商业智能的体系结构及其核心支撑技术

到目前为止，关于商业智能还没有一个准确的定义。一般认为，商业智能是一类由数据仓库(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，它允许用户查询和分析数据库或数据仓库，进而得出影响商业活动的关键因素。最终帮助用户做出更好、更合理的决策。即BI是将数据转换成信息，然后通过发现将信息转化为知识并将知识应用到商业行为上的一个过程，通过该过程实现技术服务于决策的目的。商业智能的出现经历了一个渐进的、复杂的演进过程，而且仍处于发展之中，它包括事务处理系统(Transaction Processing System，TPS)、管理信息系统(Management Information System，MIS)、高级管理人员信息系统(_executive Information System，EIS)和决策支持系统(Decision Support System，DSS)等阶段，最终演变成今天的企业商业智能。

从系统观点来看，商业智能的数据处理过程是：从各个业务数据库和其他数据源中抽取有用的数据，然后对采集来的数据进行清理和转换(以保证数据的完整性、一致性)，经重构后，按照不同的分析主题存放到数据仓库或数据集市中。这样，原先存放在多个业务系统中的、反映企业局部情况的数据经过整理后就转换成反映企业整体情况的信息。从而完成了从“数据→信息”的转变。存放在数据仓库或数据集市中的信息利用合适的查询和分析工具、数据挖掘(Data Mining，DM)工具、联机分析处理(On line Analvtical Processing，OLAP)工具进行处理后，形成带有规律性的、能够对企业运营提供指导意义的知识，从而完成了从“信息→知识”的转变。企业的决策层可以利用得到的知识，制定相应的策略，并反馈到业务系统中，最终改善企业的运营。商业智能的数据处理循环过程如图1。

图1 BI系统的数据处理循环过程

从数据分析角度来看，商业智能是为了了解和解决商业活动中遇到的各种问题，利用各种信息系统进行高质量、有价值的信息收集、分析、处理的过程，其基本功能包括个性化的信息分析预测、辅助决策等。

从应用观点来看，商业智能可以帮助用户对大量数据进行处理和分析，进行趋势预测，辅助决策，从而更好地实现企业的商业目的。现在BI技术应用非常广泛，涵盖了电信、保险、银行、医疗、交通等行业。例如电信业用于客户描述和定位及需求预测等方面;在保险业可根据投保品种、投保人等历史数据，合理设定储备金数额、保险金标准，进行风险分析和损益判断，提供个性化保险服务：在银行、金融和证券行业，可分析客户收益，调整市场活动，建立信贷预警机制，进行更精确的组合业务评估：在制造业可以在销售/营销方面采取更主动的行动以吸引客户。预测需求，及时订货和补货，实时了解供应商和代理商的情况，优化调度、配送和运输过程，实现低库存水平。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友