商务智能在化工生产企业中的应用

1.引言

聚银公司从2006年至今，信息化建设得到了长足进步，从最开始的网络环境搭建到现在的MES生产执行系统与管理信息平台的融合，基本上完成了企业生产数据与管理数据的有效融合，随着信息化时代的来临和市场竞争白热化的稳步推进，聚银公司要保持竞争优势成为新经济时代的赢家，就需要把握住“信息”这条命脉。生产型企业想在竞争中立于不败之地，就必须全面提升行业信息化建设水平。公司最近几年在信息系统的建设上取得了一定的阶段性成果，包括IT基础建设、MES/ERP等系统的建立，积累了一定的业务数据，为商务智能的实施奠定了坚实的基础。已经有很多企业开始认识到商务智能的重要，并纷纷着手实施商务智能系统，构建自己企业的数据仓库及商务智能平台，综合看来商务智能在生产企业中的应用起着至关重要的作用。

2.商务智能系统的设计方案

数据仓库及商务智能平台主要功能包括：数据建模、数据采集、分析模型。根据甘肃银光聚银的业务状况，建立了一个符合企业实际数据分析需求的商务智能平台，实现对业务信息平台数据的收集、清理、建模、整合，并保证商务智能平台的可扩展性。清理整合数据，实现数据的唯一性、准确性、完整性、规范性和时效性，为企业经营绩效指标、分析主题准备展示数据，达到分析展示数据与业务系统数据库的实时和准确，利用先进的报表展示为企业报表使用者和各级管理人员提供一个快速便捷的查询分析决策数据平台。

2.1 系统架构

根据发展战略，建立在该平台上的领导决策支持系统具有统一的战略规划与设计，数据架构的规划分为四层，如图1所示。

图1 商业智能系统架构图

原始数据层：该层属于原始业务系统层，包括现有企业信息系统、手工输入平台和外部竞争情报系统等。

中间数据层：该层为对不同业务系统的不同业务数据进行接口设计和数据清洗工作的中间数据库，基于不同的业务系统，提供不同的数据接口，将数据抽取到中间数据库，并在数据库中统一规范主数据，将数据按照业务需求清洗完成。

数据仓库层：按照要分析的业务主题存放所有的业务数据，并搭建不同的业务模型，构建企业级数据仓库。按照不同的分析维度存放数据，方便用户进行多维、多层的数据分析。

---

业务分析层：此层面将主要面向不同层面的业务用户，可以建立针对业务分析和面对部门的决策数据支持。针对公司总部和业务部门的高层领导，为企业的绩效管理和战略决策提供综合的决策数据支撑。本层面主要包含企业领导绩效监控、管理驾驶舱、领导查询系统等几个方面的数据需求。

对于未来各业务商务智能平台应用需使用当前模型架构中的原始数据层和数据清理层，保证系统的可扩展性及本期项目成果的延续性，减轻业务系统负载压力。

2.2 软件架构

以Oracle数据仓库构建企业统一数据仓库，依照业务需求将各主题分析的数据和指标创建分析模型，并从各个业务系统将数据抽取上来(中间数据库作为数据整合及数据接口的中间层将数据进行清洗和整理，最终再通过ETL工具Data Services加载到数据仓库中)。

以SAP Business Objects作为商务智能解决方案的前端展现工具，商务智能平台的数据通过Oracle数据仓库提供，SAP Business Objects的前端展现工具可以与Oracle数据仓库紧密集成，通过统一的商务智能平台，为最终用户提供企业绩效管理驾驶舱、灵活查询分析和固定报表等应用，并统一集成到企业内部门户供用户访问。

2.3 设计原则

(1)前瞻性：系统设计要体现前瞻性，系统具有很长的生命周期。主要包括体系结构的前瞻性、技术路线前瞻性、产品选择前瞻性和应用设计的前瞻性。我们将在本项目中本着“总体规划、分布实施”的原则，对化工企业的统一数据平台进行建模，根据项目各阶段的目标分别建设面向业务的主题分析，在整体架构上保证未来系统的扩展。

(2)实用性：在考虑前瞻性的同时，必须兼顾实用性。不能选择只有先进技术，但没有实用价值的产品和方案。实用性主要从以下方面考虑：界面的友好程度、中文的支持、操作的难易程度、产品的稳定性和效率、厂商及其它可能的产品、服务提供商的本地服务和支持能力等。

(3)可靠性：我们将采用国际领先的产品及解决方案来建设该项目，这样的产品和解决方案是经过大量用户验证的。在整个系统部署上，我们将根据系统的重要程度，制定系统集群以及备份方案，避免单点故障，保证该系统的正常使用。

(4)开放性：体系结构的开放性：整体结构具有很好的模块化设计，模块之间有明确的接口，平台之间有明确的规范。

(5)应用设计的开放性：在应用设计上注重开放性设计，组件之间的可配置程度要好。

(6)可扩展性：数据量增长时具有良好的扩展性;用户增长时具有良好的扩展性;应用系统增加时具有良好的扩展性。

(7)安全保密性：系统应具备统一的安全管理机制，严格控制数据权限，保证信息不被非法篡改和非法查看。

3.商务智能系统的设计和实现

3.1 数据仓库设计

按照标准数据仓库设计分为抽取层、转换合并层和展现层，数据源为业务相关数据，加载到抽取层，然后将相关的金额和数量等进行转换(如将外币转换为人民币)，转换后进行数据合并，只保留分析的维度，最后加载到展现层，设计的信息立方体维度为时间维度，销售维度，区域维度，客户维度科目项目维度及销售的数量和金额关键值。