第三篇-商务智能在企业中的应用

商务智能在企业中的应用

摘要

随着各种信息化建设的不断发展，海量数据的处理以及如何实现从数据到信息、从信息到知识、从知识到利润的转化，成为当前企业面临的巨大的课题，因此商务智能系统正应运而生。本论文主要就商务智能的内涵、产生必然性、相关应用等进行阐述，并且着重分析了在现阶段商务智能在我国的现状，同时提出了符合我国国情的建议。

关键词：商务智能；企业应用；制度完善

1商务智能发展历程

商务智能起源于赫伯特·西蒙对决策支持系统的研究。在半个多世纪的漫长过程中，决策支持系统曾经一度因为缺乏有效的数据组织方式而徘徊不前。直到上世纪90年代，若干新技术的出现，打破瓶颈，“商务智能”才浮出水面。随后，其取得了前所未有的发展，并在本世纪第一个十年蓬勃成长。回顾这些新技术的出现，可以清楚的看到商务智能的产业链条不断向前延伸的轨迹。

1970年，IBM的研究员埃德加·科德发明了关系型数据库，使大型信息系统的应用遍地开花。但这些信息系统，都是针对特定的业务过程、处理离散事务的“运营式”信息系统。数据在其中仅仅限于查询，而不是分析。管理大师彼得·德鲁克曾发出感叹：迄今为止，我们的信息技术产生还仅仅是数据，而不是信息、更不是知识！

如何实现从数据到信息、从信息到知识、从知识到利润的转化？这个要求，在西方发达国家先后进入了后工业社会之后，变得更加迫切。1988年，IBM公司的研究员Barry Devlin和Paul Murphy创造性的提出了一个新的术语：数据仓库。它可以形象的理解为一种语义格式一致的多源数据存储中心，并且数据源可以是来自多种不同平台的系统。

1.1数据仓库

数据仓库是商务智能的依托，是对海量数据进行分析的核心物理构架。

商务智能的下一个产业链：联机分析，如水到渠成般迅速形成，其将分立的数据库“相联”，通过建立一个复杂的、中介性的“数据综合引擎”，把分布在不同系统的数据库联结起来，实现了多维分析。并且因为有了数据仓库，多维分析的实现已经不再需要不同数据库之间的人为“联机”。

随着数据仓库、联机分析技术的发展和成熟，商务智能的框架基本形成。但数据挖掘这个新技术的出现，才使商务智能真正有了“智能”内涵。数据挖掘指通过分析大量的数据来揭示数据之间隐藏的关系、模式和趋势，从而为决策者提电子邮件、电子数据交换、电子支付系统、电子营销等技术的发展和应用为商务智能系统提供了市场和生存环境。

1.2新企业观念的建立。

在企业界，数据资产的观念正在进入企业的资源规划系统中，而把数据转换为资产的方法和技术也正在成为企业关注的热点。因为目前大部分大中规模的企业都是信息丰富的组织，而一个信息丰富的组织的绩效不仅仅依赖于产品、服务或地点等因素，而更重要的是依赖知识。而从数据—信息—知识是一个并不简单的过程。商务智能的本质正是把数据转化为知识，致力于知识发现和挖掘，使企业的数据资产能带来明显的经济效益，减少不确定性因素的影响，使企业取得新的竞争优势。

1.3传统分析工具的整合能力有限。

为解决企业信息化建设留下的“信息孤岛”问题，客户化的查询、报告功能、标准的电子表格、关系数据库和图形应用被越来越多地运用于分析目的。然而，这些解决方案大都是由技术部门设计和修改的，往往很难理解用户的特殊需求，不能给最终用户，特别是给那些非技术的商业用户提供一个经过整合的，功能强大的分析工具。所以，传统系统不能满足商务层面的分析需要。

1.4信息技术的推动。

计算机、网络技术、数据库技术的发展使得分销商、供应商、商业伙伴、零售商和生产者之间的数据访问和共享成为可能，现代信息技术的发展与应用，为企业实施商务智能提供了坚强的技术后盾，从客观上支持了商务智能的发展。

综上所述，商务智能的兴起并非偶然，是企业对社会环境变化的反应、技术进步的拉动以及经营理念发展的结果。面对激烈的竞争，只有掌握并保持核心竞争力的企业才能生存和发展，而现代信息技术的飞速发展使得商务智能提供了坚实的基础，新的经营理念则为企业实施商务智能提供了理论和方法论上的支持。

2商务智能的概述

2.1商务智能的含义

商务智能，又称商业智能，英文为Business Intelligence，简写为BI，是20世纪末在国外企业界出现的一个术语。其概念最早由加特纳集团（Gartner Group）提出，他们将商业智能定义为：一系列以数据为支持、辅助商业决策的技术和方法。

到目前为止，学术界对商业智能的定义并不统一，有人称商务智能就是决策支持系统（Decision Support System-DSS）；有的认为是数据仓库（Data Warehouse-DW）；有的认为其属于数据挖掘（Data Mining-DM）；还有些人认为是指从数据库中发现知识（Knowledge Discovery in Data Base-KDD）。

IBM认为商务智能是指利用已有的数据资源做出更好的商业决策。运用相关的信息技术来处理和分析商业数据，并提供针对不同行业特点或特定应用领域的解决方案来协助用户解决在商务活动中所遇到的复杂问题，从而帮助企业决策者面对商业环境的快速变化做出敏捷的反应和更好、更合理的商业决策的系统。其主要目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性，它可以从根本上帮助企业管理者和决策者把公司的运营数据转化为高质量的可以获取的信息或知识，并且在适当的时候通过适当的方式把恰当的信

息传递给恰当的人。 2.2商务智能的主要技术商务智能工具的作用就是要把数据变成知识，把潜在的知识变成可以为工作所用的知识，帮助我们在业务管理和发展上及时做出正确的判断，采取明智的行动。如何将数据有效的转化为信息、知识和智慧，是BI的核心问题，它涉及4项主要的技术：数据仓库（Data Warehousing，DW）技术、联机分析处理（Online Analytical Processing，OLAP）技术、数据挖掘（Data Mining，DM）技术和数据可视化（DataVisualization，DV）技术。

2.2.1数据仓库

数据仓库是商务智能的基础和核心，是一个用以更好地支持企业或组织的决策分析处理的数据集合，它有着面向主题、集成、相对稳定、随时间不断变化四个特性，其关键技术包括数据的抽取、清洗、转换、加载和维护。数据仓库完成了数据的收集、集成、存储、管理等工作，为商务智能撷取或载入大量原始信息，归并各种数据源的数据，用于支持企业管理和商业决策。商务智能要充分发挥潜力，就必须和数据仓库的发展结合起来。

2.2.2联机分析处理(OLAP)

OLAP是以海量数据为基础的复杂分析技术，属于数据仓库应用。它支持各级管理决策人员针对某个特定的主题从不同的角度、快速灵活地对数据仓库中的数据进行复杂查询和多维分析处理，并且以直观易懂的形式将查询和分析结果展现给决策人员，具有快速性、可分析性、多维性、信息性等特点。包括多维在线分析处理、关系型在线分析处理和混合在线分析处理。这个过程一般包括三种可供选择的方案：预先计算、即时计算和存储、随时计算。该技术可用于多个领域，例如市场利润分析、后勤分析、经济预算和预测、税收计划、成本、会计等。

2.2.3数据挖掘(DM)

DM是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。其价值在