支出、資金占用及其他具體經(jīng)濟(jì)指標(biāo)進(jìn)行有效分析。通過財(cái)務(wù)分析，可以及時掌握企業(yè)在資金使用方面的實(shí)際情況，為及時調(diào)整和降低企業(yè)成本提供數(shù)據(jù)依據(jù)。

3.2 戰(zhàn)略決策支持

在經(jīng)營分析的基礎(chǔ)上，將各類數(shù)據(jù)、信息進(jìn)行高度的概括和總結(jié)，然后形成供高級決策者進(jìn)行戰(zhàn)略決策時參考的企業(yè)經(jīng)營狀況分析報(bào)告是商業(yè)智能的優(yōu)勢所在。商業(yè)智能對戰(zhàn)略決策的支持，表現(xiàn)在以下幾個方面：

①在公司戰(zhàn)略決策支持層面上，可以根據(jù)公司各戰(zhàn)略業(yè)務(wù)單元的經(jīng)營業(yè)績和經(jīng)營定位，選擇一種合理的投資組合戰(zhàn)略；

②在業(yè)務(wù)戰(zhàn)略決策支持層面上，由于商業(yè)智能系統(tǒng)中集成了更多的外部數(shù)據(jù)，如外部環(huán)境和行業(yè)信息，各戰(zhàn)略業(yè)務(wù)單元可據(jù)此分別制定自身的競爭戰(zhàn)略；

③在職能戰(zhàn)略決策支持層面上，由于來自于企業(yè)內(nèi)部的各種信息，源源不斷地輸入進(jìn)來，相應(yīng)地可以提供營銷、生產(chǎn)、財(cái)務(wù)、人力資源等決策支持。

3.3 績效管理

商業(yè)智能技術(shù)能夠從企業(yè)各種應(yīng)用系統(tǒng)中提取出各種基礎(chǔ)績效指標(biāo)與關(guān)鍵績效指標(biāo)(KPI， Key Performance Indicator)。為了考核員工的績效，企業(yè)可以先將希望員工要做的工作進(jìn)行量化，然后借助商業(yè)智能工具，管理人員可以追蹤、衡量和評價員工的工作績效，引導(dǎo)員工的思想方向和行動與企業(yè)的整體目標(biāo)保持一致。

3.4 異常處理

它是商業(yè)智能數(shù)據(jù)挖掘應(yīng)用的典型事例，通過發(fā)展曲線企業(yè)及時發(fā)現(xiàn)市場和顧客異常情況，快速采取措施，降低企業(yè)風(fēng)險提高企業(yè)收益。如信用卡分析，銀行、保險等行業(yè)的欺詐監(jiān)測等。

4 商業(yè)智能的發(fā)展趨勢

隨著商業(yè)智能市場的日益成熟，2007年商業(yè)智能領(lǐng)域，仍然是上升的趨勢。在所有發(fā)展中有三個發(fā)展趨勢將對未來技術(shù)產(chǎn)生巨大的影響。

4.1 BI公司的合并

目前，人們不得不面對商業(yè)智能市場的劇烈震蕩，每個商業(yè)智能公司都狼吞虎咽般的收購小公司，這些收購可以分為三類：

①數(shù)據(jù)質(zhì)量廠商被收購。②企業(yè)信息集成廠商也被收購或者成為其它BI供應(yīng)商的戰(zhàn)略聯(lián)盟。③小廠商在出名前已經(jīng)被收購。

這些收購使得BI廠商鞏固了商業(yè)智能解決方案，讓實(shí)施變得更簡單。一個廠商的界面讓人更容易接受。這是毫無疑問的“一站式”方案。

4.2 從戰(zhàn)略型的BI到操作型或者實(shí)時型的BI

目前，企業(yè)日益要求減少從發(fā)現(xiàn)問題到采取行動的反應(yīng)延遲，這大大推動了BI分析應(yīng)用的發(fā)展。根據(jù)決策專家的觀點(diǎn)，這種反應(yīng)的延遲有三個組成部分。數(shù)據(jù)準(zhǔn)備的延遲（獲取要分析的數(shù)據(jù)的時間），分析延遲（通過分析得到結(jié)果的時間），決策延遲（理解分析結(jié)果并且采取行動的時間）。對于操作型的BI這三種延遲幾乎可以減少到忽略不計(jì)，是非常有意義的。

為了減少數(shù)據(jù)準(zhǔn)備的延遲，可以采用EII技術(shù)開發(fā)虛擬BI組件，包括虛擬操作數(shù)據(jù)存儲（ODS）和數(shù)據(jù)集市。

為了減少分析的延遲，操作型分析引擎中的企業(yè)活動監(jiān)控（BAM）能及時的讓業(yè)務(wù)人員看到分析結(jié)果，并且超出值域時發(fā)出報(bào)警。

關(guān)鍵績效指標(biāo)（KPI），每隔幾個小時或者更頻繁的發(fā)送給業(yè)務(wù)人員，整理當(dāng)前的操作型結(jié)果并且在企業(yè)門戶以儀表盤的形勢展現(xiàn)出來，給業(yè)務(wù)人員深入分析關(guān)鍵事件的機(jī)會。

分析和展現(xiàn)操作型數(shù)據(jù)是非常有意義的，但是商業(yè)智能中不是所有數(shù)據(jù)都要包括。所以應(yīng)該非常仔細(xì)的評估實(shí)時分析的數(shù)據(jù)。完全理解業(yè)務(wù)需求，才能找出海量數(shù)據(jù)中真正需要的那一小部分。

4.3 更成熟的數(shù)據(jù)分析和展現(xiàn)技術(shù)

起初，BI只有簡單的報(bào)表和查詢，然后有了多維分析。現(xiàn)在有了更復(fù)雜的方向，那就是使用數(shù)據(jù)挖掘進(jìn)行深入分析，支持自定義查詢的統(tǒng)計(jì)方法和技術(shù)，不規(guī)則的查詢。

這些技術(shù)提升了預(yù)測分析和決策能力，并且可以嵌入到操作流程中。目前有些公司能夠?qū)嵤┎僮餍突蛘邔?shí)時BI，給前臺人員訪問分析結(jié)果的能力，他們的日常業(yè)務(wù)都可以與數(shù)據(jù)的分析相結(jié)合。

但是值得我們注意的是，在實(shí)施過程中應(yīng)該采取企業(yè)級的BI架構(gòu)和技術(shù)，否則一定會遇到混亂。操作型的BI也需要徹底的理解業(yè)務(wù)流程以及變化，離開了這些需求，BI實(shí)施就不可能深入到最有價值的地方。

參考文獻(xiàn)

［1］李澤海，孫吉貴，趙君.商業(yè)智能技術(shù)與應(yīng)用分析［J］.吉林大學(xué)學(xué)報(bào)，2003.

［2］黃偉峰. 商業(yè)智能技術(shù)及行業(yè)應(yīng)用分析［J］. 計(jì)算機(jī)工程與設(shè)計(jì).2003，（6）.

注：本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。