商業智能的概念商業業智能是什么?簡而言之,它是能夠幫助用戶對自身業務經營做出正確明智決定的工具。一般現代化的業務操作,通常都會產生大量的數據,如訂單、庫存、交易帳目、通話記錄、及客戶資料等。如何利用這些數據增進對業務情況的了解,幫助我們在業務管理及發展上作出及時、正確的判斷,也就是說,怎樣從業務數據中提取有用的信息,然后根據這些信息來采用明智的行動--這就是商業智能的課題。目前，商業智能產品及解決方案大致可分為數據倉庫產品、數據抽取產品、OLAP產品、展示產品、和集成以上幾種產品的針對某個應用的整體解決方案等。商業智能領域的技術應用：商業智能的技術體系主要有數據倉庫（DW）、在線分析處理（OLAP）以及數據挖掘（DM）三部分組成。數據倉庫是商業智能的基礎,許多基本報表可以由此生成,但它更大的用處是作為進一步分析的數據源。所謂數據倉庫（DW）就是面向主題的、集成的、穩定的、不同時間的數據集合，用以支持經營管理中的決策制定過程。多維分析和數據挖掘是最常聽到的例子,數據倉庫能供給它們所需要的、整齊一致的數據。在線分析處理（OLAP）技術則幫助分析人員、管理人員從多種角度把從原始數據中轉化出來、能夠真正為用戶所理解的、并真實反映數據維特性的信息，進行快速、一致、交互地訪問，從而獲得對數據的更深入了解的一類軟件技術。數據挖掘（DM）是一種決策支持過程，它主要基于AI、機器學習、統計學等技術，高度自動化地分析企業原有的數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業的決策者調整市場策略，減少風險，做出正確的決策。商業智能常見名詞淺釋DataWarehouse本世紀80年代中期，"數據倉庫之父"WilliamH.Inmon先生在其《建立數據倉庫》一書中定義了數據倉庫的概念，隨后又給出了更為精確的定義：數據倉庫是在企業管理和決策中面向主題的、集成的、與時間相關的、不可修改的數據集合。與其他數據庫應用不同的是，數據倉庫更像一種過程，對分布在企業內部各處的業務數據的整合、加工和分析的過程。而不是一種可以購買的產品。Datamart數據集市，或者叫做"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，他主要面向部門級業務，并且只是面向某個特定的主題。數據集市可以在一定程度上緩解訪問數據倉庫的瓶頸。OLAP聯機分析處理(OLAP)的概念最早是由關系數據庫之父E.F.Codd于1993年提出的。當時，Codd認為聯機事務處理(OLTP)E不能滿足終端用戶對數據庫查詢分析的需要，SQL對大數據庫進行的簡單查詢也不能滿足用戶分析的需求。用戶的決策分析需要對關系數據庫進行大量計算才能得到結果，而查詢的結果并不能滿足決策者提出的需求。因此Codd提出了多維數據庫和多維分析的概念，即OLAP。Codd提出OLAP的12條準則來描述OLAP系統：準則1OLAP模型必須提供多維概念視圖準則2透明性準則準則3存取能力推測準則4穩定的報表能力準則5客戶/服務器體系結構準則6維的等同性準則準則7動態的稀疏矩陣處理準則準則8多用戶支持能力準則準則9非受限的跨維操作準則10直觀的數據操縱準則11靈活的報表生成準則12不受限的維與聚集層次ROLAP基于Codd的12條準則，各個軟件開發廠家見仁見智，其中一個流派，認為可以沿用關系型數據庫來存儲多維數據，于是，基于稀疏矩陣表示方法的星型結構(starschema)就出現了。后來又演化出雪花結構。為了與多維數據庫相區別，則把基于關系型數據庫的OLAP稱為RelationalOLAP，簡稱ROLAP。代表產品有InformixMetacube、MicrosoftSQLServerOLAPServices。MOLAPArborSoftware嚴格遵照Codd的定義，自行建立了多維數據庫，來存放聯機分析系統數據，開創了多維數據存儲的先河，后來的很多家公司紛紛采用多維數據存儲。被人們稱為MuiltdimensionOLAP，簡稱MOLAP，代表產品有Hyperion(原ArborSoftware)Essbase、ShowcaseStrategy等。ClientOLAP相對于ServerOLAP而言。部分分析工具廠家建議把部分數據下載到本地，為用戶提供本地的多維分析。代表產品有BrioDesigner，BusinessObject。DSS決策支持系統(DecisionSupportSystem)，相當于基于數據倉庫的應用。決策支持就是在收集所有有關數據和信息，經過加工整理，來為企業決策管理層提供信息，為決策者的決策提供依據。ETL數據抽取(Extract)、轉換(Transform)、清洗(Cleansing)、裝載(Load)的過程。構建數據倉庫的重要一環，用戶從數據源抽取出所需的數據，經過數據清洗，最終按照預先定義好的數據倉庫模型，將數據加載到數據倉庫中去。Adhocquery即席查詢，數據庫應用最普遍的一種查詢，利用數據倉庫技術，可以讓用戶隨時可以面對數據庫，獲取所希望的數據。EIS主管信息系統(ExecutiveInformationSystem),指為了滿足無法專注于計算機技術的領導人員的信息查詢需求，而特意制定的以簡單的圖形界面訪問數據倉庫的一種應用。BPR業務流程重整(BusinessProcessReengineering)，指利用數據倉庫技術，發現并糾正企業業務流程中的弊端的一項工作，數據倉庫的重要作用之一。BI商業智能(BusinessIntelligence)，指數據倉庫相關技術與應用的通稱。指利用各種智能技術，來提升企業的商業競爭力。DataMining數據挖掘，DataMining是一種決策支持過程，它主要基于AI、機器學習、統計學等技術，高度自動化地分析企業原有的數據，做出歸納性的推理，從中挖掘出潛在的模式，預測客戶的行為，幫助企業的決策者調整市場策略，減少風險，做出正確的決策CRM客戶關系管理(CustomerRelationshipManagement)，數據倉庫是以數據庫技術為基礎但又與傳統的數據庫應用有著本質區別的新技術，CRM就是基于數據倉庫技術的一種新應用。但是，從商業運作的角度來講，CRM其實應該算是一個古老的"應用"了。比如，酒店對客人信息的管理，如果某個客人是某酒店的老主顧，那么該酒店很自然地會知道這位客人的某些習慣和喜好，如是否喜歡靠路邊，是否吸煙，是否喜歡大床，喜歡什么樣的早餐，等等。當客人再次光臨時，不用客人自己提出來，酒店就會提供客人所喜歡的房間和服務。這就是一種CRM。MetaData元數據，關于數據倉庫的數據，指在數據倉庫建設過程中所產生的有關數據源定義，目標定義，轉換規則等相關的關鍵數據。同時元數據還包含關于數據含義的商業信息，所有這些信息都應當妥善保存，并很好地管理。為數據倉庫的發展和使用提供方便。正確理解商業智能商業智能(BI)是目前在國外企業界和軟件開發界受到廣泛關注的一個研究方向。可以用兩點來總結這種研究熱點出現的原因：一、信息技術的高速發展帶來了企業利用信息技術提高本身競爭力的巨大空間：信息技術不但使企業獲取需要的信息，而且，促進企業對信息的再利用，以此營造企業的競爭優勢；二、IT界許多以提供軟件平臺和工具平臺的大公司通過多年與企業的交流，已經認識到企業對商業智能的迫切需求，紛紛加入到從事商業智能的研究與開發上來。IBM建立了專門從事BI方案設計的研究中心，ORACLE、微軟等公司紛紛推出了支持BI開發和應用的軟件系統，有的直接進入了BI的開發領域。由于BI尚處于從起步階段到發展階段的轉變時期，許多人對BI的理解存在一定的偏差。很多人認為BI僅僅是一個進行數據分析的軟件包，一些較為悲觀的人認為BI是存在于理想家頭腦中的、企業永遠不可能達到的境界。本文首先系統地詮釋了BI的概念，從多個方面總結了BI具有的功能，接著分析了BI的研究內容和發展趨勢。為了讓讀者更加清晰地把BI與MIS系統區別開來，本文討論了BI與DSS（決策支持系統）、EIS（經理執行系統）的主要區別。最后，本文分析了制約BI健康發展的若干因素。.商業智能概述商業智能不是一個新名詞。多年來，企業一直在尋找對商業智能的理解和實現的方式，以增強企業的競爭力。早在80年代，當時“商業智能”的標準是能容易地獲得想要的數據和信息。90年代是商業智能真正起步的階段。到目前為止，關于BI還沒有統一的定義，不同的人只是從不同的方面表達了對BI的理解。早在90年代初，GarterGroup的HowardDresner把EUQR（終端查詢和報表）、DSS、OLAP稱為商業智能。企業使用這些工具使企業獲得的優勢也被稱為商業智能。后來，出現了數據倉庫、數據集市技術，以及與之相關的ETL（抽取，轉換，上載）、數據清洗、數據挖掘、商業建模等，人們也將這些技術統歸為商業智能的領域。目前，存在將商業智能與數據倉庫和基于數據倉庫的分析方法等同起來的認識趨勢。其實，商業智能代表為提高企業運營性能而采用的一系列方法、技術和軟件的總和。商業智能，是幫助企業提高決策能力和運營能力的概念、方法、過程以及軟件的集合。對該定義的正確解釋，從四個層面展開：信息系統層面：稱為商業智能系統（BISystem）的物理基礎。表現為具有強大決策分析功能的單獨的軟件工具和面向特定應用領域的信息系統平臺，如SCM、CRM、ERP。與事務型的MIS不同，商業智能系統能提供分析、趨勢預測等決策分析功能。數據分析層面：是一系列算法、工具或模型。首先獲取與所關心主題有關的高質量的數據或信息，然后自動或人工參與使用具有分析功能的算法、工具或模型，幫助人們分析信息、得出結論、形成假設、驗證假設。知識發現層面：與數據分析層面一樣，是一系列算法、工具或模型。將數據轉變成信息，而后通過發現，將信息轉變成知識；或者直接將信息轉變成知識。戰略層面：將信息或知識應用在提高決策能力和運營能力上；企業建模等。商業智能的戰略層面是利用多個數據源的信息以及應用經驗和假設來提高企業決策能力的一組概念、方法和過程的集合。它通過對數據的獲取、管理和分析，為貫穿企業組織的各種人員提供信息，以提高企業戰略決策和戰術決策能力。總之，商業智能的目標是將企業所掌握的信息轉換成競爭優勢，提高企業決策能力、決策效率、決策準確性。為完成這一目標，商業智能必須具有實現數據分析到知識發現的算法、模型和過程，決策的主題具有廣泛的普遍性。這個特點是本文定義商業智能時應特別強調的。基于以上定義的商業智能應具有以下功能：數據管理功能：從多個數據源ETL（抽取、轉換、轉貯）數據、清洗數據、數據集成能力；大量數據高效存儲與維護能力。數據分析功能具備OLAP，Legacy等多種數據分析功能；終端信息查詢和報表生成能力；數據可視化能力知識發現功能從大型數據庫中的數據中提取人們感興趣的知識的能力。這些知識是隱含的、事先未知的、潛在有用的信息，提取的知識表示為概念（concepts），規則（rules），規律（regulations），模式（patterns）等形式。企業優化功能輔助企業建模的能力。.BI研究內容、發展趨勢商業智能為更好地制訂戰略和決策提供良好的環境，為特定的應用系統（如客戶關系管理CRM、供應鏈管理SCM、企業資源計劃ERP）提供數據環境和決策分析支持。當面向特定應用的特定戰略和決策問題，商業智能從數據準備做起，建立或虛擬一個集成的數據環境。在集成的數據環境之上，利用科學的決策分析工具，通過數據分析、知識發現等過程，為戰略制訂和決策提供支持。最終，是如何解釋和執行分析和發現結果的問題。整個過程中，集成的數據環境和決策分析工具是十分重要和不要缺少的。使用數據倉庫和數據集市建造集成的數據環境是逐漸走向成熟、也是目前最理想的做法。數據倉庫提供數據存貯環境，而且是面向特定主題的決策支持環境。來自各種數據源中的數據經過清洗、ETL（抽取，轉換，上載），按某一主題存貯。數據集市是面向特定主題的小型數據倉庫，解決了企業級數據倉庫要存儲大量數據而帶來的建設周期長、造價高、可擴展性差等缺陷。OLAP是基于數據倉庫環境的數據分析工具。用戶首先提出自己的假設，然后利用OLAP工具檢索查詢以驗證或否定假設，是用戶制動式的分析方式。OLAP解決了基于OLTP分析效率低、不能進行多維分析的缺點。相比較而言，知識發現（大多數人也稱數據挖掘）是較難理解的，它利用知識發現工具挖掘事先未知的、潛在有用的知識的過程，是一種主動式自動發現方法。圖2是文章總結的商業智能系統框架。研究內容商業智能是利用當今計算機前沿技術作支撐、運用現代管理技術進行指導的應用系統，它的研究熱點集中在三個方面：支撐技術的研究、體系結構的研究、應用系統的研究。支撐技術的研究商業智能作為一個在90年代末期出現的跨學科新興領域，必須借鑒兩方面的先進成果，一是計算機技術的前沿技術，一是企業管理方面的新理論、新觀點。企業管理方面的新理論、新觀點為戰略制訂和決策提供先進的管理模式，幫助企業更好地運營；先進的計算機技術是提高系統性能的有力手段。商業智能的支撐技術包括以下幾項：一是計算機技術，包括：數據倉庫、數據集市技術；數據挖掘技術；OLTP、OLAP、Legacy等分析技術；數據可視化技術；計算機網絡與WEB技術。二是企業管理，包括：統計、預測等運籌學方法；客戶管理、供應鏈管理、企業資源計劃等管理理論和方法；企業建模方法。支撐技術的研究主要圍繞兩部分展開：決策支持工具研究和企業建模方法研究。企業建模是為解決如何建立特定企業模式的輔助工具。IDEF等研究方法是較程式化的企業建模方法，比較新的建模方法包括基于UML的企業建模等方法。數據挖掘算法的研究是目前計算機界研究的熱點之一，它逐漸成為一個跨越人工智能、數據統計等多學科的研究領域。決策分析工具的研究還包括各種分析方法的研究。體系結構的研究圖2描述了一個典型的商業智能體系結構。面向特定應用會有相應改進的體系結構，使商業具有良好的性能，例如：建立如何的數據存貯和數據模型能很好地支持主題和數據分析和知識發現的需要；選擇何種決策分析工具，包括選擇實現何種任務、選擇實現這種任務的何種工具；將分析和發現的信息和知識通過何種接口達到需要的用戶等等。應用系統的研究對應用系統的研究的重點在于對各個應用領域所面臨的決策問題的分析。根據對各類問題的解決方式和解決方案來決定商業智能系統應該提供的功能以及具體實現方法。目前，商業智能被廣泛應用于與企業運營過程相關的各個領域，并且在很多領域已經形成其特有體系。目前具有代表性的應用領域包括：企業資源計劃（ERP）、客戶關系管理（CRM）、企業性能管理（BPM）、人力資源管理（HRM）、供應鏈管理（SCM）、電子商務（E-business）。發展趨勢與DSS、EIS系統相比，商業智能具有更美好的發展前景。近些年來，商業智能市場持續增長。IDC預測，到2005年，BI市場將達到118億$，平均年增長率為27%（InformationAccessToolsMarketForecastandAnalysis:2001-2005,IDC#24779,June2001）。隨著企業CRM、ERP、SCM等應用系統的引入，企業不停留在事務處理過程而注重有效利用企業的數據為準確和更快的決策提供支持的需求越來越強烈，由此帶動的對商業智能的需求將是巨大的。商業智能的發展趨勢可以歸納為以下幾點：功能上具有可配置性、靈活性、可變化性BI系統的范圍從為部門的特定用戶服務擴展到為整個企業所有用戶服務。同時，由于企業用戶在職權、需求上的差異，BI系統提供廣泛的、具有針對性的功能。從簡單的數據獲取，到利用WEB和局域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。解決方案更開放、可擴展、可按用戶定制，在保證核心技術的同時，提供客戶化的界面針對不同企業的獨特的需求，BI系統在提供核心技術的同時，使系統又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的接口和擴展特性；可為企業提供基于商業智能平臺的定制的工具，使系統具有更大的靈活性和使用范圍。從單獨的商業智能向嵌入式商業智能發展這是目前商業智能應用的一大趨勢，即在企業現有的應用系統中，如財務、人力、銷售等系統中嵌入商業智能組件，使普遍意義上的事務處理系統具有商業智能的特性。考慮BI系統的某個組件而不是整個BI系統并非一件簡單的事，比如將OLAP技術應用到某一個應用系統，一個相對完整的商業智能開發過程，如企業問題分析、方案設計、原型系統開發、系統應用等過程是不可缺少的。從傳統功能向增強型功能轉變增強型的商業智能功能是相對于早期的用SQL工具實現查詢的商業智能功能。目前應用中的BI系統除實現傳統的BI系統功能之外，大多數已實現了圖2中數據分析層的功能。而數據挖掘、企業建模是BI系統應該加強的應用，以更好地提高系統性能。3.BI與DSS、EIS的比較商業智能作為一種新興的決策支持體系，與傳統的DSS、EIS相比，在以下方面存在明確的優勢。使用對象范圍商業智能的使用對象不再像DSS、EIS僅僅局限于企業的領導與決策、分析人員，而是擴展到企業組織內外的各類人員，為他們提供決策支持服務，既有企業經理一類的企業領導和高層決策者，又有企業內部各部門的職能人員，還包括客戶、供應商、合作伙伴等企業外部用戶。具有的功能從以上分析看出，商業智能具有傳統DSS、/