引言

商業智能（BI）是目前在國外企業界和軟件開發界受到廣泛關注的一個研究方向。可以用兩點來總結這種研究熱點出現的原因：一、信息技術的高速發展帶來了企業利用信息技術提高本身競爭力的巨大空間：信息技術不但使企業獲取需要的信息，而且，促進企業對信息的再利用，以此營造企業的競爭優勢；二、IT界許多以提供軟件平臺和工具平臺的大公司通過多年與企業的交流，已經認識到企業對商業智能的迫切需求，紛紛加入到從事商業智能的研究與開發上來。IBM建立了專門從事BI方案設計的研究中心，ORACLE、微軟等公司紛紛推出了支持BI開發和應用的軟件系統，有的直接進入了BI的開發領域。

由于BI尚處于從起步階段到發展階段的轉變時期，許多人對BI的理解存在一定的偏差。很多人認為BI僅僅是一個進行數據分析的軟件包，一些較為悲觀的人認為BI是存在于理想家頭腦中的、企業永遠不可能達到的境界。本文首先系統地詮釋了BI的概念，從多個方面總結了BI具有的功能，接著分析了BI的研究內容和發展趨勢。為了讓讀者更加清晰地把BI與MIS系統區別開來，本文討論了BI與DSS（決策支持系統）、EIS（經理執行系統）的主要區別。最后，本文分析了制約BI健康發展的若干因素。

1.商業智能概述

商業智能不是一個新名詞。多年來，企業一直在尋找對商業智能的理解和實現的方式，以增強企業的競爭力。早在80年代，當時“商業智能”的標準是能容易地獲得想要的數據和信息。90年代是商業智能真正起步的階段。到目前為止，關于BI還沒有統一的定義，不同的人只是從不同的方面表達了對BI的理解。早在90年代初，Garter Group的Howard Dresner把EUQR（終端查詢和報表）、DSS、OLAP稱為商業智能。企業使用這些工具使企業獲得的優勢也被稱為商業智能。后來，出現了數據倉庫、數據集市技術，以及與之相關的ETL（抽取，轉換，上載）、數據清洗、數據挖掘、商業建模等，人們也將這些技術統歸為商業智能的領域。目前，存在將商業智能與數據倉庫和基于數據倉庫的分析方法等同起來的認識趨勢。

其實，商業智能代表為提高企業運營性能而采用的一系列方法、技術和軟件的總和。商業智能，是幫助企業提高決策能力和運營能力的概念、方法、過程以及軟件的集合。對該定義的正確解釋，從四個層面展開：

信息系統層面：稱為商業智能系統（BI System）的物理基礎。表現為具有強大決策分析功能的單獨的軟件工具和面向特定應用領域的信息系統平臺，如SCM、CRM、ERP。與事務型的MIS不同，商業智能系統能提供分析、趨勢預測等決策分析功能。

數據分析層面：是一系列算法、工具或模型。首先獲取與所關心主題有關的高質量的數據或信息，然后自動或人工參與使用具有分析功能的算法、工具或模型，幫助人們分析信息、得出結論、形成假設、驗證假設。

知識發現層面：與數據分析層面一樣，是一系列算法、工具或模型。將數據轉變成信息，而后通過發現，將信息轉變成知識；或者直接將信息轉變成知識。

戰略層面：將信息或知識應用在提高決策能力和運營能力上；企業建模等。商業智能的戰略層面是利用多個數據源的信息以及應用經驗和假設來提高企業決策能力的一組概念、方法和過程的集合。它通過對數據的獲取、管理和分析，為貫穿企業組織的各種人員提供信息，以提高企業戰略決策和戰術決策能力。

總之，商業智能的目標是將企業所掌握的信息轉換成競爭優勢，提高企業決策能力、決策效率、決策準確性。為完成這一目標，商業智能必須具有實現數據分析到知識發現的算法、模型和過程，決策的主題具有廣泛的普遍性。這個特點是本文定義商業智能時應特別強調的。

基于以上定義的商業智能應具有以下功能：

數據管理功能：
從多個數據源ETL（抽取、轉換、轉貯）數據、清洗數據、數據集成能力；大量數據高效存儲與維護能力。

數據分析功能
具備OLAP，Legacy等多種數據分析功能；終端信息查詢和報表生成能力；數據可視化能力

知識發現功能
從大型數據庫中的數據中提取人們感興趣的知識的能力。這些知識是隱含的、事先未知的、潛在有用的信息，提取的知識表示為概念（concepts），規則（rules），規律（regulations），模式（patterns）等形式。

企業優化功能
輔助企業建模的能力。

2.BI研究內容、發展趨勢

商業智能為更好地制訂戰略和決策提供良好的環境，為特定的應用系統（如客戶關系管理CRM、供應鏈管理SCM、企業資源計劃ERP）提供數據環境和決策分析支持。當面向特定應用的特定戰略和決策問題，商業智能從數據準備做起，建立或虛擬一個集成的數據環境。在集成的數據環境之上，利用科學的決策分析工具，通過數據分析、知識發現等過程，為戰略制訂和決策提供支持。最終，是如何解釋和執行分析和發現結果的問題。整個過程中，集成的數據環境和決策分析工具是十分重要和不要缺少的。

使用數據倉庫和數據集市建造集成的數據環境是逐漸走向成熟、也是目前最理想的做法。數據倉庫提供數據存貯環境，而且是面向特定主題的決策支持環境。來自各種數據源中的數據經過清洗、ETL（抽取，轉換，上載），按某一主題存貯。數據集市是面向特定主題的小型數據倉庫，解決了企業級數據倉庫要存儲大量數據而帶來的建設周期長、造價高、可擴展性差等缺陷。

OLAP是基于數據倉庫環境的數據分析工具。用戶首先提出自己的假設，然后利用OLAP工具檢索查詢以驗證或否定假設，是用戶制動式的分析方式。OLAP解決了基于OLTP分析效率低、不能進行多維分析的缺點。相比較而言，知識發現（大多數人也稱數據挖掘）是較難理解的，它利用知識發現工具挖掘事先未知的、潛在有用的知識的過程，是一種主動式自動發現方法。

2.1.研究內容

商業智能是利用當今計算機前沿技術作支撐、運用現代管理技術進行指導的應用系統，它的研究熱點集中在三個方面：支撐技術的研究、體系結構的研究、應用系統的研究。

2.1.1.支撐技術的研究

商業智能作為一個在90年代末期出現的跨學科新興領域，必須借鑒兩方面的先進成果，一是計算機技術的前沿技術，一是企業管理方面的新理論、新觀點。企業管理方面的新理論、新觀點為戰略制訂和決策提供先進的管理模式，幫助企業更好地運營；先進的計算機技術是提高系統性能的有力手段。

商業智能的支撐技術包括以下幾項：一是計算機技術，包括：數據倉庫、數據集市技術；數據挖掘技術；OLTP、OLAP、Legacy等分析技術；數據可視化技術；計算機網絡與WEB技術。二是企業管理，包括：統計、預測等運籌學方法；客戶管理、供應鏈管理、企業資源計劃等管理理論和方法；企業建模方法。

支撐技術的研究主要圍繞兩部分展開：決策支持工具研究和企業建模方法研究。企業建模是為解決如何建立特定企業模式的輔助工具。IDEF 等研究方法是較程式化的企業建模方法，比較新的建模方法包括基于UML的企業建模等方法。數據挖掘算法的研究是目前計算機界研究的熱點之一，它逐漸成為一個跨越人工智能、數據統計等多學科的研究領域。決策分析工具的研究還包括各種分析方法的研究。

2.1.2.體系結構的研究

圖2描述了一個典型的商業智能體系結構。面向特定應用會有相應改進的體系結構，使商業具有良好的性能，例如：建立如何的數據存貯和數據模型能很好地支持主題和數據分析和知識發現的需要；選擇何種決策分析工具，包括選擇實現何種任務、選擇實現這種任務的何種工具；將分析和發現的信息和知識通過何種接口達到需要的用戶等等。

2.1.3.應用系統的研究

對應用系統的研究的重點在于對各個應用領域所面臨的決策問題的分析。根據對各類問題的解決方式和解決方案來決定商業智能系統應該提供的功能以及具體實現方法。目前，商業智能被廣泛應用于與企業運營過程相關的各個領域，并且在很多領域已經形成其特有體系。目前具有代表性的應用領域包括：企業資源計劃（ERP）、客戶關系管理（CRM）、企業性能管理（BPM）、人力資源管理（HRM）、供應鏈管理（SCM）、電子商務（E-business）。

2.2.發展趨勢

與DSS、EIS系統相比，商業智能具有更美好的發展前景。近些年來，商業智能市場持續增長。IDC預測，到2005年，BI市場將達到118億$，平均年增長率為27%（"Information Access Tools Market Forecast and Analysis: 2001-2005," IDC#24779, June 2001）。隨著企業CRM、ERP、SCM等應用系統的引入，企業不停留在事務處理過程而注重有效利用企業的數據為準確和更快的決策提供支持的需求越來越強烈，由此帶動的對商業智能的需求將是巨大的。

商業智能的發展趨勢可以歸納為以下幾點：

功能上具有可配置性、靈活性、可變化性

BI系統的范圍從為部門的特定用戶服務擴展到為整個企業所有用戶服務。同時，由于企業用戶在職權、需求上的差異，BI系統提供廣泛的、具有針對性的功能。從簡單的數據獲取，到利用WEB和局域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。

解決方案更開放、可擴展、可按用戶定制，在保證核心技術的同時，提供客戶化的界面
針對不同企業的獨特的需求，BI系統在提供核心技術的同時，使系統又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的接口和擴展特性；可為企業提供基于商業智能平臺的定制的工具，使系統具有更大的靈活性和使用范圍。

從單獨的商業智能向嵌入式商業智能發展

這是目前商業智能應用的一大趨勢，即在企業現有的應用系統中，如財務、人力、銷售等系統中嵌入商業智能組件，使普遍意義上的事務處理系統具有商業智能的特性。考慮BI系統的某個組件而不是整個BI系統并非一件簡單的事，比如將OLAP技術應用到某一個應用系統，一個相對完整的商業智能開發過程，如企業問題分析、方案設計、原型系統開發、系統應用等過程是不可缺少的。

從傳統功能向增強型功能轉變

增強型的商業智能功能是相對于早期的用SQL工具實現查詢的商業智能功能。目前應用中的BI系統除實現傳統的BI系統功能之外，大多數已實現了圖2中數據分析層的功能。而數據挖掘、企業建模是BI系統應該加強的應用，以更好地提高系統性能。

3.BI與DSS、EIS的比較

商業智能作為一種新興的決策支持體系，與傳統的DSS、EIS相比，在以下方面存在明確的優勢。

3.1.使用對象范圍

商業智能的使用對象不再像DSS、EIS僅僅局限于企業的領導與決策、分析人員，而是擴展到企業組織內外的各類人員，為他們提供決策支持服務，既有企業經理一類的企業領導和高層決策者，又有企業內部各部門的職能人員，還包括客戶、供應商、合作伙伴等企業外部用戶。

3.2.具有的功能

從以上分析看出，商業智能具有傳統DSS、EIS所不具有的強大的數據管理、數據分析與知識發現能力。

3.3.知識庫狀態

傳統的DSS、EIS中的知識庫是在建立的系統中設置好的，庫中的知識很少發生變化。即使發生變化，采用定期人為更新的方法修改。而BI系統是一個閉合循環的動態系統。圖2中的數據源部分來自各應用系統的反饋，并且數據挖掘可以從現有的數據倉庫或數據集市中發現新知識，隨時對知識庫中的內容進行自動修正，所以BI中的知識庫是一種動態結構。

但商業智能也存在不足。商業智能的目標與DSS一樣，是為了提高企業決策的效率和準確性。但BI是通過數據分析、知識發現工具提供有價值的、輔助決策的信息和知識，用戶必須根據這些信息和知識，運用現有的企業知識和經驗進行判斷，做出決定，極少數具備智能決策的能力。不像專門的決策支持系統那樣提供方案生成、方案協調、方案評估等功能，更不具備群體決策的能力。

4.影響BI性能的因素

商業智能利用數據挖掘不斷發現新的知識，擴充到現有的企業知識中來。但就目前企業應用現狀和算法實現上來看，制約知識發現的因素較多，同時也影響了BI的性能。

4.1.系統智能不能很好地實現

現有數據挖掘算法大多尚不成熟，效率較低。另外，作為BI數據基礎的數據倉庫或數據集市中數據量一般比較大，新知識形成的速度和準確性比較低，致使現有的BI系統在知識發現方面的能力不能滿足用戶要求。

4.2.系統工具缺乏

目前大多數BI系統功能集中在數據分析方面，如數據查詢、報表、OLAP、數據可視化，很少有開發商在系統中配有知識發現工具。因此，功能比較集中，更深一層次的要求無法滿足。

5.結語

目前，我國對BI的研究與開發工作尚未處于起步階段。突出的問題在于數據分析、知識發現能力、效率低，或者缺乏知識發現，而更像一個操作型應用系統。很難在決策支持方面發揮BI應有的作用。首先應該認識到BI發展、應用的總體趨勢，其次多借鑒國外BI成熟的技術和方法，開發或不斷完善真正意義上的BI系統。相信本文對國內BI的市場開發和研究會有啟發。

來源：中國商業智能網