ERP商务智能系统的设计方案
- 格式:doc
- 大小:29.50 KB
- 文档页数:5
ERP商务智能系统的设计方案
[摘要] 本文以金蝶ERP的管理模式和企业的销售业务作为依托,采用理论与实践相结合的方式,对ERP商务智能系统进行了详细设计。对分析主题的确立、数据转换、智能分析以及管理理论在系统建设中的应用问题提出了新的见解;完成了ERP商务智能系统的整体设计方案。ERP商务智能系统可简单描述为:商务智能处于高度整合的ERP环境下,ERP数据仓库和ERP应用系统通过接口紧密结合,元数据在其间流动:ETL工具从ERP系统中提取合适的数据,然后将其放入以商务主题为导向的ERP数据仓库中,再利用商务智能技术和工具进行数据分析,最终将可视化的结果展示给决策分析人员。
[关键词] ERP;商务智能;销售业务
商务智能(BI)采用先进技术,是企业信息化的新领域,是企业数据生命周期的第二阶段。商务智能的实现依赖于大量的、准确的、真实的数据;而ERP系统产生了大量的、准确的、真实的数据。因此,将商务智能建立在ERP系统原始数据的基础上,使孤立、分散的企业数据按历史顺序彼此相关,并且按高效、易于提取的结构进行存储,让用户可以按不同的透视方法进行快速分析,不失为一种良好的企业决策支持解决方案。本文从以下3个方面对ERP与商务智能整合应用的基本方案进行详细描述。
1关于分析主题的确定
确定分析主题是成功实现ERP商务智能系统的第一步。准确地确定分析主题首先要熟悉ERP的管理模式,通过对ERP相关业务流程的分析确定主题。确定分析主题的依据主要有:对ERP功能模块的分析、对ERP业务流程的分析、对相同类型企业发展战略的了解。在实际的应用中,如果可以,最好能获得对企业历史数据的分析,便于概括地把握企业的“脉象”。
根据金蝶ERP的管理模式,一般企业的管理流程如图1所示。
通过对ERP理论和金蝶ERP管理模式的研究,针对一般ERP的核心模块和核心业务流程,本文概括了ERP系统的8个分析主题,各个主题常用的度量值和维度见表1。
1.1 销售主题
任务:准确及时地捕捉到销售信息,分析销售情况,对下一步的生产经营科学地进行决策。
主题解释:销售概况分析;销售通路分析;销售策略分析;销售员销售绩效分析;时间段销售分析;销售地区分析;客户销售量分析;客户分布分析;客户类型分析;公司销售成绩的多角度分析;销售规划及销售预测等。
1.2 市场主题
任务:把握市场动向、市场购买潜力和市场价格特点及其发展趋势。
主题解释:地区市场、行业市场的购买潜力分析;市场价格分析;市场趋势预测等。
1.3产品主题
任务:掌握产品的销售情况和销售潜力,合理安排产品结构。
主题解释:产品销售量分析;产品销售额分析:产品销售贡献率分析;产品结构分析;产品市场占有率分析;未销售产品分析;不良品原因分析;产品退货情况分析;产品获利情况分析;产品订购信息等。
1.4 库存主题
任务:从级别、类别、货位、批次、单件等不同角度进行查询,辅助决策,解决企业深层次的相关问题。
主题解释:呆滞物品分析;储备情况分析;物料在某时间的收入、发生和结存情况分析;物品占用库存资金分析;库存情况查询;历史各阶段的库存物品和成本情况查询;物品周转率分析等。
1.5 成本主题
任务:加强成本的事前控制,同时有助于通过盈亏平衡分析,辅助产品科学报价。
主题解释:原材料成本分析,人工成本分析;制造费用分析:间接费用分析;成本BOM查询与分析;各种费用占产品的总成本的比重分析;生产成本与计划成本的比较分析;给定产量和给定售价下的利润分析等。
1.6 采购主题
任务:实现供应商信用评价、业务员业绩考核等决策分析。
主题解释:供应商信用等级分析;采购价格变动分析;物品延期交货情况及原因分析;物料需求分析;供应商情况分析;货物存储仓库及货位查询;供应商报价查询;采购成本差异分析等。
1.7 财务主题
任务:实现对应收款、应付款的决策分析,提高从现金流量、资产负债、资金回收率等角度决策企业运营的科学化水平。
主题解释:各部门费用支出情况分析;多条件账目查询;明细账目查询;财务历史数据查询;客户购货金额及付款情况查询;客户欠款时间及细节查询;付款及欠款情况查询;客户现金折扣分析;客户信用等级分析等。
1.8 人力资源主题
任务:预测劳动满员和紧缺,分析超时和工作量,鉴别无效的工作和优秀的雇员,计算出某段时间内劳动的收益率。
主题解释:按部门、职称、专业、学历、性别等角度的职工统计和查询;综合职称、学历、工作量等方面的能力评价;人力工作量负荷分析;多角度职工收入统计分析;实际完成工作量和工时对比分析等。
现代企业拥有错综复杂的业务,从ERP系统中能抽取到的主题很多。以上只是基于常见的ERP业务流程对分析主题的概括。在实践中还需要根据同类企业的情况具体分析。
2关于数据迁移的问题
如表2所示,系统对ERP数据和对用于商务智能分析的数据的要求是不同的。因此,存在于ERP里的数据不能直接进行分析处理,必须要将其从ERP数据库中抽取出来,去掉纯粹的操作型数据,消除数据的异构情况,构成面向主题的、集成的数据组织方式,再进行分析。ERP商务智能系统作为一个整合的系统,应该具备定期抽取ERP数据,定期删除过期的历史数据的功能。
将数据从操作型的ERP环境,经过相应的处理和转换,存储到数据仓库环境是ERP商务智能系统实现的关键一步。这一过程的主要作用在于屏蔽了复杂的业务逻辑,从而为各种智能分析和应用提供了统一的数据接口。如果有特殊的要求,这一过程的实现可以自己编写程序;一般情况下,为了提高效率,最好还是使用ETL工具。
3关于智能分析的问题
智能分析是商务智能的主要内容,是ERP商务智能系统实现的又一关键步骤。
这一步有几个需要说明的问题:
3.1 数据仓库的应用
就商务智能本身而言,它不是必须建立在数据仓库的基础上的。但是如果将
智能分析和数据仓库协同工作,则可以简化智能分析过程,从而大大提高智能分析的工作效率。
3.2 数据源
ERP与商务智能整合应用后,智能分析的数据来源于整个企业,保证了智能分析的数据来源的广泛性、完整性和准确性,从而保证了决策的质量。
3.3 智能分析主题的来源
面向ERP的商务智能分析,其分析的主题间接来源于ERP的管理模式以及ERP系统能够提供的数据内容。因此,在ERP商务智能系统的设计中,应该考虑根据同类企业业务的共性抽取分析主题,使系统能够具有普遍适用性,避免不同的用户对于相同的问题重复构造相似的数据模型。
3.4 数据分析手段
在实现商务智能分析时,一般采用两种主要的数据分析手段:OLAP和数据挖掘。OLAP可以建立在数据仓库之上,直接运用数据仓库的数据;也可以先在数据仓库之上建立数据集市,将OLAP应用建立在数据集市之上。数据挖掘既可以以数据仓库中的数据作为挖掘对象,也可以建立在数据集市之上。在ERP商务智能系统的实现过程中,根据分析主题,一般在部门级的决策需求或某个特定的业务中使用数据集市,对于整个企业的决策使用企业数据仓库。目前,大多数的数据仓库产品都提供了相应的OLAP和数据挖掘的中介层服务,能够建立多维数据集和数据挖掘模型,允许用户从多维数据集或关系数据库中建立数据的挖掘模型。但是,对于一些复杂的或是特殊的决策需求,需要编写相应的算法来完成。
根据对理论的研究和分析,本文设计了ERP商务智能系统的总体结构,如图2所示。这个结构大致可以描述为:系统从ERP数据库获得原始数据,按分析主题的要求选择数据,并且对数据进行转换,然后将数据加载到全局数据仓库中,形成基本数据层。随着时间的推移,由时间控制机制将基本数据层的部分“过期”数据转入历史数据文件。数据经过过滤和概括进入数据集市或者多维数据库,形成衍生数据层。如果数据量很大,管理层次复杂,还可以生成多层衍生数据层。经过建模,利用OLAP工具和数据挖掘工具访问衍生数据层的数据,最终通过人机交互界面得到智能分析的结果,实现ERP的“商务智能分析”功能。针对ERP商务智能系统的总体结构,本文从功能实现和技术实现两方面,设计了ERP商务智能系统的功能结构和技术结构,如图3和图4所示。
在实际处理问题的时候,需要注意OLAP和数据挖掘代表了分析相同商务数据的两种不同的技术。Gartner Group等组织把OLAP视为数据挖掘的一部分。0LAP分析过程在本质上是一个演绎推理的过程;数据挖掘在本质上是一个归纳的过程。OLAP利用各个维对事实表数据进行分析;而数据挖掘通常集中在一个维上,其它数据则用来丰富这一维的信息。OLAP主要
允许客户端设计汇总表来分析数据;数据挖掘主要用于自动的发现可以预测未来结果的新的模式和规则。要注意根据不同的分析主题选择合适的技术。
数据挖掘通常集中在一个维上,其他数据则用来丰富这一维的信息。OLAP主要允许客户端设计汇总表来分析数据;数据挖掘主要用于自动发现可以预测未来结果的新的模式和规则。要注意根据不同的分析主题选择合适的技术。
主要参考文献
[1]徐洁磐.数据仓库与决策支持系统[M].北京:科学出版社,2005.
[3]金蝶软件(中国)有限公司.ERP系统集成应用[M].北京:清华大学出版社,2005.
[3][美]Michael L Gonzales.IBM数据仓库及IBM商务智能工具[M].吴刚,译. 北京:电子工业出版社,2004.