【摘 要】本文介绍商业智能的概念、层次结构和应用过程中数据仓库的构架，以及企业在实施商业智能过程中的一些方法，并列举了某电缆企业在实施商业智能过程中的应用效果。
【关键词】商业智能;数据仓库;实施方法;应用效果
0.引言
商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等技术。 可以认为，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(insight)，促使他们做出对企业更有利的决策。 由此，我们对商业智能应用的研究变得非常有必要而紧迫了。
1.商业智能发展历程
商业智能的概念于 1996 年最早由加特纳集团(Gartner Group)提出，加特纳集团将商业智能定义为：商业智能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。 商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。 为了将数据转化为知识，需要利用数据仓库、联机分析处理(OLAP)工具和数据挖掘等技术。 因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP 和数据挖掘等技术的综合运用。
2.商业智能的三个层次
目前，大部分中大型的企事业单位已经建立了比较完善的 CRM、ERP、OA 等基础信息化系统。 这些系统的统一特点都是:通过业务人员或者用户的操作，最终对数据库进行增加、修改、删除等操作。 上述系统可统一称为 OLTP(Online Transaction Process，在线事务处理)。 但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息 ，并且辅助决策 ，就是商业智能主要解决的问题。传统的报表系统技术上已经相当成熟，大家熟悉的 Excel、水晶报表、Reporting Service 等都已经被广泛使用。 但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。
2.1 数据太多 ，信息太少
2.2 难以交互分析 、了解各种组合
2.3 难以挖掘出潜在的规则
2.4 难以追溯历史 ，数据形成孤岛因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。 数据分析和数据挖掘的时代正在来临。 值得注意的是，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。 报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。
八维以上的数据分析如果说 OLTP 侧重于对数据库进行增加、修改、删除等日常事务操作，OLAP(Online Analytics Process，在线分析系统)则侧重于针对宏观问题，全面分析数据，获得有价值的信息。为了达到 OLAP 的目的，传统的关系型数据库已经不够了，需要一种新的技术叫做多维数据库。多维数据库的概念并不复杂。 举一个例子，我们想描述 2003 年 4月份可乐在北部地区销售额 10 万元时，牵扯到几个角度:时间、产品、地区。 这些叫做维度。 至于销售额，叫做度量值。 当然，还有成本、利润等。除了时间、产品和地区，我们还可以有很多维度，例如客户的性别、职业、销售部门、促销方式等等。实际上，使用中的多维数据库可能是一个 8 维或者 15 维的立方体。虽然结构上 15 维的立方体很复杂，但是概念上非常简单。数据分析系统的总体架构分为四个部分:源系统、数据仓库、多维数据库、客户端。源系统:包括现有的所有 OLTP 系统，搭建 BI 系统并不需要更改现有系统。数据仓库:数据大集中，通过数据抽取，把数据从源系统源源不断地抽取出来，可能每天一次，或者每 3 个小时一次，当然是自动的。 数据仓库依然建立在关系型数据库上，往往符合叫做“星型结构”的模型。
多维数据库:数据仓库的数据经过多维建模，形成了立方体结构。每一个立方体描述了一个业务主题，例如销售、库存或者财务。客户端:好的客户端软件可以把多维立方体中的信息丰富多彩地展现给用户。
3.商业智能系统数据抽取举例
以下是某电缆企业的商业智能系统部分应用截图，从截图中我们可以看到作为企业管理者可以从这些多样的图表中获取很多重要的决策信息：
4.企业如何实施商业智能
实施商业智能系统是一项复杂的系统工程,整个项目涉及企业管理,运作管理,信息系统,数据仓库,数据挖掘,统计分析等众多门类的知识.因此用户除了要选择合适的商业智能软件工具外还必须按照正确的实施方法才能保证项目得以成功.商业智能项目的实施步骤可分为:
4.1 需求分析:需求分析是商业智能实施的第一步,在其他活动开展之前必须明确的定义企业对商业智能的期望和需求,包括需要分析的主题,各主题可能查看的角度(维度);需要发现企业那些方面的规律.用户的需求必须明确.
4.2 数据仓库建模:通过对企业需求的分析,建立企业数据仓库的逻辑模型和物理模型,并规划好系统的应用架构,将企业各类数据按照分析主题进行组织和归类.
4.3 数据抽取: 数据仓库建立后必须将数据从业务系统中抽取到数据仓库中,在抽取的过程中还必须将数据进行转换,清洗,以适应分析的需要.
4.4 建立商业智能分析报表: 商业智能分析报表需要专业人员按照用户制订的格式进行开发,用户也可自行开发(开发方式简单,快捷) .
4.5 用户培训和数据模拟测试: 对于开发—使用分离型的商业智能系统,最终用户的使用是相当简单的,只需要点---击操作就可针对特定的商业问题进行分析.
4.6 系统改进和完善:任何系统的实施都必须是不断完善的.商业智能系统更是如此,在用户使用一段时间后可能会提出更多的,更具体的要求, 这时需要再按照上述步骤对系统进行重构或完善
5.结论:
商业智能可以为企业带来直接经济效益商业智能帮助企业的管理层进行快速,准确的决策,迅速的发现企业中的问题,提示管理人员加以解决.但商业智能软件系统不能代替管理人员进行决策,不能自动处理企业运行过程中遇到的问题.因此商业智能系统并不能为企业带来直接的经济效益,单必须看到,商业智能为企业带来的是一种经过科学武装的管理思维,给整个企业带来的是决策的快速性和准确性,发现问题的及时性,以及发现那些对手未发现的潜在的知识和规律, 而这些信息时企业产生经济效益的基础, 不能快速,准确的指定决策方针等于将市场送给对手,不能及时发现业务种的潜在信息等于浪费自己的资源.比如:通过对销售数据的分析可发现各类客户的特征和喜欢购买商品之间的联系,这样就可进行更有针对性的精确的促销活动或向客户提供更具有个性的服务等,这都会为企业带来直接的经济效益。
【参考文献】
[1]W.H.Inmon：Building the Data Warehouse，Second Edition 1998.
[2]Jiawei Han and Micheline Kamber： Data MiNIng，Concepts and Techniques2001.
[3]Efrem G. Mallach， Decision support and data warehouse systems.2001.
[4]夏火松，数据仓库与数据挖掘技术，科学出版社，2005.
