基于数据挖掘的商业智能在BPM中的应用

W企业是一家专门生产军工高科技产品的国有制造业企业，其主要产品包括导航、卫星通讯、图像传输、微波、智能五大类，属于高科技产品公司，目前固定资产一个多亿，年销售收入在一个亿左右，利润空间在4000万左右，目前员工总数在二千人左右，属于一家国有中型企业，该企业目前绩效管理存在的问题是：企业员工人心涣散，员工积极性不高，很多员工拿企业作为跳板，没有想要长期干下去的意愿，大量核心员工流失，企业绩效考核体系老化，激励制度严重失衡，企业发展到一定阶段上不去，核心技术无法取得突破性的进展，出现管理瓶颈状态，无法在市场竞争中建立自己的品牌优势和核心竞争力，此种症结困扰企业多年，企业高层迫切希望改变目前的绩效管理现状，建立一套科学健全的绩效管理体系，从而能够合理地分配和调配企业的人力资源，有效地激发员工的积极性和创造性，形成一股强大的凝聚力和创造力，能够充分发挥自己的技术优势，进一步扩大企业的生产规模和市场占有率，提高企业的收入和盈利水平，最终构建企业的优势品牌，使得企业能够在国内甚至国外高科技军工企业当中占有一席之地，从而实现战略层面的巨大飞跃和突破，基于企业目前的现状，我结合自己所学的知识，提出一套基于BI的BPM系统模型，希望不仅能为该企业也能为许多同类型的企业提供参考性的指导和借鉴。

企业战略管理系统构建

企业战略管理系统主要是帮助企业管理者完成战略目标的制定，执行，优化功能，它基于企业绩效管理思想的六个基本步骤：目标设定，建模预测，计划预算，过程监控，分析报告，优化改进，为每个过程提供系统支持，在BI系统基础上通过使用平衡计分卡和关键绩效指标体系方法，来完成企业绩效管理，战略目标的管理。

目标设定

通过上面的分析，我们可以知道平衡计分卡和关键绩效指标体系是战略目标的设定，战略目标落实，战略目标执行的有效方法和手段，在企业战略管理系统中，我们首先从BI角度来实现平衡计分卡和关键绩效指标体系。

企业整体战略平分计分卡内容确定以后，可以根据平分计分卡的四个方面的关键成功因素及其关系，逐层分解，建立完整的关键绩效指标体系。例如对财务方面的提高年资金周转率这个目标，我们可以分解成如下表所示的关键业务因素，以及下属的关键绩效指标，主要负责部门，并且最后这些指标跟企业业务运作系统关联起来。

建模预测

建模预测主要对上面的平衡计分卡中的内容项和关键绩效指标进行预测，可以根据企业的实际情况，建立企业的各关键业务领域，业务指标的预测模型，这通常是一个很难的问题，但是我们可以简化其中的模型，比如通过BI从数据仓库中取得历史数据，做同比，环比，做线形趋势预测;也可以提供历史数据对比，采用头脑风暴多人打分，然后平均等方式。除了这些简单预测方式，也可以使用一些OLAP分析工具中的What.IF分析，也就是如果改变某个变量的值，按照历史的发展趋势预测因变量的值，比如说销售额的预测，它可能是很多因素决定的，在做多维分析时我们可以修改某些维度的值，比如增加门店数，让系统预测未来的销售额。还可以使用数据挖掘技术，通过建立挖掘模型，利用数据仓库中的历史做出预测。

过程监控

过程监控主要是在战略执行过程中，BI子系统中通过周期性的采集业务运作系统中的数据到数据仓库中，进行计算，汇总，生成各个KPI的实际达成值。比如销售数据，在BI子系统中，销售数据以CUBE的方式存放在OLAP服务器，销售额是该CUBE的一个度量值，每天销售数据增量更新时，CUBE中的销售额得到更新，同时其他相关的关键绩效指标，以计算值的方式存放在该CUBE中，也同步更新。过程监控必须明确谁什么时候去监控什么指标。

对于整个KPI体系的各个级别的指标都需要定义监控的负责人，监控频率，通过分层汇总，所有数据根据需要的频率进行统计，企业的最高管理层可以通过平衡积分卡看到企业的战略计划执行情况，企业的整体业绩情况。预警设置，可以通过设置KPI的预警值，超过预警值的，系统在立即自动通知相关负责人，负责人可以及时查看该KPI以及关联和下层KPI的值。

分析报告

系统通过报告的形式将企业战略执行情况展现给企业管理者，当在报告中发现异常时，企业管理者可以追查关联业务指标，并在使用BI子系统的相关多维分析，找到其中原因，比如发现西部地区第2季度销售额和计划值出现较大偏差，可以立即找出该区域的销售情况进行分析，结果发现是该地区的某个省份没有完成计划预算，然后可以立即针对实际情况采取措施。

优化改进

其实在整个战略执行过程中，也是一个不断优化的过程。在计划执行过程中，前面的计划实际执行数据不断被收集，管理人员可以根据实际执行情况调整未执行的计划指标数据，使整个企业朝着更加优化的方向前进。

商业智能系统的构建

BI系统在企业绩效管理系统中有三大功能：第一、全面支持战略管理系统，从上面的分析中我们可以看到，战略管理系统的决策支持数据大多数都是从数据仓库中获得;第二、给企业中层管理者提供全面的数据分析，报表，查询功能，这是目前BI系统最为成熟的一块，也是目前的BI系统做得最多的一块;第三、为企业基本业务运作系统提供强有力的支持，一般大家关注比较多的是如何从业务运作系统中取数据，做分析查询，比较少将分析结果返回到业务系统，集成到业务系统，比如在选择商品做促销的时候，到底选择什么样的商品呢，我们在商业智能层已经做了很多的分析，甚至做了一些数据挖掘，但是如果不和业务运作系统中的促销管理结合起来，业务系统使用人员往往就不会去使用这些功能，或者说不知道如何去使用这些功能，所以从系统角度必须集成起来。实际上，不管是战略管理系统还是业务运作系统都需要使用BI系统的功能，但是它们已经把数据仓库的访问，数据分析报表、挖掘算法等集成到相应的业务模块中去了。所以单独划分BI系统主要是从用户角度来考虑的，它主要面向中层管理者和信息系统管理员。中层管理者，他们是管理控制业务全面运作，还需要给高层管理者提供各种各样的数据和信息，他们有很多个性化的需求，他们有很多想法，系统需要给他们灵活和扩展，发挥的空间，所以他们是商业智能层的最佳用户，他们可以使用报表工具，查询工具，OLAP分析工具完成一些复杂的B1分析。本系统的另外一个重要的用户群是企业的IT人员，他们除了要完成系统的管理，数据仓库的维护，另外也需要使用报表工具，查询工具，OLAP分析工具，数据挖掘等完成一些复杂的B1分析。接下来我们将以W企业绩效管理为例构建一个BI系统平台，叫做智能企业绩效管理系统(Intelligence Business PerformanceManagement system，简称(BPM)。

整个系统生命周期是以项目规划作为起点的，这个阶段需要做的是：评估组织本身是否具备实施BI的条件，确定系统的规模和范围，规划各种资源并启动项目。第二步是进行企业需求定义。一个BI项目的成功不是取决于技术，而是取决于它是否将重心放在实际的商业过程上，是否能够为商业决策提供支持。系统的设计者应该了解企业的需求并将这些需求转化为系统需求。完成了企业需求定义后，接下来要做的是技术方案设计，数据设计以及分析应用设计，这三者在一定程度上可以并行。

技术方案设计将建立一个技术框架，从而将各种技术进行整合。通常它会列出一系列的BI相关产品，通过一定的标准，对这些产品进行评估，做出最后的选择。

数据设计包括多维模型设计，物理设计以及数据加载。先将企业需求转化成多维模型，再根据多维模型设计物理模型。在进行物理模型设计时通常要考虑聚集，索引，分区等策略，以满足工作效率的要求。最后是数据抽取、转换、加载(ETL)，建立实际的数据仓库。

---

分析应用设计和开发将根据企业用户数据分析方面的需要，设计一系列功能模块，提供查询与报表，OLAP分析，即席分析以及数据挖掘等工具，使用户能够方便的访问到所需的数据，并进行相应的处理。

当以上三项完成之后，就可以进入发布阶段，将系统提交用户使用。同时要提供必要的支持与培训。

维护阶段包括对系统进行小的调整，对出现的错误的及时更正，对用户的培训，以及其他保障系统正常运行的各项工作，并为未来系统升级做准备。

对该基础业务数据库经过ETL(Extract、Transf01T11、Load)，数据抽取、转换、加载，将业务数据库中的数据抽取出来，并将不同数据源的数据进行转换和整合，得出一致性的数据，然后加载到数据仓库中。

接下来对数据仓库中的数据进行OLAP(联机分析处理)，运用多维数据库和多维分析的概念，对数据进行多层次、多阶段的分析处理，将源数据转换为一种新型的数据一多维数据，以自然的方式反映企业数据，使数据仓库中的数据能够得到充分地利用。达到允许管理决策人员对数据进行深入地观察的目的。

然后运用查询工具对这些多维数据集经过报表、分析、数据挖掘的方式，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘潜在的模式，预测出一些即将发生的情况，比如客户的行为，员工的行为，帮助决策者及时的调整策略，针对企业出现的问题，分析制定出正确的解决方案，作出正确的决策。从而有效的改进和提升企业绩效管理的水平。

企业整体绩效管理应当是一个闭环的过程，随着企业在大环境下的不断变化，及时准确地调整企业各层级的BSC和KPI体系，最后将这种不断改进的KPI数据反馈回业务系统当中，继续作为数据基础，达到一个持续循环改进的过程。

IBPM数据仓库管理

基于业务系统的数据仓库系统建模相对起来比较简单，不用重新去对商业对象调研，从零开始建模，只需要根据数据仓库的一般模型如星型和雪花型把业务系统中的三类数据：基础数据，操作型数据，事实数据，组织起来即可[,40]1411。

1.基础数据建模

基础数据是指业务系统中的主数据，如：产品数据，客户数据，供应商数据，科目数据等等。数据仓库建立时，可以稍加整理，比如把一些不需要做分析的字段去掉，剩下关键字段加载到数据仓库，这些数据就是数据仓库中的维度表。基础数据的一些属性字段可以作为维度的不同层次。

2.操作数据建模

操作型数据是业务系统的业务操作记录数据，如订单数据，发货数据，付款凭证数据等等，当需要做某个主题分析时，将该数据提取关键字段，直接加载到数据仓库中。

3.事实数据建模

记录历史交易事实的数据，如销售数据，库存数据等，如果需要做该事实数据主题分析时，将该数据提取关键字段，直接加载到数据仓库中。

聚类分析应用

聚类分析是按照一定的规则将目标群体划分为不同的类别，使得特征相近的聚为一类，特征相差较大的聚为不同的类。聚类算法将会在数据中寻找自然分组。解决数据分组不明显这种问题还有另外一种方法，该方法是找出能准确地把数据进行分组的隐含变量。由于聚类算法有能力发现用来对数据进行分组的隐含变量，基于这个思路，我们可以按照被评测者在各个KPI方面的得分将被评测者聚类，找出特殊孤立点，从而可以将企业员工进行正确的分配和调用，充分发挥员工各自的优势，例如那些员工具有潜在的上升趋势，属于提拔对象，那些员工应该属于被淘汰的对象，那些员工调到别的岗位更能发挥他们的优势，通过聚类分析便一目了然，这种划分对于确定员工薪金，提供统一培训，对员工的综合评测提供决策支持。

由于数据挖掘需要大量的基础数据作为研究基础，本文对商业智能的应用尚在探索研究的阶段，因为客观条件的限制无法获取企业内部所有完整的基础数据，加上个人对商业智能软件处理大量数据实现起来的困难性和复杂度，本文只能暂时采用几个部门部分样本点(每个被评测人就是一个样本点)之间的距离来进行聚类以供参考。具体算法参见2.3.3.3节，由于各个指标之间的量纲相同，取值范围相同，尽量考虑反映被评测者不同方面的表现和能力，所以基本上可以看作是独立的。所以满足使用欧式距离的条件。可以在计算样本点时使用欧式距离。

结束语

本文回顾了商业智能技术的应用及发展，重点分析研究了数据仓库、数据挖掘技术的应用，介绍了目前主要的商业智能工具，以及本人在实习过程中，对我国目前企业绩效管理的一些感受和体会，提出了我国目前企业绩效管理存在的问题：我们如何从数据仓库中的大量历史数据中得到哪些有用的决策信息，如何帮助企业建立科学健全的绩效管理体系，企业最高决策层如何掌舵整个企业的发展方向是不是正确。讨论了实施我国目前企业实施商业智能的必要性和可行性。针对我国目前企业绩效管理现状，我认为今后我们努力的方向应该逐步与国际化接轨，结合国际先进的平衡计分卡和关键绩效指标的理念，将企业的管理作为一个整体的系统，通过商业智能来实施，基于商业智能提出了一个三层的绩效管理系统框架，同时以某制造业企业为例，对如何构建企业绩效管理系统， 商业智能如何在企业中实施运用进行了相关的分析研究， 相信对我国企业以后逐步实施商业智能项目有一定的借鉴作用。

商务智能越来越成为现代企业提高竞争力的一个重要手段，技术需要不断的发展和创新，商务智能领域也日新月异，目前商业智能在我国的应用还仅限制在某些行业比较浅显的层面，随着我国加入WTO，国内企业面对更多的国际先进企业集团的竞争。如何提高自身的竞争力越来越成为各个企业当务之急需要解决的问题。商务智能就是一个很好的解决方案。因此如何成功的实施商务智能项目，最大程度减少决策风险也就成为各个企业必须要研究的问题，不断的关注这个领域，跟上国际领先的技术，将成为这个领域研究人员的责任。希望商业智能能在我国得到更大的普及。

由于个人精力有限，本文还存在许多不足之处，本文提出的基于商业智能的BPM系统框架要想能够在企业当中成功实施运作，还需要考虑多方面的因素。商业智能的技术和功用要想完全发挥出来，还需要企业高层的支持以及一大批能够快速掌握商业智能工具的技术人才， 由于时间以及实际情况的限制，本文对商业智能技术的研究也只是处于一个探索研究的阶段，无法对提出的智能绩效管理系统进行更为详细更为全面的功能设计，对于数据挖掘方法的应用也只能以少量样本数据为基础，企业要想真正发挥出数据挖掘的作用还要依靠大量真实的数据为基础。本文提出的系统方案尚需在实践中逐步的检验和完善。