关于实时商业智能的文献综述

周如意

摘要：商业智能源于20世纪70年代末的决策支持技术，能帮助企业从海量的数据背后发现业务的趋势，揭示已知的事实，为管理者制定决策提供依据。传统的商业智能存在数据延迟、分析延迟和决策延迟等问题，实时商业智能研究是目前的热点。

关键词：商业智能决策支持延迟实时商业智能

一、引言

商业智能作为由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等技术组成的类应用，能将企业的各种数据及时转换为企业管理者感兴趣的信息（或知识），并以各种方式展现出来，帮助企业管理者进行科学决策，加强企业的竞争优势。

传统的商业智能系统中存储的往往是结构化数据，对数据仓库中的历史数据进行分析，导致分析结果存在滞后性。马鸣和赵轶超总结传统的商业智能存在三方面的延时，分别为数据集成过程中所产生的延时、数据分析过程中所产生的延时以及战略决策付诸实施过程中所产生的延时。侯岩松（2009）指出运用传统商业智能时存在系统分析决策的滞后性，不能及时和实时地满足企业需求。由此实时商业智能系统应运而生。实时商业智能同时支持结构化和非结构化数据处理，同时运用实时数据仓库技术、实时数据分析技术、实时回馈支持技术等技术为企业提供实时决策支持，提供面向业务流程的管理和决策执行。

二、实时商业智能的研究现状

（一）实时商业智能理论研究现状

1.实时商业智能的定义

Colin（2004）首次提出实时商业智能，认为实时商业智能的重点是：实时的数据整合、数据分析、执行管理以及自动化管理，并具体阐述和分析这几个概念。Sahay&Ranjan（2005）指出实时商业智能能够将企业当前的状况与历史数据进行对比，并自动地发现问题和机会。因此实时商业智能不仅可以对实时数据进行及时分析，而且还会对这些分析结构做出快速反应，最终尽可能地将滞后性减少至零状态以实现无延迟。周瑾（2009）指出实时商业智能系统的研究和应用将是未来商业智能的发展趋势和研究热点，并针对企业决策的实时商业智能进行了相关的研究，指出实时商业智能应支持实时决策，并且能够减少数据滞后、分析滞后和决策滞后。侯岩松等（2011）总结了传统商业智能存在的不足，并提出了面向企业业务流程的石化行业实时商业智能体系架构，并深入分析其核心技术。

2.实时商业智能中的关键技术

实时商业智能中的实时数据仓库技术、实时数据分析技术、实时回馈支持技术实现实时的数据整合、数据分析和执行管理。

（1）实时数据仓库技术

实时数据仓库实现数据从源数据库到数据仓库的实时载入。数据仓库（DW）是通过ETL（Extract、Transformation、Load Jng，提取、转换、加载）工具将数据从业务源系统批量地、定期地加载到数据仓库，而实时商业智能在数据集成部分引入中间件，实现数据实时存储。Pablo Michel Marin-Ortegaa（2014）指出ETL过程中潜在的有价值的信息被丢弃，提出了改进的ELT过程，即抽取、加载、然后再转换。ELT可以适应动态变化的商业环境，动态地加载所需数据。

（2）实时数据分析技术

实时商业智能应从以下两个方面做到对数据的实现分析：第，具备种面向企业各层员工的高度自动化的分析工具，不需要专门技术人员的参与，在数据分析的过程中应该避免不必要的人工参与，尽可能完全自动化；第二，能够提供决策引擎支持，而不仅仅提供传统的报表、可视化工具等静态的展示效果和功能。而目前自动化数据分析工具以及决策引擎等方面的研究成果较少。

（3）实时决策回馈支持

目前企业的业务部门与IT部分缺乏有效的统一。BI系统的建立与配置应不仅仅从数据本身出发还应该从既定的分析任务出发，也即数据模型的建立应以支持决策为最终目的。目前，业务活动监控（BAM）和业务事件监控（BEM）的提出为实时决策回馈的实现提供了可能性。何俊（2010）提出了基于BAM的实时商业智能，通过BAM实时监控企业的各项业务活动、状态信息以及变化过程，并将这些数据和信息存储到实时数据仓库中，结合数据分析技术判断当前的业务活动与企业的目标的一致性，如果一致继续执行，如果不一致则重新回归到企业的业务层，最终根据判断结果自动做出决策，同时深入挖掘企业的业务活动信息，在定程度上也优化了企业的整个业务流程。

（二）实时商业智能应用研究现状

国内对实时商业智能的应用领域较为广泛，典型的有电信、银行、保险、医疗、零售业等。周瑾（2007）指出商业智能的应用与行业内信息化的基础状况密切相关，实施商业智能的企业中，以电信、金融行业的使用率较大，并且进步预测以制造型企业和零售业的低使用率和高预期值相比较，这两个领域将是商业智能不可忽视的新市场。张瑞君等（2010）对制造业商业智能进行了研究，将商业智能应用于制造业，并提出了商业智能在制造业领域内的研究框架与发展模式。

三、不足

实时商业智能从实时仓库技术、实时分析技术以及实时回馈支持技术上实现了对传统商业智能在数据延迟、分析延迟、决策延迟的改进，响应企业实时决策的需求。目前国内对实时商业智能的研究仍处于初期阶段，研究存在的不足主要有以下几点：

（一）商业智能系统独立于业务过程，数据的分析缺乏相关情境，使得企业人员不能完全理解、分析数据，导致企业人员无法做出全面、正确的决策。

（二）目前研究集中在实时商业智能实现技术方面，如数据仓库、在线联机分析、数据挖掘等，很少对商业智能理论进行延伸性研究，丰富商业智能方面的理论。

（三）少有研究结合目前的云计算热点。可以将商业智能系统中的相关技术结合云计算技术从而实现快速的分析过程。