基于ERP的智能决策模型设计

基于ERP的智能决策模型设计
作者：占铭
来源：《科技创业月刊》 2016年第24期
占铭
（中冶南方（武汉）信息技术工程有限公司湖北武汉４３０２２３）
摘要：简要介绍ＥＲＰ及ＢＩ，论述ＥＲＰ与ＢＩ整合的可行性，结合方法库、知识管
理和专家系统等，构造基于ＥＲＰ的企业智能决策模型与简要阐述模型各功能层的构造及功能。

该模型对企业信息化平台中的数据进行查询与分析外，利用人工智能对数据进行挖掘和预测，
能提供决策分析报告给企业管理者作为管理决策的依据。

关键词：ＥＲＰ；ＢＩ；数据仓库；决策支持
中图分类号：TP311.13
文献标识码：Ａ
ｄｏｉ：１０．３９６９/ｊ．ｉｓｓｎ．１６６５－２２７２．２０１6．24．０46 收稿日期：２０１6－10－09
目前，大量企业开始或正在实施ＥＲＰ与ＢＩ等信息化系统，这使企业的经营和管理更加
规范，内部协作更加广泛和密切，实现企业经营活动中数据的存储和查询。

但各系统的数据存
储方式和查询方法不尽相同，使得企业的管理者缺乏统一的平台来查询和分析数据并获取有价
值的信息。

如何从各系统中提炼并分析数据，协助管理者对企业进行量化管理。

１ＥＲＰ及ＢＩ简要分析
１．１ＥＲＰ系统
ＥＲＰ系统（ＥｎｔｅｒｐｒｉｓｅＲｅｓｏｕｒｃｅＰｌａｎｎｉｎｇ，企业资源计划）一般包含财务管理、供应链管理、生产管理和人力资源管理等几大模块，具有如下特点：
①实现企业如人员、供应商、客户、物料、设备等主数据的管理，使企业能在统一的数据标准
下对资源进行整合和调配；②能重点管理和监控企业的业务和工作流程，实现各部门信息共享，强调业务流程的持续改进和优化；③强调财务业务的一体化，有效的管理和整合了企业的资金、物流与信息的三流；④能有效协调供应商、制造商与分销商三者之间的关系，更高效的运作企
业内部。

ＥＲＰ系统加强了企业的流程管理和业务控制，但仍然存在不足：①中各模块中数据利用
程度不高，管理层所需信息需从ＥＲＰ系统中提取并进行深层次分析和挖掘才能采用；②缺乏
灵活性且开发工作量大，管理者所需多维度集成数据，大多需要由开发人员编写程序将数据集
成起来，甚至会消耗大量的硬件资源，造成系统性能低下；③数据查询和分析功能格式固定且
单一，无法满足不同用户的个性化需求；④ＥＲＰ和其它系统中的数据存储在各自平台中，且
各自的管理粒度和统计纬度不同，统一查询困难，难以给管理者提供可靠的决策依据。

１．２ＢＩ系统
ＢＩ（ＢｕｓｉｎｅｓｓＩｎｔｅｌｌｉｇｅｎｃｅ，商业智能）是对各系统中的数据进行抽取、转换和装载，统一数据的度量和粒度，保证数据的唯一性和准确性，将数据合并到统
一的数据仓库中，实现数据的统一平台管理，主要功能包括数据分析功能、统一的决策支持平台、数据展示方式多样、灵活的归集和定义方式。

ＢＩ与ＥＲＰ不同特点：ＢＩ系统能提供整体解决方案、能对信息进行分类、强大的报表功能。

２ＥＲＰ与ＢＩ整合的可行性
将ＥＲＰ与ＢＩ相整合，企业除拥有一套完善、严格的业务管理流程，还可集中对数据进
行提取和分析，提炼出有用信息，协助管理者做出正确的决策。

ＥＲＰ与ＢＩ整合的可行性如下。

（１）ＥＲＰ有庞大的业务数据，为ＢＩ分析提供可靠数据。

ＢＩ可从不同的数据源中提
取和处理数据，将数据转换为信息，辅助管理者进行有效管理决策，进而形成ＰＤＣＡ闭环系统，促使企业不断完善管理。

（２）ＢＩ用数据仓库进行数据存储，提高了数据分析和查询效率，也减轻了ＥＲＰ等系
统的网络数据传输负荷，有效的提升了ＥＲＰ等系统的性能，避免影响业务系统的正常运转。

（３）信息技术的发展为ＥＲＰ与ＢＩ的整合提供了技术支持。

数据仓库可存储ＥＲＰ等
系统中的大量历史和实时数据，提升数据的完整性和可靠性；数据挖掘和联机分析处理等技术，能够挖掘和分析数据间内在联系，预测未来的趋势，发现可能存在的管理问题，帮助企业决策
者做出正确的决策。

３基于ＥＲＰ的智能决策模型
基于ＥＲＰ的智能决策模型如图１所示，底层包含企业常用的ＥＲＰ、ＯＡ、ＨＲ、Ｐ６
等业务系统，通过统一的ＥＴＬ工具，对数据进行抽取、转换和装载，存储在数据仓库中，利
用常用的分析模型和方法，借鉴知识库和专家系统中的知识，对数据进行挖掘和分析，最终以
报表、随机查询、多维分析和决策报告等形式展现给最终用户。

该模型主要分为以下几个功能层：数据整合层、存储服务层、应用分析层和信息展现层。

３．１数据整合层
数据整合层是构建操作性数据存储区的过程。

它对于文本式的数据，先在整合层汇聚后，
再进行后续的处理工作。

数据整合层能快速接收数据采集过程中的大量数据，能统一采集不同
系统、多数据源的数据，保证了数据采集的可靠性和唯一性。

数据整合之后的数据处理过程在
同一个平台和局域网内，增强了数据处理的稳定性和统一性，降低了技术复杂性，避免了因网
络不良等原因造成数据采集故障。

数据整合层避免了直接对数据源进行操作处理，仅保存需要
加载的数据，降低了对ＥＲＰ等系统数据源的影响。

当数据仓库中的数据转换出错或失败时，
可以直接从数据整合层中再次抽取和转换，降低了ＥＲＰ等系统的负载。

３．２存储服务层
经过数据整合层处理完的数据，通常以星型模型的模式，按分析主题的要求，对应到事实
表和维表，最终存储在数据仓库中。

一般数据仓库的结构组成包括当前基本数据，历史基本数据，轻度综合数据，高度综合数据，元数据。

元数据主要包括：数据源的位置信息（ＤＢ和ＦＴＰ连接），数据源和数据仓库表的结构
和属性，从业务系统到数据仓库的映射，映射中所加载的转换规则，数据仓库中目标的位置信
息，ＥＴＬ的执行流程和调度信息，加载策略及日志记录信息，提供的外围数据接口信息。

借助元数据可以及时发现系统的局部变化，定位需要调整的ＥＴＬ程序，从而提高系统的可维护性。

采用元数据跟用户确认新的需求，方便项目组成员间的沟通，促进与最终用户间的知识转移。

３．３应用分析层
应用分析层包括模型库、方法库、知识库和专家系统。

数据仓库模型设计结构的实现有星型模型、雪花模型和混合模型，星型模型可以减少数据量，数据之间的关联关系也更加简洁，星型模型包括事实表和维表（见图2）。

星型结构可以缩短数据仓库的响应时间，增强数据检索性能。

事实表是星型模型结构的核心，其中包含了描述事实的值和与纬度表关联的外键，以及事实表本身的主键。

维表中的数据主要用来补充描述事实表中的数据属性，用来存储各分析纬度的基础数据。

方法库主要由构成各种数学模型的算法程序组成，为求解模型提供算法，是模型应用的后援系统。

方法库中设置了基本数学方法、统计方法、预测方法、计划方法和优化方法等常用方
法，是决策支持系统中的一部分。

知识库管理系统和专家系统为模型提供智能支持，其中存储了大量相关领域的专业知识和案例。

３．４信息展现层
信息展现层主要依照用户的决策需求，将应用分析层的分析结果，以各种展现形式将信息传递给最终用户。

以供应商绩效考核为例，如图３所示，供应商绩效仪表盘提供关于当前供应商、供应商绩效和供应商应付账款的全面概览。

针对供应商绩效的分析，能帮助公司采用行动更好的供应商，来提高采购效率和降低费用。

针对供应商应付账款的分析，能帮助业务更好的管理高绩效的供应商，保证及时付款。

随着企业不断加快信息化建设的步伐，ＥＲＰ将不断改进完善，若要弥补ＥＲＰ在分析、决策功能上的不足，就必须要使其与ＢＩ整合应用，结合ＢＩ的数据分析和挖掘能力，并引进方法库、知识库和专家系统等，促进ＢＩ分析的智能化，扩展ＥＲＰ的功能范围，弥补现有ＥＲＰ的不足，从而帮助企业对运营活动进行决策分析，改善企业的运作流程，给企业带来更大的惊喜。

参考文献
１董慧梅．ＥＲＰ与ＢＩ的整合［Ｊ］．企业经营与管理，２０１０（６）
２林志宏．基于ＥＲＰ的ＤＷ研究与实现［Ｄ］．厦门：厦门大学，２００８
３吴清烈，蒋尚华．预测与决策分析［Ｍ］．南京：东南大学出版社，２００４
（责任编辑何丽）。