商務智能的技術支柱
商務智能是指將企業的各種數據及時地轉換為企業管理者感興趣的信息（或者知識），并以各種方式展現出來，幫助企業管理者進行科學決策，加強企業的競爭優勢。這里的數據不僅僅指企業內部的各種數據，而且包括企業外部的數據，例如行業、市場狀況和客戶資源的數據等等。
從技術角度看，商務智能的過程是企業的決策人員以企業中的數據倉庫為基礎，經由聯機分析處理工具、數據挖掘工具加上決策規劃人員的專業知識，從數據中獲得有用的信息和知識，幫助企業獲取利潤。
從應用角度看，商務智能幫助用戶對商業數據進行聯機分析處理和數據挖掘，例如預測發展趨勢、輔助決策、對客戶進行分類、挖掘潛在客戶等等。
從數據角度看，商務智能使得很多事務性的數據經過抽取、轉換之后存入數據倉庫，經過聚集、切片或者分類等操作之后形成有用的信息、規則，來幫助企業的決策者進行正確的決策。
在三大技術支柱中，數據倉庫是商務智能的基礎。數據倉庫是一個用以更好地支持企業或組織的決策分析處理的的數據集合，它有面向主題、集成、相對穩定、隨時間不斷變化四個特性，將數據倉庫與傳統的面向事務處理的數據庫區分開來。數據倉庫的關鍵技術包括數據的抽取、清洗、轉換、加載和維護技術。
聯機分析處理（OLAP）是以海量數據為基礎的復雜分析技術。它支持各級管理決策人員從不同的角度、快速靈活地對數據倉庫中的數據進行復雜查詢和多維分析處理，并且能以直觀易懂的形式將查詢和分析結果展現給決策人員。
OLAP使用的邏輯數據模型為多維數據模型。常用的OLAP多維分析操作有上卷、下鉆、切片、切塊、旋轉等。多維數據模型在物理實現時，主要有三種方式：ROLAP結構、MOLAP結構和HOLAP結構。其中ROLAP是基于關系數據庫的OLAP實現，MOLAP是基于多維數據組織的OLAP實現，HOLAP是基于混合數據組織的OLAP實現。
數據挖掘(Data Mining)是從海量數據中，提取隱含在其中的、人們事先不知道的但又可能有用的信息和知識的過程。數據挖掘的數據有多種來源，包括數據倉庫、數據庫或其他數據源。所有的數據都需要再次進行選擇，具體的選擇方式與任務相關。挖掘的結果需要進行評價才能最終成為有用的信息，按照評價結果的不同，數據可能需要反饋到不同的階段，重新進行分析計算。數據挖掘的常用方法包括關聯分析、分類和預測、聚類、檢測離群點、趨勢和演變分析等。可以說：聯機分析處理和數據挖掘是數據倉庫之上的增值技術。
商務智能的技術走向
目前，無論在商務智能技術的理論研究中還是在產品實現中，聯機分析處理與數據挖掘兩大技術是分離的。
在理論研究上，OLAP技術的研究人員主要來自數據庫界，重點研究CUBE壓縮與計算、實體化視圖的選擇與維護、多維數據的索引和多維查詢處理等技術，以便能夠在海量數據上提供秒級的分析請求響應時間。數據挖掘技術的研究人員來自人工智能、統計、數據庫界，其研究主要集中在各種挖掘算法和評價方法上，研究可伸縮的數據挖掘方法、基于約束的挖掘方法、復雜數據類型的挖掘等。
在產品實現上，IBM、ORACLE、Cognos、SAS、NCR、Brio等軟件廠商，看準商務智能軟件的市場，通過自行研制或收購的方式推出了相關產品。其中數據庫廠商通常給出從數據倉庫到聯機分析處理再到數據挖掘的全套解決方案，其他廠商則側重于獨立的分析、展現與挖掘工具的開發。即使是在全套解決方案中，其OLAP與數據挖掘產品也是相互獨立的。
聯機分析處理和數據挖掘雖然是數據倉庫上獲取兩種不同目標的數據增值技術，但這兩類技術如果能夠在一定程度上融合，會使分析操作智能化，使挖掘操作目標化，從而全面提升商務智能技術的實用價值。即：一方面，聯機分析技術可以為數據挖掘提供預期的挖掘對象和目標，避免挖掘的盲目性。另一方面，數據挖掘技術可以使聯機分析處理智能化，減少分析人員手工操作的繁雜性，減輕分析人員的負擔。例如，當分析人員在手工分析操作中發現離群點數據，可以有針對性地直接對此數據利用數據挖掘技術尋找原因，從中找出惡意違規或發現新的需求點。又如，在數據分析過程中，通過跟蹤分析人員的操作過程，利用數據挖掘技術預測他可能感興趣的操作和數據，提前預計算或預取數據，從而提高分析操作的響應時間。因此可以說，基于數據倉庫的聯機分析處理技術與數據挖掘技術的融合和互補，將是商務智能技術發展的未來走向。
商務智能的應用前景
企業為迎接市場的挑戰，必須對市場運作有準確的分析。商務智能系統的最大好處是可以得到準確、及時的信息，幫助企業贏得競爭優勢，而這些功能的完成主要依靠數據倉庫、聯機分析處理和數據挖掘這三大技術。借助商務智能的核心技術，利用企業中長期積累的海量數據，可以實現四方面的應用：
* 客戶分類和特點分析
根據客戶歷年來的大量消費記錄以及客戶的檔案資料，對客戶進行分類，并分析每類客戶的消費能力、消費習慣、消費周期、需求傾向、信譽度，確定哪類顧客給企業帶來最大的利潤、哪類顧客僅給企業帶來最少的利潤同時又要求最多的回報，然后針對不同類型的客戶給予不同的服務及優惠。
* 市場營銷策略分析
利用數據倉庫技術實現市場營銷策略在模型上的仿真，其仿真結果將提示所制定的市場營銷策略是否合適，企業可以據此調整和優化其市場營銷策略，使其獲得最大的成功。
* 經營成本與收入分析
對各種類型的經濟活動進行成本核算，比較可能的業務收入與各種費用之間的收支差額，分析經濟活動的曲線，得到相應的改進措施和辦法，從而降低成本、減少開支、提高收入。
* 欺詐行為分析和預防
利用聯機分析和數據挖掘技術，總結各種騙費、欠費行為的內在規律后，在數據倉庫的基礎上建立一套欺騙行為和欠費行為規則庫，就可以及時預警各種騙費、欠費，盡量減少企業損失。
在歐美發達國家，以數據倉庫、聯機分析處理和數據挖掘為基礎的商務智能應用首先在金融、保險、證券、電信、稅務等傳統數據密集型行業取得成功。國外數據倉庫的增長有多種因素驅動。一是經濟全球化，打破了國際上存在的種種壁壘，消除了國家保護，各商家只有及時向客戶提供產品和優質服務，才能在激烈的競爭中擁有客戶和占有市場，才能生存下來。二是知識經濟的發展，導致企業的數據量劇增，企業亟需從這些龐大的數據中獲知其隱含的信息和知識，制定相適應的政策，增強企業的競爭力。根據IDC分析，從1997年到2002年，整個數據倉庫市場（軟件、服務、服務器和存儲）以平均每年20.5％的速度增長。IDC的另一項調查結果表明，企業用于商務智能的投資回報率平均2.3年高達400％。一項來自美國MetaGroup的市場分析指出，92％的企業將在今后3年內使用數據倉庫。
國內數據倉庫應用剛剛起步，電信、金融、證券、稅務、零售業等已有大量操作型數據積累的企業都出現了迫切的應用需求，可以預計，商務智能在中國同樣會有廣闊的應用前景。但是另一方面，成功的數據分析與挖掘應用依賴于大量的、長期的、真實的歷史數據積累，對于許多信息化建設起步較晚的企業，首先踏踏實實地做好基礎數據庫的建設更為重要，這也是為進一步走向商務智能打下基礎。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.vmgcyvh.cn/
本文標題：商務智能：從數據中挖取利潤
相關文章
