商业智能的概念-202208212000321

1、商业智能的概念商业业智能是什么?简而言之,它是能够挂念用户对自身业务经营做出正确明智打算的工具。一 般现代化的业务操作,通常都会产生大量的数据,如订单、库存、交易帐目、通话记录、及客户资料等。如何利用这些数据增进对业务状况的了解,挂念我们在业务管理及进展上作出准时、正确的推断,也就是说,怎样从业务数据中提取有用的信息,然后依据这些信息来接受明智的行动-这 就是商业智能的课题。目前，商业智能产品及解决方案大致可分为数据仓库产品、数据抽取产品、OLAP 产品、呈现产品、和集成以上几种产品的针对某个应用的整体解决方案等。商业智能领域的技术应用：商业智能的技术体系主要有数据仓库（DW）、在线分析处理（

2、OLAP）以及数据挖掘（DM）三部分组成。数据仓库是商业智能的基础,很多基本报表可以由此生成,但它更大的用处是作为进一步分 析的数据源。所谓数据仓库（DW）就是面对主题的、集成的、稳定的、不同时间的数据集合， 用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供应 它们所需要的、整齐全都的数据。在线分析处理（OLAP）技术则挂念分析人员、管理人员从多种角度把从原始数据中转化 出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、全都、交互地访问，从而获得对数据的更深化了解的一类软件技术。数据挖掘（DM）是一种决策支持过程，它主要基于 AI、机器学习、

3、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，猜测客户的行为， 挂念企业的决策者调整市场策略，削减风险，做出正确的决策。商业智能常见名词浅释Data Warehouse本世纪 80 年月中期，数据仓库之父William H.Inmon 先生在其建立数据仓库一书中定义了数据仓库的概念，随后又给出了更为精确的定义：数据仓库是在企业管理和决策中面对主题的、集成的、与时间相关的、不行修改的数据集合。与其他数据库应用不同的是，数据仓库更像一种过程，对分布在企业内部各处的业务数据的整合、加工和分析的过程。而不是一种可以购买的产品。Data mart数据集市，或者叫做

4、小数据仓库。假如说数据仓库是建立在企业级的数据模型之上的话。那 么数据集市就是企业级数据仓库的一个子集，他主要面对部门级业务，并且只是面对某个特定的主题。数据集市可以在肯定程度上缓解访问数据仓库的瓶颈。OLAP联机分析处理(OLAP)的概念最早是由关系数据库之父 E.F.Codd 于 1993 年提出的。当时，Codd 认为联机事务处理(OLTP)已不能满足终端用户对数据库查询分析的需要，SQL 对大数据库进行的简洁查询也不能满足用户分析的需求。用户的决策分析需要对关系数据库进行大量计算才能得到结果，而查询的结果并不能满足决策者提出的需求。因此 Codd 提出了多维数据库和多维分析的概念，即

5、OLAP。Codd 提出 OLAP 的 12 条准则来描述 OLAP 系统：准则 1 OLAP 模型必需供应多维概念视图准则 2 透亮性准则准则 3 存取力量推想准则 4 稳定的报表力量准则 5 客户/服务器体系结构准则 6 维的等同性准则准则 7 动态的稀疏矩阵处理准则准则 8 多用户支持力量准则准则 9 非受限的跨维操作准则 10 直观的数据操纵准则 11 机敏的报表生成准则 12 不受限的维与聚集层次ROLAP基于 Codd 的 12 条准则，各个软件开发厂家见仁见智，其中一个流派，认为可以沿用关系型数据库来存储多维数据，于是，基于稀疏矩阵表示方法的星型结构（star schema）就消

6、灭了。后来又演化出雪花结构。为了与多维数据库相区分，则把基于关系型数据库的OLAP 称为Relational OLAP，简称 ROLAP。代表产品有 Informix Metacube、Microsoft SQL Server OLAP Services。MOLAPArbor Software 严格遵照 Codd 的定义，自行建立了多维数据库，来存放联机分析系统数据，开创了多维数据存储的先河， 后来的很多家公司纷纷接受多维数据存储。被人们称为Muiltdimension OLAP，简称 MOLAP，代表产品有 Hyperion(原 Arbor Software) Essbase、Showcas

7、e Strategy 等。Client OLAP相对于 Server OLAP 而言。部分分析工具厂家建议把部分数据下载到本地，为用户供应本地的多维分析。代表产品有 Brio Designer，Business Object。DSS决策支持系统（Decision Support System），相当于基于数据仓库的应用。决策支持就是在收集全部有关数据和信息，经过加工整理，来为企业决策管理层供应信息，为决策者的决策供应依据。ETL数据抽取（Extract）、转换（Transform）、清洗（Cleansing）、装载（Load）的过程。构建数据仓库的重要一环，用户从数据源抽取出所需的数据，经过数

8、据清洗，最终依据预先定义好的数据仓库模型，将数据加载到数据仓库中去。Ad hoc query即席查询，数据库应用最普遍的一种查询，利用数据仓库技术，可以让用户随时可以面对数据库，猎取所期望的数据。EIS主管信息系统（Executive Information System），指为了满足无法专注于计算机技术的领导人员的信息查询需求，而特意制定的以简洁的图形界面访问数据仓库的一种应用。BPR业务流程重整（Business Process Reengineering），指利用数据仓库技术，发觉并订正企业业务流程中的弊端的一项工作，数据仓库的重要作用之一。BI商业智能（Business Intelli

9、gence），指数据仓库相关技术与应用的通称。指利用各种智能技术，来提升企业的商业竞争力。Data Mining数据挖掘，Data Mining 是一种决策支持过程，它主要基于 AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，猜测客户的行为，挂念企业的决策者调整市场策略，削减风险，做出正确的决策CRM客户关系管理（Customer Relationship Management），数据仓库是以数据库技术为基础但又与传统的数据库应用有着本质区分的新技术，CRM 就是基于数据仓库技术的一种新应用。但是，从商业运作的角度来讲，CRM 其实应当算是

10、一个古老的应用了。比如，酒店对客人信息的管理， 假如某个客人是某酒店的老主顾，那么该酒店很自然地会知道这位客人的某些习惯和喜好，如 是否宠爱靠路边，是否吸烟，是否宠爱大床，宠爱什么样的早餐，等等。当客人再次光临时， 不用客人自己提出来，酒店就会供应客人所宠爱的房间和服务。这就是一种CRM。Meta Data元数据，关于数据仓库的数据，指在数据仓库建设过程中所产生的有关数据源定义，目标定义， 转换规章等相关的关键数据。同时元数据还包含关于数据含义的商业信息，全部这些信息都应 当妥当保存，并很好地管理。为数据仓库的进展和使用供应便利。正确理解商业智能商业智能（BI）是目前在国外企业界和软件开发界受

11、到广泛关注的一个争辩方向。可以用两点来总结这种争辩热点消灭的缘由：一、信息技术的高速进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猎取需要的信息，而且，促进企业对信息的再利用， 以此营造企业的竞争优势；二、IT 界很多以供应软件平台和工具平台的大公司通过多年与企业的沟通，已经生疏到企业对商业智能的迫切需求，纷纷加入到从事商业智能的争辩与开发上来。IBM 建立了特地从事 BI 方案设计的争辩中心，ORACLE、微软等公司纷纷推出了支持BI 开发和应用的软件系统，有的直接进入了 BI 的开发领域。由于 BI 尚处于从起步阶段到进展阶段的转变时期，很多人对BI 的理解存在肯定

12、的偏差。很多人认为 BI 仅仅是一个进行数据分析的软件包，一些较为悲观的人认为BI 是存在于抱负家头脑中的、企业永久不行能达到的境界。本文首先系统地诠释了 BI 的概念，从多个方面总结了 BI 具有的功能，接着分析了 BI 的争辩内容和进展趋势。为了让读者更加清楚地把 BI 与 MIS 系统区分开来，本文争辩了 BI 与 DSS（决策支持系统）、EIS（经理执行系统）的主要区分。最终， 本文分析了制约 BI 健康进展的若干因素。商业智能概述商业智能不是一个新名词。多年来，企业始终在查找对商业智能的理解和实现的方式，以增加 企业的竞争力。早在80 年月，当时“商业智能”的标准是能简洁地获得想要的

13、数据和信息。90 年月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 BI 的理解。早在 90 年月初，Garter Group 的 Howard Dresner 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，消灭了数据仓库、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。目前，存在将 商业智能与数据仓库和基于数据仓库的分析方法等同起来的生疏趋势。其实，商业智能代表为提高企业运营性能而接受的

14、一系列方法、技术和软件的总和。商业智能， 是挂念企业提高决策力量和运营力量的概念、方法、过程以及软件的集合。对该定义的正确解 释，从四个层面开放：信息系统层面：称为商业智能系统（BI System）的物理基础。表现为具有强大决策分析功能的单独的软件工具和面对特定应用领域的信息系统平台，如SCM、CRM、ERP。与事务型的MIS 不同，商业智能系统能供应分析、趋势猜测等决策分析功能。数据分析层面：是一系列算法、工具或模型。首先猎取与所关怀主题有关的高质量的数据或信息，然后自动或人工参与使用具有分析功能的算法、工具或模型，挂念人们分析信息、得出结论、形成假设、验证假设。学问发觉层面：与数据分析层面

15、一样，是一系列算法、工具或模型。将数据转变成信息，而后通过发觉，将信息转变成学问；或者直接将信息转变成学问。战略层面：将信息或学问应用在提高决策力量和运营力量上；企业建模等。商业智能的战略层面是利用多个数据源的信息以及应用阅历和假设来提高企业决策力量的一组概念、方法和过程的集合。它通过对数据的猎取、管理和分析，为贯穿企业组织的各种人员供应信息，以提高企业战略决策和战术决策力量。总之，商业智能的目标是将企业所把握的信息转换成竞争优势，提高企业决策力量、决策效率、决策精确性。为完成这一目标，商业智能必需具有实现数据分析到学问发觉的算法、模型和过程，决策的主题具有广泛的普遍性。这个特点是本文定义商业

16、智能时应特殊强调的。基于以上定义的商业智能应具有以下功能：数据管理功能：从多个数据源 ETL（抽取、转换、转贮）数据、清洗数据、数据集成力量；大量数据高效存储与维护力量。数据分析功能具备 OLAP，Legacy 等多种数据分析功能；终端信息查询和报表生成力量；数据可视化力量学问发觉功能从大型数据库中的数据中提取人们感爱好的学问的力量。这些学问是隐含的、事先未知的、潜在有用的信息，提取的学问表示为概念（ concepts），规章（rules），规律（regulations），模式（patterns）等形式。企业优化功能帮助企业建模的力量。BI 争辩内容、进展趋势商业智能为更好地制订战略和决策供应

17、良好的环境，为特定的应用系统（如客户关系管理 CRM、供应链管理 SCM、企业资源方案 ERP）供应数据环境和决策分析支持。当面对特定应用的特定战略和决策问题，商业智能从数据预备做起，建立或虚拟一个集成的数据环境。在集成的数据 环境之上，利用科学的决策分析工具，通过数据分析、学问发觉等过程，为战略制订和决策提 供支持。最终，是如何解释和执行分析和发觉结果的问题。整个过程中，集成的数据环境和决 策分析工具是格外重要和不要缺少的。使用数据仓库和数据集市建筑集成的数据环境是渐渐走向成熟、也是目前最抱负的做法。数据 仓库供应数据存贮环境，而且是面对特定主题的决策支持环境。来自各种数据源中的数据经过 清

18、洗、ETL（抽取，转换，上载），按某一主题存贮。数据集市是面对特定主题的小型数据仓库， 解决了企业级数据仓库要存储大量数据而带来的建设周期长、造价高、可扩展性差等缺陷。OLAP 是基于数据仓库环境的数据分析工具。用户首先提出自己的假设，然后利用OLAP 工具检索查询以验证或否定假设，是用户制动式的分析方式。OLAP 解决了基于 OLTP 分析效率低、不能进行多维分析的缺点。相比较而言，学问发觉（大多数人也称数据挖掘）是较难理解的， 它利用学问发觉工具挖掘事先未知的、潜在有用的学问的过程，是一种主动式自动发觉方法。 图 2 是文章总结的商业智能系统框架。争辩内容商业智能是利用当今计算机前沿技术作

19、支撑、运用现代管理技术进行指导的应用系统，它的争辩热点集中在三个方面：支撑技术的争辩、体系结构的争辩、应用系统的争辩。支撑技术的争辩商业智能作为一个在 90 年月末期消灭的跨学科新兴领域，必需借鉴两方面的先进成果，一是计算机技术的前沿技术，一是企业管理方面的新理论、新观点。企业管理方面的新理论、新观点为战略制订和决策供应先进的管理模式，挂念企业更好地运营；先进的计算机技术是提高系统性能的有力手段。商业智能的支撑技术包括以下几项：一是计算机技术，包括：数据仓库、数据集市技术；数据挖掘技术；OLTP、OLAP、Legacy 等分析技术；数据可视化技术；计算机网络与 WEB 技术。二是企业管理，包括

20、：统计、猜测等运筹学方法；客户管理、供应链管理、企业资源方案等管理理论和方法；企业建模方法。支撑技术的争辩主要围绕两部分开放：决策支持工具争辩和企业建模方法争辩。企业建模是为解决如何建立特定企业模式的帮助工具。IDEF 等争辩方法是较程式化的企业建模方法，比较新的建模方法包括基于 UML 的企业建模等方法。数据挖掘算法的争辩是目前计算机界争辩的热点之一，它渐渐成为一个跨越人工智能、数据统计等多学科的争辩领域。决策分析工具的争辩还包括各种分析方法的争辩。体系结构的争辩图 2 描述了一个典型的商业智能体系结构。面对特定应用会有相应改进的体系结构，使商业具有良好的性能，例如：建立如何的数据存贮和数据

21、模型能很好地支持主题和数据分析和学问发觉的需要；选择何种决策分析工具，包括选择实现何种任务、选择实现这种任务的何种工具； 将分析和发觉的信息和学问通过何种接口达到需要的用户等等。应用系统的争辩对应用系统的争辩的重点在于对各个应用领域所面临的决策问题的分析。依据对各类问题的解 决方式和解决方案来打算商业智能系统应当供应的功能以及具体实现方法。目前，商业智能被 广泛应用于与企业运营过程相关的各个领域，并且在很多领域已经形成其特有体系。目前具有代表性的应用领域包括：企业资源方案（ERP）、客户关系管理（CRM）、企业性能管理（BPM）、人力资源管理（HRM）、供应链管理（SCM）、电子商务（E-bu

22、siness）。进展趋势与 DSS、EIS 系统相比，商业智能具有更奇特的进展前景。近些年来，商业智能市场持续增长。IDC 猜测，到 2005 年，BI 市场将达到 118 亿，平均年增长率为 27%（Information Access Tools Market Forecast and Analysis: 2001-2005, IDC#24779, June 2001 ）。随着企业 CRM、ERP、SCM 等应用系统的引入，企业不停留在事务处理过程而留意有效利用企业的数据为精确和更快的决 策供应支持的需求越来越猛烈，由此带动的对商业智能的需求将是巨大的。商业智能的进展趋势可以归纳为以下几点

23、： 功能上具有可配置性、机敏性、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全部用户服务。同时，由于企业用户在职权、需求上的差异，BI 系统供应广泛的、具有针对性的功能。从简洁的数据猎取，到利用WEB 和局域网、广域网进行丰富的交互、决策信息和学问的分析和使用。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，供应客户化的界面针对不同企业的独特的需求，BI 系统在供应核心技术的同时，使系统又具共性化，即在原有方案基础上加入自己的代码和解决方案，增加客户化的接口和扩展特性；可为企业供应基于商业 智能平台的定制的工具，使系统具有更大的机敏性和使用范围。从单独的商业智能向

24、嵌入式商业智能进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、销售等系统中嵌入商业智能组件，使普遍意义上的事务处理系统具有商业智能的特性。考虑 BI 系统的某个组件而不是整个 BI 系统并非一件简洁的事，比如将 OLAP 技术应用到某一个应用系统，一个相对完整的商业智能开发过程，如企业问题分析、方案设计、原型系统开发、系统应用等过程是不行缺少的。从传统功能向增加型功能转变增加型的商业智能功能是相对于早期的用 SQL 工具实现查询的商业智能功能。目前应用中的BI 系统除实现传统的 BI 系统功能之外，大多数已实现了图 2 中数据分析层的功能。而数据挖掘、企业建模是BI 系统应当加强的应用，以更好地提高系统性能。BI 与 DSS、EIS 的比较商业智能作为一种新兴的决策支持体系，与传统的DSS、EIS 相比，在以下方面存在明确的优势。使用对象范围商业智能的使用对象不再像 DSS、EIS 仅仅局限于企业的领导与决策、分析人员，而是扩展到企业组织内外的各类人员，为他们供应决策支持服务，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、合作伙伴等企业外部用户。具有的功能从以上分析看出，商业智能具有传统 DSS、EIS 所不具有的强大的数