引言

企業資源規劃(ERP)、銷售終端(POS)、市場調查、供應商、客戶、網絡、政府部門等都在不斷地往我們的桌面上添加信息，實際上平均每18個月信息量就翻一番，但是能分析的數據究竟有多少呢?有些項目專家估計目前被利用的數據只有5％—10％，并且我們能分析的數據僅限于數據庫中的數據。那么怎樣才能把大量的數據轉換成可靠的、商用的信息以增加利潤和市場份額，這已成為商業IT界關注的問題。由此，商業智能技術應運而生。

商業智能的概念及出現背景

2.1 商業智能的出現背景

(1)門企業的“數據監獄”(Data Jail)現象。

商務活動從辦公自動化出現的早期開始就在其運作過程中收集大量的數據，包括銷售、成本、質量控制、庫存、客戶服務等各方面息息相關的企業數據，分別存儲于數據庫、數據集市、數據倉庫、多維數據庫、第三方的應用或其它文件中。因此對大部分企業來說數據處理的問題不是數據缺乏，而是大量的數據冗余和數據不一致。龐大的數據量和傳統數據管理方法的缺陷，使大部分企業出現了“數據擁擠”(數據監獄)現象，既不利于企業的管理也不利于信息的有效利用。因此，如何解決數據擁擠，同時又能使這些數據充分地發揮作用這已成為企業商務發展的一個熱點問題。

(2)“數據＝資產”新企業觀念的建立。

在企業界，數據資產的觀念正在進入企業的資源規劃(ERP)系統中，而把數據轉換為資產的方法和技術也正在成為企業投資IT的熱點。因為目前大部分大中規模的企業都是信息豐富的組織，而一個信息豐富的組織的績效不僅僅依賴于產品、服務或地點等因素，而更重要的是依賴知識。而從數據一信息一知識是一個并不簡單的過程。商業智能的本質正是把數據轉化為知識，致力于知識發現和挖掘，使企業的數據資產能帶來明顯的經濟效益，減少不確定性因素的影響，使企業取得新的競爭優勢。

(3)企業運營模式的變化。

電子商務正在改變著全球商務活動的方式，信息在經濟活動中越來越占據著重要的地位。對企業來說信息包括生產、銷售、市場、顧客和競爭對手的信息，信息是企業競爭的戰略性資源。建立在Internet之上的企業經營模式電子商務：電子郵件、電子數據交換、電子支付系統、電子營銷等技術的發展和應用為商業智能系統提供了市場和生存環境。

(4)數據庫和人工智能技術的發展。

商業智能的發展也得益于相關技術的發展，并行處理系統、廉價數據存儲、新數據挖掘算法、神經網絡技術、人工智能技術、決策支持技術、從大量數據中發現其后潛藏的商業機會等等技術的發展，使企業能以更低的成本投資商業智能，并取得更高的盯投資回報率。

2.2 商業智能理念

商業智能這一術語1989年由Gartner Group的Howard Dresner首次提出，它描述了一系列的概念和方法，通過應用基于事實的支持系統來輔助商業決策的制定。商業智能技術提供使企業迅速分析數據的技術和方法，包括收集、管理和分析數據，將這些數據轉化為有用的信息，然后分發到企業各處。

商業智能系統從企業運作的日常數據中開發出結論性的、基于事實的和具有可實施性的信息，使企業能夠更快更容易的做出更好的商業決策。使企業管理者和決策者以一種更清晰的角度看待業務數據，提高企業運轉效率、增加利潤并建立良好的客戶關系，使企業以最短的時間發現商業機會捕捉商業機遇。如何時何地進入何市場，如何選擇和管理大客戶聯系，以及如何選擇和有效地推出商品優惠策略等。同時通過提供決策分析能力，使企業更有效地實現了財務分析、風險管理、詐騙檢測、分銷和后勤管理，以及銷售狀況分析等。

商業智能系統可以說是一個智能決策支持系統，它不是一種產品或服務，從某種意義上商業智能是一種概念或者說是一種商業理念，它是在企業數據倉庫的基礎上，利用數據挖掘和信息挖掘工具獲取商業信息、以輔助和支持商業決策的全過程。通過商業智能技術，用戶更充分地了解他們的產品、服務、客戶以及銷售趨勢。目前在國外商業智能軟件與Office辦公軟件、瀏覽器一起已經成為企業必不可少的桌面辦公軟件之一。商業智能在我國尚處于起步階段，商業智能系統適合應用的行業依次是：零售、保險、銀行、通信、離散制造、政府、醫療、分銷、流程制造、教育。然而，從各種資料上看，商業智能、數據倉庫和客戶關系管理在我國只在少數的銀行、保險、電信行業有實施的案例。

商業智能體系結構及構建過程

所謂體系結構(Axchitecture)是指一整套的規則和結構，為一個系統或產品的整體設計提供主框架。而一個商業智能的體系結構是指通過識別和理解數據在系統中的流動過程和數據在企業中的應用過程來提供商業智能系統應用的主框架。商業智能的體系結構指導商業智能系統的建立，其建立步驟為：

(1)識別和確定數據源。

商業智能的數據來自于多種數據源，包括電子商務數據、交易處理數據以及相關的外部數據等。如從交易處理應用軟件中獲取訂單信息、顧客信息和產品信啟、，從電子商務網站中獲取訪問和點擊信息，還可以從賬務系統中獲得賬務信息，從市場部門獲得市場信息等。

(2)進行數據集成和存儲管理。

數據集成可以分為“懶散型”數據集成和“急切型”數據集成。懶散型數據集成一般應用在數據庫系統中，其顯著特征是集成發生在查詢產生之后。用戶提出一個查詢后，系統確定查詢所需的數據來源，為每一個來源產生子查詢和命令，然后從數據源中獲取信息，執行一定的轉換、過濾和合并后把最終結果返回給用戶或客戶系統。數據在查詢出現后才從原始資料中提取。急切型數據集成通常出現在數據倉庫技術中，它提前預測用戶的需求，把可能會被用到的數據提前從數據源系統中抽取出來，經過變換、過濾及與其它相關信息的合并，然后存儲在集中的倉庫中。當一個查詢出現后，直接在倉庫中運行，不需要進入最初的數據源系統中去。這種急切型的數據集成方法使數據倉庫中存儲著大量經過預先計算的總計數據和累加數據，在查詢時能顯著加快查詢速度，滿足用戶對響應時間的需求。

(3)數據分析和建模。

商業智能建立的本質目的是獲得高的投資回報率(ROI)，投資回報主要體現在商業智能的應用狀況上。通過數據分析和建模將數據轉化為信息，通常由數據分析工具負責完成。在商業智能系統中，交互式信息分析、挖掘工具、數據分析軟件、商業智能工具與商業運營規則相結合對數據的模式和趨勢進行分析，提供給用戶企業商務的方方面面的詳細信息，以輔助商務活動決策獲得更高的ROI和利潤。

商業智能核心技術

商業智能實質上是數據轉化為信息的過程(圖2)，這一過程也可稱為信息供應鏈，其目的是把初始的操作型數據變成決策所使用的商務信息。在這一過程中，數據集成工具執行源數據的清洗、格式轉化和合并計算等功能；數據存儲過程建立數據存儲模型，存儲企業統一的數據視圖，為商業智能系統的應用提供基礎數據；數據分析工具一般包括OLAP(聯機分析處理)、數據挖掘工具、統計分析工具、其它人工智能工具等，這些工具結合商業處理規則為決策者提供決策輔助信息。

從商業智能系統建立的技術角度來看，構建一個完整的商業智能系統涉及到以下幾種核心技術：

(1)數據倉庫技術。

出現在20世紀80年代中期，數據倉庫創始人之一W．H．Inmon定義為：“數據倉庫是一個面向主題的、集成的、穩定的、包含歷史數據的數據集合，它用于支持管理中的決策制定過程”。有些文獻把數據倉庫當作商業智能的代替詞。實際上，數據倉庫系統是對數據的處理技術的集成，而商業智能系統的核心是解決商業問題，它把數據處理技術與商務規則相結合以提高商業利潤減少市場運營風險，是數據倉庫技術、決策處理技術和商業運營規則的結合：

數據倉庫與傳統數據庫存儲的最大區別在于數據庫用于企業日常事務處理，而數據倉庫用于商務分析處理。數據倉庫建立的目的在于在不影響日常操作處理的前提下對業務信息進行分析以輔助企業決策，為決策支持系統提供應用基礎。因此數據倉庫與數據庫是應用于企業營運不同目的的兩種數據管理系統。

數據的存儲技術是數據倉庫技術的核心，在數據倉庫中被集成的數據通常以星型模式，即事實表一維表結構來組織數據。事實表也稱為主表，包括商務活動的定量的或實際的數據，這種數據是可以用數字度量的，由多行和多列組成；而維表又稱為輔助表，一般比較小，是反映商業某個維的描述性數據。事實表和維表通過關系進行連接。圖3是一個以星型結構存儲的銷售數據倉庫。產品銷售作為一個商務事件的事實組成事實表，而產品、市場、時間是事件的屬性指標，也稱為事件的維，形成維表，事實表和維表之間通過關鍵字進行聯系。這樣的組織方式稱為多維數據存儲的星型模式。在擴展的星型模式中，維表本身還可以包括維表，這樣組成數據倉庫中商務事實的物理存儲模式。

(2)數據挖掘技術。

它主要用于從大量的數據中發現隱藏于其后的規律或數據間的關系，它通常采用機器自動識別的方式，不需要更多的人工干預。采用數據挖掘技術，可以為用戶的決策分析提供智能的、自動化的輔助手段，在零售業、金融保險業、醫療行業等多個領域都可以有很好的應用。

在數據挖掘技術中常用的數據模型有：①分類模型，是根據商業數據的屬性將數據分派到不同的組中。②關聯模型，主要描述一組數據項目的密切度和關系；③順序模型，主要用于分析數據倉庫中的某類同時間相關的數據，并發現某一時間段內數據的相關處理模型。順序模型可以看成是一種特定的關聯模型，它在關聯模型中增加了時間屬性。④聚簇模型，當要分析的數據缺乏描述信息，或者是無法組織成任何分類模式時，可以采用聚簇模型。聚簇模型是按照某種相近程度度量方法將用戶數據分成互不相同的一些分組。組中的數據相近，組之間的數據相差較大。聚簇模型的核心就是將某些明顯的相近程度測量方法轉換成定量測試方法。

(3)聯機分析處理(OLAP)。

它主要通過多維的方式來對數據進行分析、查詢和報表處理。它不同于傳統的OLTP應用。OLTP應用主要用來完成用戶的事務處理，如民航訂票系統、銀行儲蓄系統等，通常要進行大量的更新操作，同時對響應時間要求比較高。而OLAP應用主要是對用戶當前及歷史數據進行分析，輔助領導決策。其典型的應用有對銀行信用卡風險的分析與預測、公司市場營銷策略的制定等，主要是進行大量的查詢操作，對時間的要求不太嚴格。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用，增強決策分析功能。

商業智能典型應用

(1)產品銷售管理。

它包括產品的銷售策略、銷售量分析，影響產品銷售的因素分析，以及產品銷售的改進方案的預測。通過系統存儲的產品銷售信息建立銷售模型，分總體銷售模型和區域、部門銷售模型。對產生不同結果的銷售模型分析其銷售量和銷售策略，進行銷售影響的因素分析和評估，根據不同的銷售環境對相應的產品銷售方案進行改進和創新，及時進行產品上架和下架計劃，提高企業營銷額。通過對歷史數據的分析還可以建立提高銷售量的預測模型。

(2)顧客關系管理。

顧客是企業生存的“上帝”，對企業來說進行客戶關系管理(CRM)是一項重要的工作。通過顧客關系管理子系統，使企業可以分析顧客購買習慣和購買傾向，調查顧客滿意度，進而采取相應對策增強顧客保持力，培養忠實顧客，維持良好的顧客關系。&

(3)產品創新和推廣。

新產品促進企業的發展，然而新產品的開發和推廣必須建立在一定的市場基礎上。良好的企業歷史信息可用來預測市場需求趨勢；了解哪種產品需要更新，是否需要開展某種廣告運動；廣告運動針對何種用戶；具備哪些條件的用戶最有可能是企業的潛在客戶，針對這樣的客戶進行直接的廣告策略必能勝過無的放矢的收獲；預先預測項目的未來收益等。

(4)異常處理等。

它是商業智能數據挖掘應用的典型事例，通過發展曲線企業及時發現市場和顧客異常情況，快速采取措施，降低企業風險提高企業收益。如信用卡分析，銀行、保險等行業的欺詐監測等。

結束語

計算機技術及其應用的智能化正在逐漸地應用在各行各業，商業智能是企業信息處理技術發展的必然趨勢，商業智能系統的發展得益于計算機技術、人工智能技術和數據處理技術的發展。商業智能系統和企業日常事務處理系統—起服務于商業事務，不同的是日常事務處理服務于操作型員工，而商業智能系統服務對象是企業決策層和管理層人員。這兩種系統都是企業競爭和發展的必備條件，可以預見未來的商業社會是依賴于信息和時間的社會，誰搶占到先機，他就定然會得到更大的成功機會。