1 商務智能的定義
商業智能（Business Intelligence，簡稱BI）的概念最早是Gartner Group的Howard Dresner于1996年提出。當時人們將商業智能定義為一類由數據倉庫（或數據集市）、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的的技術及其應用。2007年在芝加哥舉行的Gartner商業智能峰會，對BI重新定義為：商業智能是一個傘狀概念，它包含分析應用、基礎構架和良好的實踐。目前國內外主要BI廠商對BI的定義為，將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。目前，商業智能(BI)領域大致可劃分為數據倉庫、OLAP和報表展示、數據集成、數據挖掘和針對行業的解決方案等。
2 商務智能的關鍵技術
商業智能，首先是基于信息的大規模生產和數據庫技術的運用。從商業智能系統建立的技術角度來看，構建一個完整的商業智能系統涉及到以下幾種關鍵技術：
·數據倉庫（data warehousing）
·聯機分析處理（on-line analytical processing，簡稱OLAP）
·數據挖掘（data mining）
數據倉庫是一個面向主題的、集成的、相對穩定的、反映歷史變化的數據集合，用于支持管理決策。首先，數據倉庫用于支持決策，面向分析型數據處理，他不用于企業現有的操作型數據庫；其次，數據倉庫是對多個異構的數據源有效的集成，集成后按照主題進行了重組，并包含歷史數據，而且存放在數據倉庫中的數據一般不修改。
聯機分析技術，對數據庫中的數據進行多維分析和展現，是使分析人員，管理人員或執行人員能夠從多種角度對原始數據中轉化出來的，能夠真正為用戶理解的，并真實反映企業維持性的信息進行快速、一致、交互的存取，從而獲得對數據更深入了解的一項軟件技術。OLAP的一個重要特點是主要通過多維的交互式方式對數據進行分析，這與數據倉庫的多維數據組織形成相互結合、相互補充的關系。這些基本多維分析操作包括切片、鉆取、旋轉等，便于用戶從不同維度查詢和分析有關數據。
數據挖掘，是在大量相關數據基礎之上進行數據探索和建立相關模型的先進方法。數據挖掘主要功能有：數據總結、分類、聚類、關聯分析、預測、偏差的檢測。數據挖掘的主要方法有：傳統統計方法，可視化技術，決策樹，神經網絡，遺傳算法，管理規則挖掘算法等。
3 商務智能的技術架構
商業智能所涉及的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理(OLAP)工具和數據挖掘等技術。因此，從技術層面上講，商業智能并不是基礎技術或者產品技術，它是數據倉庫、聯機分析處理OLAP(On-line Analytical Processing)和數據挖掘等相關技術走向商業應用后形成的一種應用技術，其技術架構如圖1所示:
圖1 商業智能技術架構圖
4 國內制造業的商務智能應用
據Chinabi的《2009-2010年中國商業智能市場分析》稱，全球范圍內，商業智能已經超過ERP和CRM成為最具增長潛力的領域。據ChinaBI調查2009年中國大陸地區的商業智能市場份額約為26億元人民幣，比2008年增長18%，約占企業管理軟件的市場份額的8%。
應用商業智能的行業中，金融、電信行業是BI應用最集中的行業，約占40%的市場分額，保險、能源、煙草、政務行業約占30%的市場份額，制造、零售行業約占30%的市場份額，是BI應用最具潛力的行業。
制造業的企業信息化水平參差不齊，有些大中型企業已經成功使用商業智能技術，但是大部分企業基礎信息化水平仍未達到，隨著這些企業的信息化水平逐步提高，建設商業智能系統的需求也會隨之而來。
目前搜集的制造業應用商業智能的案例主要涉及：
1)操作現場和研制。實現技術流程與生產作業流程的有機結合。航宇五院案例。
2)售后服務。改變保修問題分析主要靠工程師手工處理的計算方式，應用整體保修分析解決系統，使工程師迅速判斷保修賠償率、是否需要特殊檢查。上海通用案例。
3)決策支持。決策支持系統由數據倉庫及管理系統、模型庫及管理系統、知識庫及管理系統、數據抽取工具、數據挖掘與知識發現工具、用戶界面等模塊組成，成功實現了對數據、模型、知識、交互四個部件的系統集成武鋼決策支持系統。武鋼智能綜合決策支持系統。
4)銷售情況。對日常工作情況實現流程化管理，并及時完成數據的上報。另一方面，通過完成各種復雜的報表生成和數據分析，使企業管理人員能夠及時、深入、全面地了解全國各地、不同時段、不同車型的銷售情況等各種信息。北京一汽車銷售商。
5)辦公系統。加強和完善生產管理、提高資源共享和團隊協作程度，最大限度地實現公司內部資源的高效利用，提高綜合統計、分析、處理數據，報表設計的效率。中國鋁業氧化鋁系統案例。
5 商業智能實施風險
當然，商業智能如ERP，CRM等應用系統一樣，在實施中存在著一定的風險，制造企業首先要認清自身的需求情況，在選擇合作伙伴的同時也要進行充分的了解。各主流廠商都有各自的優勢，比如SAS的數據挖掘、Hyperion的預算與報表合并、BO的數據分析與報告等。而商業智能產品的發展趨勢必將是整合平臺基礎上的集成化應用。如何切實了解自身需求、選擇具有優勢的廠商產品，將是企業實施商業智能成功的關鍵。
現將制造企業實施商業智能需要避免的方面總結如下：
1）信息系統提供的數據太過于明細，很難對企業宏觀決策起到幫助作用；
2）信息系統提供的匯總報表只能反應某一方面的信息，而不能形成對整個業務過程的全面了解，管理人員要分析一個問題時必須同時在手上拿5、6張匯總報表或明細報表，不能進行動態的數據透視；
3）一個企業中通常同時運行著幾套不同的信息系統，這些系統相互獨立，數據互不聯系，但從整個企業的角度來看這些信息又是相互聯系的，管理者在進行決策時也必須同時使用到來源于各系統的綜合數據，但各管理信息系統的相互獨立造成了使用復雜，決策效率低下；
4）管理者在查看信息的時候通常需要將原始的數據通過某種數據模型運算，以計算出某種指標，如:庫存周轉率，資金周轉率等，并以次來衡量企業的運行狀況。但很多信息系統的數據無法直接應用到商業模型或數學模型上，有的信息系統即使有提供一部分數據模型，但無法進行擴展，必須要應用一種信息的算法或新的模型。
6 實施商業智能的步驟
實施商業智能系統是一項復雜的系統工程，整個項目涉及企業管理、運作管理、信息系統、數據倉庫、數據挖掘、統計分析等眾多門類的知識。因此用戶除了要選擇合適的商業智能軟件工具外還必須按照正確的實施方法才能保證項目得以成功。商業智能項目的實施步驟可分為：
（1）需求分析。需求分析是商業智能實施的第一步，在其它活動開展之前必須明確地定義企業對商業智能的期望和需求，包括需要分析的主題，各主題可能查看的角度（維度）。需要發現企業那些方面的規律。用戶的需求必須明確；
（2）數據倉庫建模。通過對企業需求的分析，建立企業數據倉庫的邏輯模型和物理模型，并規劃好系統的應用架構，將企業各類數據按照分析主題進行組織和歸類；
（3）數據抽取。數據倉庫建立后必須將數據從業務系統中抽取到數據倉庫中，在抽取的過程中還必須將數據進行轉換，清洗，以適應分析的需要；
（4）建立商業智能分析報表。商業智能分析報表需要專業人員按照用戶制訂的格式進行開發，用戶也可自行開發（開發方式簡單，快捷）；
（5）用戶培訓和數據模擬測試。對于開發使用分離型的商業智能系統，最終用戶的使用是相當簡單的，只需要點——擊操作就可針對特定的商業問題進行分析；
（6）系統改進和完善。任何系統的實施都必須是不斷完善的。商業智能系統更是如此，在用戶使用一段時間后可能會提出更多的，更具體的要求，這時需要再按照上述步驟對系統進行重構或完善。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文標題：商業智能BI及其在制造業的應用
相關文章
