作者：高翠芬
来源：《现代商贸工业》2008年第02期
摘 要：介绍了商业智能的基本概念，商业智能的三个核心技术，分析了当今商业智能的几个关键应用领域，最后简单的介绍了商业智能的发展趋势。
关键词：商业智能；数据仓库；联机分析处理；数据挖掘
中图分类号：F272文献标识码：A文章编号：1672-3198（2008）02-0138-02
1 商业智能概述
商业智能（Business Intelligence，简称BI）是为提高企业运营性能和提高企业决策能力而采用的一系列方法、技术和软件的集合。其主要目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性。
BI的关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。商业智能的这个基本过程如图1所示。
2 商业智能核心技术
商业智能的核心技术包括数据仓库（Data Warehousing）、联机分析处理（On－line Analytical Processing，OLAP）、数据挖掘（Data Mining）在内的用于统计和分析商务数据的先进的信息技术。
2.1 数据仓库
数据仓库（Data Warehouse）是一个面向主题的、集成的、随时间变化的、非易失的、主要用于决策支持的数据的集合。利用数据仓库技术可以动态将异构系统中的数据抽取集成到一起，按照单一的模式进行存储，并通常将这些信息驻留在单个站点。其通过数据清理、数据变换、数据集成、数据装入处理之后加载到数据仓库中，通过定期数据刷新来构造其内容。为用户提供一个统一的干净的数据视图，为数据分析提供一个高质量的数据源。数据仓库收集了整个企业的主题信息，因此它是企业范围的数据存储。对于数据仓库中的数据，可以使用一些增强的查询和报表工具进行复杂的查询和即时的报表制作，可以利用联机分析处理（OLAP）技术从多种角度对业务数据进行多方面的汇总统计计算，还可以利用数据挖掘技术发现其中的有用信息。
2.2 联机分析处理
联机分析处理(Online Analytical Processing，简称OLAP)是使分析人员、管理人员或执行人员能够从多种角度对从原始数据中转化出来的、能够真正为用户所理解的、并真实反映企业维度特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解的一类软件技术。它的技术核心是“维”这个概念，因此OLAP也可以说是数据分析工具的集合。数据仓库建立之后，即可以利用OLAP复杂的查询能力、数据对比、数据抽取和报表来进行探测式数据分析了。用户在选择相关数据后，通过切片、切块、上钻、下钻、旋转等操作，可以在不同的粒度上对数据进行分析尝试，得到不同形式的知识和结果。OLAP侧重于与用户的交互、快速的响应速度及提供数据的视图。
2.3 数据挖掘
数据挖掘（Data Mining）又称知识发现（Knowledge Discovery in Database，简称KDD），是从大量数据中抽取有意义的、隐含的、以前未知的并有潜在使用价值的知识的过程。
在数据挖掘技术中常用的数据模型有:①分类模型,是根据商业数据的属性将数据分派到不同的组中；
②关联模型,主要描述一组数据项目的密切度和关系；
③顺序模型,主要用于分析数据仓库中的某类同时间相关的数据,并发现某一时间段内数据的相关处理模型；
④聚簇模型,当要分析的数据缺乏描述信息,或者是无法组织成任何分类模式时,可以采用聚簇模型。聚簇模型是按照某种相近程度度量方法将用户数据分成互不相同的一些分组。组中的数据相近,组之间的数据相差较大。
数据挖掘注重自动发现隐藏在数据中的模式和有用信息，尽管允许用户指导这一过程。OLAP的分析结果可以给数据挖掘提供分析信息作为挖掘的依据，数据挖掘可以拓展OLAP分析的深度，可以发现OLAP所不能发现的更为复杂、细致的信息。
3 商业智能的典型应用
商业智能作为一种企业信息集成解决方案，为企业不同的应用系统。如企业资源规划(ERP)、客户关系管理(CRM)、供应链管理(SCM)、办公自动化(OA)、电子商务(E-Commerce)以及外部环境扫描（Environmental Scanning）等系统之间架起了互通的桥梁。同时，这些信息化系统也为商业智能提供了数据源。商业智能的典型应用包括经营分析，战略决策支持，绩效管理, 异常处理等。
3.1 经营分析
经营分析包括经营指标分析、经营业绩分析和财务分析三部分。经营指标分析是指对企业不同的业务流程和业务环节的指标（利润率、销售率、库存量、单品销售情况及所占营业比例、风险采购和库存评价指标等）进行搜集和分析。利用商业智能管理技术可以对这些指标进行科学的组织和分析，形成一个能反映企业整体情况的数学模型。这样通过观察总指标并设置告警，能获得整个企业的经营状况。
经营业绩分析是指对各部门的营业额、销售量等进行统计，在此基础上进行同期比较分析、应收分析、盈亏分析、各种商品的风险度分析等。经营业绩分析有利于企业实时掌握自身的发展和经营情况，有利于企业及时调整经营业务、化解经营风险。
财务分析是指对企业财务数据中的利润、费用支出、资金占用及其他具体经济指标进行有效分析。通过财务分析，可以及时掌握企业在资金使用方面的实际情况，为及时调整和降低企业成本提供数据依据。
3.2 战略决策支持
在经营分析的基础上，将各类数据、信息进行高度的概括和总结，然后形成供高级决策者进行战略决策时参考的企业经营状况分析报告是商业智能的优势所在。商业智能对战略决策的支持，表现在以下几个方面：
①在公司战略决策支持层面上，可以根据公司各战略业务单元的经营业绩和经营定位，选择一种合理的投资组合战略；
②在业务战略决策支持层面上，由于商业智能系统中集成了更多的外部数据，如外部环境和行业信息，各战略业务单元可据此分别制定自身的竞争战略；
③在职能战略决策支持层面上，由于来自于企业内部的各种信息，源源不断地输入进来，相应地可以提供营销、生产、财务、人力资源等决策支持。
3.3 绩效管理
商业智能技术能够从企业各种应用系统中提取出各种基础绩效指标与关键绩效指标(KPI, Key Performance Indicator)。为了考核员工的绩效，企业可以先将希望员工要做的工作进行量化，然后借助商业智能工具，管理人员可以追踪、衡量和评价员工的工作绩效，引导员工的思想方向和行动与企业的整体目标保持一致。
3.4 异常处理
它是商业智能数据挖掘应用的典型事例,通过发展曲线企业及时发现市场和顾客异常情况,快速采取措施,降低企业风险提高企业收益。如信用卡分析,银行、保险等行业的欺诈监测等。
4 商业智能的发展趋势
随着商业智能市场的日益成熟，2007年商业智能领域，仍然是上升的趋势。在所有发展中有三个发展趋势将对未来技术产生巨大的影响。
4.1 BI公司的合并
目前，人们不得不面对商业智能市场的剧烈震荡，每个商业智能公司都狼吞虎咽般的收购小公司，这些收购可以分为三类：
①数据质量厂商被收购。②企业信息集成厂商也被收购或者成为其它BI供应商的战略联盟。③小厂商在出名前已经被收购。
这些收购使得BI厂商巩固了商业智能解决方案，让实施变得更简单。一个厂商的界面让人更容易接受。这是毫无疑问的“一站式”方案。
4.2 从战略型的BI到操作型或者实时型的BI
目前，企业日益要求减少从发现问题到采取行动的反应延迟，这大大推动了BI分析应用的发展。根据决策专家的观点，这种反应的延迟有三个组成部分。数据准备的延迟（获取要分析的数据的时间），分析延迟（通过分析得到结果的时间），决策延迟（理解分析结果并且采取行动的时间）。对于操作型的BI这三种延迟几乎可以减少到忽略不计，是非常有意义的。
为了减少数据准备的延迟，可以采用EII技术开发虚拟BI组件，包括虚拟操作数据存储（ODS）和数据集市。
为了减少分析的延迟，操作型分析引擎中的企业活动监控（BAM）能及时的让业务人员看到分析结果，并且超出值域时发出报警。
关键绩效指标（KPI）,每隔几个小时或者更频繁的发送给业务人员，整理当前的操作型结果并且在企业门户以仪表盘的形势展现出来，给业务人员深入分析关键事件的机会。
分析和展现操作型数据是非常有意义的，但是商业智能中不是所有数据都要包括。所以应该非常仔细的评估实时分析的数据。完全理解业务需求，才能找出海量数据中真正需要的那一小部分。
4.3 更成熟的数据分析和展现技术
起初，BI只有简单的报表和查询，然后有了分析。现在有了更复杂的方向，那就是使用数据挖掘进行深入分析，支持自定义查询的统计方法和技术，不规则的查询。
这些技术提升了预测分析和决策能力，并且可以嵌入到操作流程中。目前有些公司能够实施操作型或者实时BI，给前台人员访问分析结果的能力，他们的日常业务都可以与数据的分析相结合。
但是值得我们注意的是，在实施过程中应该采取企业级的BI架构和技术，否则一定会遇到混乱。操作型的BI也需要彻底的理解业务流程以及变化，离开了这些需求，BI实施就不可能深入到最有价值的地方。
参考文献
［1］ 李泽海,孙吉贵,赵君.商业智能技术与应用分析［J］.吉林大学学报，2003.
［2］ 黄伟峰. 商业智能技术及行业应用分析［J］. 计算机工程与设计.2003，（6）.
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。下载本文
