（管理科学与工程专业论文）基于集成案例推理的商务智能决策研究.pdf

基于集成案例推理的商务智能决策研究 摘要 随着信息技术的不断发展，商务智能已经得到了越来越多的关注。商务智 能建设的主要目标是企业决策支持。在企业的商务决策中，决策者常常运用在 实践中不断积累的案例经验知识来辅助决策。案例形式的经验知识结构化程度 较差，不能够被通用的企业商务智能来处理而辅助决策。本文针对这一现实问 题，提出了应用案例推理( c a s e b a s e dr e a s o n i n g ，c b r ) 技术来处理案例经验 知识，可以提高商务智能的知识处理能力。围绕着c b r 技术，也有许多集成推 理方案，采用基于集成案例推理的学习方案有助于完善c b r 系统的功能，充分 发挥c b r 与其他技术的各自优势。 本文首先阐述了商务智能其概念、功能和工作过程，从智能决策支持的角 度研究了商务智能决策支持系统及其相关技术构成。针对智能决策支持系统研 究中所存在的问题，提出了基于集成案例推理的智能决策技术，介绍了基于案 例推理的相关理论、工作机理，并对相似性进行了深入的探讨；接着介绍了案 例推理与其他方法的集成技术，并设计了一个混合了c b r 、r b r ( r u l e b a s e d r e a s o n i n g ) 和d m ( d a t em i n i n g ，d m ) 的集成案例推理的推理模型，描述了系统 的推理过程。 应用上述理论和推理模型，本文提出了基于集成案例推理的商务智能决策 系统框架，分析商务智能决策的过程，研究商务智能决策的案例表示方法，提 出了一个基于集成案例推理的混合相似性计算模型，并以实例加以验证。 最后讨论了商务智能决策系统中案例知识的数据挖掘技术，提出了基于归 纳学习的案例规则挖掘方法，应用该方法可以挖掘出案例库的不确定规则，辅 助系统案例推理过程，加强商务智能决策支持系统的知识处理能力。 关键词：案例推理；集成案例推理；相似性计算；数据挖掘；商务智能；智能 决策。 r e s e a r c ho nb u s i n e s s i n t e l l i g e n t d e c i s i o nw i t h i n t e g r a t e d c a s e - b a s e dr e a s o n i n gs y s t e m a b s t r a c t a sl o n ga st h ed e v e l o p i n go fi n f o r m a t i o nt e c h n o l o g y , b u s i n e s si n t e l l i g e n c e ( b 1 ) i s a t t r a c t i n gm o r ea n dm o r ea t t e n t i o n t h em o s t l yp u r p o s eo fb ic o n s t r u c t i o ni sd e c i s i o n s u p p o r t t h ed e c i s i o nm a k e r i nt h ee n t e r p r i s ew o u l dl i k et ou s et h ep r e v i o u sc a s ew h i c hb e a c c u m u l a t e d p r e v i o u s l y t om a k ed e c i s i o n h o w e v e r , b e c a u s eo ft h e d i f f i c u l t y i n c o n s t r u c t i n gt h ee x p e r i e n c ek n o w l e d g e ，t h ep r e v i o u sc a s ec a nn o tb eu t i l i z e de f f e c t i v e l yi n d e c i s i o ns u p p o r t a i m i n ga tt h i sp r o b l e m ，t h ea r t i c l e p u t sf o r w a r dt h ec a s e b a s e d r e a s o n i n g ( c b r ) m e t h o dt od e a lw i t ht h ee x p e r i e n c ek n o w l e d g e a b o u tt h er e s e a r c ho f t h e c b r , t h e r ea r em o r ea t t e n t i o nb ep a i dt ot h ei n t e g r a t i o no fc b ra n do t h e rm e t h o d s t h e i n t e g r a t e dc a s e - b a s e dr e a s o n i n gs y s t e mh a sb e e nd e s i g n e dt oh e i g h t e nt h ec o m p e t e n c eo f p r o b l e m s o l v i n g t h i sa r t i c l ef i r s t l yi n t r o d u c e st h ec o n c e p t i o n ，f u n c t i o na n dt h ew o r kp r o c e s so fb i ， i n v e s t i g a t e st h ed e v e l o p m e n t a ld i r e c t i o na n dt h ek e yt e c h n o l o g yo fb u s i n e s si n t e l l i g e n t d e c i s i o ns u p p o r ts y s t e m ( b i d s s ) c b ri sp u s h e do u ta sp r o b l e m se x i s ti nt h es t u d yo f b i d s s i ti n t r o d u c e st h er e l a t i v ep r i n c i p l ea n dm a i nd i r e c t i o no fr e s e a r c ha n dd e v e l o p i n g m e t h o d s ，w h e r er e l a t i v i t y i s d e e p l yi n v e s t i g a t e d t h e n , t h ei n t e g r a t e d c a s e b a s e d r e a s o n i n gm e t h o dh a sb e e nd i s c u s s e da n dan e wi n t e g r a t e dr e a s o n i n gs y s t e mm o d e lw h i c h m i x e dw i 也c b r r b ra n dd a t em i n i n gt e c h n o l o g yh a sb e e np r o p o s e d b yu s i n gt h e s ep r i n c i p l e sa n dt h em o d e l ，t h ea r t i c l er a i s e saf r a m e w o r ko fb i d s s w i t h i n t e g r a t e dc a s e b a s e dr e a s o n i n g ，a n da n a l y s e st h ep r o c e s so fb u s i n e s si n t e l l i g e n td e c i s i o n f o rt h eb a s ep r o p e r t yo fb u s i n e s si n t e l l i g e n td e c i s i o nf a c t o r s ，t h er e q u e s t so fc a s ee x p r e s s a n dc a s er e t r i e v ef o rb u s i n e s sd e c i s i o nf a c t o r sa r ea n a l y z e d ，a n df r a m ee x p r e s si su s e dt o d e s i g nt h ec a s ef r a m e w o r ka n dc a s e b a s e ，w h i c hr e a l i z e st h eh i g he f f i c i e n c yf o rc a s e r e t r i e v et h r o u g hb u i l d i n gai n t e g r a t e dr e t r i e v es t r a t e g ya n dg r o u p i n gc a s ep r o p e r t y t h e na m i x e ds i m i l a r i t ym e a s u r em e t h o dh a sb e e np r o p o s e d k n o w l e d g ed i s c o v e r yi nc a s eb a s e ( k d c ) h a sb e e nd i s c u s s e d t h ed a t am i n i n g t e c h n o l o g yi su s e di nc b r i no r d e rt om a k et h ek n o w l e d g ea c q u i s i t i o nm o r ea u t o m a t e da n d f u r t h e ri m p r o v e st h ec b rs y s t e m i n d u c t i v el e a r n i n ga p p r o a c ho fd e c i s i o nr u l e so f u n k n o w nc a s e sh a sb e e np r e s e n t e dt oo b t a i nt h ed e c i s i o nr u l e so fu n k n o w nc a s e s t h e r e f o r e ， b yu s i n gd m i nt h er e a s o n i n gs y s t e mc a ni m p r o v et h ec o m p e t e n c eo f k n o w l e d g e - s o l v i n go f b i d s s k e y w o r d s ：i n t e g r a t e dc a s e - b a s e dr e a s o n i n g , s i m i l a r i t ym e a s u r e ，d a t em i n i n g ，b u s i n e s s i n t e l l i g e n c e ，b u s i n e s si n t e l l i g e n td e c i s i o ns u p p o r ts y s t e m i i 插图清单 图2 1 商务智能工作过程图8 图2 2 决策支持系统发展状况图1 0 图3 1c b r 流程图1 4 图3 2 集成案例推理系统框架图2 6 图4 1 集成案例推理的商务智能框架图2 8 图4 2 基于集成案例推理的商务智能决策过程图2 9 图4 3 商务决策案例框架图3 2 图4 4 模糊概念属性实例图3 5 图4 5 模糊数或模糊区间属性实例图3 6 图4 6 模糊集合x 和y 的五种相交方式图3 7 图4 7 模糊属性相似性计算示图3 7 图4 8 简化后的时间问隔与相似性关系曲线图3 9 图4 9 百分制模糊属性的等级划分图4 l 表格清单 表4 - 1 案例的相似性计算 独创性声明 本人卢明所呈交的学位论文是本人在导师指导下进行的研究i ：作及取得的研究成果。据 我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的 研究成果，也不包含为获得 盒b = ：些盔堂或其他教育机构的学位或证书而使用过的 材料。与我一同- 作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢 意。 靴做储魏酗 签字日期：0 年，明日 学位论文版权使用授权书 本学位论文作者完全了解金目b 兰些太堂有关保留、使用学位论文的规定，有权保留并 向国家有关部门或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权合肥 工些厶堂可以将学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩 印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学何论文作者签名： 覆确 签字日期：一7 年， 月e l ， 学位论文作者毕业后去向： t 作单位： 通讯地址： 导师签名： 钇台4 签字日期：7 年r 月日 电话： 邮编： 致谢 在论文完成之际，首先感谢我的导师倪志伟教授。在两年半的学习、论文 写作以及平时的生活中，导师给予我很大的关心和帮助。从论文的选题、研究、 项目的完成、小论文的发表、论文的撰写到修改无不渗透着导师的智慧和心血。 倪老师渊博的知识、严谨的治学作风以及富于创新的学术思想，让我在学业上 受益匪浅，同时也培养了我踏踏实实研究学问的态度。在此，我谨向导师致以 崇高的敬意和衷心的感谢! 两年半的研究生学习和生活中，我得到了老师和同学的关心和帮助，在此 表示感谢! 感谢实验室所有师兄、师弟、师姐和师妹们，他们是我不可多得的 良师益友。 感谢各位评审专家在百忙之中抽出时间对论文进行了仔细的评阅! 借此机会，感谢我的父母，感谢他们给我健康的身体、勤劳朴实的作风、 上进的思想! 工大良好的学习环境、浓郁的学术氛围让我度过了美好的两年半时光，感 谢工大给予我的一切。 作者：虞娟 2 0 0 7 年1 1 月 第一章绪论 当今世界已经全面进入了信息大爆炸的时代，信息技术的高速发展带来了 企业利用信息技术提高自身竞争力的巨大空问。空前的信息量使得企业的决策 过程日益复杂，是否能正确处理和有效利用各种业务信息和数据已经成为了决 定企业兴衰的关键。2 0 世纪9 0 年代初兴起的商务智能( b u s i n e s si n t e l l i g e n c e ， b i ) 就为企业的决策过程提供了有效的解决方案。 商务智能决策将人工智能、决策支持系统和数据挖掘等智能技术与商务信 息管理系统相结合，实现商业管理的集成化、智能化、网络化和协调化。它使 商务决策者可以很容易地访问丰富的数据，进行查询、报表和分析等工作，使 管理层的决策建立在可靠科学的基础上，从而实现企业的决策方式的转变，提 高了企业的市场竞争能力。现如今，商业智能已经成为国内外企业界和软件开 发界广泛关注的一个热点研究方向。 1 1 论文选题的背景及意义 到目前为止，企业信息化大致经历了三个发展阶段。第一个阶段是办公自 动化f o a ) ，它意味着电子文档的出现和积累；第二个阶段是管理信息系统( m i s ) 的建立，它意味着数据库和网络的应用；第三个阶段是e r p 的实施，它意味着 企业业务流程的重组和自动化。回顾这些信息化建设的努力，我们可以发现， 企业信息化到目前为止主要是将现实世界的业务流程搬到网上，通过计算机网 络来实现，其服务对象主要是一般员工和操作人员，它所带来的结果之一是数 据的采集和积累。企业信息化建设的下一个目标是商务智能的建设，它的任务 是从业务流程网络化转向业务流程智能化，从数据采集转向数据集成和开发利 用，从为一般职员服务转向为领导和决策者服务。科学决策以及企业适应能力 和灵敏度的提高将是商务智能的核心。中国的企业在经过了二十世纪七十年代 的技术革命和九十年代的管理革命之后，现在面临的是决策革命。 商务智能建设的主要目标是企业决策支持。如果说科学决策是企业发展 的高级境界，那么商务智能则是目前企业信息化建设的高级境界，它是信息化 的灵魂所在。从数据中寻找知识和思想，从数据中挖掘财富，从数据中发现决 策依据，这些正是商务智能对企业的直接贡献，也是企业信息化的重要体现。 在中国，随着企业信息化建设的不断发展，企业数据的积累已经越来越多，因 此，数据分析和挖掘的需求已经越来越紧迫。可以预见，商务智能建设在今后 将是企业信息化建设的新热点。 在企业商务智能的框架中，其基础是企业业务处理系统所积累的海量结构 化的业务数据。但是在企业的商务决策过程中，决策者常常应用在实践中不断 积累的案例经验知识来辅助决策，而案例形式的经验知识往往结构化程度较差， 不能够被通用的企业商务智能来处理而辅助决策。本文针对这一现实问题，提 出了应用案例推理( c a s e b a s e dr e a s o n i n g ，c b r ) 技术来处理案例经验知识， 可以提高商务智能的知识处理能力。 c b r 是一种类比推理方法，它提供了一种近似于人类思维模型的建造专家 系统的新的方法学，在解决新问题时从案例库中找出与当前情况类似的过去案 例，利用过去的案例或经验进行推理来求解新问题。由于计算机的记忆特性， 故用c b r 可以方便、快捷地得到求解问题的方法或提示；另一方面，人类在遇 到新问题时，不仅仅是简单地照搬经验或直接得到最优解，多数情况下需要的 是满意解、可行性提示或启发信息。c b r 技术反映了人类认知科学研究的新成 果，强调了人类对过去经验和前人智慧的重现，并依靠它们指导解决实际工作 中遇到的新问题。基于案例推理特别适用于领域定理难以表示成规则形式，而 易表示成案例形式并且已积累了丰富案例的领域。 许多情况下，单纯的推理方法并不能保证系统求解问题的良好性能，往往 需要几种方法的集成使用。在c b r 方法的研究中，所面l 临的挑战之一就是：如 何将知识和案例联系起来，并协同运作，弥补c b r 的不足，可以充分发挥c b r 和其他技术的各自优势，以提高c b r 系统的性能。所以，集成案例推理的课题 研究无疑将大大推动案例推理技术的深入研究与广泛应用。 1 2 商务智能的主要研究内容及发展趋势 1 2 1 商务智能的主要研究内容 b i 是以现代管理理论为指导，信息技术为支撑的集成系统。近年来它的 研究热点主要集中在三个方面”1 ：支撑技术的研究、体系结构的研究、应用系 统的研究。 n ) 支撑技术。b 1 支撑技术主要包括两个方面：一是计算机技术，主要包 括数据仓库、数据集市技术；数据挖掘技术；o l t p 、o l a p 、l e g a c y 等分析技 术；数据可视化技术；计算机网络技术等。二是现代管理技术，主要包括统计、 预测等运筹学方法：客户管理、供应链管理、企业资源计划等管理理论和方法； 企业建模方法。支撑技术的研究注重跟踪相关技术的最新发展，例如对数据仓 库的研究集中在数据集成中数据模式的设计、数据清洗和数据转换、导入和更 新方法；数据挖掘的研究重点则偏向数据挖掘算法以及数据挖掘技术在新的数 据类型、应用环境中使用时所出现的新问题的解决上，如对各种非结构化数据 的挖掘、数据挖掘语言的标准化以及可视化数据挖掘等。联机分析处理研究主 要集中在r o l a p f 基于关系数据库的o l a p ) 的查询优化技术和m o l a p ( 基 于多维数据组织的o l a p ) 中减少存储空间和提高系统性能的方法；数据仓库、 2 - 数据挖掘和o l a p 相结合的产物联机分析挖掘( o l a m ) 也是目前研究的热点。 企业建模是为解决如何建立特定企业模式的辅助工具，比较新的建模方法包括 基于u m l 的企业建模方法。 ( 2 ) 体系结构。b i 体系结构是指通过识别和理解数据在系统中的流动过程 和数据在企业的应用过程来提供b i 系统应用的主框架。b i 的体系结构主要包 括数据预处理、数据仓库、数据分析以及数据展现等几部分。b i 体系结构的 研究关心采用什么样的体系结构才能使b i 系统具有良好的性能。 r 3 ) 应用系统。对于应用系统的研究重点放在对各个应用领域所面临的决 策问题的分析，根据对各类问题的解决方式和解决方案来决定b i 系统应该提 供的功能，以及具体实现方法。b i 具有代表性的应用领域主要包括企业资源 计划( e r p ) 、客户关系管理( c r m ) 、人力资源管理( h r m ) 、供应链管理( s c m ) 以及电子商务( e b u s i n e s s ) 等。 1 2 2 商务智能发展趋势 随着应用的不断深入，市场需求对b i 提出了新的挑战，i n t e r a c t 、i t 技术 以及人工智能的不断发展，则为b i 的不断完善提供了强大的技术支持。未来， b i 有望进一步获得长足发展，从根本上改变决策方式。具体来说，b i 未来发 展将集中于以下几点： ( 1 ) 支撑技术。基于关系对象数据库的数据仓库将是未来的一个发展方向， 数据仓库的平台性能将得到很大改善。数据挖掘方法和算法研究将更加深入， 专门用于知识发现的数据挖掘语占有望进一步向标准化发展。基于数据仓库的 数据挖掘与o l a p 将实现融合和互补，从而使分析操作智能化，使挖掘操作目 标化。信息可视化进程进一步发展，以提供更优的洞察力。对非结构化数据的 处理和分析，比如文本挖掘和w e b 挖掘的能力将大大增强。 ( 2 ) 体系结构。b i 方案的协同性和开放性将进一步提高。企业能够利用合 作伙伴的数据仓库或i n t r a n e t 系统中的多维数据集进行决策分析活动，并且 o l a p 及其它b i 的应用以w e b 服务形式提供，以x m l 形式发放b i 应用的 分析结果是新的发展趋势。 ( 3 ) 应用系统。b i 系统将更具专业化和行业化的特点，笼统的b i 系统渐 渐成为概念，b i 根据每个领域关注的重点和分析模型，提供针对具体企业进 行扩展的解决方案。各种商业分析模型、数据挖掘算法将集成到b i 软件和分 析应用之中，从而能够集中解决不同部门的需要。同时，b i 应用与企业门户、 企业应用集成紧密相连，新的b i 系统不再是一个孤立的应用。 1 3 基于案例推理的发展历史及研究现状 1 3 1 基于案倒推理的发展历史 在2 0 世纪7 0 年代中期，就出现了一些体现c b r 思想的计算机程序。随着 关于记忆的认知理论的不断成熟，c b r 的计算机模型不断完善，并被迅速应用 于智能系统中。 1 9 8 2 年r o g e rs h a n k 教授出版的著作动态记忆( d y n a m i cm e m o r y ) 描 述了c b r 的研究工作，给出了在计算机上建造c b r 的方法”“。类比推理研 究，哲学和心理学研究中的概念形式理论及其问题求解和经验学习理论，也对 早期的c b r 思想产生了影响。 1 9 8 3 年佐治亚工学院的j a n e tk o l o d e n e r 领导的小组开发出了第一个基于案 例的推理系统一一c y r u s ，成为这一时期c b r 思想实现和应用的代表“1 。 c y r u s 的案例记忆模型，成为后来的一些c b r 系统的研究丌发基础，如 m e d i a t o r 、p e s u a d e r 、j u l i a 、c a s e y 等。 随着对c b r 研究兴趣的不断增长，1 9 9 5 年1 0 月在葡萄牙召开了第一届 c b r 国际会议( i n t e r n a t i o n a lc o n f e r e n c eo nc a s e b a s e dr e a s o n i n g ，i c c b r ) ， 以后每两年举行一次”1 。在此之前的四次研讨会分别形成了1 9 8 8 、1 9 8 9 、1 9 9 1 和1 9 9 3 年的讨论论文。 8 0 年代后期到9 0 年代初，基于案例的学习和推理的研究已经丌发出了许 多系统，其应用也已越来越普遍。 1 3 2 基于案例推理的研究现状 在美国，沙克教授提出的以记忆组织包( m e m o r yo r g a n i z a t i o np a c k e t s ) 为 核心的动态记忆理论的研究工作成为了a i 领域中最早的关于c b r 的思想。随 后佐治亚工学院的c y r u s 系统，以及在此基础上的m e d i a t o r 、p e s u a d e r 、 j u l i a 、c a s e y 在法律、烹调和医药等领域得到了很大的应用。p r o t o s 、 h y p o 、c a b a r e t 等系统也相继被开发和应用。 欧洲的c b r 研究比美国起步稍晚，主要兴趣集中在专家系统的开发和知识 获取研究上，如德国的m o l t k e 和p a t d e x 系统，以及1 9 9 2 一1 9 9 9 的欧洲工 程i n r e c a ( i n d u c t i o na n dr e a s o n i n gf r o mc a s e s ) 和i n r e c a - i i ”。 近年来，在亚洲地区( 印度、日本和中国等) c b r 的研究和开发应用也得 到了重视。如中国学者刘大有，印度的v e n k a t a m a r a n ，日本的o k a m o t o 都做了 关于c b r 研究方面的大量工作。 目前c b r 的研究重点主要集中在如下几个方面： 案例索引及检索技术的研究；如在c b r 系统中利用神经网络的模型与方法 建立案例的索引“1 ，用于相似检索的案例相似性度量研究”1 ，以及相似案例检索 时的基于时序的案例匹配方法研究”1 等。 案例修丁f 技术及其修正规则的获取方法。案例修正是c b r 系统的重点和难 点，修正规则的获取同样存在瓶颈。这方面的可研究课题有，修正阶段与c b r 其它阶段的结合，如检索阶段与修正阶段的结合”l ，把案例修正看成是约束满 足问题，利用约束满足理论进行案例的修正“。 数据挖掘与案例推理的集成”。通过数据挖掘和知识发现( k d d ) 技 术可以来发现案例的改写规则以及其它有关应用领域的知识，同时c b r 技术也 可以用于数据挖掘中，形成数据挖掘与案例推理的集成系统。 案例推理与其它方法( 包括学习技术和推理方法) 的集成技术。如案例推理与 归纳技术的结合进行分类”，基于规则推理和案例推理的结合“6 i 等。 对话式c b r ( c o n v e r s a t i o n a lc a s e b a s e dr e a s o n i n g ，c c b r ) 技术研究“”。 在对话式c b r 中，整个c c b r 过程是一个交互的、动态的和渐增的问题求解 过程，在此过程中用户只需回答系统所提出的问题，而不必事先具备详尽的与 问题求解有关的领域知识。 其它的研究还包括，案例库的维护技术及其性能的研究；案例工程的自动 化：案例推理的理论基础；案例推理的应用；研制c b r 丌发平台；c b r 融进 大规模并行处理等。 1 4 论文的主要研究内容及章节安排 本文介绍了商务智能、商务智能决策以及集成案例推理技术。讨论案例推 理技术与其他技术相结合的方式和必要性，提出了一个综合案例推理、规则推 理和数据挖掘的集成推理系统，以及在此基础上提出了基于集成案例推理的企 业商务智能决策系统框架模型。 第一章是绪论。首先介绍了商务智能研究的主要内容和发展趋势。回顾了 案例推理技术产生的历史背景和发展历程，以及介绍了案例推理的研究现状， 最后概述了各章的研究内容。 第二章是对企业商务智能和商务智能决策理论的介绍。针对企业商务智能 系统的缺陷和商务决策的需要，讨论了商务智能决策的过程，介绍了商务智能 决策支持系统以及其实现的关键技术。 第三章是基于集成案例推理技术的介绍。首先对案例推理技术的实现的过 程和关键技术做了系统的概述，并讨论了案例推理技术与其他智能技术的集成 方法，并在此基础上，设计了一个面向企业商务智能决策的集成案例推理系统 模型，描述了该推理系统的推理过程算法。 第四章主要研究了基于集成案例推理的商务智能决策系统。设计了用于企 业商务智能决策的系统框架，讨论了商务决策的过程，并在此基础上重点介绍 了商务智能决策的案例表示方法，描述了推理系统的综合检索过程，提出了一 个混合相似性计算方法。最后讨论研究了智能决策系统中案例经验知识的数据 挖掘技术，提出了基于归纳学习的案例知识提取技术，证实该商务智能决策系 统具有较好的决策辅助能力和知识处理能力。 第五章是本文的全文总结，并对今后该课题的进一步研究工作进行展望。 2 1 商务智能 第二章商务智能及商务智能决策 2 1 1 商务智能的概念 商务智能( b u s i n e s si n t e l l i g e n c e ，b i ) 的概念最早是g a r t n e rg r o u p 于1 9 9 6 年 提出来的，当时将商务智能定义为“以帮助企业决策为目的，对数据进行收集、 存储、分析、访问等处理的一大类技术及其应用”“。 商务智能( b u s i n e s si n t e l l i g e n c e ，b i ) 把先进的信息技术应用到整个企业、不 仅为其提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优 势。商务智能是继决策支持系统( d e c i s i o ns u p p o r ts y s t e m ，d s s ) 、领导信息 系统( e i s ) 后，在综合决策支持系统( s y n t h e t i cd e c i s i o ns u p p o r ts y s t e m ，s d s s ) 的基础上发展起来的又一决策支持体系。可以把它看作是在s d s s 的基础上引 入了企业资源规戈i j ( e r p ) 、客户关系管理( c r m ) 、企业性能管理( b p m ) 、供应链 管理( s c m ) 、电子商务( e ，b u s i n e s s ) 等先进的企业管理理论和方法后综合而成。 2 1 2 商务智能的定义、功能、应用领域 随着理解的不断深入，对商务智能的定义也可谓见仁见智，不同的人从不 同的方面给出对商务智能不同的解释，但总的来讲，可以从以下几个方面解释 商务智能”： ( 1 ) 方法论的观点：商务智能是通过利用多个数据源的信息以及应用经验 和假设来促进对企业动态特性的准确理解，以便提高企业决策能力的一组概念、 方法和过程的集合。它通过对数据的获取、管理和分析，为贯穿企业组织的各 种人员提供信息，以提高企业战略决策和战术决策能力。 ( 2 ) 数据分析的观点：商务智能是通过获取与各个主题相关的高质量和有 意义的信息来帮助人们分析信息、得出结论、形成假设的过程。 ( 3 ) 信息系统的观点：商务智能是为用户提供o l a p 和其他对企业问题进 行分析、预测趋势功能的信息系统。 ( 4 ) 知识论的观点：商务智能是将数据转变成信息，而后通过发现，将信 息转变成知识的过程。 从以上几个方面可以看出，商务智能实际上是帮助企业提高决策能力和运 营能力的概念、方法、过程以及软件的集合，其主要目标是将企业所掌握的信 息转换成企业在市场竞争中的优势，提高企业决策能力、决策效率、决策准确 性。商务智能的用户不再仅仅局限于企业的领导和决策、分析人员，而是扩展 到企业组织内外的各类人员，这里既有企业经理一类的企业领导和高层决策者， 又有企业内部各部门的职能人员，还包括客户、供应商、合作伙伴等企业外界 用户。因此，商务智能的功能不仅仅局限于为企业管理者提供决策支持服务， 更具有e i s 、d s s 所不具备的强大的数掘管理、数据分析与知识发现能力。 商务智能的功能可以归纳成以下几点：数据管理方面：数据的获取、选 择、转换、集成能力；从原有数据中发现新知识的能力；大量数据高效存储与 维护能力。数据分析方面：具备o l a p 、o l t p 、e g a c y 等多种数据分析能力、 终端信息查询和报告生成能力；数据可视化功能。决策支持方面：数据对比 分析与趋势预测能力。企业优化方面：辅助企业建模。 由于商务智能同时具备数据分析系统和决策支持系统的功能，因此像传统 的d s s 、i s 一样，被广泛应用在与企业运营过程相关的各个领域，并且在很多 领域己经形成其特有体系。目前具有代表性的应用领域包括：企业资源规划 ( e r p ) 客户关系管理( c r m ) ；企业性能管理( b p m ) ；人力资源管理( h r m ) ； 供应链管理( s c m ) ；电子商务( e b u s i n e s s ) 。 2 1 3 商务智能的工作过程 从业务的观点来看，商务智能的工作过程可以这样来描述，如图2 1 所示： 事务处理环境b i 工具 图2 1 商务智能工作过程图 数据集成工具从不同的数据源收集有用的原始数据，对其进行清理、转换 后存入数据仓库，这时数据变为信息。商务智能工具从数据仓库中提取本次处 理所需的信息加以分析，得到辅助决策的知识，然后将这些知识呈现于用户面 前，促使其做出商务决策。商务决策中总结出的商务规则又被加入商务智能工 具中，为解决同类问题提供依据，优化分析过程；同时，这些商务规则也很可 能对日常事务的处理具有指导意义。商务智能的工作过程到此还不算结束，还 有一个重要的环节，就是反馈。决策者正确执行所做出的商业决策后，将执行 结果和意见反馈给数据集成和b 1 分析环节，以便修正其中的缺陷，完善商务智 能工作过程。 2 1 4 商务智能的体系缺陷 与传统的决策支持系统相比，商务智能无论在理论方法j 还是在体系结构 方面都取得了突破性的进展，让计算机技术和先进的企业管理理论能够有机融 合起来，使得b i 系统具有强大功能和广泛的应用范围。但是，由于商务智能正 处于由起步阶段向发展阶段的转变时期，所以还存在一些缺陷”，有待进一步 改进： ( 1 ) 在辅助决策方面，虽然商务智能的目标与决策支持系统一样，是为了 提高企业决策的效率和准确性，但商务智能的决策支持功能主要是通过所提供 的数据分析、趋势预测功能体现出来的，不像专门的决策支持系统那样提供方 案生成、方案协调、方案评估等功能，更不具备群体决策和智能决策的能力。 当商务智能的用户需要决策支持服务时，用户自己必须根据各种数据分析结果， 运用现有的企业知识和经验进行判断、做出决定。与决策支持系统相比，商务 智能的决策支持功能比较弱。 ( 2 ) 在系统智能性方面，尽管商务智能系统可以利用数据挖掘技术从数据 库中发现新知识，用它来增加用户对企业信息的理解。扩充现有的企业知识， 以帮助企业决策人员做出正确决策、及时把握机遇，但现有的商务智能系统在 知识发现方面的能力尚不能满足用户要求。此外，由于目前大多数商务智能系 统功能集中在分析方面，对系统的智能性不够重视，很少有开发商在系统中配 备推理工具，导致商务智能系统中虽然有知识，却没有充分发挥知识的作用。 ( 3 ) 系统工具方面，目前的商务智能系统在理论是一种可以为企业内外部 所有用户提供查询、分析、决策支持服务的系统。可提供的工具以数据查询、 报告、o l a p 、o l t p 、数据可视化等分析工具为主，功能比较集中。用户更高 的要求尚不能满足，例如目前大多数商务智能系统无法提供w h a ti f 分析、智 能决策和企业优化工具。 2 2 商务智能决策支持系统 2 2 1 决策支持系统的发展 7 0 年代中期k e e n 和s c o tm o r t o n 首次提出了“决策支持系统( d e c i s i o n s u p p o r ts y s t e m ，d s s ) ”一词，标志着利用计算机与信息支持决策的研究与应 用进入了一个新的阶段。一般认为d s s 是一个基于计算机的信息系统，以交互 方式将数据和模型结合起来，支持决策者解决半结构化和非结构化决策问题的 系统。随着决策理论、计算机技术、人工智能、信息技术的发展。8 0 年代d s s 增加了知识库和方法库构成了三库或四库系统。其中知识库系统是有关规则、 因果关系及经验等知识的获取、解释、表示、推理与维护的系统，方法库是以 程序方式来管理与维护各种决策常用的方法和算法的系统。近年来，由于信息 技术高度发展，特别是计算机网络技术与d s s 结合构成了新型的能供异地决策 者共同参与决策的系统平台。同时，几乎与d s s 同时发展起来的专家系统( e s ) 在知识库系统知识的获取方面有很大的发展。于是充分利用e s 的定性分析与 d s s 的定量分析的特点，形成了智能决策支持系统( i d s s ) ，提高了d s s 支持非 结构化决策问题的能力。 9 0 年代后期，出现了决策支持工具的新进展一一联机分析处理o l a p 和数 据挖掘( d a t am i n i n g ，d m ) 。o l a p 是一种验证工具，d m 是一种从大量数据中 发现数据模式，预测趋势和行为的技术。它是从大型数据库中提出隐藏的、预 测性的信息，挖掘数据间潜在的模式，发现经营者可能忽视的信息，并为企业 做出前瞻性的、基于知识的决策，使决策支持系统发展成综合决策支持系统 ( s y n t h e t i cd e c i s i o ns u p p o r ts y s t e m ，s d s s ) 。9 0 年代末期，d s s 引入了e r p ， c r m ，s c m 等先进的管理思想而形成了商务智能( b u s i n e s si n t e l l i g e n c e ，b i ) 。 决策支持系统的发展可以简单地用图2 2 来表示。 图2 2 决策支持系统发展状况图 但是，日前商务智能( b i ) 的发展过分注重加强系统的数据分析功能，而削 弱了它的决策能力和智能化能力。 2 2 2 商务智能决策支持系统 商务智能决策支持系统( b u s i n e s si n t e l l i g e n c ed e c i s i o ns u p p o r ts y s t e m ， b i d s s ) 是一个以提高企业营运性能为目标，以现代企业管理理沦为指导，以先 进的信息处理技术为手段的人机交互的、动态、异构和开放的综合管理系统。 它利用人工智能( a i ) 、决策支持系统( d s s ) 、数据挖掘( d m ) 、知识发现( k d d ) 、 联机分析处理( o l a p ) 、数据仓库( d w ) 和w e b 等技术，实现商业管理的集 成化、智能化、网络化和协调化，实现商流、信息流、物流、资金流的一体化， 从而对企业的业务流程进行重组，对企业的资源进行优化配置，提高企业的管 理水平和工作效率，以客户的需要为中心，为客户提供满意周到的服务”“。 通过及时准确的传递各种有关信息，b i d s s 系统可以帮助企业管理者更快 更好的做出决策。b i d s s 的关键技术有”“： ( 1 ) i d s s 自身相关技术 包括模型库系统的构造，智能模型库的建立，模型的标识和操纵方法的研 究( 包括模型的自动选择和生成、模型的分解和复合、模型的休整和应用以及 公共资源的回收和重用) ：知识库的构造，知识的获取、表示和知识处理系统的 研究：i d s s 的子系统之| 日j 接口技术的研究；人机界面的研究等等。 ( 2 ) 数据仓库 数据仓库中存放的是信息数据，信息数据是对管理决策分析人员有用的操 作型数据。b i d s s 的数据仓库用来帮助企业集成、清理、转换、存储和组织有 关产品、客户、供应商、分销商的各种数据。这些数据按照不同的层次可以分 成操作型环境下的数据，全局级的数据仓库、部门级的数据仓库和个人级的数 据仓库。通过数据的层次化御局，可以满足企业内部不同人员的需要。 ( 3 ) 联机分析处理( o l a p ) 联机分析处理可以让用户自行确定用于分析处理的商务数据，将它们从数 据仓库中提取出来，加载到o l a p 的分析工具中，然后自动调用商务量度标准 和规则进行分析。这样，管理者和分析人员可以在短时间内从不同的角度去审 视业务的经营情况，不仅提高了分析决策的准确性，而且提高了分析决策的高 效性。 ( 4 ) 数据挖掘和知识发现 通常，数据仓库中的数据会隐藏着用户想不到的规律和知识，而数据仓库 本身和o l a p 工具有时候并不能发现这些有用的知识。通过数据挖掘和知识发 现技术，可以从大量不确定的、有噪声的、不规则的商业数据中识别出有效的、 新颖的、潜在有用的，以及最终可以理解的商业模式。这些商业模式中往往存 在着对企业非常有用的商业价值，蕴涵着无限商机。通过这些商业模式的发现， 企业可以改善自身的经营理念和经营方式，关注客户的需要，实现供应链的一 体化管理。 ( 5 ) 广义计算 广义计算是将符号智能与计算智能( 包括神经激素、模糊计算和演化计算 等) 相结合的新型智能计算体系，具有许多特别的性质。例如，广义计算的框 架既是符号的，又是数值的，而且是多维的，可以实现半自动和全自动的知识 获取。广义计算可以有效地表示各种知识：包括结构知识和非结构知识，精确 知识和