如何正确理解商业智能（BI）。--下

 

2 、 BI 研究内容、发展趋势
　　商业智能为更好地制订战略和决策提供良好的环境，为特定的应用系统（如客户关系管理 CRM 、供应链管理 SCM 、企业资源计划 ERP ）提供数据环境和决策分析支持。当面向特定应用的特定战略和决策问题，商业智能从数据准备做起，建立或虚拟一个集成的数据环境。在集成的数据环境之上，利用科学的决策分析工具，通过数据分析、知识发现等过程，为战略制订和决策提供支持。最终，是如何解释和执行分析和发现结果的问题。整个过程中，集成的数据环境和决策分析工具是十分重要和不可缺少的。
　　使用数据仓库和数据集市建造集成的数据环境是逐渐走向 成熟 、也是目前最理想的做法。数据仓库提供数据存贮环境，而且是面向特定主题的决策支持环境。来自各种数据源中的数据经过清洗、 ETL （抽取，转换，上载），按某一主题存贮。数据集市是面向特定主题的小型数据仓库，解决了企业级数据仓库要存储大量数据而带来的建设周期长、造价高、可扩展性差等缺陷。
　　 OLAP 是基于数据仓库环境的数据分析工具。用户首先提出自己的假设，然后利用 OLAP 工具检索查询以验证或否定假设，是用户制动式的分析方式。 OLAP 解决了基于 OLTP 分析效率低、不能进行多维分析的缺点。相比较而言，知识发现（大多数人也称数据挖掘）是较难理解的，它利用知识发现工具挖掘事先未知的、潜在有用的知识的过程，是一种主动式自动发现方法。
　　 2.1. 研究内容
　　商业智能是利用当今计算机前沿技术作支撑、运用现代管理技术进行指导的应用系统，它的研究 热点 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。
　　 2.1.1 . 支撑技术的研究
　　商业智能作为一个在 90 年代末期出现的跨学科新兴领域，必须借鉴两方面的先进成果，一是计算机技术的前沿技术，一是企业管理方面的新理论、新观点。企业管理方面的新理论、新观点为战略制订和决策提供先进的管理模式，帮助企业更好地运营；先进的计算机技术是提高系统性能的有力手段。
　　商业智能的支撑技术包括以下几项：

一是计算机技术，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；计算机网络与 WEB 技术。

二是企业管理，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。
　　支撑技术的研究主要围绕两部分展开：决策支持工具研究和企业建模方法研究。企业建模是为解决如何建立特定企业模式的辅助工具。 IDEF 等研究方法是较程式化的企业建模方法，比较新的建模方法包括基于 UML 的企业建模等方法。数据挖掘算法的研究是目前计算机界研究的热点之一，它逐渐成为一个跨越人工智能、数据统计等多学科的研究领域。决策分析工具的研究还包括各种分析方法的研究。
　　 2.1.2 . 体系结构的研究

面向特定应用会有相应改进的体系结构，使商业具有良好的性能，例如：如何建立数据存贮和数据模型才能很好地支持主题、数据分析和知识发现的需要；选择何种决策分析工具，包括选择实现何种任务、选择实现这种任务的何种工具；将分析和发现的信息和知识通过何种接口达到需要的用户等等。
　　 2.1.3 . 应用系统的研究
　　对应用系统的研究重点在于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商业智能系统应该提供的功能以及具体实现方法。目前，商业智能被广泛应用于与企业运营过程相关的各个领域，并且在很多领域已经形成其特有体系。目前具有代表性的应用领域包括：企业资源计划（ ERP ）、客户关系管理（ CRM ）、企业性能管理（ BPM ）、人力资源管理（ HRM ）、供应链管理（ SCM ）、电子商务（ E-business ）。

 

3 、 商业智能也存在不足

商业智能的目标与 DSS 一样，是为了提高企业决策的效率和准确性。但 BI 是通过数据分析、 知识 发现工具提供有价值的、辅助决策的信息和知识， 用户 必须根据这些信息和知识，运用现有的企业知识和经验进行判断，做出决定，极少数具备智能决策的能力。不像专门的决策支持系统那样提供方案生成、方案协调、方案评估等功能，更不具备群体决策的能力。
　　

4 、影响 BI 性能的因素
　　商业智能利用数据挖掘不断发现新的知识，扩充到现有的企业知识中来。但就目前企业应用现状和算法实现上来看，制约知识发现的因素较多，同时也影响了 BI 的性能。
　　 4.1. 系统智能不能很好地实现
　　现有数据挖掘算法大多尚不 成熟 ，效率较低。另外，作为 BI 数据基础的数据仓库或数据集市中数据量一般比较大，新知识形成的速度和准确性比较低，致使现有的 BI 系统在知识发现方面的能力不能满足用户要求。
　　 4.2. 系统工具缺乏
　　目前大多数 BI 系统功能集中在数据分析方面，如数据查询、报表、 OLAP 、数据可视化，很少有开发商在系统中配有知识发现工具。因此，功能比较集中，更深一层次的要求无法满足。
　　

5 、结语
　　目前，对 BI 的研究与开发工作尚处于起步阶段。突出的问题在于数据分析、知识发现能力效率低，或缺乏知识发现，而更像一个操作型应用系统。很难在决策支持方面发挥 BI 应有的作用。 BI 系统开发企业首先应该认识到 BI 发展、应用的总体趋势，其次多借鉴 国内外BI 成熟的技术和 方法 ，开发或不断完善真正意义上的 BI 系统。