商务智能的应用现状与前景分析
摘 要 商务智能是数据仓库技术、数据挖掘技术和在线联机分析处理技术（OLAP）在商业领域的综合应用。本文从介绍商务智能核心技术和框架入手，详细分析了目前商务智能的发展与应用现状，并对商务智能的未来的发展应用前景做了预测分析。
关键词 商务智能；核心技术；决策支持
Application status and prospect forecast of Business intelligence
Abstract Business intelligence is one comprehensive application in the field of business of data warehouse technology, data mining technology and on-line analytical processing technology. This paper start from introduce the core
technology and frames of BI, Detailed in Analysis of the current development and application status of BI, and forecast analysis on the future development of business intelligence application prospect.
Keywords Business intelligence; core technology; Decision support
1 引言
信息技术的高速发展带来了企业利用信息技术提高本身竞争力的巨大空间：信息技术不但使企业获取需要的信息，而且，促进企业对信息的再利用，以此营造企业的竞争优势。企业一直在寻找对商务智能的理解和实现的方式，以增强企业的竞争力。早在80年代，当时“商务智能”的标准是能容易地获得想要的数据和信息，Gartner Group 于1996年最早提出了商务智能
（Bussiness Intelligence，以下简称BI）的概念，将它定义为一类由数据仓库(或数据集市)、查询报表、联机分析、数据挖掘、数据备份和恢复等部分组成的，以帮助企业决策的技术及其应用[1]。近几年来，商务智能的发展迅猛，在我国更是保持着高增长率的发展势头。随着商务智能技术的日趋成熟，越来越多的企业开始采用商务智能来帮着企业的决策和管理。在美国，500强企业里面有90%以上的企业已经在利用企业管理和商务智能软件帮助管理者做出决策[2]。商务智能的应用领域也渗透到电信、银行、金融业、保险业、制造业等各个领域。近年来商务智能市场规模日益扩大，且增长较快。从全球范围来看，商务智能(BI)已经成为最重要的信息系统。
2 商务智能的定义
2.1 商务智能的定义
商务智能又称商务智慧或商务智能，根据国际数据公司(IDC)的定义，商务智能是对商业信息的搜集、加工、管理和分析过程。目的是使企业的各级决策者获得知识或洞察力，帮助他们更快地做出对企业更有利的决策。
为了将数据转化为知识，需要利用数据仓库、数据挖掘和线上分析处理（OLAP）工具等技术。因此，从技术层面上讲，商务智能不是什么新技术，它只是ETL、数据仓库、OLAP、数据挖掘、数据展现等技术的综合运用。
2.2 与知识管理的区别与联系
商务智能与知识管理的区别与联系。商务智能和知识管理最重要的类似处是它们最终都处理知识，知识管理中的知识明显的总是直接来自人，商务智能中的知识源自数据，它是经过分析产生的知识；商务智能和知识管理都受企业文化和人的影响；商务智能看重的分析数据的技术和知识管理中管理和分发知识的技术很不同，然而他们在内容获取和显示方面都共有终端技术。
3 商务智能的核心技术
3.1 数据仓库技术
著名的数据仓库专家W.H.Inmon在其著作《Building the Data Warehouse》一书中给予如下描述：数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrate）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策。
实际上，数据仓库系统是对数据的处理技术的集成，而商务智能系统的核心是解决商业问题，它把数据处理技术与商务规则相结合，以提高商业利润减少市场运营风险，是数据仓库技术、决策支持技术和商业运营规则的结合。数据仓库由数据库(DBMS)、数据(Data) 、索引(Index)三部分构成。数据仓库系统体系结构如图1所示：
1
图1 数据仓库体系结构
3.2 数据挖掘技术
数据挖掘(Data Mining) ，是从大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中，挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则的过程。挖掘的对象主要是数据库和数据仓库，其目的是通过对数据的统计、分析、综合、归纳和推理，揭示事件间的相互关系，预测未来的发展趋势，为经营决策、市场策划及金融预测等提供依据，帮助企业的决策者调整市场策略，减少风险，做出前摄的及基于知识的决策[3]。
3.3 联机分析处理技术(OLAP)
OLAP是一种多维分析工具，目标是满足决策支持或多维环境下特定的查询和报表需求，使分析人员、管理人员或执行人员能够从多个焦度对从原始数据中转化出来的、能够真正为用户所理解的并真实反应企业维特性的信息进行快速、一致、交互地存取，从而获得对数据的更深入了解。它的技术核心是“维”这个概念，因此它是数据仓库中大容量数据得以有效利用的重要工具。
4 引入商务智能的意义
如何有效地管理企业在经营过程中所产生或收集的大量数据与信息，一直是信息管理人员所面临的一个重要的问题。20世纪70年代所出现的关系数据库在收集、存储、处理数据中发挥了重要的作用。随着市场竞争的加剧，信息系统的用户已经不满足于仅用计算机去处理日复一日的事务数据，而是需要能够支持决策的信息去帮助管理决策。这就需要一种能够将日常业务处
2
理中所收集到的各种数据转变为具有商业价值信息的技术，而传统数据库系统已经无法承担这一任务[4]。
商务智能的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。为完成这一目标，商务智能必须具有实现数据分析到知识发现的算法、模型和过程，决策的主题具有广泛的普遍性。
4.1 促进企业决策流程[5]
BIS增进企业的资讯整合与资讯分析的能力，汇总公司内、外部的资料，整合成有效的决策资讯，让企业经理人大幅增进决策效率与改善决策品质。
4.2 降低整体营运成本
BIS改善企业的资讯取得能力，大幅降低IT人员撰写程式、Poweruser制作报表的时间与人力成本，而弹性的模组设计介面，完全不需撰写程式的特色也让日后的维护成本大幅降低。
4.3协同组织目标与行动
BIS加强企业的资讯传播能力，消除资讯需求者与IT人员之间的认知差距，并可让更多人获得更有意义的资讯。全面改善企业之体质，使组织内的每个人目标一致、齐心协力。
5 商务智能体系结构
从系统的体系结构的角度来看，商务智能系统一般由数据仓库(或数据场)、数据分析、数据挖掘、在线分析、数据备份和恢复等部分组成。商务智能系统从不同的数据源收集的数据中提取有用的数据，对数据进行清理以保证数据的正确性，将数据进行转换、重构后存入数据仓库或数据场(这时数据变为信息)，然后寻找合适的查询和分析工具、数据挖掘工具及OLAP工具对信息进行处理(这时信息变为辅助决策的知识)，最后将知识呈现于用户面前，转变为决策。商务智能系统的处理流程如图2所示[6]：
3
图1 商务智能系统处理流程
5.1 商务智能应用
商务智能应用是指针对不同行业或应用领域，经过裁减完整的商务智能解决方案软件包。
5.2 决策支持工具
决策支持工具包括了从基本查询和报表工具到先进的在线分析处理再到信息挖掘工具的各类工具，所有工具都支持GUI客户界面，大部分都可以在Web界面上使用。这些工具大多能处理数据库信息，有些能够处理文件系统、多媒体、邮件或Web服务器上的复杂和非结构的信息。
5.3 访问工具
包括应用接口和中间件，使客户工具能够访问和处理数据库和文件系统中的商业信息。数据库中间件允许客户透明地访问后台各种异构的数据库服务器，Web服务器中间件允许Web客户连接到数据库中。数据管理部分一般采用3层信息存储，最高层次是数据仓库，数据仓库中集成了全企业的商业信息;中间级是部门数据仓库，又称数据场，这里存储了某个商业单位、用户组或部门的商业信息，这些数据场可以直接建立在企业业务操作系统的基础上;结构的最低层次存储了根据用户和应用需求经过裁剪后的信息。
4