和配料的准确性
建立生产与库存出料数据连带化，保障数据的核算质量和效率
建立生产绩效评估体系
多层次的产能管理体系，了解实际生产能力以满足正确的生产计划 多层次的需求计划体系，实时体现仓库原料及半成品，配件供应情况以
及正确反应供应链运转效率确保物料的按时供应和生产的正常进行
了解订单执行过程，满足客户多样化、个性化需求
某行一内大型集团企业,信息化发展到一定程序后,需要进行企业信息整合,数据挖掘,并进一步开发商业智能BI系统,此方案全面分析,提供了系统化解决方案!
用料监控，和工程辅料统计分析，杜绝浪费，降低材料成本 形象并具体的质量管理体现，确保产品质量的持续稳定 全面的设备使用状况展示，可以了解使用率、护维维修、成本折旧、创
利能力等，提高企业设备管理的效率
精细的车间管理功能，随时掌握生产订单生产进度，成本耗用和质量状
况
分析评估重点
丰富细致的计划信息 实时的制造执行状况 多维度的统计分析
４、商业智能及业务绩效评估
业务分析
对各种制造业务的经营情况从多个维度对业务使用量、 业务使用费以及用户数等指标进行分析， 给制造营商提供业务运营的发展状况，变化趋势，指标预测和影响因素等情况，做出准确的市场预测和决策。
销售成绩。
衡量销售信息，以帮助销售经理确认成绩不好的方面、和指出最成功的销售渠道。
订单和发货趋势。
通过理解订单趋势、订货趋势和销售周期，将资源和销售集中在更大机会上。 产品分析
理解销售趋势、产品结构和季节性问题、产品利润率、产品生命周期问题、以及决定哪些产品将会带来最大的投资回报机会(ROI)。
市场营销活动
通过衡量您市场营销活动的成功性，减少每条销售线索上的成本，改进市场营销渠道的质量。
客户分析
某行一内大型集团企业,信息化发展到一定程序后,需要进行企业信息整合,数据挖掘,并进一步开发商业智能BI系统,此方案全面分析,提供了系统化解决方案!
对客户概况， 使用的业务，消费行为进行多方位多角度的分析，理解客户购买习惯，将焦点移至那些会带来最大投资回报的客户，以及制定战略、以便扩大客户基础或保持现有客户。例如：客户忠诚度分析，客户信用度分析，客户流失分析，客户缴费行为分析等。
竞争分析
建立竞争对手完备的资料库， 对竞争对手进行全方位的比较分析， 跟踪竞争对手的动态，从而对市场的风云变幻，做到应对自如，胸中有数。 综合评价分析
全面统计分析用户数、业务增长率等等各项指标。提供一套反映整个企业及各个分公司运营状况的指标，以综合衡量企业发展状况。
四、 技术实施
数据仓库和数据挖掘
数据仓库和数据挖掘是两个比较大的概念，在国外已经非常成熟，在国内随着前几年企业数据的累计、ERP的成熟，数据仓库和数据挖掘市场需求大大增加。 从成熟的数据仓库架构入手来看，建立EDW(Enterprise Data Warehouse)是个比较好的选择。EDW是企业数据仓库，对整个企业数据有一个完整的不冗余的保留关键历史变化信息的唯一视图。基于EDW可以建立不同主题的数据集市Data Mart,数据集市不同的企业有不同的要求，基本上可以分用户主题，业务流主题，产品主题等等，在EDW的基础上可以有非常多的主题应用，如何建立EDW是个比较重要的问题。
建立EDW的关键是要把握数据仓库的本质，提供关键历史变化信息，可以真实还原企业数据的关键历史视图。也就是现在提到比较多的DSS层，在DSS层之下有ODS层做当前数据视图，有缓冲层做增量数据视图，利用增量数据视图和DSS层数据视图结合起来，利用缓慢变化维或者代理键技术，从理论上就可以实现DSS层的任何数据历史变化。但是在实际实施DSS层时候，一个能提供高性能计算的数据库和选择一个切合业务发展的增量时间频率是两个关键点。
缓慢变化维从具体实施过程的可以维护性出发，比较统一通用的方法可以采用增加快照开始时间和快照结束时间，结合业务系统的主键，就可以完成DSS层真实企业数据关键历史快照视图。在实施过程中关键要把握增量数据缓冲层中
某行一内大型集团企业,信息化发展到一定程序后,需要进行企业信息整合,数据挖掘,并进一步开发商业智能BI系统,此方案全面分析,提供了系统化解决方案!
三种集合数据，纯粹新增的数据A，关键历史信息发生变化的数据B，关键历史信息没有发生变化的数据C。对集合A，B都需要增加快照记录，对集合C则采用更新快照记录。这个过程的重点是高性能计算和商业需求。
在DSS层之上，根据EDW方案种数据库不同，可以采用建立数据集市。数据集市基本上可以采用星型模型建立，便于多维分析。
成熟EDW是用来支持商业应用的，EDW之上的一个比较重要的应用是数据挖掘，从EDW海量数据中寻找有用的信息，支持企业的发展。数据挖掘需要EDW能够基于DSS层的企业数据关键历史视图，重新组合成商业上决策因素集合。结合数据挖掘的一些成熟的算法，把EDW里面的海量数据处理成为信息决策源。在实施数据挖掘过程中，最重要的是根据企业本身的业务来制定模型，任何脱离企业业务的理论模型在具体实施过程中失败的可能性很大。
随着商业智能，数据仓库的成熟，进入这个领域的厂商越来越多，评测也是各有千秋。在EDW方面，根据数据仓库的容量，计算复杂度，实时性要求，在低端可以考虑微软的SQL Sserver ，目前SQL Sserver 2005在商业智能上有显著增强。而且实施成本相对来说是一般企业可以接受的。
因此项目实施的本质是：
将各数据源关键数据集中到数据仓库，将数据仓库中的数据重新组织，以适合业务分析的需要，存储在多维数据集中。
项目实施的关键是：
企业业务需求的分析，项目双方沟通协作，关键技术应用水平
五、 系统特点
1. 加速企业决策流程
现今信息科技与因特网技术的进步，数据的取得或许已不再是难事，但是，如何消化吸收众多的数据，将其转化成有用的信息、并据以付诸行动进而发挥知识的力 量，才是当今企业制霸商场的关键！分秒必争的市场竞赛，倘若企业无法迅速在每天不断上演的分析决策、业务拓展与开发产品等各项重要议题上，达到及时与正确 的基本要求，事实上就等于是失去了最根本的竞争力。而系统建