基于產業鏈協作平臺的商務智能架構及數據挖掘技術探討

穆俊

(臨滄師范高等?？茖W校信息科學與技術系，云南臨滄677000)

基于產業鏈協作平臺的商務智能架構及數據挖掘技術探討

穆俊

(臨滄師范高等專科學校信息科學與技術系，云南臨滄677000)

主要對產業鏈協作平臺的商務智能架構及數據挖掘技術進行分析，通過總結當今企業的發展形勢，以某企業為例，從商務智能架構和數據挖掘技術兩方面進行闡述。相關人員應了解和掌握產業鏈協作平臺，并進行商務智能系統的功能設計、商務智能系統的體系設計，使商務智能架構更好地為企業服務。在數據挖掘技術的研究中，要根據不同的環境選擇合適的挖掘技術，更好地進行數據挖掘，為企業提供真實、準確的信息。

產業鏈協作平臺;商務智能架構;數據挖掘技術

計算機應用數據挖掘技術為企業的各項發展提供了一個更加方便的平臺，尤其是在產業鏈的協作平臺中，商務智能架構的形式增強了企業的綜合競爭力。企業通過合理運用計算機技術，以便其售后服務能夠順利開展。企業在經營過程中，要合理規劃系統設計和售后服務，將得到的信息反饋給服務商，通過這種方法保證信息的有效和真實，提升企業響應市場的速度。在準確采集信息的前提下，利用數據挖掘技術能夠及時解決企業發展中存在的問題，為企業決策奠定良好的信息基礎。

一 基于產業鏈協作平臺的商務智能架構

商務智能是一種復雜的系統，針對不同的行業有不同的表現形式，所以在產業鏈協作中，應合理構建商務智能結構，更好地為行業服務，解決行業中商務智能系統存在的問題。［1］

1．產業鏈協作平臺。

汽車的產業鏈是以汽車制造作為核心產業，這個過程會涉及原材料、交通運輸、服務維修等行業，所以產業鏈協作平臺高度關注企業群體。產業鏈協作平臺明確規定了相關內容，為商務智能體系創建了一組模型集合，其結構構建的意義是通過描述商務智能系統的功能和運行方式，相關人員應利用計算機技術熟練地掌握系統構成，由此對商務智能架構進行優化。

2．商務智能系統的功能設計。

以中小型制造企業為例，要想建立一個完善的商務智能平臺，需要較高的成本和風險。在這個情況下，相關人員選擇ASP模式作為第三方提供的服務模式，這種租賃方式能夠通過網絡和中央服務器進行傳輸，使管理更加便捷和有效。［2］ASP是通過企業的外包服務和軟件應用而逐漸發展起來的，主要圍繞著企業的生產經營活動，在系統設計中，相關數據傳遞給ASP，然后由ASP進行處理，再反饋給企業使用。工作人員在應用計算機處理這些數據時，可以將系統升級的繁瑣步驟省略掉，而且企業只需要支付一次租賃費，就能夠享受到各種信息化服務。

數據聚類挖掘分析和數據關聯挖掘分析能夠幫助企業進行產品分析，并總結出故障發生的原因。［3］近年來，市場競爭的內容受到外界影響有了很大變化，所以找出數據間的關聯所在，能夠對企業的產品質量進行完善，這個過程對于企業的服務質量也有重要的意義。企業通過構建商務智能架構，應用數據挖掘技術，將故障件之間的關聯給找出來，然后通過更換配件或修理，杜絕這種故障［4］。例如，在汽車制造企業中，如果發現車輛出現故障，那么應及時找出故障車輛與損壞時間的關聯關系，提前做出配件進庫或通過客戶保養配件等處理方式;如果發現故障件和車輛行駛里程的關聯關系，可以應用相關個性化服務，從而提高企業的產品質量，增加企業的品牌價值。

相關人員在設計商務智能系統功能時，應管理企業用戶和用戶權限。用戶可以根據不同的形式，體現系統中不同角色的差異，從而更好地進行功能分配。系統中每個功

能的權限有一定差別，所以管理員應掌握這些內容，并定期檢查其密碼使用的日志管理情況。

在系統管理中，其他模塊中有權限管理的接口，其他模塊在窗體初始化和窗體內部功能權限驗證時，都可以通過這個接口進行調用。［5］計算機在分析數據時，需要在各個模塊查詢相關信息，所以在商務智能系統中要直接調用產業鏈協作平臺的查詢功能，以免給用戶帶來不便。

3．商務智能系統的體系設計。

這種體系框架應用了信息引擎技術和計算機網絡計算，從商務智能體系上保證系統的性能可拓展，并具有一定規模，這種體系能夠滿足未來企業的信息共享和業務操作。這種體系架構能在計算機網絡上實現，N層架構的核心是可規?；匦裕転橛脩籼峁┹^好的服務和功能。相關人員在設計商務智能系統時，要妥善利用SOA框架和統一的組件，由此對系統框架進行完善。相關人員將程序整理到一些功能模塊中，然后這些人通過已經整理好的功能模塊組件系統，通過這些程序體現SOA的服務性能。

在商務智能的整個架構流程來看，商務智能流程的每個步驟都是一些服務，從整個商務流程的執行情況來看，經過數據挖掘過程，集成數據倉庫之后，能夠通過對數據倉庫的訪問，使相關人員在計算機應用中提高數據交互的能力。在數據挖掘過程中，相關人員要了解數據挖掘的流程和組件，并需要根據實際情況開發程序，相關人員要分析系統數據，充分調用數據挖掘技術。

這種方式對企業發展非常有價值，數據挖掘的過程，往往伴隨大量的數據和計算過程。從企業發展來講，復雜的數據挖掘模型需要高性能的數據分析處理和挖掘計算，相關人員要使用WSRF來封裝挖掘過程，就能夠使商務智能系統的成本得到降低。

隨著商業決策對商業數據反饋快速性要求的提高，相關人員應在計算機網絡平臺或交叉平臺的任意一個環境中進行數據交互，這種需求也越來越多。這種SOA方式能夠有效構建商務智能系統，在這個過程中，客戶端可以不安裝服務器交互的客戶組件，能夠對商務智能功能進行訪問。結合這些內容，基于產業鏈協作平臺的商務智能架構體系如下圖所示:

圖1 基于產業鏈協作平臺的商務智能架構體系

二 數據挖掘技術探討

商務智能的應用程序封裝了數據挖掘的部分功能，所以在應用計算機使用數據挖掘技術的過程中，通過數據訪問接口層，然后對數據倉庫中的數據進行訪問，并進行有效的計算和處理，最后將結果反饋給展示層。［6］展示層根據應用層對數據的處理結果，利用多種圖形技術畫出圖形制作報表，并傳送至界面層，界面層是用戶訪問系統的接口，并能通過WEB界面得以實現，用戶可以通過瀏覽器的訪問系統，對圖形報表進行查看。

1．數據挖掘技術種類。

相關人員通過計算機進行數據挖掘，主要采用人工神經網絡的形式，這個過程主要是模擬人體大腦的神經元結構，然后在這種結構中建立非線性的預測體系，然后快速完成聚類、特性規則等多種數據挖掘工作，這種方式還有多種網絡模型，使相關人員有針對性地進行選擇。在數據挖掘中，相關人員應合理利用多種技術，例如模糊技術是對一些實際問題進行模糊判斷，這種方法和理論得到有效應用。

事件擁有模糊性，系統具有復雜性，系統的復雜性越強，其模糊性也越高。相關人員在工作中發現，傳統理論和概率統計方法能夠構成有效的轉化模型，這種模型具有不穩定性，會根據期望值的變化而變化。所以相關人員應將模糊理論和不確定性相結合，為用戶提供一種全新的表達方式，由此使工作人員更好地進行數據挖掘。［7］

可視化計算是利用直觀圖形的方式，將信息模式、數據關聯，以及相關信息告知決策者，這樣相關人員就能夠通過這種數據挖掘技術更好地對數據關系進行分析。［8］相關人員發現挖掘技術能夠通過三個方面體現，相關人員應找準這些過程之間的關系。例如可視化的數據基本是由直方圖或散點圖組成的，所以在進行數據挖掘中，相關人員可以應用樹形方式，對數據流程進行描述和表達。

根據上述數據挖掘技術方法發現，數據挖掘技術各不相關，適用的環境也有一定差異，所以相關人員應根據相關方法，［9］對關聯規則、特征規則和序列模式進行挖掘，然后對決策樹方法等技術方式進行總結，明確挖掘技術利用的

范圍，準確應用計算機實現數據挖掘，更好的為相關企業提供有效的數據信息。

2．數據挖掘的數據來源。

在數據挖掘過程中，相關人員應了解其理論基礎，并建立在適當的環境中。數據挖掘的數據一般有三種，相關人員應找準其來源，更準確的獲得信息。［10］例如挖掘數據倉庫中的數據時，要合理利用計算機技術，并分析數據的具體要求，而后進行整合，由此順利的在數據庫中獲取信息，存入相應的位置，其中數據倉庫中的數據挖掘流程如下圖所示:

圖2 數據倉庫中的數據挖掘流程

在這個過程中，數據庫和數據倉庫有一定區別，主要表現在:數據庫是面向業務人員的，使用的人員一般都是為了業務，然后進行日常的數據處理和維護工作，而數據倉庫是為決策，使用的人員主要是高層管理人員，所以數據庫中的數據應真實準確，數據倉庫并不負責處理業務，所以企業運行數據主要為用戶分析和決策，它的數據來源是企業的業務數據庫，還可以使用Excel表格等。數據庫注重的是企業運行的當前數據，并收集企業的記錄和數據;而數據倉庫主要是面對非即時性的歷史數據，主要形式是從企業的業務數據中提取業務數據，并經過一定加工和處理，更好地支持企業的決策工作。

3．ODS的數據挖掘。

相關人員在應用計算機的過程中，要詳細了解信息處理的多層次要求，并妥善解決DB－DW中的問題，ODS是DB－DW中的一部分，所以相關人員應處理好操作性數據之間的問題，使其更加真實、準確。［11］相關人員應掌握數據不斷變化的規律，更好地對結構及框架進行規范，從而充分發揮數據挖掘作用。通過系統之間的數據交換，ODS能更好地對數據進行整合。所以減輕了數據倉庫的負擔，操作性報表的應用，為ODS的后期應用奠定了有利基礎。這種操行性數據存儲方式，能夠在不同的環境中靈活運用。

目前企業需要在處理數據過程中，應用集成的形式，ODS能在數據倉庫體系中充分發揮這項作用，所以ODS擁有OLTP系統和數據倉庫的一部分特征。在應用數據倉庫的過程中，能夠將數據劃分成兩種類型:一是操作型，二是分析型，通過這兩種形式，構建相應的體系結構，但是這部分內容無法滿足所有數據的要求，例如一些實時性決策問題，其周期時間短，并需要進行整理，所以在數據處理中，相關人員應構建良好的數據環境，建立DB－ODS－DW三層體系。

4．基于邏輯數據倉庫的數據挖掘。

邏輯數據倉庫主要是建立在企業業務和數據庫基礎上，并實現物理環境下的相關問題，從而將數據按照主題順序載入緩存。在緩存中對數據進行組織，能夠通過緩存數據進行數據挖掘達到相應的目的，由此更好地解決相關問題和方案，形成邏輯數據倉庫的數據挖掘。所以相關人員應用數據倉庫的數據挖掘，是將數據倉庫中的數據存入緩存，然后在緩存中進行組織和處理，使數據的生命周期在結束系統運行時終止，從而延長數據倉庫的數據保存時間。下表為對數據倉庫、ODS和邏輯數據倉庫的多方面比較。

表1 數據倉庫、ODS和邏輯數據倉庫的比較

三 結束語

通過本文對產業鏈協作平臺的商務智能架構和數據挖掘技術的分析，可以得出，商務智能架構和數據挖掘技術，在現代企業發展中具有重要意義，所以相關人員應明確企業的產業鏈形式，并找準其協作平臺的相關內容，以便于在建立商務智能體系中，更加符合企業的相關要求，從而提高企業的發展進程。相關人員應充分利用計算機網絡技術進行數據挖掘，合理選擇數據挖掘方法，使在最合適的環境充分運用，得到準確的數據信息，讓企業在各項業務和決策中，利用這些信息，增加企業決策的可信度，從而提高企業的綜合競爭力。

［1］范黎林．基于產業鏈協作平臺的商務智能架構及數據挖掘技術研究［D］．西南交通大學，2009(5):168－169．

［2］郭斌．商務智能在汽車產業鏈協作平臺中的應用研究［D］．西南交通大學，2010(6):154－155．

［3］李麗．基于產業鏈協作平臺的汽車故障分析與診斷系統的研究與應用［D］．西南交通大學，2011(7):125－126．

［4］陳靜．面向業務關聯的多產業鏈協作網絡和公共服務平臺關鍵技術研究［D］．西南交通大學，2011(5):110－111．

［5］文巨峰，朱美琳，邢漢承．面向商務智能應用的分布式數據挖掘系統設計［J］．東南大學學報(自然科學版)，2012(12):196－197．

［6］張瑞君，胡耀光，王運志，馮毅雄．制造業商務智能研究框架與發展模式［J］．中國制造業信息化，2010(5):114－115．

［7］王興林，李曉紅，蔣成彬．基于商務智能的綜合信息平臺的建設與應用［J］．中國管理信息化，2014(11):201－202．

［8］劉東坡．基于多維數據模型的制造業商務智能研究［D］．蘭州理工大學，2010(4):194－195．

［9］陳靜，王淑營，孫林夫．面向柔性的業務關聯的多產業鏈協作公共服務平臺模型和架構［J］．計算機集成制造系統，2011(1):240－241．

［10］黃哲學，陳小軍，李俊杰，王強．面向服務的大數據分析平臺解決方案［J］．科技促進發展，2014(1):261－262．

［11］林川，王小華．基于ERP的商務智能系統設計與應用［J］．航空制造技術，2014(4):163－164．

On Business Intelligence Architecture and Data Mining Technology Based on Industry Chain Cooperation Platform

Mu Jun
(Department of Information Science and Technology，Lincang Teachers’College，Lincang，Yunnan 677000，China)

This article mainly discusses the business intelligence architecture and data mining technology based on the industry chain cooperation platform．As for the business intelligence architecture and data mining technology，the paper thinks that we should understand and master the industry chain cooperation platform and carry on the function design，the system design of the business intelligence system，make it better serve for the enterprises．According to the different environment to choose the appropriate mining technology and carry on the data mining in order to provide true and accurate information for the enterprises．

industrial chain collaboration platform;business intelligence architecture;data mining technology

TP311．13

A

1672－6758(2015)05－0025－4

(責任編輯:蔡雪嵐)

穆俊，碩士，講師，臨滄師范高等專科學校。研究方向:計算機應用技術和軟件理論及數據挖掘。

云南省教育廳科學研究基金重點項目“行動規則挖掘的建模與算法研究”(No．2014Z137)。

Class No．:TP311．13 Document Mark:A