七大热门商业智能产品
作者：佚名文章来源：CIO时代点击数：668 更新时间：2009-5-27
目前，市场上的BI产品主要包括：数据挖掘软件、终端客户查询、报表和分析工具、数据集市/仓库产品、立体数据分析软件、技术数据分析软件、数据仓库数据库和信息集成工具等。而不同背景的厂商提供的商业智能产品也不近相同，名目繁多的产品可以用百花齐放来形容。
一、IBM
就在今年四月，IBM刚刚发布了其下一代的商业智能战略DynamicWarehousing。DynamicWarehousing将满足那些成长型的企业对商业智能的需要，并可以帮助各种规模的企业从业务数据和信息(包括结构化和非结构化)中获取实时的价值。
IBM全新的动态仓库战略允许用户使用分析能力作为实时业务流程的一部分，并挖掘隐藏在非结构化信息中的数据(包括文本、电子邮件、音频文件、网页等)。此外，这种方法还可实现在处于执行的状态中，无论是客户支持、处理投诉还是进行交易等，都可以即时访问可靠的信息。
与传统的数据仓库只关注查询和报告来了解信息不同，新一代的动态仓库试图通过像联机分析处理(OLAP)和用于历史分析的数据挖掘这样的技术来了解原因，并对今后的工作中提出建议，包括战略和战术的计划。动态仓库还可以按需提供并分析信息，以帮助用户优化每一次交易。
为了支持新的商业智能战略，IBM还开发出一系列帮助各种规模的企业应用动态仓库技术的产品，主要包括：IBMDB29、I BMBalancedWarehouse和IBMOmniFindAnalyticsEdition等。
IBM商业智能产品功能和特性如下：
1.数据存储和管理：用于商业智能的DB2解决方案提供了集成的、易于使用的数据仓库、数据分析和数据管理软件，通过易用的工具迅速建立和管理数据仓库。
2.数据处理：一旦数据仓库准备就绪，DB2WarehouseManager可以提供灵活易用的工具，使数据仓库可以被访问，并能够对使用情况进行管理和跟踪。
3.在线分析：DB2OLAPServer无需任何查询语言方面的知识，只需要最基本的编程经验，DB2OLAP服务器就可以使用户迅速地设计和管理应用程序。
4.数据挖掘：DB2IntelligentMiner将从数据仓库中帮助用户发现以前不知道的并可用于指导决策的信息。当用户的数据积累到一定的数量时，这些数据的某些潜在联系、分类、推导结果和潜在价值隐藏其中，可以使用数据发掘工具来发现这些有价值的数据。
二、BO
BusinessObjectsEnterprise是BO的一项商业智能平台产品，它将最终用户的深入洞察力与单一BI标准灵活的系统管理有机
地融合了起来，使用户能够放心地部署BI产品，并实施标准化。
BusinessObjectsEnterprise为用户提供了以下帮助：
1.可扩展的、自适应的和基于服务的架构
BI平台是企业总体IT基础设施中的关键组成部分，它为企业信息的访问和决策提供了关键的支持系统，用户可以依靠该平台来确保对业务信息的跟踪、了解和管理。这样就需要部署一种具备高度可用性的有效结构，以便对关键信息及其分析工作进行处理、管理，并提供给广大的用户群。BusinessObjectsEnterprise的解决方案具有充足的灵活性，同时还能够随着需求变化而不断扩展该方案的部署。
2.最终用户的洞察力
BusinessObjectsEnterprise能够为员工提供可靠的信息，并可以直接集成到门户网、外部网、桌面应用或绩效管理应用系统中；并可以按照自己喜欢的方式随时随地提出问题，使最终用户依据事实情况做出准确和及时的判断，从而制定决策。而百科全书(E ncyclopedia)和流程跟踪器(ProcessTracker)等创新工具使最终用户能够在整个决策的过程中，利用直观、基于Web的界面来进行跟踪、管理和协作。
3.易于部署和管理的解决方案
BusinessObjectsEnterpriseXI可以实现快速的部署，并具备引导安装、全面的导入和升级支持，以及灵活的部署等特性。
三、SAS
SAS提出了高于传统商业智能的企业级智能平台(EIP，EnterpriseIntelligencePlatform)的概念，其中包含了数据整合(抽取、转换和加载)、智能存储、传统商业智能和分析智能等功能。SAS还在此平台的基础上开发出了其他的商业解决方案，比如支持企业级智能、客户智能、金融智能、供应链智能的产品，还有支持各类垂直市场所需的解决方案。
无论企业是需要网络报告，并通过网络端口或无线上网设备递交内容的互动式问询环境，还是通过电子邮件发布和订阅频道内容，无论何时何地，SAS商业智能都可提供有价值的信息和答案。
利用可定制的开发环境，SAS提供了一个灵活的、可扩展的界面和支持服务，并提供软件包，SAS商业智能为端到端智能生成和传递过程提供的主要组件如下：
1.易于访问、质量稳定的企业数据；
2.对于业务用户使用在线分析处理(OLAP)快速、有效的访问全球的高度汇总数据；
3.强大的分析型、交互式数据探索；
4.基于网络的报告和分析；
5.通过网络端口发布订阅频道和无线设备传递内容；
6.开放的开发环境，使程序员可以从其他编程语言和程序接入到SASBI。
四、Sybase
Sybase的数据仓库方法从根本上不同于其他的关系型数据库，Sybase已经开发了一个新的关系型数据库——逆向关系型数据库，它使用了一个传统的关系型结构以及类似的非常熟悉的术语，但是却是基于列的，而非基于行的。
Sybase的商业智能产品SybaseIQ主要有以下三个特点：
1.架构
不同于传统的关系型数据库，SybaseIQ其数据在表中不是按行存储的，而是通过表中的列来存储与访问数据的。尽管这种方式很明显的不太适合于交易环境，在交易环境中，一个事务与一行数据有效对应；而在查询进程环境中，查询则是基于特定的列来选择的。
2.索引
SybaseIQ的关键在于其索引，随着Sybase的用户发现了新的分析需求，Sybase可以简捷地建立新的索引以满足这些需求。这种方法可以为数据仓库增加新的索引，而几乎不会影响到数据仓库的架构或使用仓库的分析型应用。在实时企业与闭环应用领域，Sybase将索引视为在TB数量级甚至PB数量级数据仓库中获得更高查询性能的关键。
3.Multiplex
SybaseIQ的Multiplex组件增加了在单一的SybaseIQ环境中支持多个SMP机器节点的功能。在每个节点上，SybaseIQ使用轻量级的位于每个进程之下的操作系统线程，多线程明显地减轻了进程与内存的负担。
五、Cognos
Cognos的商业智能产品主要提供了报表、分析、计分卡、仪表盘、企业事件管理和数据集成等功能，其主要特点是易于集成、部署和使用。CognosBI提供了一种简化的BI环境，这可以提高用户的接受度，提高决策的水平，并可以作为企业级绩效管理的基础。
1.报表是Cognos商业智能中的一个重要功能。Cognos商业智能是一个能够在体系结构上提供完整BI功能的产品，可以让用户访问适合任何数据源的各种自助式报表类型，从单一元数据层进行操作，例如多语言报表等。
2.分析是Cognos商业智能的另一个重要功能。分析可以对与所有业务维度相关的信息进行向导式探察和分析，无需考虑数据的存储位置，这其中包括报告联机分析处理(OLAP)和维度化关系型数据源。
3.计分卡也是其中的一个重要功能。计分卡可以帮助用户将团队、战术和战略协调起来，对目标进行一致的沟通并对相对于目标的绩效状况进行监视。
4.业务仪表盘可以快递传达复杂的信息，它们可以将来自企业各种IT系统中的数据和信息转换为丰富的图形并进行展现，例如量表、地图、图表和其他图形，一起显示多种结果。
5.CognosBI业务事件管理可以对需要引起注意的重大事件进行跟踪，它可以对这些事件进行监视，并可以通过使用决策流程
企业对BI的八种错误观念
作者：佚名文章来源：IT专家网点击数：526 更新时间：2009-5-8
近期Gartner的分析师在一份报告中指出，大多数公司只将商业智能（BI）视为一揽子技术，而没有真正了解技术背后所能解决什么问题，以及如何使用BI所生成的智能信息。
诚然，BI应用能提供大量的客户信息，指导公司进行CRM活动，但信息价值的真正实现需要良好的过滤和识别能力。同时，公司也要具备足够的采集点来提供数据统计。在信息匮乏的基础上所建立的CRM战略只会导致最终成效与预期大相径庭。
Gartner在报告中所揭露的八种BI错误观念包括：
买了BI就能见效。如果公司在BI活动开发时仅从以数据为中心的角度出发，那么就很难体现出数据的价值，从而导致BI使用的过渡率难以提高。让商业部门从一开始就参与BI部署是避免这一问题的有效方法。
沉迷于数字游戏。许多公司都错误地沉迷于“Excel文化”，即用户从内部系统中提取数据，载入电子表格（比如Excel），然后执行自己的计算而没有去与企业中的其它部门分享。
忽略数据质量。数据质量是一种普遍存在的问题，并对BI的执行成效有着显著的影响。没有人愿意使用基于不关联、不完整或错误数据的BI应用。
一站式购买成本更低。一站式软件购买，或从标准企业软件厂商处购买一个BI平台，并不一定就能得到更低的总体拥有成本。成本考量要结合适合企业实际需求的解决方案而定。
一劳永逸。新接触BI的公司往往会将BI视为一个一劳永逸的项目，在应用要求的未来变更上有欠考虑。其实BI是一种活动标的，在部署完成一年后的使用要求变更会影响到35%至50%的应用功能。
大不了外包。有些公司寄望通过外包来降低成本。但分析师指出，一味计较成本和开发时间最终只会带来灵活性、操作性都差强人意的系统。
本末倒置。许多公司虽然都明白BI活动的目标在于建立“统一的视角”，然而却没有在一些基础定义（比如说营收）上达成一致。实现统一目标要求跨部门首先在各种定义（如客户、产品、关键绩效指标、度量等）上取得统一。
BI不需要战略。最后，也是最严重的错误观念是不需要书面BI战略，或实施了不当的BI战略。Garnter的专家建议，应指派专人或建立团队来负责制定或修正BI战略文件，同时让技术和商业双方的关键人员参与此过程。
商务智能及其实现模型
作者：佚名文章来源：CIO时代点击数：1370 更新时间：2009-1-23
1 引言
Internet作为一种崭新的通信媒体为许多领域带来了新的机遇.W EB愈加成为一个促成商务的重要渠道，电子商务也正经历着一个飞速的发展。一般而言，商务中所涉及到的信息或数据非常繁杂，要处理好众多的电子商务业务数据需要一定的高级信息处理技术，商务智能不失为一种理想
的解决方案。
商务智能作为一个辅助商务操作和决策的工具，旨在改善操作的效率，争取最大的嵌利，保持客户忠诚度，管理季节性变量以及形成个性化的服务.将商务智能工具(如数据挖掘)引人电子商务可揭示潜藏在数据后面的商机，从而得了电子化商家的普遍欢迎、商务智能的根本目的是为了“更快地作出更好的决策”。
2 商务智能的适用场合
基于电子商务的特点和商务智能的优势，商务智能在下述电子商务领域可以发挥重要作用.
(1)客户关系管理
对客户行为的了解有助于改善与客户的关系.作出正确的商业决策.这里因为客户关系能为企业带来如下好处:1)降低交互成本;2)转移工作到客户;3)监视公司效能:4)培养忠诚的客户;5)获取客户信息;6)程序化公司的商业处理流程。
Internet对公司最重要的贡献在于它具有建立公司与客户一对一关系的能力，从而改变整个客户关系，使公司与终端客户间的联系更为紧密和容易.带来的商业挑战就是要找到并理解客户的孺求;然后提供正确的产品来满足客户的这种需求.商务智能正
好适合于做这类工作，并能通过培养客户忠诚度和提供特色服务带来更多的燕利与竞争优势
(2)商业谈判
谈判意味着买、卖双方的信息交换.商业谈判也许只关心价格或更广泛的产品属性、产品选项(如质量保证、投递时间、支付方式、服务条款等户。由于参与各方彼此互不见面的空间分隔，而且他们可能有不同的商业实践经验以及不同的文化背景等，电子商务中的谈判显得更为重要和复杂基于商务智能的软件代理可以参与商业谈判并克服许多困难，其工作原理是买方与一个软件代理通信，该代理自动执行买方的要求，它给卖方必要的信息以完成既定价值链模型甲的所有步骤，由它实现谈判和决策分析。软件代理是个性化、自治和自适应的，其操作模式是预先设定的.
(3)信息安全保障
电子商务中涉及到大量的客户资料和敏感数据，参与交易的各方需要进行身份鉴别等操作为了保障电子商务交易的安全性.需要访问控制、机密性、完整性、非否认性等安全服务，整个交易活动将涉及到多项信息安全保障行为的实施基于商业原理的安全代理机制可以很好地适应并满足这种需要。
(4)物流规划
现代物流的基本需求包括:实时跟踪物流操作的整个过程，如实时向客户报告其物品的位置，准确预报物品的抵达时间并及时通知客户·客户能在线查询其物品的运输和投递状态信息，物流操作的成本尽可能地低厂时间尽可能地短，物流操作的响应速度尽可能地及时，接受第3方的物流管理等.物流系统中的路由规划、车次调度、发运计划的编制要满足这些严格的要求是一项
复杂的任务，这是一个以时限和成本为主要决策因素的多目标决策间题，要解决这类间题，智能而高效的决策支持系统是必要。
3 商务智能的实现模型
3.1识别商务智能机遇
启动商务智能的首要任务是明确想要达到的目标，这意味着要在组织内部寻求商务智能改善日常决策质量的机遇.一个易于使用的评价特定组织内部商务智能机遇的处理过程可分为3个基本的步骤：
1)收集信息:回答商业活动中的“谁、什么、何处、为什么、何时和怎么办”等问题.思考商务智能在一个组织内的可能应用领域、受益者以及需要的信息类型;
2)共享和搜集想法:将一组人召集在一起举行头脑风暴活动，相互共享“什么样的商业过程能够从商务智能中受益?”，“怎样的信息有助于改善这些过程?”等创意和经验;
3)对想法进行评价:用标准对头脑风暴中搜集到的创意和想法进行评价，识别出能够提供最大利益的商务智能机遇一旦头脑风暴完成.就能获得一个商务智能机遇的列表;然后将其分组，按重要性进行评价，最后得到经排序的机遇。
3.2 商务智能的关健技术
3.2.1 数据挖掘
商业操并不孤立，特色服务的关键就是要充分利用日常积累的业务数据.历史数据能对当前的决策产生有价值的指导，它能通过核心业务帮助人们执行优化的商业运作，增长市场份额，培养客户忠诚度.但要能有效地揭示出潜藏在大量数据背后的有用模式一直较为困难，这里因为数据在不断地增长。一个有效的解决方案就是数据挖掘，它能发现这种潜藏的模式，并用它来指导未来的业务.数据挖掘就是从大量的数据中获得隐藏于其中的行为模式，抽取出有效的、实用的、未知和复杂的信息，并将其用于商业决策.数据挖掘作为一种强有力的商务智能工具正变得流行，它缩短了数据搜集与利用之间的距离，适用于不同规模的电子商务。数据挖掘能帮助电子商务经营者改善他们的客户关系，作出正确的决策，并增强竞争能力.数据挖掘主要有以下几类操作:建立预告模型(通过例子预见一个属性的价值);数据库分段(用属性来对记录进行分组，每组记录有相似的属性，但组间的差异是明显的);关联性分析(找出交易中记录间或时间上
的关联性);偏离发现(找出数据库中包含着自己不期望价值的记录或记录序列).通常数据挖掘可实现以下功能:
(1)统计功能
统计功能有助于对数据的分析，并具有预报能力。统计功能分为:1) 因子分析—找出多个潜藏的变量之间的关系;2)线性衰减—用于确定主变量与非主变量间的线性关系;3)主变量分析—用于转换坐标系，以便坐标轴与数据分布更好地匹配;4)重变量曲线拟合—找出一个能确切描述数据分布的数学函数;5)变量统计—即详细统计。
(2) 挖掘功能
挖掘功能包括:相关性分析:相关性算法寻求诸如当购买油漆时是否购买刷子一类的模式，即它确定概率，例如，如果购买了油漆，有20%的可能性也会购买刷子，算法运行时创立成千上万条规则，用户可选择这些规则的一个子集.这些规则的可信度取决于用户对规则的理解和取舍，相关性分析被用于市场购物篮分析、促销计划等。2)序列模式:规则生成方法取决于相关性算法。该算法查看来源于某个客户的系列购买记录.例如，一月购买了饭盒和帐篷，二月购买了旅行背包和录像带三月购买了睡袋。这
里序列相关性算法查看所有的记录T"表并返回如下规则:如果一月的购买目标中包括饭盒，则三月购买睡袋的机率是30%序列模式可发现时间相关性.3)簇化:簇化用于将数据库分段成子集，每个簇的成员有相似的属性.簇化可通过统计学或神经网络算法来实现，取决于输人数据的类型.例如，购买记录可以反映购买人的驹买模式和他们对不同商品的喜好.根据人的行为方式对其进行归类(分段);然后观察这些分段并通过统计学来识别它们，就能得出产品的相关性.上述步骤的结果是一个零售商可以对不同类型的客户有一个更好的理解;然后据此调整市场策略以满足每类客户的不同需要，通过广告媒体向他们提供适合的产品.簇化被很好地用于交叉销售，针对不同客户的个性化市场服务，决定媒体宣传方案和理解购物目标等领域.4)分类:分类就是从记录集自动创立一个类模型的过程.引人的模型由多个模式组成，有助于区分类的记录一旦模型被引人，就可用于预告其他未分类的记录可用的方法包括树型引伸和神经网络反向传播。5)预报:与分类一样，预报的目的是要建立起一般化记录的数据模型.它们的区别在于目标不是类成员关系而是一个连续值或排序预报可采用神经网络算法和径向基函数(RBF)算法。
相似性时间序列:其目的是要发现在一个时间序列数据库中相似序列出现的机率.给定一个时间序列数据库，其目标是要找到相似于给定值的序列，或找到所有相似序列的发生机率。
3.2.2 神经网络
在快速变化和激烈竞争的商业环境中，更快、更好地决策是致胜的重要途径.市场决策人员越来越热衷于使用计算机决策支持系统帮助他们作出正确的选择。经网络在商业领域得到了广泛应用。尤其当问题域涉及到分类、识别、预报时.神经网络使数据间不可见的潜在趋势和关系得以发现.文献二5二探索了神经网络在零售业和B2B电子商务中辅助决策支持的应用，其目标是捕获市场巴素(如广告等促销手段)与总的销售额间的复杂关系，找出输人量变化引起的输出量波动之间的映射关系，通过神经网络的预报模型和敏感性分析可能找出重要的影响因子，此模型能够在给定的短期预报中取得良好的性能。
神经网络的使用有反向传播和正向传播之分.反向传播神经网络适合于每日或每周数据预报.与反向传播相比，正向传播神经网络在速度方面更具优势。正向传播神经网络不适于每日预报，但对于每周预报而言却能给出较好的结果.这可能归功于每周预报模式中输人量的较高相关性的存在卜正向神经网络不能用于敏感性分析，一个适当训练的神经网络模型所进行的敏感性分析的市场含义在于研究的结果可用于市场管理的实际应用.研究结果表明:
3.2.3 智能代理
传统的购物活动决策之前需投人大量人力来收集和整理相关商家、商品和服务信息.要在众多信息影响的环境下作出一个良好的商业决策是一件不容易的事。于是商家和客户越来越依赖于自动化的商品/服务处理，代理技术应运而生.智能代理是代表用户或有一定程度自治性的程序执行某些操作的软件实体，它根据用户的要求进行操作.智能代表了代理接受用户的目的并执行任务的能力.代理通常按照被代理对象的要求进行条约的签定和货币的交易卜代理可能分属于有利益冲突的不同个人或组织，因此代理的内部并不公开.代理要向所有参与者保证最理想的结果也许是不可能的，但系统至少应与未用代理一样好。
代理机制的优点表现为:
1)高效性:代理机制的根本出发点是使被代理对象的利益最大化，代表其处理相关事务，以取得更高的效率和更好的效果只要机制本身不是更糟的代理，代理就能够体现出高效性.
2)个体合理性:参与机制的代理所起的作用应该至少不低于未参加机制的代理.
3)激励作用:机制必须提供激励以使代理预先设定的动作是优化的.
4)稳定性:代理不应因其他代理的行为而改变策略.理想情况下。将有一个主策略对于每一个代理来说都是最佳的，而不管别
商务智能BI应用实例 案例一：公安领域BI产品应用解决方案 (1) 案例二：李宁集团在零售领域BI产品应用解决方案 (2) 案例三：奥克斯集团BI系统成功应用 (5) 案例四：应用商业智能提升水泥企业的管理效率 (6) 案例一：公安领域BI产品应用解决方案 应用摘要： 公安交通管理局警务的业务处理系统建设已经有一定的规模了，在日常的警务工作中，这些应用系统及相关的数据库大大提高工作效率，完成了各项任务，优势十分明显。随着城市交通日益发达，管理的相关因素显得更加错综复杂。加上原有系统在设计时是为满足某个警务工作的需要而有针对性建设的。这就造成信息的条状分布和信息系统带来新的挑战，因此，新平台系统建设将梳理信息资源，提高综合管理信息应用决策能力。 智能性处理： 作为高科技、信息化的智能交通管理的重要步骤，综合市交管局的信息，整合信息孤岛。提高信息分析的质量，有力地支持警务工作地展开。公安交通综合数据处理平台建设实现了如下目标： 通过与现场信息的连接，通过与多种不同警务处理信息关联，实现综合信息应用能力，集中警力调配，从而大大提高出警、处理、监控与分析的效率。 通过整合各种已有的警务处理、管理应用系统，形成整体信息利用能力，建立成为公安交通高科技、信息化的智能交通管理的信息平台。 系统架构： 公安交通综合数据处理平台的系统架构分为四个层次，即道路现场、终端信息处理层、信息数据处理层以及信息综合应用层，如图所示：
婷吕计I, 连匿，战本.掘孫 瞒“岸AA??* 嶋誉1W ?!? jftl flfs a tut楼蜩MA 遷?*? it* rti 笛為社甜frs-萍苯却愛aa^anta^a 案例二：李宁集团在零售领域BI产品应用解决方案 应用摘要： 随着李宁集团经营规模的不断扩大，信息化的建设也在不断的深入，从POS系统到E RP系统，从MAIL系统到OA系统，整个集团的每项工作都与信息系统密不可分，可以说是行业内信息化建设的先导者。但是随着信息系统的日益增多，面临的问题也不断涌现 （女口：信息孤岛、大量历史数据的闲置）。如何将多个信息系统的数据进行整合？如何将 大量闲置的历史数据提炼成知识？ ADM （汉端科技）根据自己的多年BI行业经验，针对这些问题提出了解决方案。通过ADM提供的商务智能BI系统项目的实施，最有力的数据挖掘、信息分析整理、数据管 理等解决方案，帮助企业梳理和制定完善的报表体系，为企业制定具有竟争力的分析模式 和模型、充分利用现有信息资源，让各个业务部门实现销售、产品规划、财务、库存等核 心业务的辅助决策。
商业智能FineBI行业应用解决方案 目录 商业智能银行业应用方案 (2) 商业智能地产行业应用方案 (4) 商业智能制造业应用方案 (6) 商业智能税务行业应用方案 (9) 商业智能汽车行业应用方案 (13) 商业智能电信行业应用方案 (15)
商业智能银行业应用案例 随着银行信息化的不断深入，银行积累的数据越来越多，面临着“数据爆炸”和“信息缺乏”的矛盾；另一方面，在目前复杂的商业环境中，无知或一知半解做出的决策是现代银行的最大威胁。而商业智能的最大优势就是充分利用银行在日常经营活动中搜集和积累的大量数据，并将他们转化为信息和知识来为银行找出市场发展趋势和经营上的问题，发现市场机会，帮助银行企业从数据中“挖金”。 在刚刚结束的亚太银行IT价值高峰论坛上，对于提升银行企业信息化水平，实现数据价值变现，各企业IT管理者一致认为商业智能在银行业信息化数据管理中发挥着重大作用。整合数据，统一门户 商业智能系统的建立，一来是提供一个数据分析平台，为业务部门更好的分析商业特征。比如企业领导每天查看相关的数据，比如全行的主要经济指标：存款、贷款、贴现、现金、准备金、存贷款结构占比、各网点主要任务完成情况，以及各类考核指标中完成任务较好、较差的网点和个人。这些信息的背后都涉及不同的数据源和应用系统，通过商业智能平台建立数据仓库，可将银行的所有相关数据经过ETL转换，数据清洗后放到数据仓库中，给分析者和决策者一个关于银行各方面情况的分析数据。二来，业务人员在数据分析时，会不断加深数据分析的思想，可以更大程度上提高业务分析人员的决策能力。 业务多元，灵活分析
商业智能系统最基本的价值体现在有效及时地产生有用的信息。在应用商业智能FineBI 时发现，业务人员分析的难点其实在于系统中存在着大量结构或非结构化的多维数据，简单的数据关联还行，如果需求复杂多样，就难以做到及时跟进。商业智能的便捷就在于此，由于自动建模，所有维度、指标、索引关联在一开始就建立好，做分析和查看分析都可以任意切换维度。比如，在存款账户分析中可以知道发生了那些业务，业务量和频率如何，趋势是怎样，进一步深究，可切换至哪个网点，哪个业务产品实现好的效益。 研究客户，指导营销 如今银行都意识到经营方式要从经营产品转向经营客户，因此目标客户的寻找，潜在客户的挖掘成为银行数据应用的主要方向，尤其是高端财富管理和大客户的开发。 以分析大客户为例，各银行都在采用各种手段“挖”竞争对手的优质客户，现有客户的维护和二次开发也显得尤为重要，典型的营销方式就是目标营销和交叉销售。比如对已有客户分析，可以发现具有某种特征的用户具有某种特定的偏好，从而推出针对性产品。又或者通过对优质客户群体的行为分析、忠诚度分析、构成分类进行分析，采取差异化的销售策略，提供个性化的金融产品及服务，在留住优质客户的同时，增加银行的利润增长点。 加强内管，全面发展 商业智能系统可以应用是广泛的，除了银行业务分析，还可以进行人力综合成本预算分析、人员绩效考核、平衡计分卡等。领导层通过这些分析可以更加直观地了解员工工作情况，以此采取相应地奖惩措施。 总而言之，从当前我国银行业的发展趋势来看，数据到价值的转化必将驱动商业模式与运营模式的深刻变革，企业信息化建设必须跟上步伐，及早出发，积极、理性地试水投入，才能借力实现竞争优势提升。
商务智能的发展和应用 聂迪 (宝鸡文理学院计算机科学系，陕西宝鸡721016) 摘要 所为商务智能，是明显区别于商业智能的一种分析数据的技术，其内容的获取和显示方面都有终端技术。现今，商务智能已发展成不仅仅只是软件产品和工具，而是一种整体应用的解决方案，甚至升华为一种管理思想，体现的是一种理性的经营管理决策的能力，即全面、准确、及时、深入分析和处理数据与信息的能力。 关键字 商务智能；分析；管理；技术 引言 商务智能的出现是一个渐进的复杂的演变过程，而且仍在发展之中，最早的商务智能被称为决策支持系统，它经历了事务处理系统（TPS）、高级管理人员信息系统（EIS），管理信息系统（MIS）和决策支持系统（DSS）等系统，最终演变成为今天的商务智能。随着计算机应用的不断发展和深入，软件系统的大型化、复杂化，软件的开发与应用已相当的广泛。近年来，商务智能技术日趋成熟，越来越多的企业决策者意识到需要商务智能才能保持和提升企业的竞争力。在美国，500强企业里面已经有90%以上的企业利用企业管理和商务智能软件帮助管理者做出决策。国外己经有很多成功实施商务智能的案例。可在我国，商务智能还处于导入期，商务智能应用的程度和实际效果都与国外企业有很大差距。。 商务智能的定义 商务智能是指利用数据仓库、数据挖掘技术对客户数据进行系统地储存和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价、客户满意度评价、服务质量评价、营销效果评价、未来市场需求等，为企业的各种经营活动提供决策信息。它是企业利用现代信息技术收集、管理和分析结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策
几种典型的商业智能（BI）系统架构分析 目前，随着商务智能理论的不断发展，商务智能的系统架构已经从单一的理论衍生出多种架构，如分布式商务智能架构，联合商务智能架构等。下图是前BO公司定义的商务智能的基本架构，它是一种开放式的系统架构，可以分布式集成现有的系统。从这个架构中，我们可以比较清楚的看出目前商务智能架构的模式。包括数据层、业务层和应用层三部分。数据层基本上就是ETL过程。业务层主要是OLAP和Data Mining的过程。在应用层里主要包括数据的展示，结果分析和性能分析等过程。在实际应用中，由于每个公司的规模和组织架构的不同，在实施商务智能选择系统架构的时候要结合公司的特点，选者最合适的架构。下面就介绍几种现实系统中的几种BI架构。 BO公司定义的BI架构 1、简单的BI架构 这是目前比较常用的商务智能架构，所有的数据集中管理，集中分析，最大的优点是容易管理和部署，系统结构简单，容易维护，适用于小型商务智能系统。缺点是对于跨地域部署比较困难，数据实时性差，可扩展性差。
2、联合的BI架构（Federated BI Architecture） 这种架构比较符合实际的需求，能够集成自定义的数据仓库，外包的数据仓库，架构化的数据仓库，非架构化的数据仓库，分析系统等。应用于多数据仓库的集成和管理。特点是适用于加速time-to-market ,需要高层力量的驱动。成功关键因素：共享一致的的重要的Metrics度量和维度；需要提供统一的标准，拥有企业级的ETL工具和集成的元数据；需要贯穿于整个团队的沟通。联合的BI架构包括：集中逆向商务智能架构，分布逆向商务智能架构，集中顺序商务智能架构，分布顺序商务智能架构及混合架构等。 2.1 集中逆向BI架构（Centralized Upstream BI Architecture） ·通常用于中小组织 ·需要良好的保管者的沟通 ·需要高级执行者买进 ·受限于逆向成功惯例（成功的变化是与任何单一实体的进行尝试是成反比的）
商业智能BI应用软件服务行业分析报告 2011年1月
目录 一、行业管理体制和有关政策 (5) 1、行业管理体制 (5) 2、行业主要法律法规及政策 (5) 二、商业智能行业概述 (8) 1、商业智能的定义 (8) 2、商业智能的产生与发展 (9) （1）商业智能的产生背景 (9) ①企业的“数据孤岛”现象 (9) ②“数据资产”新企业观念的建立 (9) ③企业运营模式的变化 (10) ④数据库和人工智能技术的发展 (10) （2）商业智能沿革 (10) 3、商业智能的核心技术体系 (13) （1）数据仓库（DW）技术 (13) （2）联机分析处理（OLAP）技术 (13) （3）前端分析展示技术 (14) （4）数据挖掘（DM）技术 (14) 4、商业智能在国内电信行业的发展 (14) 三、商业智能行业发展概况 (16) 1、软件产业发展概况 (16) 2、商业智能行业的细分领域 (17) 3、国际商业智能市场发展概况及趋势 (18) 4、我国商业智能市场发展概况及趋势 (19) 5、商业智能在各行业中的应用概况及趋势 (19) （1）商业智能在各行业应用的分布情况 (19) （2）商业智能在电信行业应用情况及趋势 (20)
（3）商业智能在非电信行业的应用前景 (22) 6、中国商业智能行业发展趋势 (25) （1）优势行业地位不减，中小企业商业智能应用逐渐普及 (25) （2）以产品为依托,增值服务成主角 (26) （3）商业智能解决方案将成为主流 (26) （4）商业智能行业前景良好，国内商业智能应用软件占比正逐年增加 (26) 7、行业上下游产业关系 (28) （1）商业智能行业与上游行业的关系 (28) （2）商业智能行业与下游行业的关系 (28) 8、行业的周期性、区域性或季节性特征 (29) 四、影响行业发展的主要因素 (30) 1、有利因素 (30) （1）国家产业政策的大力支持 (30) （2）随着电信运营商使用数据挖掘来支撑精细化管理和精细化营销理念的深入，商业智能需求将大幅增加 (30) （3）信息技术的不断升级推动了行业的持续发展 (31) 2、不利因素 (31) （1）高端人才的缺乏 (31) （2）客户对国内商业智能应用软件供应商的认同度有待提高 (32) （3）资金的缺乏 (35) （4）下游主要客户议价能力相对较强，一定程度上制约行业企业的发展 (35) 五、进入本行业的主要壁垒 (36) 1、行业准入制度 (36) 2、专业化壁垒 (37) 3、产品研发障碍 (37) 4、技术障碍 (38) 六、行业竞争状况 (39)
商务智能发展现状和市场发展趋势
商务智能的发展现状及发展趋势 一．总论 在目前信息技术广为普及的条件下，企业虽然可以借助信息技术从各种途径收集各种数据，但如何对浩瀚如海的数据进行快速科学的处理，如何从海量的信息中获取对企业管理最有价值的知识，并结合企业经营者的分析和判断，为企业决策提供支持，仍是亟待解决的事情。商务智能技术的出现则为上述问题提供了新的理论基础和技术选择。所谓商务智能，是明显区别于商业智能的一种数据分析技术，其内容的获取和显示方面都有终端技术。现今，商务智能已经发展成不仅仅只是软件产品和工具，而是一种整体使用的解决方案，甚至升华为一种管理思想，体现的是一种理性的经营管理决策的能力，即全面、准确、及时、深入分析和处理数据和信息的能力。 商务智能是指利用数据仓库、数据挖掘技术对客户数据进行系统地存储和管理，并通过各种数据统计分析工具对客户数据进行分析，提供各种分析报告，如客户价值评价，服务质量评价、客户满意度评价、营销效果评价、未来市场需求等，为企业的经营活动提供决策信息。它是企业利用现代信息技术进行收集、管理和分析结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。主要由数据仓库环境和分析环境两部分构成。
二．商务智能发展现状 1.商务智能市场规模 从2004年开始，中国商务智能使用市场保持了超过40%以上的年增长率。据IDC最新预测:目前商务智能解决方案在中国的市场价值将达到约4.38亿美元，增幅41%，超过业界平均水平3倍，这说明中国商务智能正处于蓬勃发展的上升期。 2.商务智能市场分布 3/4垂直市场：投入商务智能使用的所有企业中大企业占到50%。 3/4平行市场：目前仍以企事业单位用户中的电信行业、金融、银行、证券行业为主。统计、税务、工商等部门的政府用户对BI使用的需求也比较迫切。 3/4区域市场：七个大区中华北区、华东区、华南区、占到市场份额的90%。 3.商务智能的使用情况 固定报表。目前中国市场上的商务智能使用主要停留在这个层面的利用。OLAP分析：生成OPAL模型，建立各主题分析部分所需的综合、统计分析运算及相应的多维结构，然后在多维模型中分析，可完成大到多级业务综合分析，小到针对某一个领域的指标多角度分析。 数据挖掘：是一个萃取和展现新知识的流程。通过分析具体数据，发现确定有效的、新颖的、有潜在使用价值的、以往
商业智能照明系统应用方案 计算机技术、通信技术、自动控制技术、总线技术、信号检测技术和微电子技术的迅速发展和相互渗透，使得照明控制技术有了很大的发展，照明进入了智能化控制的时代。实现照明控制系统智能化的主要目的有两个：一是可以提高照明系统的控制和管理水平，减少照明系统的维护成本；二是可以节约能源，减少照明系统的运营成本。随着照明系统应用场合的不断变化，应用情况也逐步复杂和丰富多彩，仅靠简单的开关控制已不能完成所需要的控制，所以要求照明控制也应随之发展和变化，以满足实际应用的需要。尤其是计算机技术、计算机网络技术、各种新型总线技术和自动化技术的发展，使得照明控制技术有了很大的改观。 利用照明智能化控制可以根据环境变化、客观要求、用户预定需求等条件而自动采集照明系统中的各种信息，并对所采集的信息进行相应的逻辑分析、推理、判断、并对分析结果按要求的形式存储、显示、传输，进行相应的工作状态信息反馈控制，以达到预期的控制效果。 智能照明系统建设的目的和意义1) 良好的节能效果带来可观的经济效益 2) 通过软启技术延长灯具寿命 3) 改善工作、生活环境，提高工作效率、提升生活档次 4) 实现多种照明效果 5) 提高管理效率减少维护成本 智能照明系统功能1、远程控制、集中控制 2、定时自动控制 3、场景功能控制 4、调光控制 5、联动控制 6、弱电开关手动控制 7、移动终端控制 8、强大的可扩展接口
9、物联网平台综合管理系统分区设计智能照明系统采用分区式集中管理控制，将系统按功能、以及物理位置，划分为多个区域，每个区域根据自身的功能定位，配置不同功能模块，同时，根据项目本身环境、功能特性，设置相应的实现效果，例如： 办公区域：通过主控模块对总线上的接口单灯控制器（具备调光接口电子镇流器）进行操作控制。再结合照度感应器，根据室内实际照度，照明系统单灯自动调光控制，保持室内恒定的照度值。即满足室内办公光环境需要，又最大限度节约能源。同时配合场景定时功能，设置各种工作模式，对照明系统采用一键式控制，以及自动控制。 公共区域：照明配合时间管理与感应器起到有人灯亮，无人灯灭的节能效果。并且给来访者或员工以人性化的照明感受。（如走廊、电梯厅、停车场等） 迎宾区域：对于有些迎宾的重要场所（如酒店大堂），本身灯具的选择已经足够全面齐全了，那对灯光系统的控制，也需要是完善和人性化，调光控制是必不可少的，整个大堂的照明由系统自动管理，系统根据大堂运行时间自动调整照明效果。大堂接待区安装可编程控制触摸场景面板，根据各个区域各种功能特点和不同的时间段，可预设多种照明场景；同时，工作人员也可进行手动编程，能方便地选择或修改照明场景。如设置，早晨、中午、傍晚、工作、假日、离开等场景模式，通过各个回路不同的排列组合，最终实现，在灯具开启数量最优化的同时实现照明环境美化与实用功能的最大化。 就餐区域：设置多种就餐模式，营造不同的营造氛围，迎宾场景：仅需在触摸屏上按一个按键，欢快，喜悦的灯光色彩，用灯光的语言与客人进行第一次的沟通……门厅处，大吊灯100%亮起。门厅处灯带100%亮起。通道处，灯光80%亮度。餐厅最深处，吊灯关闭，射灯70%亮度。形成一个逐级递进的，层层朦胧的欢迎气氛。西餐场景：一个按键，立刻全场气氛变换为，浪漫、柔和的灯光色调。照桌射灯100%亮度，照亮桌面；照壁射灯80%亮度烘托餐厅主体轮廓；壁灯，亮度50%；吊灯亮度40%；筒灯全关。等候场景：一个按键，餐厅整体呈现肃穆庄重的气氛。吊灯，80%亮度，为主光源；筒灯100%亮度，照亮通道，白色光源显现冷色调；其他灯光全关。庆典场景：壁灯40%亮度，其他灯光全部熄灭。舞台灯光亮起，音乐响起……
商业智能及其在制造业的应用 1商务智能的定义 商业智能（Business Intelligence，简称BI）的概念最早是Gartner Group的Howard Dresner于1996年提出。当时人们将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。2007年在芝加哥举行的Gartner商业智能峰会，对BI重新定义为：商业智能是一个伞状概念，它包含分析应用、基础构架和良好的实践。目前国内外主要BI厂商对BI的定义为，将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。目前，商业智能(BI)领域大致可划分为数据仓库、OLAP和报表展示、数据集成、数据挖掘和针对行业的解决方案等。 2商务智能的关键技术 商业智能，首先是基于信息的大规模生产和数据库技术的运用。从商业智能系统建立的技术角度来看，构建一个完整的商业智能系统涉及到以下几种关键技术： ●数据仓库（data warehousing） ●联机分析处理（on-line analytical processing，简称OLAP） ●数据挖掘（data mining）
数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。首先，数据仓库用于支持决策，面向分析型数据处理，他不用于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效的集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不修改。 联机分析技术，对数据库中的数据进行多维分析和展现，是使分析人员，管理人员或执行人员能够从多种角度对原始数据中转化出来的，能够真正为用户理解的，并真实反映企业维持性的信息进行快速、一致、交互的存取，从而获得对数据更深入了解的一项软件技术。 OLAP的一个重要特点是主要通过多维的交互式方式对数据进行分析，这与数据仓库的多维数据组织形成相互结合、相互补充的关系。这些基本多维分析操作包括切片、钻取、旋转等，便于用户从不同维度查询和分析有关数据。 数据挖掘，是在大量相关数据基础之上进行数据探索和建立相关模型的先进方法。数据挖掘主要功能有：数据总结、分类、聚类、关联分析、预测、偏差的检测。数据挖掘的主要方法有：传统统计方法，可视化技术，决策树，神经网络，遗传算法，管理规则挖掘算法等。 3商务智能的技术架构 商业智能所涉及的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据，以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅
中国商业智能软件市场的现状与发展趋势随着信息化建设和应用的逐步深入，商业智能(BI，Business Intelligence)软件将成为非常重要的应用工具之一。在中国市场上，商业智能软件的应用尚处于起步阶段，但这个市场从一开始就经历了一个激烈竞争的时期:高端市场被国际大厂商所占据，低端市场是国内的BI厂商与行业的ISV及集成商在竞争。2003年，国内BI的销售额为4.6亿元，同比增长了33.33,。 BI应用的前提是企业已有了数据准备，而且对数据进行分析的需求提到了日程。在行业应用中，金融、电信是BI应用最集中的两大行业，约占70,的市场销售额。这与这两大行业信息化水平高，已经积累了一定规模的数据量密切相关。 从垂直市场来看，企业仍然是BI应用的主体，特别是面向大、中型企业的BI 销售额，占到了整个BI销售的72.9,。当然，政府部门的需求也不容忽视，比如税务部门的BI应用，已经呈现出上升的势头。 目前BI产品大致可划分为大型数据库厂商(如Oracle、Sybase、IBM等)、统计软件厂商(如SAS)的衍生产品和独立的软件产品两类。前者与数据库技术密切结合，有强大的后台数据库支持。后者则有些仅有前端展示工具，没有后端数据仓库的支持，有些属于整合的解决方案。从技术发展来看，今后的BI产品将把数据仓库建模及数据挖掘等技术实质性地应用进来。同时BI技术也将和CRM、ERP等技术实现融合，在企业决策分析中发挥更大的作用，从而拓展出更大的市场发展空间。 市场特征分析 1.查询、报告和OLAP工具占主流 通常认为，能够称得上商业智能产品的，一定要包含查询、报告和OLAP这些基本功能，否则不能称之为BI产品。但是目前的BI市场还没有形成统一的标准，有些数据仓库的供应商也称自己的产品为BI产品，因此市场上就会出现同被称为
移动BI在企业成功部署的关键 大数据的发展的火爆场面，以及随着技术的发展和演进，商业智能领域已经迎来了新一代敏捷BI的革新。BI商业智能在数据分析方面能给企业带来什么改变？例如企业收集了关于其消费者、销售和产品的前所未有的数据量。在大多数情况下，这些信息移动得非常快，也过于庞大，或者超过了组织中现有技术应用程序的处理能力。但是，凭借九慧BI商业智能，企业可以提高运营效率，增加利润率，并制定更快、更明智的业务决策。从长远看了未来企业之间的战争是数据的战争，谁如果能够抢占先机，谁就能获得最后的胜利！对于企业来说部署移动BI已经是刻不容缓的事了。移动BI有哪些优势且部署移动BI在企业成功部署有哪些需要主要的呢？ 1、基本概念 移动BI(Mobile Business Intelligence)，即移动商务智能，定义为一个包含技术和组织元素的系统。它让用户通过使用移动终端设备，可以随时随地获取所需的业务数据和分析显示，完成独立的分析决策应用，实现对决策分析的实时动态管理。虽然移动计算的概念已经流行了十多年，但移动商业智能只是最近才开始发展。出现这样的变化，不得不说智能手机贡献很大。移动设备的出现彻底改变了人们在移动设备上使用数据的方式。这包括移动BI。移动商业智能近来迅猛发展，它可以使企业数据变得活跃，随时随地查看企业数据，分析数据和呈现数据。移动BI结合了计算机技术、通信技术和互联网技术，消除了时间和空间的限制。企业高管和基层员工都可以使用移动BI辅助决策。 2、部署成功BI需要的要素 2.1应用程序的目的
这听起来很简单，但是移动BI的项目必须从思考你的BI应用程序需要实现哪些功能开始。企业应该花一些时间详细规划BI流程的标准，以及问询最经常使用BI的员工组的意见，根据反馈来提升移动BI的易用性。这样一来，所有的员工就不必在使用移动BI时滚动冗长的列表或者通过多次点击来启动BI任务。 2.2发展模式 最好是使用结合本地选择的组件显示HTML内容的WebView混合模式。 2.3连接 即使今天的最快的网络，它也很难让手机用户真正的进行交互式数据探索。下载大数据集需要太多的时间，且对大数量级的数据进行可视化展示会让移动设备死机，即使是最强大的移动设备。你只能面对它：如果你有一个自带设备（BYOD）政策，你不能指望每个人都具有最快的网络或者最强大的设备，所以你需要考虑那个最小的公分母。鉴于此，在服务器端做尽可能多的数据处理是有意义的。 2.4安全 我们提到BYOD作为连接挑战的一部分，但这些四个字母无处不在地让首席安全官（CSO）提心吊胆。BI系统持有一些公司最有价值的数据，所以民间组织CSO担心，通过成百上千的，容易丢失或者被偷的移动设备，公司的这些最有价值的数据就会被泄露出去。因此你必须要考虑一个应用程序如何利用现有的身份认证提供者（IDP），以及如何应用程序处理的数据（包括临时数据）。你还需要建立远程擦除功能集成到您的应用程序以及你的BYOD政策。 2.5反馈 跟踪谁在使用你的移动BI应用程序，并从他们做了什么中学习。您可以自动执行某些过程，但实际与用户交谈也是非常重要的，听取他们的挫折和成功案例，收集他们的意见，
从听到关于沃尔玛超市的“啤酒”与“尿布”的故事，我们知道了商业智能（Business Intelligence,BI）应用可以如此神奇地分析出两种看似毫不相干的东西之间原来还有着千丝万缕的联系，如今以数据仓库为核心的BI应用正在成为国内很多用户们实施的热点。据IDC 最新的研究报告称，2006年亚太地区BI解决方案市场将达33亿美元，这是目前市场价值12亿美元的近3倍。本文则对商业智能应用这个热点从宏观到微观、从技术到应用进行了冷静全面的分析。 BI热点冷思考 ——商业智能技术与应用发展现状之分析 郑晓军 技术篇 IDC将商业智能解决方案定义为帮助企业跟踪、分析、模拟和预测他们自己的业务过程以及他们的客户、供应商和合作伙伴关系的解决方案。从技术架构来讲，商业智能系统主要由数据仓库系统、数据源、商业智能应用和元数据几个部分组成。
在当今的商业环境中，市场竞争日益激烈，它促使企业和机构在信息系统的建设上不仅仅需要对业务流程的支持，同时需要从信息系统中获得从客户、营销、企业的运营状况到供应渠道的通畅与否等高层次的分析决策信息，并且将决策结果运用于日常业务以提高企业整体效益。然而，传统的业务系统则是针对分离的事务处理而设计，并不擅长于多层次的分析和统计。由此，商业智能应用应运而生，它通常是一个独立的系统，能够从传统业务系统中获取各类客户数据和业务数据，由此建立多层次的分析体系，并将其转化成有商业意义的信息。 1. 数据仓库系统数据仓库系统是商业智能应用的核心，它是整个系统存储和管理数据和信息的地方。数据仓库系统可分为以下几个部分。 数据抽取、转换和装载(Extract, Transform, Load) 负责将数据从业务系统或外部系统中获得，转换和处理成数据仓库需要的格式
经济管理学院 学年论文 题目管理信息系统用户界面设计专业班级0909251 学生姓名沈丹辉 指导教师程延炜 职称讲师 2011 年 6 月30 日
商业智能技术及其应用的研究和发展 摘要 文章简述了商业智能的关键技术，研究热点，存在的不足和未来的发展趋势，并且结合了银行风险管理探讨了商业智能的具体应用，最后对我国企业实施商业智能存在的关键问题提出了几点建议。 关键词：商业智能：信用风险管理：发展趋势：建议 本文研究了商业智能的研究和发展状况，介绍了其在银行信用风险管理的应用示例 一．商业智能技术的概述 1．商业智能的定义及其意义：商业智能，又称商务智能，英文为Business Intelligence，简写为BI。商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库，OLAP 和数据挖掘等技术的综合运用。它的意义在于将知识呈现在用户面前，为管理提供参考，可见，BI不是基础技术或者产品技术，而是一种解决方案。 2.商业智能的核心技术。商业智能的核心技术主要包括三个关键部分：数据仓库和数据集市，数据挖掘以及联机对外分析处理，器重数据仓库和数据集市是商业智能的基础，而是数据挖掘和OLAP是对数据仓库的数据分析和处理的重要工具。 二．商业智能的主要研究内容 在实践中，可以以多种形式来应用，我们知道，商业智能可以帮助我们找到所需要的信息，并且对其进行共享和分析，商业智能的主要应用表现在： (1)整合企业内部和外部的信息 这些信息可以是存储在数据库、数据集市、数据仓库中的数据，也可以是在SCM、CRM、ERP、BPR、SFA等企业应用系统中产生的非结构化的任意文件(HTML、文本、电子表格、DOC等)。 (2)简单的报告和查询
商务智能技术发展和应用研究综述 x斌1 1.北京航空航天大学 www.wenshan.me 摘要：首先介绍了商务智能技术的发展历史，数据仓库、联机分析处理、数据挖掘概念。其次介绍了商务智能在当前大数据中遇到的挑战。最后介绍了商务智能如何和ERP整合的应用，在景区决策支持系统的应用，在企业绩效管理的应用。 关键词：商务智能大数据商务智能应用 1 引言 企业无论其以前是通过信件、电话还是传真与客户联系，现在都已经进行了数据化、信息化，这样可以对客户更快的响应，提高客户的服务水平并降低成本。企业资源规划（ERP）、销售终端（POS）、市场调查、供应商、客户、网络、政府部门都在不断给企业增加数据，平均每18个月企业的数据量就翻一番。 但是能被分析和利用的数据究竟有多少呢？有些专家估计目前被利用的数据只有5%-10%。大量数据是冗余、不相关、不完整和质量很差的。怎样才能把大量的数据迅速转换成可靠的信息、发现数据背后隐藏的信息和知识？ 信息化时代的来临，管理者任何的决策都是依靠有力数据支撑提出，管理者借助商务智能系统，通过先进的数据库存储、数据集成、数据分析技术，把海量的业务数据转化为有价值的信息和知识，辅助管理者进行决策[1]。在过去的几十年里，软件技术的不断改良和硬件设备成本大幅减低，数据存储变得稀疏平常，积压的数据变成一种珍贵的资源，寻求问题的发生原因，寻找问题的解决方案，答案往往藏在不断积累的庞大数据中。正如前通用电气首席执行官指出：“一个组织机构获取知识以及将知识快速转化为行为的能力是其最终的竞争优势”。在这中背景下，商务智能（Business Intelligence, BI）受到学术界和企业界的重视，成为继ERP系统之后企业信息化的一个浪潮。 2 商务智能技术发展现状 商务智能（Business Intelligence）这一概念的诞生有两位重要人物。一位是IBM研究员Hans Peter Luhn，在1958年，他曾经在IBM系统杂志上撰写了一篇开创性的论文《A Business Intelligence System》[2]。在这篇文章中提到，“智能”一词被定义为“辅佐所呈现的事实直接相互关系，以引导向期望的目标的行动的能力”，其中文档中自动抽取，自动编码是我们现在理解的元数据，即是现在大家所熟知的文本挖掘，语义分析。另外一位商务智能之父，来做Gartner Group的工程师Howard Dresdner，他提出了商务智能定义为大多数开发者所熟知，这个定义是商务智能为辅助企业决策的解决方案，即应用基于数据的分析系统辅助商业决策的制定[3]。这两位商务智能之父，以不同的目标提出的商务智能的概念，一个从技术，文本挖掘进行定义，另一个是为企业管理提供决策服务。 商务智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这些数据包括来自业务系统的订单、库存、交易账目、客户和供应商等来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。商务智能是指从这些有用的数据并进行清理，以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这是信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。商务智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略