商业智能技术及其发展

经济管理学院

学年论文

题目管理信息系统用户界面设计专业班级0909251

学生姓名沈丹辉

指导教师程延炜

职称讲师

2011 年 6 月30 日

商业智能技术及其应用的研究和发展

摘要

文章简述了商业智能的关键技术，研究热点，存在的不足和未来的发展趋势，并且结合了银行风险管理探讨了商业智能的具体应用，最后对我国企业实施商业智能存在的关键问题提出了几点建议。

关键词：商业智能：信用风险管理：发展趋势：建议

本文研究了商业智能的研究和发展状况，介绍了其在银行信用风险管理的应用示例

一．商业智能技术的概述

1．商业智能的定义及其意义：商业智能，又称商务智能，英文为Business Intelligence，简写为BI。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。它的意义在于将知识呈现在用户面前，为管理提供参考，可见，BI不是基础技术或者产品技术，而是一种解决方案。

2.商业智能的核心技术。商业智能的核心技术主要包括三个关键部分：数据仓库和数据集市，数据挖掘以及联机对外分析处理，器重数据仓库和数据集市是商业智能的基础，而是数据挖掘和OLAP是对数据仓库的数据分析和处理的重要工具。

二．商业智能的主要研究内容

在实践中，可以以多种形式来应用，我们知道，商业智能可以帮助我们找到所需要的信息，并且对其进行共享和分析，商业智能的主要应用表现在：

(1)整合企业内部和外部的信息

这些信息可以是存储在数据库、数据集市、数据仓库中的数据，也可以是在SCM、CRM、ERP、BPR、SFA等企业应用系统中产生的非结构化的任意文件(HTML、文本、电子表格、DOC等)。

(2)简单的报告和查询

在这一层次，商业智能仅仅是把信息进行粗加工。上个月Y产品的销售量是多少？我们拥有多少客户？用户向系统提出的问题是“告诉我发生了什么”。

(3)在线分析处理(OLAP)

商业智能工具能够让用户分析信息，创造增值信息和对信息更好地融会贯通。在哪个地区我们的产品获得了最大的成功？哪部分用户购买了什么品种的产品？在简单报告的基础上，我们可以进一步提出很多问题。不仅要问发生了什么，还要问为什么要发生。

(4)经理信息系统(EIS)

目前领导获取业务信息的基本手段是报表，由于种种原因，完全依靠信息部门编制的报表无法完全满足领导对信息的需求，而且查阅大量的企业报表会占用高层领导很多的时间。在商业智能分析软件基础上建立的高层领导信息系统，可以帮助行业的各级领导，快速方便地获取信息。同时，利用相关工具的主动查询机制，可以对信息数据中与行业业务相关的关键数据进行查询，通过查询如果发现行业运行的不正常情况，系统会自动通过各种手段向领导报告，提醒相关领导者关注出现的问题。

(5)数据钻取

通过统计方法，可以详细展现未来的景象。比如说，通过利用商业智能工具，我们能够预测哪种客户最有可能购买我们的新产品。市场营销战略由此可以集中在有限的一部分客户中。企业的市场营销战略由此也更为有效，成本也可以降低。在这种情况下，我们的问题就是：告诉我未来会发生什么。

(6)全地域信息支持

商业智能平台不仅仅局限在企业内部，而且可以扩展到一个比较大的范围，让更多的用户来共享信息。信息可能存储在组织的不同数据库中，还可能在组织之外，还可能包括声音和图像。商业智能能在任意的地域、恰当的时机为企业和组织的用户提供快捷、及时、准确的信息，从而大大提高他们的判断能力和决策水平。

(7)监控企业基础绩效指标

企业基础绩效指标从企业应用系统中经“萃取”计算而得，这些应用系统包括销售、市场、客户服务、财务、人力资源、制造和供应链等。商业智能系统的绩效信息架构能根据基础指标设定企业目标，并即时对比实际状况与计划值，建议可能的应变行动。通过绩效信息架构，系统能计算商业智能信息，提供企业主管即时信息，企业主管并能进一步分析与查询整体或细节资料。

(8)挖掘业务规律

采用数据挖掘方法从数据库中抽取隐含的、以前未知的、具有潜在应用价值的信息。数据挖掘与传统分析工具不同的是数据挖掘使用的是基于发现的方法，运用模式匹配和其它算法决定数据之间的重要联系。

商业智能技术是一个联系信息生产者和信息使用者的完整的信息供应链。它可以使组织中的工作人员按照他们的需要，利用合适的工具来获得企业信息，进而增强企业核心竞争力。

这个全新的供应链关系可使信息技术人员充分发挥他们在数据库管理、安全保障、基础设施维护、报表编写和分发等方面的优势，同时使得信息用户可以依靠他们自己的业务知识，把注意力集中在回答商业业务问题上。

三．商业智能研究中存在的问题及其发展。

BI是以现代管理理论为指导，信息技术为支撑的集成系统。近年来，它的研究热点主要集中在三个方面：支撑技术的研究、体系结构的研究、应用系统的研究。

1．支撑技术。BI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、OLAP、Legacy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。

支撑技术的研究注重跟踪相关技术的最新发展，例如对数据仓库的研究集中在数据集成中数据模式的设计、数据清洗和数据转换、导入和更新方法；数据挖掘的研究重点则偏向数据挖掘算法以及数据挖掘技术在新的数据类型、应用环境中使用时所出现的新问题的解决上，如对各种非结构化数据的挖掘、数据挖掘语言的标准化以及可视化数据挖掘等。联机分析处理研究主要集中在ROLAP（基于关系数据库的OLAP）的查询优化技术和MOLAP（基于多维数据组织的OLAP）中减少存储空间和提高系统性能的方法；数据仓库、数据挖掘和OLAP相结合的产物联机分析挖掘（OLAM）也是目前研究的热点。企业建模是为解决如何建立特定企业模式的辅助工具，比较新的建模方法包括基于UML的企业建模方法。

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、数据分析以及数据展现等几部分，BI基本体系结构如图1所示。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。