1 商務(wù)智能的定義
商業(yè)智能（Business Intelligence，簡稱BI）的概念最早是Gartner Group的Howard Dresner于1996年提出。當時人們將商業(yè)智能定義為一類由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等部分組成的、以幫助企業(yè)決策為目的的技術(shù)及其應(yīng)用。2007年在芝加哥舉行的Gartner商業(yè)智能峰會，對BI重新定義為：商業(yè)智能是一個傘狀概念，它包含分析應(yīng)用、基礎(chǔ)構(gòu)架和良好的實踐。目前國內(nèi)外主要BI廠商對BI的定義為，將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。目前，商業(yè)智能(BI)領(lǐng)域大致可劃分為數(shù)據(jù)倉庫、OLAP和報表展示、數(shù)據(jù)集成、數(shù)據(jù)挖掘和針對行業(yè)的解決方案等。
2 商務(wù)智能的關(guān)鍵技術(shù)
商業(yè)智能，首先是基于信息的大規(guī)模生產(chǎn)和數(shù)據(jù)庫技術(shù)的運用。從商業(yè)智能系統(tǒng)建立的技術(shù)角度來看，構(gòu)建一個完整的商業(yè)智能系統(tǒng)涉及到以下幾種關(guān)鍵技術(shù)：
·數(shù)據(jù)倉庫（data warehousing）
·聯(lián)機分析處理（on-line analytical processing，簡稱OLAP）
·數(shù)據(jù)挖掘（data mining）
數(shù)據(jù)倉庫是一個面向主題的、集成的、相對穩(wěn)定的、反映歷史變化的數(shù)據(jù)集合，用于支持管理決策。首先，數(shù)據(jù)倉庫用于支持決策，面向分析型數(shù)據(jù)處理，他不用于企業(yè)現(xiàn)有的操作型數(shù)據(jù)庫；其次，數(shù)據(jù)倉庫是對多個異構(gòu)的數(shù)據(jù)源有效的集成，集成后按照主題進行了重組，并包含歷史數(shù)據(jù)，而且存放在數(shù)據(jù)倉庫中的數(shù)據(jù)一般不修改。
聯(lián)機分析技術(shù)，對數(shù)據(jù)庫中的數(shù)據(jù)進行多維分析和展現(xiàn)，是使分析人員，管理人員或執(zhí)行人員能夠從多種角度對原始數(shù)據(jù)中轉(zhuǎn)化出來的，能夠真正為用戶理解的，并真實反映企業(yè)維持性的信息進行快速、一致、交互的存取，從而獲得對數(shù)據(jù)更深入了解的一項軟件技術(shù)。OLAP的一個重要特點是主要通過多維的交互式方式對數(shù)據(jù)進行分析，這與數(shù)據(jù)倉庫的多維數(shù)據(jù)組織形成相互結(jié)合、相互補充的關(guān)系。這些基本多維分析操作包括切片、鉆取、旋轉(zhuǎn)等，便于用戶從不同維度查詢和分析有關(guān)數(shù)據(jù)。
數(shù)據(jù)挖掘，是在大量相關(guān)數(shù)據(jù)基礎(chǔ)之上進行數(shù)據(jù)探索和建立相關(guān)模型的先進方法。數(shù)據(jù)挖掘主要功能有：數(shù)據(jù)總結(jié)、分類、聚類、關(guān)聯(lián)分析、預測、偏差的檢測。數(shù)據(jù)挖掘的主要方法有：傳統(tǒng)統(tǒng)計方法，可視化技術(shù)，決策樹，神經(jīng)網(wǎng)絡(luò)，遺傳算法，管理規(guī)則挖掘算法等。
3 商務(wù)智能的技術(shù)架構(gòu)
商業(yè)智能所涉及的數(shù)據(jù)包括來自企業(yè)業(yè)務(wù)系統(tǒng)的訂單、庫存、交易賬目、客戶和供應(yīng)商資料及來自企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù)，以及來自企業(yè)所處的其他外部環(huán)境中的各種數(shù)據(jù)。而商業(yè)智能能夠輔助的業(yè)務(wù)經(jīng)營決策既可以是操作層的，也可以是戰(zhàn)術(shù)層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉(zhuǎn)化為知識，需要利用數(shù)據(jù)倉庫、聯(lián)機分析處理(OLAP)工具和數(shù)據(jù)挖掘等技術(shù)。因此，從技術(shù)層面上講，商業(yè)智能并不是基礎(chǔ)技術(shù)或者產(chǎn)品技術(shù)，它是數(shù)據(jù)倉庫、聯(lián)機分析處理OLAP(On-line Analytical Processing)和數(shù)據(jù)挖掘等相關(guān)技術(shù)走向商業(yè)應(yīng)用后形成的一種應(yīng)用技術(shù)，其技術(shù)架構(gòu)如圖1所示:
圖1 商業(yè)智能技術(shù)架構(gòu)圖
4 國內(nèi)制造業(yè)的商務(wù)智能應(yīng)用
據(jù)Chinabi的《2009-2010年中國商業(yè)智能市場分析》稱，全球范圍內(nèi)，商業(yè)智能已經(jīng)超過ERP和CRM成為最具增長潛力的領(lǐng)域。據(jù)ChinaBI調(diào)查2009年中國大陸地區(qū)的商業(yè)智能市場份額約為26億元人民幣，比2008年增長18%，約占企業(yè)管理軟件的市場份額的8%。
應(yīng)用商業(yè)智能的行業(yè)中，金融、電信行業(yè)是BI應(yīng)用最集中的行業(yè)，約占40%的市場分額，保險、能源、煙草、政務(wù)行業(yè)約占30%的市場份額，制造、零售行業(yè)約占30%的市場份額，是BI應(yīng)用最具潛力的行業(yè)。
制造業(yè)的企業(yè)信息化水平參差不齊，有些大中型企業(yè)已經(jīng)成功使用商業(yè)智能技術(shù)，但是大部分企業(yè)基礎(chǔ)信息化水平仍未達到，隨著這些企業(yè)的信息化水平逐步提高，建設(shè)商業(yè)智能系統(tǒng)的需求也會隨之而來。
目前搜集的制造業(yè)應(yīng)用商業(yè)智能的案例主要涉及：
1)操作現(xiàn)場和研制。實現(xiàn)技術(shù)流程與生產(chǎn)作業(yè)流程的有機結(jié)合。航宇五院案例。
2)售后服務(wù)。改變保修問題分析主要靠工程師手工處理的計算方式，應(yīng)用整體保修分析解決系統(tǒng)，使工程師迅速判斷保修賠償率、是否需要特殊檢查。上海通用案例。
3)決策支持。決策支持系統(tǒng)由數(shù)據(jù)倉庫及管理系統(tǒng)、模型庫及管理系統(tǒng)、知識庫及管理系統(tǒng)、數(shù)據(jù)抽取工具、數(shù)據(jù)挖掘與知識發(fā)現(xiàn)工具、用戶界面等模塊組成，成功實現(xiàn)了對數(shù)據(jù)、模型、知識、交互四個部件的系統(tǒng)集成武鋼決策支持系統(tǒng)。武鋼智能綜合決策支持系統(tǒng)。
4)銷售情況。對日常工作情況實現(xiàn)流程化管理，并及時完成數(shù)據(jù)的上報。另一方面，通過完成各種復雜的報表生成和數(shù)據(jù)分析，使企業(yè)管理人員能夠及時、深入、全面地了解全國各地、不同時段、不同車型的銷售情況等各種信息。北京一汽車銷售商。
5)辦公系統(tǒng)。加強和完善生產(chǎn)管理、提高資源共享和團隊協(xié)作程度，最大限度地實現(xiàn)公司內(nèi)部資源的高效利用，提高綜合統(tǒng)計、分析、處理數(shù)據(jù)，報表設(shè)計的效率。中國鋁業(yè)氧化鋁系統(tǒng)案例。
5 商業(yè)智能實施風險
當然，商業(yè)智能如ERP，CRM等應(yīng)用系統(tǒng)一樣，在實施中存在著一定的風險，制造企業(yè)首先要認清自身的需求情況，在選擇合作伙伴的同時也要進行充分的了解。各主流廠商都有各自的優(yōu)勢，比如SAS的數(shù)據(jù)挖掘、Hyperion的預算與報表合并、BO的數(shù)據(jù)分析與報告等。而商業(yè)智能產(chǎn)品的發(fā)展趨勢必將是整合平臺基礎(chǔ)上的集成化應(yīng)用。如何切實了解自身需求、選擇具有優(yōu)勢的廠商產(chǎn)品，將是企業(yè)實施商業(yè)智能成功的關(guān)鍵。
現(xiàn)將制造企業(yè)實施商業(yè)智能需要避免的方面總結(jié)如下：
1）信息系統(tǒng)提供的數(shù)據(jù)太過于明細，很難對企業(yè)宏觀決策起到幫助作用；
2）信息系統(tǒng)提供的匯總報表只能反應(yīng)某一方面的信息，而不能形成對整個業(yè)務(wù)過程的全面了解，管理人員要分析一個問題時必須同時在手上拿5、6張匯總報表或明細報表，不能進行動態(tài)的數(shù)據(jù)透視；
3）一個企業(yè)中通常同時運行著幾套不同的信息系統(tǒng)，這些系統(tǒng)相互獨立，數(shù)據(jù)互不聯(lián)系，但從整個企業(yè)的角度來看這些信息又是相互聯(lián)系的，管理者在進行決策時也必須同時使用到來源于各系統(tǒng)的綜合數(shù)據(jù)，但各管理信息系統(tǒng)的相互獨立造成了使用復雜，決策效率低下；
4）管理者在查看信息的時候通常需要將原始的數(shù)據(jù)通過某種數(shù)據(jù)模型運算，以計算出某種指標，如:庫存周轉(zhuǎn)率，資金周轉(zhuǎn)率等，并以次來衡量企業(yè)的運行狀況。但很多信息系統(tǒng)的數(shù)據(jù)無法直接應(yīng)用到商業(yè)模型或數(shù)學模型上，有的信息系統(tǒng)即使有提供一部分數(shù)據(jù)模型，但無法進行擴展，必須要應(yīng)用一種信息的算法或新的模型。
6 實施商業(yè)智能的步驟
實施商業(yè)智能系統(tǒng)是一項復雜的系統(tǒng)工程，整個項目涉及企業(yè)管理、運作管理、信息系統(tǒng)、數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、統(tǒng)計分析等眾多門類的知識。因此用戶除了要選擇合適的商業(yè)智能軟件工具外還必須按照正確的實施方法才能保證項目得以成功。商業(yè)智能項目的實施步驟可分為：
（1）需求分析。需求分析是商業(yè)智能實施的第一步，在其它活動開展之前必須明確地定義企業(yè)對商業(yè)智能的期望和需求，包括需要分析的主題，各主題可能查看的角度（維度）。需要發(fā)現(xiàn)企業(yè)那些方面的規(guī)律。用戶的需求必須明確；
（2）數(shù)據(jù)倉庫建模。通過對企業(yè)需求的分析，建立企業(yè)數(shù)據(jù)倉庫的邏輯模型和物理模型，并規(guī)劃好系統(tǒng)的應(yīng)用架構(gòu)，將企業(yè)各類數(shù)據(jù)按照分析主題進行組織和歸類；
（3）數(shù)據(jù)抽取。數(shù)據(jù)倉庫建立后必須將數(shù)據(jù)從業(yè)務(wù)系統(tǒng)中抽取到數(shù)據(jù)倉庫中，在抽取的過程中還必須將數(shù)據(jù)進行轉(zhuǎn)換，清洗，以適應(yīng)分析的需要；
（4）建立商業(yè)智能分析報表。商業(yè)智能分析報表需要專業(yè)人員按照用戶制訂的格式進行開發(fā)，用戶也可自行開發(fā)（開發(fā)方式簡單，快捷）；
（5）用戶培訓和數(shù)據(jù)模擬測試。對于開發(fā)使用分離型的商業(yè)智能系統(tǒng)，最終用戶的使用是相當簡單的，只需要點——擊操作就可針對特定的商業(yè)問題進行分析；
（6）系統(tǒng)改進和完善。任何系統(tǒng)的實施都必須是不斷完善的。商業(yè)智能系統(tǒng)更是如此，在用戶使用一段時間后可能會提出更多的，更具體的要求，這時需要再按照上述步驟對系統(tǒng)進行重構(gòu)或完善。
轉(zhuǎn)載請注明出處：拓步ERP資訊網(wǎng)http://www.kaqidy.com/
相關(guān)文章
