企業(yè)數(shù)據(jù)倉庫系統(tǒng)與商業(yè)智能的建立與實施

申請免費試用、咨詢電話：400-8352-114

商業(yè)智能(Busines lnteligence)簡稱BI通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。

伴隨數(shù)據(jù)庫技術(shù)的提高和數(shù)據(jù)處理技術(shù)的發(fā)展以及各行業(yè)業(yè)務(wù)自動化的實現(xiàn)，商業(yè)領(lǐng)域產(chǎn)生了大量的業(yè)務(wù)數(shù)據(jù)，要從這海量數(shù)據(jù)中提取出真正有價值的信息，將數(shù)據(jù)轉(zhuǎn)化為知識，以支持商業(yè)決策，需要用到能提取、存儲有用信息，支持決策的數(shù)據(jù)倉庫(DW)、聯(lián)機分析處理(OLAP)工具和數(shù)據(jù)挖掘(DM)等技術(shù)。因此，從技術(shù)層面上講，商業(yè)智能不是什么新技術(shù)，它是DW、OLAP和DM等技術(shù)的綜合運用。

商業(yè)智能的關(guān)鍵是從許多來自不同的企業(yè)運作系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進行清理，以保證數(shù)據(jù)的正確性，然后經(jīng)過抽取(Extraction)、轉(zhuǎn)換和裝載，即ETL過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎(chǔ)上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具、OLAP工具等對其進行分析和處理.這時信息變?yōu)檩o助決策的知識，最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供支持(圖1)。目前，商業(yè)智能產(chǎn)品及解決方案大致可分為數(shù)據(jù)倉庫產(chǎn)品、數(shù)據(jù)抽取產(chǎn)品、OLAP產(chǎn)品、展示產(chǎn)品、和集成以上幾種產(chǎn)品的針對某個應(yīng)用的整體解決方案等。

1 商業(yè)智能與企業(yè)信息化系統(tǒng)的關(guān)系

商業(yè)智能作為一種企業(yè)信息集成解決方案，為企業(yè)不同的應(yīng)用系統(tǒng)，如企業(yè)資源規(guī)劃(BRP)、客戶關(guān)系管理(CRM)、供應(yīng)鏈管理(SCM)以及外部環(huán)境掃描等系統(tǒng)之間架起了互通的橋梁。同時，這些信息化系統(tǒng)也為商業(yè)智能提供了數(shù)據(jù)源，離開了它們，商業(yè)智能就會成為無源之水，無本之木。但商業(yè)智能的價值又在這些系統(tǒng)之上，因為它可以發(fā)現(xiàn)數(shù)據(jù)背后隱藏的商機或威脅，獲得洞察力，了解企業(yè)和市場的現(xiàn)狀，把握趨勢，識別異常情況，理解企業(yè)業(yè)務(wù)的推動力量.認清正在對企業(yè)的業(yè)務(wù)產(chǎn)生影響的行為及影響程度如何等。

2 商業(yè)智能的實施

用戶不僅要選擇合適的商業(yè)智能軟件工具，還必須按照正確的實施方法才能保證商業(yè)智能項目得以成功，項目的實施步驟可分為:

2.1需求分析

在其他活動開展之前必須明確的定義企業(yè)對商業(yè)智能的期望和需求，包括需要分析的主題，各主題可能查看的維度，即需要發(fā)現(xiàn)企業(yè)哪些方面的規(guī)律。

2.2 數(shù)據(jù)倉庫建模

通過對企業(yè)需求的分析，建立企業(yè)數(shù)據(jù)倉庫的邏輯模型和物理模型，并規(guī)劃系統(tǒng)的應(yīng)用架構(gòu)，將企業(yè)各類數(shù)據(jù)按照分析主題進行組織和歸類。

2.3 數(shù)據(jù)抽取

數(shù)據(jù)倉庫建立后必須將數(shù)據(jù)從業(yè)務(wù)系統(tǒng)中抽取到數(shù)據(jù)倉庫中，首先將來自運營、財務(wù)、CRM等不同數(shù)據(jù)源的不同類型數(shù)據(jù)采用數(shù)據(jù)整合平臺進行抽取、凈化、轉(zhuǎn)換和裝裝載，形成可以被系統(tǒng)識別的統(tǒng)一數(shù)據(jù)格式，導(dǎo)人數(shù)據(jù)倉庫存放。

2.4 建立分析報表

商業(yè)智能分析報表是數(shù)據(jù)倉庫信息的展現(xiàn)，根據(jù)客戶戶的不同需求，利用多種展現(xiàn)工具，可以將存放在數(shù)據(jù)倉庫中的歷史數(shù)據(jù)進行展現(xiàn)和挖掘，生成報表，或者生成展現(xiàn)圖表，進行分類和聚類，進行多維度檢索等。無論是企業(yè)的高層管理者，還是普通的業(yè)務(wù)人員，都可以根據(jù)展現(xiàn)出來的數(shù)據(jù)或者挖掘出來的關(guān)聯(lián)信息，輔助自己做出下一步的生產(chǎn)營銷決策。

2.5 數(shù)據(jù)測試與系統(tǒng)改進

要使系統(tǒng)成功交付使用，最終用戶的培訓(xùn)與軟件測試是關(guān)鍵的環(huán)節(jié)，可以找出系統(tǒng)的不足，以更好地適應(yīng)實際應(yīng)用。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(tǒng)進行重構(gòu)或完善。

在BI實施的各步驟中，DW是基礎(chǔ)，OLAP技術(shù)用于數(shù)據(jù)報表的生成，而DM技術(shù)用于產(chǎn)生支持決策的信息，從此也體現(xiàn)出Bl是上述多種技術(shù)的綜合應(yīng)用與體現(xiàn)。圖1充分說明了這一點。

3 商業(yè)智能具有的功能

BI產(chǎn)品和方案必須建立在穩(wěn)定、整合的平臺上，該平平臺需要提供用戶管理、安全性控制、連接數(shù)據(jù)源以及訪問、分析和共享信息的功能。

3.1 關(guān)聯(lián)分析功能

關(guān)聯(lián)分析主要用于發(fā)現(xiàn)不同事件之間的關(guān)聯(lián)性，即一一個事件發(fā)生的同時，另一個事件也經(jīng)常發(fā)生。關(guān)聯(lián)分析的重點在于快速發(fā)現(xiàn)那些有實用價值的關(guān)聯(lián)發(fā)生的事件。其主要依據(jù)是，事件發(fā)生的概率和條件概率應(yīng)該符合一定的統(tǒng)計意義。例如，一個開設(shè)儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以采取積極的營銷策略，擴展客戶購買的產(chǎn)品范圍，吸引更多的客戶。

3.2 監(jiān)視功能

預(yù)先設(shè)置條件，使符合條件的數(shù)據(jù)以一定形式顯示出來，這樣可以使問題一目了然。例如:上季度營業(yè)額少于萬元的分店顯示出來，以引起管理人員的注意。

3.3 記錄選擇功能

可以從大量數(shù)據(jù)中選取需要的數(shù)據(jù)，重新構(gòu)成一個數(shù)據(jù)環(huán)境，可以使用戶關(guān)注的數(shù)據(jù)集中顯示出來。

3.4 程序調(diào)用功能

把通過按鈕查找抽取出的數(shù)據(jù)，傳給其他的軟件或用戶原有的程序，并執(zhí)行這些程序。

3.5 展示功能

BI要有查找、統(tǒng)計、排序等功能，并將結(jié)果以一定的的形式展示給用戶，以支持用戶進行多方面的數(shù)據(jù)分析和決策。

3.6 數(shù)據(jù)輸出功能

打印統(tǒng)計列表和圖表畫面等，可將統(tǒng)計分析好的數(shù)據(jù)輸出給其他的應(yīng)用程序使用，或者以HTML格式保存。

數(shù)據(jù)倉庫技術(shù)是為了解決擁有大量業(yè)務(wù)數(shù)據(jù)的企業(yè)能及時有效地提取經(jīng)營管理決策所需要的信息而產(chǎn)生的，如何有效地組織大量的數(shù)據(jù)，維護數(shù)據(jù)的一致性，方便用戶的訪問，這只是數(shù)據(jù)倉庫技術(shù)的一個方面。另一個重要方面是如何為決策人員有效地使用信息提供方便，使他們能通過使用數(shù)據(jù)倉庫系統(tǒng)對企業(yè)的經(jīng)營管理做出正確的決策，從而為企業(yè)帶來經(jīng)濟效益。然而，數(shù)據(jù)倉庫中的大部分信息是不易瀏覽的。要使數(shù)據(jù)倉庫為最終用戶的決策支持提供數(shù)據(jù)，就要借助OLAP技術(shù)，通過OLAP技術(shù)，利用數(shù)據(jù)的多維視圖，用戶能多角度、多側(cè)面、多層次地考察數(shù)據(jù)庫中的數(shù)據(jù)，從而深人地了解包含在數(shù)據(jù)中的信息及其內(nèi)涵。

OLAP為數(shù)據(jù)倉庫提供了快速瀏覽、分析，若要智能化且主動地把這些數(shù)據(jù)轉(zhuǎn)變?yōu)橛杏玫男畔⒑椭R，離不開日益受到重視的數(shù)據(jù)挖掘技術(shù)。數(shù)據(jù)挖掘又稱數(shù)據(jù)庫中的知識發(fā)現(xiàn)(KDD)，是指從存放在數(shù)據(jù)庫、數(shù)據(jù)倉庫或其他信息庫中的大量數(shù)據(jù)中自動地發(fā)現(xiàn)相關(guān)模式、提取有潛在價值的信息、挖掘知識的過程。從CRM的角度，數(shù)據(jù)挖掘應(yīng)用就是從大量數(shù)據(jù)中挖掘出隱含的、先前未知的、對決策有潛在價值的知識和規(guī)則，并能夠根據(jù)已有的信息對未來發(fā)生行為做出結(jié)果預(yù)測，為企業(yè)經(jīng)營決策、市場策劃提供依據(jù)。在CRM中應(yīng)用的數(shù)據(jù)挖掘模式主要有以下五種:關(guān)聯(lián)分析、分類、聚類分析、序列分析、孤立點分析。對于要挖掘的數(shù)據(jù)，可以是來自傳統(tǒng)的關(guān)系數(shù)據(jù)庫，也可以建立面向主題的、采用多維數(shù)據(jù)立方體組織數(shù)據(jù)的數(shù)據(jù)倉庫。

數(shù)據(jù)挖掘經(jīng)過確定業(yè)務(wù)對象、數(shù)據(jù)準備、建立模型、驗證模型、數(shù)據(jù)挖掘、結(jié)果分析等步驟，不僅完成了對歷史數(shù)據(jù)的分析，以及不同客戶群體的消費數(shù)據(jù)的分析，而且將這些數(shù)據(jù)知識化，以預(yù)測企業(yè)在未來將要發(fā)生的狀況，從而提高企業(yè)的收益能力和決策能力。如，商家可以在分析市場銷售數(shù)據(jù)的基礎(chǔ)上選擇潛在的顧客，以便向他們推銷產(chǎn)品，減少了開展業(yè)務(wù)的盲目性?？梢酝ㄟ^數(shù)據(jù)挖掘技術(shù)，發(fā)現(xiàn)有欺詐傾向的用戶，避免企業(yè)受到損失。

商業(yè)智能使用戶能夠認清趨勢、獲取洞察力和得出結(jié)論，隨著用戶對歷史數(shù)據(jù)查詢的復(fù)雜性和快速響應(yīng)的需求，以及企業(yè)提高決策能力和競爭能力的需要，商業(yè)智能一定會成為許多行業(yè)的投資熱點，并得到進一步的普及和發(fā)展。（萬方數(shù)據(jù)）