商業智能爲更好地制訂戰略和決策提供良好的環境,爲特定的應用系統(如客戶關係管理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,爲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可缺少的。
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週期長、造價高、可擴展性差等缺陷。
OLAP是基於數據倉庫環境的數據分析工具。用戶首先提出自己的假設,然後利用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解決了基於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
商業智能作爲一個在90年代末期出現的跨學科新興領域,必須借鑑兩方面的先進成果,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、新觀點爲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:
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。企業建模是爲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於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,它逐漸成爲一個跨越人工智能、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
2.1.3.應用系統的研究
對應用系統的研究重點在於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於與企業運營過程相關的各個領域,並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)、客戶關係管理(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)。
商業智能利用數據挖掘不斷髮現新的知識,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,作爲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。