商业智能助力企业的信息化进程

李　琼

[摘 要]随着信息持续爆炸式的增长及业务决策制订的不断加快，企业竞争不仅在实物资源空间进行，而且在信息资源空间中进行。以数据挖掘为核心技术的商业智能在管理决策支持方面开始扮演着日益重要的角色。本文利用轻型架构设计，构建了企业商业智能系统，希望可以借此助力企业的信息化进程，提高企业的决策水平。

[关键词]商业智能；体系结构；决策支持

[中图分类号]F270.7

[文献标识码]A

[文章编号]1673-0194(2009)05-0066-03

1 前 言

在当前的信息经济大潮中，信息在经济活动中占据着越来越重要的地位。企业要想在竞争中立于不败之地，必须能够纵观历史与未来趋势，快速作出决策，快速决策来自于对市场、客户、企业营销状况等方面的信息进行正确充分的分析。然而，原有的运营支撑系统作为一种管理系统并未从根本上真正实现商业经营管理调度的优化，因而无法很好地适应当前商务活动的发展。

以数据仓库(Data Warehouse)为基础的商业智能(Business Intelligence)的引入，给企业带来了新的希望。商业智能技术能够提供使企业迅速分析数据的技术和方法，帮助企业从日常运作的数据中开发出结论性的、基于事实的和具有可实施性的信息，使企业能够更快更容易地作出更好的商业决策；使企业管理者和决策者以一种更清晰的角度看待业务数据，提高企业运转效率、增加利润并建立良好的客户关系，使企业以最短的时间发现和把握商业机会。

全球企业级数据仓库解决方案领导厂商Teradata近日宣布，知名市场研究机构发布的标志性研究报告表明，许多企业的业务决策制订模式正处在一个关键的十字路口，而商业智能技术现已成为导致领先企业与普通企业差异化的重要因素。

2 商业智能

商业智能(Business Intelligence)这一术语在1989年由Gartner Group首次提出，它描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制订。商业智能是一种综合运用数据仓库、联机分析和数据挖掘来处理和分析数据的崭新技术。

商业智能的核心内容是从许多来自企业不同的业务处理系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取(Extract)、转换(Transform)和装载(Load)，即ETL过程，整合到一个企业级的数据仓库里，从而得到企业信息的一个全局视图，利用合适的查询和分析工具、数据挖掘工具等对数据仓库里的数据进行分析和处理，形成信息，从中提炼出辅助决策的知识，最后把知识呈现给管理者，为管理者的决策过程提供支持。

商业智能系统可以说是一个智能决策支持系统，它不是一种产品或服务，从某种意义上讲，商业智能是一种概念或者说是一种商业理念，它是在企业数据仓库的基础上，利用数据挖掘和信息挖掘工具获取商业信息，以辅助和支持商业决策的全过程。通过商业智能技术，用户可以更充分地了解他们的产品、服务、客户以及销售趋势。

3 电子商务商业智能系统的体系结构

在网络时代，商务活动具有活动过程电子化、数据来源多样性、信息要求快捷等特征，为满足相应要求，本文构建了企业商业智能系统，其体系结构如图1所示。

3.1 数据源

在当前的企业商务活动过程中，数据来自于多种数据源，除利用OLTP进行日常交易处理的订单信息、顾客信息和产品信息外，还包括从电子商务网站中获取的用户访问和点击信息，以及其他相关外部数据，如从账务系统中获得账务信息，从市场部门获得市场信息等。

3.2 ETL(Extract，Transform，Load)

ETL(Extract，Transform，Load)就是抽取、转换、装载。首先是“抽取”，将数据从上述多种数据源中读取出来，这是所有工作的前提；其次是“转换”，由于目前商务活动中数据源的多样性，导致系统中有诸如XML、HTML、关联数据等多种数据类型。由于关系数据库技术已经十分成熟，而现有较成熟的数据挖掘算法(如关联规则挖掘)多是基于关系数据库的，所以，在本系统中，将上述异构的HTML、XML等多种数据经清洗、过滤、转换为关系型数据，屏蔽掉其异构性，使本来异构的数据格式能统一起来；最后是“装载”，将转换完的数据按计划增量或全部的导入到ODS中。

3.3 数据存储

运营数据存储(Operational Data Store，ODS)是为了弥补业务系统和数据仓库之间的差距而提出的，其最大特点是数据是可更新的，甚至可以由前端操作通过触发器直接更新。因此，ODS是业务系统和数据仓库(Data Warehouse，DW)之间更偏向业务系统的数据库表。由于企业的数据源数据量大，负荷重，且有些数据可能并不稳定，另外更重要的是由于要求系统能够对近期数据进行分析和处理，所以需要构建ODS层，而且应当构建在分析型数据存储系统中，这样可以快速批量地从原操作型应用系统中抽取数据，减小事务系统的压力。

本系统中利用轻型架构设计，将ODS层与数据仓库合在同一个存储系统之中，这样可大大减少工作量和维护量，并大大减少了从ODS到数据仓库的第二次ETL的工作量。可以利用数据库服务器中的表空间划分和实视图技术，实现ODS/DW和多维立方体。在数据库中设置一些专用表空间分别存储临时数据、ODS数据、仓库型数据等。将从数据源中抽取的原始数据放入临时区，对临时区中的数据进行再次清洗，将清洗好的数据装入ODS区中，进行老化，ODS区中的数据也可以作为近期数据为分析应用提供数据服务。对经过老化、沉淀的数据，可根据不同的粒度需求进行轻型汇总、中型汇总和高度汇总后装载至仓库区中成为仓库型数据，它可以为长期趋势分析和数据挖掘提供有效的数据服务。

3.4 数据集市

数据集市也可叫做“小数据仓库”。如果说数据仓库是建立在企业级的数据模型之上的话，那么数据集市就是企业级数据仓库的一个子集，它主要面向部门级业务，并且只面向某个特定的主题。

3.5 数据挖掘及展现

在本系统最后一层，利用交互式信息分析、挖掘工具、数据分析软件、商业智能工具与商业运营规则相结合对数据的模式和趋势进行分析，以查询、分析结果或报表等形式向用户提供方方面面的详细信息，以辅助商务活动决策。

4 企业商业智能系统的应用

在传统的商务活动中无法直接得到用户对商品的兴趣信息所表征的兴趣知识，更无法利用它们去进行决策支持。而现在，可以利用商业智能系统方便快捷地收集到客户的行为、兴趣、需求及访问时间的一系列信息，然后，在本系统中将异构的客户访问信息转换为关系型数据，再从关系数据库中抽取数据并转化为以“事务”为单位的对象，然后利用已有的关联规则挖掘方法挖掘出一些有意义的规则模式。

通过上述操作，可以发现客户的主要兴趣，了解和获取顾客的预期行为，为客户提供个性化服务，提高顾客满意度。

在此基础上，企业还可以对数据集市内的清洁数据进行相应的经营指标分析、业绩分析和财务分析等。通过分析，企业可以及时掌握资金的使用情况、自身的发展和经营情况，为及时调整和降低企业成本提供了数据依据，更有利于企业从公司、业务及职能角度出发及时调整自身经营战略，化解经营风险。同时，企业还可以及时发现顾客乃至市场的异常情况，快速采取措施，降低企业风险，提高企业收益。

5 总 结

传统的企业信息系统几乎都是基于用户提出的决策支持要求而创建的，且多以反映企业历史状况的交易型数据为基础，因而无法适应当前在线交易等形式的灵活性、多变性和实时性，无法提供客户预期的购买行为。本文针对目前商务活动的特点，构建了企业商业智能系统。通过这一系统，可以对历史数据及正在进行的交互信息进行分析，并将一些成熟的数据挖掘算法在系统中进行扩展应用，由此发现更多对企业经营管理十分有价值的商业智能信息，帮助企业决策，促进企业发展。

主要参考文献

[1]王兆红.企业商业智能系统的架构及实施研究[J].中国管理信息化：综合版，2007(6).

[2]谢壹.商业智能在互联网业务分析中的研究与应用[J].微计算机信息，2006(12).

[3]郑洪源，周良.商业智能解决方案的研究与应用[J].计算机应用研究，2005(9).

[4]初佃辉，丁建睿，战德臣.面向中小企业的智能数据处理工具的研究与设计[J].计算机应用研究，2005(7).

[5]王茁.三位一体的商务智能(BI)：管理、技术与应用[M].北京：电子工业出版社，2004.

[6]王实，高文，郎金文，等.在线零售站点的自适应和商业智能的发现[J].计算机科学，2002(1).