现在很多企业都在进行经营管理的电子化、信息化改造，这些可以说是企业走向未来的必要条件。而企业要想在竞争中占据有利地位，获取较大优势，则需要在商业智能技术的开发应用上有自己的特色和优势。
商业智能是能够帮助用户对自身业务经营做出正确决定的工具。一般现代化的业务操作，通常都会产生大量的资料，如订单、库存、交易帐目及客户资料等。如何利用这些资料增进对业务情况的了解，帮助我们在业务管理及发展上做出及时、正确的判断，也就是说，怎样从业务资料中提取有用的信息，然后根据这些信息来采取行动。
商业智能的用户是决策者及专业人员，这方面技术的产生及改进是为了满足他们的需求。原来系统所使用的是按预先定义好的任务编写程序，执行确定的计算机作业;其特点是运行大量的、但相对较小范围的业务处理，这实际上也是当初系统分析、设计的要求。在设计数据库时一定要按E-R关系形成甚少冗余、数量较多但又比较简单的数据库表;这种系统一般总是向其中添入资料。
现在要建立的业务智能化系统——BIS则有着不同的要求;要建立的系统是否能对原来没有提出过的任务或查询做出响应，这些问题可能还要进行探索、分析，对其复杂的结论要有充分的展现,其特点是可能提出的问题并不多，但是涉及的范围却非常广泛。这里的要求是让你利用已有的资料，提供出新的信息。
现在商业智能技术主要包括以下几个方面：资料仓库技术、资料采掘技术、决策支持技术。以下分别论述这几方面的技术概念、实施方法及其在企业资源规划(简称ERP)系统中的应用。
一、资料仓库技术的应用
如何有效地管理公司，对企业在运营过程中产生的大量资料和信息如何处理，一直是信息系统工作人员面临的问题。资料仓库是为适应决策过程的全部工作内容，包括：从任何业务处理系统或资料源中取出决策所需资料;对资料源进行清理和整合;按计划或规则进行资料和信息的组织;最丰富的决策资料分析处理能力;灵活多样的结果展现方式。
1.资料仓库的体系结构
设计模块：用于设计资料仓库数据库。
数据采集模块：用于从源文件和源数据库中获取资料，并进行清洁、传输，将它加到资料仓库数据库中。
管理模块：用于管理资料仓库的运行。
信息目录模块：用于为管理者和企业用户提供有关存储在资料仓库数据库中的资料的内容和含义信息。
数据访问模块：用于为企业的最终用户提供访问和分析资料仓库资料的工具。
中间件模块：用于最终用户工具，提供访问资料仓库数据的方法。
数据传递模块：用于向其它仓库和外部系统中分配资料仓库资料。
2.资料仓库的建立
资料仓库的核心是元资料，即关于资料的资料，它描述了资料仓库的资料和环境。资料仓库的建立过程实质上就是定义元资料和根据元资料丰富资料仓库内容的过程。具体实施步骤如下：调查企业对资料分析的需求，分析企业现有数据库结构和内容。
定义企业的元数据模型，包括输入与输出资料、关系、数据元素等;定义元资料的抽取和转换;建立基于商业事件的抽取调度;建立源于资料和资料仓库间的资料同步过程;从源资料中提取资料，丰富资料仓库的内容。
根据企业ERP系统的实际，资料仓库可以着重应用于以下几个方面：
生产管理：存储生产的各种历史资料，了解不同工艺情况、原料和外部环境条件、生产的能耗和物耗指标等，为企业合理安排生产、降低成本、提高效益服务。
设备管理：存储设备的各种历史资料，记录设备维修测试记录和存在问题，为提高设备使用率、降低设备损耗、合理制定设备维护计划服务。
销售管理：记录企业在不同时期、不同地区销售记录，记录企业的客户资料、信息情况和付款情况，为提高销售额、优化策略服务。
财务管理：记录企业的财务资料，为企业成本分析、资金周转分析服务，有利于降低运营成本、优化财务决策、提高资金周转效率等。
二、资料采掘技术的应用
根据所开采的数据库类型、发现的知识类型、采用的技术类型，资料采掘有不同的分类方法：
1.按数据库类型分类
如果从关系数据库中发现知识，称为关系资料开采;如果从面向对象数据库中发现知识，称为面向对象资料开采;还有事务数据库、演绎数据库、时态数据库、空间数据库、历史数据库、Internet信息库等资料开采。
2.按采掘的知识类型分类
按采掘的知识类型可分为关联规则、特征规则、分类规则、偏差规则、聚集规则、判别式规则及时序规则等，另外，按知识的抽象层次可分为归纳知识、原始级知识、多层次知识。一个灵活的规则采掘系统能在多个层次上发现知识。
3.按利用的技术类型分类
根据开采方法分为自发知识开采、资料驱动开采、查询驱动开采和交互式资料开采。根据开采途径分为归纳的开采、基于模式的开采、基于统计和数学理论的开采及集成开采等。
4.按采掘的深度分类
在较浅的层次上，利用现有数据库管理系统的查询、检查及报表功能，与多维分析、统计分析方法相结合，进行联机分析处理(OLAP)，从而得出可供决策参考的统计分析资料。在深层次上，从数据库中发现前所未知的、隐含的知识。
OLAP的出现早于资料采掘，两者都是从数据中抽取有用信息的方法。就决策支持的需要而言，两者可以起到相辅相成的作用。OLAP可以作为一种广义的资料采掘方法，它旨在简化和支持联机分析，而资料采掘的目的是使这一过程尽可能自动化。
资料采掘是知识发现(KDD)的一个关键步骤，它包括特定的资料采掘算法，具有可接受的计算效率，生成特殊的模式;KDD是利用资料采掘算法，按指定方式抽取有价值的知识，包括资料采掘前对资料的预处理、抽样及转换和资料采掘后对知识的评价解释过程。
三、决策支持技术的应用
决策支持系统可为企业领导的重大经营决策提供有力的支持，提高决策水平，因此，在进行信息系统的建设时，应重视逐步建立和完善各种决策支持系统。决策支持系统是计算机科学、管理科学及运筹学互相渗透不断发展的产物。通过支持与结构问题的解决，改进和提高管理人员的效能，提高决策水平。
决策支持系统主要是以模型库系统为主体，通过定量分析进行辅助决策。其模型库中的模型已经由数学模型扩大到数据处理模型、图形模型等多种形式，可以概括为广义模型。决策支持系统的本质是将多个广义模型有机组合起来，对数据库中的资料进行处理而形成决策问题大模型。决策支持系统的辅助决策能力从运筹学、管理科学的单模型辅助决策发展到多模型综合决策，使辅助决策能力上了一个新台阶。
在企业ERP系统中，资料仓库是商业智能系统的基础，资料采掘是实现商业智能的工具，而为管理人员提供高质量的决策支持则是最终的目的。
1.决策支持的工具
联机分析处理OLAP是资料仓库决策分析的一个重要概念，简单地说，OLAP就是使用户能够快速、交互、方便地获取他们所需资料的一些技术的综合。OLAP的目标是满足决策支持或多维环境的特殊的查询和报告需求，它的技术核心就在“维”这个概念上。因此，OLAP也可以说是一组多维资料分析工具的集合。
决策支持系统(DSS)和资料仓库的目标用户相同，都是面向企业的中高层领导。它们执行的都是决策和趋势分析类的应用，DSS中的一些技术可以很好地集成到资料仓库中，并使资料仓库的分析能力更加强大。这些DSS核心技术在资料仓库中的应用不但会大大提高资料仓库的决策支持能力，同时也使DSS的应用范围更加广泛。
OLAP的查询分析型工具、DSS的分析预测型工具、资料挖掘的挖掘型工具一起构成了决策支持系统的工具层，它们各自的侧重点不同，适用范围和针对的用户也不相同。具备了这三种工具的决策支持系统，才能真正高效地利用企业的历史信息，为企业现在经营管理决策服务。
2.决策支持系统的应用
在上面资料仓库和资料采掘技术的基础上，决策支持系统可以在企业ERP系统以下几个方面使用：
生产管理：为生产过程的计划和调度、库存管理、能耗管理和运输管理提供决策支持。
设备管理：为设备的维修计划和方式提供决策支持。
销售管理：为企业了解市场、分析市场趋势、制定销售策略、销售计划服务。
财务管理：为企业分析财务状况、发现成本分布、制定财务计划、加快资金周转服务。
知识发现：在企业大量历史资料中，存在着许多未被发现或未被表述出来的知识，利用资料挖掘技术，可以提取这些知识，从而为企业制造新的增长点。
总之，针对企业未来ERP系统的建设目标，在进行系统的总体设计和规划时，商业智能是我们必须考虑的，在数据仓库、数据采掘和决策等方面所做的工作最终是企业ERP系统中的核心部分，是企业进行国际竞争的基础，也是企业长远发展的基础。
网友评论