第7章 商业智能系统

第七章商业智能系统

学习要点：

（1）理解商业智能的内涵；

（2）BI的构成与层次；

（3）理解BI的实施过程；

（4）BI与ERP的区别；

（5）BI的核心技术及研究内容。

一、商业智能定义：

商业智能又称商务智能，英文为Business Intelligence，简写为BI。BI概念最早于1996年由加特纳集团（Gartner Group）提出，加特纳集团将商业智能定义为：由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、帮助企业进行决策为目的技术及其应用。商业智能技术提供使企业迅速分析数据的技术和方法，包括收集、管理和分析数据，将这些数据转化为有用的信息，然后分发到企业各处。

在Gartner Group命名之前，起初被称之为经理信息系统（主管信息系统EIS，Executive Information System），后来，再羽化成商业智能之前的决策支持系统（DSS，Dec ision Support System）。

目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

可以认为，商业智能是对商业信息的搜集、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（insight），促使他们做出对企业更有利的决策。商业智能的实现涉及到软件、硬件、咨询服务及应用，其基本体系结构包括数据仓库、联机分析处理和数据挖掘三个部分。

二、商业智能内涵：

BI系统的主要内涵包括：

（1）销售分析

以分析各种销售指标，如毛利、毛利率、盈利能力等，而分析又可从管理架构、类别品牌、日期和时段等角度观察，从而获得相当透彻的分析思路，并由大量的数据产生预测信息、报警信息等分析数据，也可根据销售指标产生新的透视表等。

（2）产品分析

主要数据来自销售数据和产品基础数据，从而产生以分析结构为主线的分析思路。通过BI系统对这些指标分析来引导企业产品结构的调整，加强所生产产品的竞争能力和合理配置。

（3）人员分析

对企业的人员指标进行分析，特别是对销售人员指标和采购人员指标的分析，以达到考核员工绩效，提高员工积极性，并为人力资源的合理利用提供科学依据。

三、BI的构成和层次：

1. BI构成：

（1）终端用户查询和报告工具——支持初级用户的原始数据的访问；

（2）OLAP工具——提供多维数据管理环境，用于商业问题的建模和商业数据分析；

（3）数据挖掘——用来发现数据间关系，做出基于数据的推断；

（4）数据仓库和数据集市产品——包括数据转换、管理和存取等。

2. BI的层次：

以通过业务人员或者用户的操作，最终对数据库进行增加、修改和删除等操作，实现关系型数据库的主要应用，收集大量的历史数据，即报表系统。

BI的三个层面：报表系统→数据分析→数据挖掘

四、商业智能的实施和效益：

参考教材P.109

五、商业智能的实施过程：

商业智能的关键是从许多来自不同的企业运作系统的数据中提取出有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL 过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。

商业智能的基本过程如下图所示：

从图中可以知道，商业智能系统的体系结构主要由数据源、ETL、数据仓库和数据分析及展现等四部分构成。数据流通过外部异构数据源进入ETL过程，在ETL过程后被存人数据仓库，用OLAP 模型加以分析和查询，从而得出用户所需要的数据信息。研究商业智能系统的体系结构有助于加强商业智能系统在企业中更加普及的运用，促进商业智能的快速发展。

外部数据源的主要来源是企业各个应用系统产生的数据也可以是外部数据，选择出有代表性的数据进入系统。ETL技术是指对从外部进人的数据进行清洗、校验、转换、加载滤掉不需要的源数据，并校验数据正确性和完整性，然后将数据的格式和类型转换成所结构需要的类型，最后进行数据加载。

BI涉及一个很宽领域的、集收集、合并、分析和提供信息存取功能为一身的解决方案，包括ETL软件、数据仓库、数据集市，数据查询和报告，多维/联机数据分析、数据挖掘和可视化工具。

六、商业智能的核心技术：

商业智能的关键技术主要包括数据仓库技术、联机分析处理技术和数据挖掘技术。所谓数据仓库技术是指为实现商业智能从企业中获取大量数据，并对其进行处理，建立以实现某些功能为目的的数据仓库。这个数据库一方面是存储的数据量比较庞大，另一方面是数据仓库的性能要比较全面，

不仅能够支持现在企业数据的存入和取出，也应该能够应对随着企业的发展数据可能发生的各种变化随之带来的各种可能性的改变。这样对数据信息提取和发现可以提供更大的空间。

联机分析处理技术是以大量数据为基础，针对某商业问题建立模型，然后对数据进行分析。它可以建立多维数据，多维数据建立后用户可以从多个角度进行分析，从而可以多方面的掌握数据分析所带来的信息，它还可以对数据仓库中的数据进行在线分析，使管理者能轻松的自主的掌握商务数据，是大量商务数据的分析变得简单高效．这也是商业发展所要求的。

数据挖掘技术可以从数据库、数据仓库以及其他一些信息存放库中通过分类预测、关联技术、数据抽取等方式挖掘出大量隐蔽的、以前不知道的但是对决策具有帮助作用的信息。是决策者能够在第一时间内掌握商业发展的方向和动态，为企业进行的决策提供正确的引导。

商业智能系统通过数据仓库技术、联机分析处理技术和数据挖掘技术得出被企业有效利用的信息和数据，可以更准确更快速的对企业提供决策支持。

七、商业智能主要研究内容：

（1）支撑技术

B1支撑技术主要包括两个方面：

一是计算机技术。主要包括数据仓库、数据集市技术；数据挖掘技术；OLTP（联机事务处理，面向交易的处理系统）、OLAP、Legacy（数据源系统）等分析技术；数据可视化技术；计算机网络技术。

二是现代管理技术，主要包括统计、预测等运筹学方法；客户管理、供应链管理、企业资源计划等管理理论和方法；企业建模方法等。

（2）体系结构。

BI体系结构是指通过识别和理解数据在系统中的流动过程和数据在企业的应用过程来提供BI 系统应用的主框架。BI的体系结构主要包括数据预处理、数据仓库、数据分析眦及数据展现等部分。BI体系结构的研究关心采用什么样的体系结构才能使BI系统具有良好的性能。

（3）应用系统。对于应用系统的研究重点放在对各个应用领域所面临的决策问题的分析．根据对各类问题的解决方式和解决方案来决定BI系统应该提供的功能．以及具体实现方法。BI具有代表性的应用领域主要包括企业资源计划(ERP)、客户关系管理(CRM)、人力资源管理(HRM)、供应链管理(SCM)以及电子商务(E--business)等。

八、商业智能与ERP的区别：

ERP与BI的区别可以从人机关系、认知层次与处理过程三个方面来分析。

从人机关系方面来看，ERP是人教机器怎样做, 而BI则是机器教人怎样做。ERP的核心是实现优化的作业流程, 使企业的人力、物力、财力以及信息获得最合理的使用, 使企业获得最大的效益。一个企业的优化作业流程是由有经验的管理人员精确定义而来的。ERP的作用只是用先进的IT技术为管理人员提供一个快速、精确、可靠实现这些流程的工作平台。BI的人机关系则与ERP截然不同。当管理人员遇到问题需要解决时, 或者对某个商业活动要做出决策时，BI能指导人们怎样去求得最佳的解决方案。因此, 可以这么说，ERP充当充当的只是企业管理人员的助手, 而BI则是企业管理人员的智囊团。

从认知层次来看，ERP只是根据数据提供信息, 而BI则是根据信息提取知识。未来说明数据，信息与知识的关系。例如：某超市的财务管理系统将每天各种商品的销售量送到中央信息系统，这样中央信息系统就获得了一组数据。系统对这些数据进行处理，并与去年同期的销售量进行比较，得到某商品第二季度的销售量比去年同期增长25%。这样系统就为管理人员提供了一条信息。这就是ERP 来完成的。如果经理想进一步知道该商品明年第二季度的销售量如何，或者明年什么时候该商品有可能热销，就靠BI来完成。BI的角色就是为管理人员提供解决问题的知识。数据、信息和知识的关系如下图所示。由此可见，ERP是BI的基础，BI是ERP的升华。

从处理过程来看，ERP的处理时决定性的，而BI的处理则是非决定性的。ERP中的每个过程