搜索
商业智能(----计算机学科前沿讲座论文)昆明理工大学信息院计算机应用技术专业：计算机应用技术2010/111信息技术的高速发展带来了企业利用信息技术提高本身竞争力的巨大空间：信息技术不但使企业获取需要的信息，而且，促进企业对信息的再利用，以此营造企业的竞争优势。企业一直在寻找对商业智能的理解和实现的方式，以增强企业的竞争力。早在80年代，当时“商业智能”的标准是能容易地获得想要的数据和信息。90年代是商业智能真正起步的阶段。到目前为止，关于BI还没有统一的定义，不同的人只是从不同的方面表达了对“商业智能”的理解。早在90年代初，GarterGroup的HowardDresner把EUQR（终端查询和报表）、DSS、OLAP称为商业智能。企业使用这些工具使企业获得的优势也被称为商业智能。后来，出现了数据仓库、数据集市技术，以及与之相关的ETL（抽取，转换，上载）、数据清洗、数据挖掘、商业建模等，人们也将这些技术统归为商业智能的领域。一、商业智能简介商业智能（BusinessIntelligence，简称：BI），又称商业智慧或商务智能，指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。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、客户和供应商资料及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作业层的，也可以是管理层和策略层的决策。商业智能是对商业信息的搜集、管理和分析的过程，目的是使企业的各级决策者获得知识和洞察力，促使他们做出对企业更有利的决策。商业智能系统从企业运作的日常数据中开发出结论性、基于事实和具有可实施性的信息，使企业管理者和决策者能以一种更清晰的角度看待业务数据，提高企业运作效率，增加利润并建立良好的客户关系，从而使企业能更快更容易地做出更好的商业决策，以最短的时间发现商业机会并捕捉商业机遇。为了将数据转化为知识，需要利用数据仓库、线上分析处理（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ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。二、引入商业智能的目的1.促进企业决策流程(FacilitatetheBusinessDecision-MakingProcess)：BIS增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。2.降低整体营运成本(PowertheBottomLine)：BIS改善企业的资讯取得能力，大幅降低IT人员撰写程式、Poweruser制作报表的时间与人力成本，而弹性的模组设计介面，完全不需撰写程式的特色也让日后的维护成本大幅降低。23.协同组织目标与行动(AchieveaFullyCoordinatedOrganization)：BIS加强企业的资讯传播能力，消除资讯需求者与IT人员之间的认知差距，并可让更多人获得更有意义的资讯。全面改善企业之体质，使组织内的每个人目标一致、齐心协力。商业智能的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。为完成这一目标，商业智能必须具有实现数据分析到知识发现的算法、模型和过程，决策的主题具有广泛的普遍性。商业智能为商业决策者提供了以下三个层次内容：1.报表,让用户知道发生了什么。一张报表不同的用户会关注不同列里的数字,用户可以判断出这些数字是否是正常的。通常报表都配合一个图标来展示,让用户更直观的看到结果。2.多维分析,让用户知道为什么会发生。多维里面的这个”维”,我个人理解是观察和分析问题的角度。每个人看问题和分析问题的角度都有可能不一样。多维分析就是提供给用户这么一个能从不同角度来观察数据的方法。当然和报表一样,也有图配合着。3.数据挖掘,让用户知道将会发生什么。这个层次是商业智能里的最高层次。三、商业智能体系结构从系统的体系结构的角度来看，商业智能系统一般由数据仓库(或数据场)、数据分析、数据挖掘、在线分析、数据备份和恢复等部分组成。商业智能系统从不同的数据源收集的数据中提取有用的数据，对数据进行清理以保证数据的正确性，将数据进行转换、重构后存入数据仓库或数据场(这时数据变为信息)，然后寻找合适的查询和分析工具、数据挖掘工具及OLAP工具对信息进行处理(这时信息变为辅助决策的知识)，最后将知识呈现于用户面前，转变为决策。1.商业智能应用。是针对不同行业或应用领域，经过裁减完整的商业智能解决方案软件包。2.决策支持工具。包括了从基本查询和报表工具到先进的在线分析处理再到信息挖掘工具的各类工具，所有工具都支持GUI客户界面，大部分都可以在Web界面上使用。这些工具大多能处理数据库信息，有些能够处理文件系统、多媒体、邮件或Web服务器上的复杂和非结构的信息。3.访问工具。包括应用接口和中间件，使客户工具能够访问和处理数据库和文件系统中的商业信息。数据库中间件允许客户透明地访问后台各种异构的数据库服务器，Web服务器中间件允许Web客户连接到数据库中。数据管理部分一般采用3层信息存储，最高层次是数据仓库，数据仓库中集成了全企业的商业信息;中间级是部门数据仓库，又称数据场，这里存储了某个商业单位、用户组或部门的商业信息，这些数据场可以直接建立在企业业务操作系统的基础上;结构的最低层次存储了根据用户和应用需求经过裁剪后的信息。34.数据仓库模型和构造工具。这些工具用于从操作系统和外部数据源系统中捕捉数据，经过加工和转换，最后将数据装载到全局的或部门的数据仓库。5.元数据管理。该部分管理与整个商业智能系统有关的元数据，包括开发者和管理员使用的技术元数据及支持商业用户的商业元数据。6.管理。该部分包括了商业智能管理的所有方面，包括安全性和验证、备份和恢复、监控和调整、操作和调度、审计和计算等。四、商业智能的核心技术1.数据仓库技术。20世纪80年代中期，数据仓库提出的目的是解决在信息技术发展中存在的拥有大量数据、然而有用信息贫乏(Datarich-Informationpoor)的问题。实际上，数据仓库系统是对数据的处理技术的集成，而商业智能系统的核心是解决商业问题，它把数据处理技术与商务规则相结合，以提高商业利润减少市场运营风险，是数据仓库技术、决策支持技术和商业运营规则的结合。2.数据挖掘技术。数据挖掘(DataMining)，是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中，挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则的过程。挖掘的对象主要是数据库和数据仓库，其目的是通过对数据的统计、分析、综合、归纳和推理，揭示事件间的相互关系，预测未来的发展趋势，为经营决策、市场策划及金融预测等提供依据，帮助企业的决策者调整市场策略，减少风险，做出前摄的及基于知识的决策。3.联机分析处理技术(OLAP)。OLAP是一种多维分析工具，目标是满足决策支持或多维环境下特定的查询和报表需求，使分析人员、管理人员或执行人员能够从多个焦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应企业维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。它的技术核心是“维”这个概念，因此它是数据仓库中大容量数据得以有效利用的重要工具。五、商业智能的典型应用1.产品销售管理。它包括产品的销售策略、销售量分析、影响产品销售的因素分析及产品销售的改进方案预测，通过系统存储的产品销售信息建立销售模型，分总体销售模型和区域、部门销售模型。对产生不同结果的销售模型分析其销售量和销售策略，进行销售影响的因素分析和评估，根据不同的销售环境对相应的产品销售方案进行产品上架和下架计划，提高企业营销额。通过历史数据分析，还可以建立提高销售量的预测模型。2.异常处理(ManagementbyException)。它是商业智能数据挖掘应用的典型事例，由于能实时而持续地计算各种绩效目标，商业智能系统可以监测其与计划目标的偏差。当偏差过大时，系统在第一时4间以各种通讯方式，比如电子邮件，将偏差状况通知企业责任主管，从而降低企业风险，提高企业收益。其具体应用有信用卡分析、银行及保险等行业的欺诈监测等。3.事实管理(ManagementbyFact)。无论目标管理或例外管理，背后支持的力量皆来自于事实。维持企业营运的ERP系统在每日的交易之中，累积了无数的事实与知识。商业智能系统将企业目标、例外与事实相结合，使管理者能够进一步分析原因或趋势，查询并探测相关信息。在信息缺乏的年代，管理层更多依靠个人经验和直觉进行管理，制定决策。而在知识经济时代，企业必须实施事实管理，不靠幻想与感觉，在了解企业每日的商务情况的基础上，利用商业智能进行科学决策。4.客户关系管理(CRM)。顾客是企业生存的关键因素，对企业来说进行客户关系管理(CRM)是一项重要的工作。通过商业智能的客户关系管理子系统，企业可以分析顾客消费习惯和消费倾向，提高顾客满意度，进而采取相应对策增强顾客保持力，培养忠实顾客，维持良好的客户关系。六、商业智能的实施过程商业智能的实现是一个循环的螺旋式上升的过程。商业智能实施一般可分为5个阶段：确定目标阶段(targeting)、数据收集/预处理阶段(Tracking)、信息发送阶段(Routing)、数据解释/建模阶段(interpreting)及基于知识的行动阶段(Action)。1.确定目标阶段。商业智能所解决的一般都是一个客户面临的关键问题，如何确定和理解问题就成为商业智能实施的起点和成功的关键。问题的确定方法可以有多种，如了解客户当前新业务推广、客户流失及信用欺诈等。但关键一点是确定问题的商业价值，简单来说，客户在商业智能系统上的投入，通过问题的解决，能带来确定的收益，否则这个项目从开始就是失败的。2.数据收集/预处理阶段。数据的收集难度和客户的实际情况有较大的关系，如果客户已经拥有自己规范和完整的数据存储，收集工作较容易，反之，可能把多种介质多种规格的数据通过清洗、构造、集成和格式化转化成所需要的数据。3.信息发送阶段。信息的价值不在于拥有，而在于如何恰当利用，因为有更多的人共享同样的信息，就可以更好地相互理解和沟通，做出更好的决策。因此，信息价值与获取，分析该信息的用户人数及用户所属商业领域数量的函数关系可表示为：价值(信息)=用户数2×所属商业领域数量。4.数据解释/建模阶段。这一阶段是商业智能实施的核心部分。但是，到目前为止对商业智能模型训练结果的优劣并没有绝对的衡量标准，在一定程度上给建模人员和分析系统的产品化带来了困难。针对确定的数据和问题，采用多种算法比较、分割数据集验证及调整参数比较等方式找到相对优的模型。模型建立后，应该对模型训练结果及建立过程等进行评估，以便做出是否调整模型和完成的决定。5.基于知识的行动阶段。通过对模型训练的结果来决定是否采取行动，如果模型被证明是客观和有意义的，那么就可以根据模型训练的结果采取相应的企业策略。七、商业智能的发展前景5商业智能的发展趋势可以归纳为以下几点：1.功能上具有可配置性、灵活性、可变化性BI系统的范围从为部门的特定用户服务扩展到为整个企业所有用户服务。同时，由于企业用户在职权、需求上的差异，BI系统提供广泛的、具有针对性的功能。从简单的数据获取，到利用WEB和局域网、广域网进行丰富的交互、决策信息和知识的分析和使用。2.解决方案更开放、可扩展、可按用户定制，在保证核心技术的同时，提供客户化的界面针对不同企业的独特的需求，BI系统在提供核心技术的同时，使系统又具个性化，即在原有方案基础上加入自己的代码和解决方案，增强客户化的接口和扩展特性；可为企业提供基于商业智能平台的定制的工具，使系统具有更大的灵活性和使用范围。3.从单独的商业智能向嵌入式商业智能发展这是目前商业智能应用的一大趋势，即在企业现有的应用系统中，如财务、人力、销售等