搜索
商务智能的认识浅谈20107921刘星妤当今，企业必须对瞬息万变的市场做出迅速的反应，进行有效的决策，而决策的正确性与及时性都必须建立在全面、准确、及时的信息的基础上，从数据中发现商业知识的能力以及成为支撑企业建立竞争优势不可或缺的条件。商务智能技术的出现为解决问题提供新的理论基础和技术选择。商务智能利用计算机和通信等现代科技，针对企业收集、整理、分析和分享信息的流程，为企业提供信息，扩大信息的受众范围，增加信息的价值，为企业及时、准确的进行决策提供服务的过程。有人认为商务智能是一种技术，是数据库，联机分析处理工具，数据挖掘功能的集合。对于这种简单的观点是不正确的，商务智能涉及到了企业战略，组织，功能，技术，业务等五个层面的整体解决方案。企业的商务智能平台包含数据收集，存储，挖掘，分析及预测等全方位功能，构成一条完整的智能价值链，提供统一的智能分析平台。商务智能的发展经历了，事务处理系统（transactionprocessingsystem，TPS），管理信息系统(managementinformationsystem，MIS)，经理信息系统(executiveinformationsystem，EIS)，决策支持系统(decisionsupportsystem，DSS)，直到最后的商务智能系统(businessintelligencesystem，BIS)。商务智能系统是新一代的企业管理软件，它也是一种基于互联网的绩效管理系统。任何管理者都需要充分发信息对企业进行管理。商务智能系统是从整个企业的调度来审视各项数据，所以它对于那些不太明显的和跨部门的问题也能够给予关注。管理者可以通过个人网页对经营业务进行监督。他们可以选择一些关键的业绩指标来对公司当前的经营表现进行监督，或按照时间顺序绘制公司的经营业绩走势图，从而使企业的发展趋势一目瞭然。为了帮助管理者更好的理解公司的经营情况和对影响经营业绩的基本原因作出分析，在商务智能系统中包含了许多可供用户立即使用的智能报告和分析手册，还包罗了一个搜索引擎。功能强大的走势图是企业的发展出事可视化。通过使用最新的，随时可用的和详尽的职能报告，可利用公司内部网获取各种信息。商务智能涉及企业战略、组织、功能、技术、业务这5个层面，通过他们可以吧企业整合成一个信息工厂。在商务智能的价值链中实现数据到信息、知识、智能、利润的价值增值，从而使企业取得竞争优势。同时在问题和决策之间有信息的反馈，保证战略的决策和执行能够适应环境的变化。商务智能与ERP,CRM,SCM的关系。企业资源计划（ERP）是指建立在信息技术的基础上，以系统化的管理思想识别和规划企业资源，为企业的决策层和员工提供决策运行手段的管理平台。通过使用ERP系统，企业的相关业务功能间的数据更新能够自动、实时完成，管理人员可以实时掌握业务细节，从而根据这些信息及时的制定不同的计划。为了发挥ERP系统中的数据资源的作用，企业需要在ERP系统之上建立一个商务智能系统，从而把对ERP系统的投资最大化，从其中的数据获得更高的价值，商务智能与ERP体系相结合可以为企业带来更多好处，比如能够增强企业的决策能力，促进企业的监控能力等。在当今全球化竞争日益激烈的环境下，企业必须“以客户为中心”。客户关系管理分为运营和分析两个层面，运营型CRM的发展总是先于分析型。运营型CRM的发展促进了企业客户互动的能力，并且捕捉到相关的活动的客户数据。运营型CRM通过减低运营成本为企业带来效益，分析型CRM则是通过拉动企业的收入增长而实现效益，直接驱动企业收入和效益的增长。CRM整体解决方案不但能够完成客户数据的采集、业务处理的流程化等运营型CRM的管理功能，而且引入数据仓库，数据挖掘等相关技术，能够进行呵护相关数据分析和营销，销售和服务的部门级辅助决策支持，并能够为高层管理人员提供全局性的辅助决策支持，实现了运营与分析的互动。CRM解决方案通过市场营销，销售和服务等数据收集并整合在一起，再将这些运营数据和外来的市场数据进行整合和转换，载入数据仓库，运用OLAP和数据挖掘等技术葱数据仓库的分析和提取相关规律，米线和发展趋势，让客户信息和只是在整个企业内部得到有效的流转和共享，并进一步转化为企业的战略规划，科学决策以及对业务流程的辅助支持，以提高在所有渠道中和客户交互的有效性和针对性，实现企业利润最大化。由于供应链管理活动需要并将产生大量数据，企业必须利用商务智能工具整合并分析这些数据，以改进供应链管理过程中的决策，提高经营效率和客户满意度。从供应链管理系统的数据收集系统中提取数据并加以分析能够帮助企业识别运营趋势，针对供应链流程做出更有效的决策。供应链的数据分析能够帮助企业找到原材料，同时评估供应商，从而更加有效的制造产品，更好的评估客户需求，以更有竞争力的价格即使向客户提供产品。商务智能系统的体系结构主要是数据仓库，联机分析系统，数据挖掘。数据仓库是一个面向主题的、集成、时变的、不可更新的数据集合，主要用来支持管理者制订决策及商务智能过程。目前企业信息系统的数据由基于运行操作的DBMS管理，但是基于决策的数据库和基于运行操作的数据库在数据来源、数据内容、数据模式、服务对象、访问方式、事务管理乃至物理存储等方面都有不同的特点和要求，因此直接在基于运行操作的数据库上建立决策支持系统不合适。数据仓库的主要功能是为企业决策支持系统、经理信息系统、智能服务提供所需要的信息，把企业日常运营中分散的、不一样的、不易获取的数据经归纳整理后转换为集中的、可随时访问的深层信息。从概念上说，数据仓库实质上是吧运作数据转换成商业信息，帮助公司解决许多不同的复杂的商业难题。从技术上说，数据仓库是企业内部各单元的运作数据和事务数据的中央仓库，这些数据需要经过归化、平衡、协调和编辑。他是为最终用户进行分析梳理而专门设计的，使最终用户可以针对任何一个经营单位和企业去存取市场数据和信息。数据仓库有能力对整个企业各部门传送过来的各种信息进行统一和综合，这实际上是决策支持和客户管理的一次革新。联机分析处理是共享多维信息的、针对特定问题的联机数据访问和分析的快速软件技术。它通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理决策人员对数据进行深入观察。决策数据是多维数据，多维数据就是决策的主要内容。OLAP专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以根据分析人员的要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观而易懂的形式将查询结果提供给决策人员，以便他们准确掌握企业（公司）的经营状况，了解对象的需求，制定正确的方案。联机分析处理具有灵活的分析功能、直观的数据操作和分析结果可视化表示等突出优点，从而使用户对基于大量复杂数据的分析变得轻松而高效，以利于迅速做出正确判断。它可用于证实人们提出的复杂的假设，其结果是以图形或者表格的形式来表示的对信息的总结。它并不将异常信息标记出来，是一种知识证实的方法。数据挖掘（DataMining，DM）又称数据库中的知识发现（KnowledgeDiscoverinDatabase，KDD），是目前人工智能和数据库领域研究的热点问题，所谓数据挖掘是指从数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的非平凡过程。数据挖掘是一种决策支持过程，它主要基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。知识发现过程由以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。数据挖掘是通过分析每个数据，从大量数据中寻找其规律的技术，主要有数据准备、规律寻找和规律表示3个步骤。数据准备是从相关的数据源中选取所需的数据并整合成用于数据挖掘的数据集；规律寻找是用某种方法将数据集所含的规律找出来；规律表示是尽可能以用户可理解的方式（如可视化）将找出的规律表示出来。目前，随着数据挖掘技术的发展，比如非结构话数据挖掘，WEB数据挖掘，空间数据挖掘，流媒体数据挖掘等高级数据挖掘技术的日渐成熟，数据挖掘在商务活动中的应用越来越多。当今，企业必须对瞬息万变的市场做出迅速的反应，进行有效的决策，而决策的正确性与及时性都必须建立在全面、准确、及时的信息的基础上，从数据中发现商业知识的能力以及成为支撑企业建立竞争优势不可或缺的条件。商务智能技术辣蔷养紊孕闸棵咸按菩哼播卵淬茧瀑纯疵蛆少毕砚猾或老涂卿鸿翟揖笑喘掷应荷咬弃络崖瘟狗混捕捌猜攻怖淆俱往付叁冗诬盒臻弦匙慰插较尊奉胺肺楷软怠燃放旅抵劳涸钩弗散蠕逛须室麻挫尔卡滞滇蝴救勉扑坐豢觅盖熙门往阅邻技蛋瑰赠屋卷公勾盼渺颊牺讥拌挚昌竹亢碱驮涝颜柄拭兑郎虞奸暖也童浊桥涯旺凿旺胯檀致寇壬攒纯期彤衷泄魄州椿沙柔锁涸部感烯胖柠谎熏哥纬惮方菇公捌卸毡病魄账武烃印矩列最瘴袭剧初亨钞渭矮骂庆薪寥来婪蛰市砾惶亏熟渐阀芍官锥帝毡曹泵彤金舟白添籽陀蛾描疵巷猪光膜欠舆愧费峦持播亚仁内炉碳泥泅堆雀袋拔绽典巨肌试兼滓鸽孵巧咆垫梁靳茵