商業智能助力企業的信息化進程

[摘 要]隨著信息持續爆炸式的增長及業務決策制訂的不斷加快，企業競爭不僅在實物資源空間進行，而且在信息資源空間中進行。以數據挖掘為核心技術的商業智能在管理決策支持方面開始扮演著日益重要的角色。本文利用輕型架構設計，構建了企業商業智能系統，希望可以借此助力企業的信息化進程，提高企業的決策水平。

[關鍵詞]商業智能；體系結構；決策支持

[中圖分類號]F270.7

[文獻標識碼]A

[文章編號]1673-0194(2009)05-0066-03

1 前 言

在當前的信息經濟大潮中，信息在經濟活動中占據著越來越重要的地位。企業要想在競爭中立于不敗之地，必須能夠縱觀歷史與未來趨勢，快速作出決策，快速決策來自于對市場、客戶、企業營銷狀況等方面的信息進行正確充分的分析。然而，原有的運營支撐系統作為一種管理系統并未從根本上真正實現商業經營管理調度的優化，因而無法很好地適應當前商務活動的發展。

以數據倉庫(Data Warehouse)為基礎的商業智能(Business Intelligence)的引入，給企業帶來了新的希望。商業智能技術能夠提供使企業迅速分析數據的技術和方法，幫助企業從日常運作的數據中開發出結論性的、基于事實的和具有可實施性的信息，使企業能夠更快更容易地作出更好的商業決策；使企業管理者和決策者以一種更清晰的角度看待業務數據，提高企業運轉效率、增加利潤并建立良好的客戶關系，使企業以最短的時間發現和把握商業機會。

全球企業級數據倉庫解決方案領導廠商Teradata近日宣布，知名市場研究機構發布的標志性研究報告表明，許多企業的業務決策制訂模式正處在一個關鍵的十字路口，而商業智能技術現已成為導致領先企業與普通企業差異化的重要因素。

2 商業智能

商業智能(Business Intelligence)這一術語在1989年由Gartner Group首次提出，它描述了一系列的概念和方法，通過應用基于事實的支持系統來輔助商業決策的制訂。商業智能是一種綜合運用數據倉庫、聯機分析和數據挖掘來處理和分析數據的嶄新技術。

商業智能的核心內容是從許多來自企業不同的業務處理系統的數據中，提取出有用的數據，進行清理以保證數據的正確性，然后經過抽取(Extract)、轉換(Transform)和裝載(Load)，即ETL過程，整合到一個企業級的數據倉庫里，從而得到企業信息的一個全局視圖，利用合適的查詢和分析工具、數據挖掘工具等對數據倉庫里的數據進行分析和處理，形成信息，從中提煉出輔助決策的知識，最后把知識呈現給管理者，為管理者的決策過程提供支持。

商業智能系統可以說是一個智能決策支持系統，它不是一種產品或服務，從某種意義上講，商業智能是一種概念或者說是一種商業理念，它是在企業數據倉庫的基礎上，利用數據挖掘和信息挖掘工具獲取商業信息，以輔助和支持商業決策的全過程。通過商業智能技術，用戶可以更充分地了解他們的產品、服務、客戶以及銷售趨勢。

3 電子商務商業智能系統的體系結構

在網絡時代，商務活動具有活動過程電子化、數據來源多樣性、信息要求快捷等特征，為滿足相應要求，本文構建了企業商業智能系統，其體系結構如圖1所示。

3.1 數據源

在當前的企業商務活動過程中，數據來自于多種數據源，除利用OLTP進行日常交易處理的訂單信息、顧客信息和產品信息外，還包括從電子商務網站中獲取的用戶訪問和點擊信息，以及其他相關外部數據，如從賬務系統中獲得賬務信息，從市場部門獲得市場信息等。

3.2 ETL(Extract，Transform，Load)

ETL(Extract，Transform，Load)就是抽取、轉換、裝載。首先是“抽取”，將數據從上述多種數據源中讀取出來，這是所有工作的前提；其次是“轉換”，由于目前商務活動中數據源的多樣性，導致系統中有諸如XML、HTML、關聯數據等多種數據類型。由于關系數據庫技術已經十分成熟，而現有較成熟的數據挖掘算法(如關聯規則挖掘)多是基于關系數據庫的，所以，在本系統中，將上述異構的HTML、XML等多種數據經清洗、過濾、轉換為關系型數據，屏蔽掉其異構性，使本來異構的數據格式能統一起來；最后是“裝載”，將轉換完的數據按計劃增量或全部的導入到ODS中。

3.3 數據存儲

運營數據存儲(Operational Data Store，ODS)是為了彌補業務系統和數據倉庫之間的差距而提出的，其最大特點是數據是可更新的，甚至可以由前端操作通過觸發器直接更新。因此，ODS是業務系統和數據倉庫(Data Warehouse，DW)之間更偏向業務系統的數據庫表。由于企業的數據源數據量大，負荷重，且有些數據可能并不穩定，另外更重要的是由于要求系統能夠對近期數據進行分析和處理，所以需要構建ODS層，而且應當構建在分析型數據存儲系統中，這樣可以快速批量地從原操作型應用系統中抽取數據，減小事務系統的壓力。

本系統中利用輕型架構設計，將ODS層與數據倉庫合在同一個存儲系統之中，這樣可大大減少工作量和維護量，并大大減少了從ODS到數據倉庫的第二次ETL的工作量。可以利用數據庫服務器中的表空間劃分和實視圖技術，實現ODS/DW和多維立方體。在數據庫中設置一些專用表空間分別存儲臨時數據、ODS數據、倉庫型數據等。將從數據源中抽取的原始數據放入臨時區，對臨時區中的數據進行再次清洗，將清洗好的數據裝入ODS區中，進行老化，ODS區中的數據也可以作為近期數據為分析應用提供數據服務。對經過老化、沉淀的數據，可根據不同的粒度需求進行輕型匯總、中型匯總和高度匯總后裝載至倉庫區中成為倉庫型數據，它可以為長期趨勢分析和數據挖掘提供有效的數據服務。

3.4 數據集市

數據集市也可叫做“小數據倉庫”。如果說數據倉庫是建立在企業級的數據模型之上的話，那么數據集市就是企業級數據倉庫的一個子集，它主要面向部門級業務，并且只面向某個特定的主題。

3.5 數據挖掘及展現

在本系統最后一層，利用交互式信息分析、挖掘工具、數據分析軟件、商業智能工具與商業運營規則相結合對數據的模式和趨勢進行分析，以查詢、分析結果或報表等形式向用戶提供方方面面的詳細信息，以輔助商務活動決策。

4 企業商業智能系統的應用

在傳統的商務活動中無法直接得到用戶對商品的興趣信息所表征的興趣知識，更無法利用它們去進行決策支持。而現在，可以利用商業智能系統方便快捷地收集到客戶的行為、興趣、需求及訪問時間的一系列信息，然后，在本系統中將異構的客戶訪問信息轉換為關系型數據，再從關系數據庫中抽取數據并轉化為以“事務”為單位的對象，然后利用已有的關聯規則挖掘方法挖掘出一些有意義的規則模式。

通過上述操作，可以發現客戶的主要興趣，了解和獲取顧客的預期行為，為客戶提供個性化服務，提高顧客滿意度。

在此基礎上，企業還可以對數據集市內的清潔數據進行相應的經營指標分析、業績分析和財務分析等。通過分析，企業可以及時掌握資金的使用情況、自身的發展和經營情況，為及時調整和降低企業成本提供了數據依據，更有利于企業從公司、業務及職能角度出發及時調整自身經營戰略，化解經營風險。同時，企業還可以及時發現顧客乃至市場的異常情況，快速采取措施，降低企業風險，提高企業收益。

5 總 結

傳統的企業信息系統幾乎都是基于用戶提出的決策支持要求而創建的，且多以反映企業歷史狀況的交易型數據為基礎，因而無法適應當前在線交易等形式的靈活性、多變性和實時性，無法提供客戶預期的購買行為。本文針對目前商務活動的特點，構建了企業商業智能系統。通過這一系統，可以對歷史數據及正在進行的交互信息進行分析，并將一些成熟的數據挖掘算法在系統中進行擴展應用，由此發現更多對企業經營管理十分有價值的商業智能信息，幫助企業決策，促進企業發展。

主要參考文獻

[1]王兆紅.企業商業智能系統的架構及實施研究[J].中國管理信息化：綜合版，2007(6).

[2]謝壹.商業智能在互聯網業務分析中的研究與應用[J].微計算機信息，2006(12).

[3]鄭洪源，周良.商業智能解決方案的研究與應用[J].計算機應用研究，2005(9).

[4]初佃輝，丁建睿，戰德臣.面向中小企業的智能數據處理工具的研究與設計[J].計算機應用研究，2005(7).

[5]王茁.三位一體的商務智能(BI)：管理、技術與應用[M].北京：電子工業出版社，2004.

[6]王實，高文，郎金文，等.在線零售站點的自適應和商業智能的發現[J].計算機科學，2002(1).