2 商务智能

　　2.1 商务智能的概念

　　商务智能是指将企业的各种数据及时地转换为企业管理者感兴趣的信息(或知识)，并以各种方式展现出来，帮助企业管理者进行科学决策，加强企业的竞争优势。这里的数据不仅仅指企业内部的各种数据，而且包括企业外部的数据，例如行业状况、市场状况和客户资源的数据等等。

　　商务智能的过程是企业的决策人员以企业中的数据仓库为基础，经由联机分析处理工具(OLAP)、数据挖掘工具加上决策规划人员的专业知识，从数据中获得有用的信息和知识，帮助企业获取利润。

　　商务智能帮助用户对商业数据进行联机分析处理和数据挖掘，例如预测发展趋势、辅助决策、对客户进行分类、挖掘潜在客户等等。

　　商务智能使得很多事务性的数据经过抽取、转换之后存入数据仓库。经过聚集、切片或者分类等操作之后形成有用的信息、规则，来帮助企业的决策者进行正确的决策。

　　数据仓库是商务智能的基础。数据仓库是一个用于更好地支持企业或组织的决策分析处理的数据集合。它有面向主题、集成、相对稳定、随时间不断变化的4个特性，将数据仓库与传统的面向事务处理的数据库区分开来。数据仓库的关键技术包括数据的抽取、清洗、转换、加载和维护技术。

　　联机分析处理是以海量数据为基础的复杂分析技术。它支持各级管理决策人员从不同的角度、快速灵活地对数据仓库中数据进行复杂查询和多维分析处理，并且能以直观易懂的形式将查询和分析的结果展现给决策人员。OLAP使用的逻辑数据模型为多维数据模型。常用的OLAP多维分析操作有上卷、下钻、切片、切块和旋转等。多维数据模型在物理实现时，主要有三种方式：ROLAP结构、MOLAP结构和HOLAP结构。其中，ROLAP是基于关系数据库的OLAP实现，MOLAP是基于多维数据组织的OLAP实现，HOLAP是基于混合数据组织的OLAP实现。

　　数据挖掘(Data Mining)是从海量数据中，提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的数据有多种来源，包括数据仓库、数据库或其他数据源。所有的数据都需要再次进行选择，具体的选择方式与任务相关。挖掘的结果需要进行评价才能最终成为有用的信息。按照评价结果的不同，数据可能需要反馈到不同的阶段，重新进行分析计算。数据挖掘的常用方法包括关联分析、分类和预测、聚类、检测离群点、趋势和演变分析等。可以说，联机分析处理和数据挖掘是数据仓库之上的增值技术。

　　2.2 商务智能的应用前景

　　企业为迎接市场的挑战，必须对市场运作有准确的分析。商务智能系统的最好处是可以得到准确、及时的信息，帮助企业赢得竞争优势。而这些功能的完成主要依靠数据仓库、联机分析处理和数据挖掘这三技术。借助商务智能的核心技术，利用企业中长期积累的海量数据，可以实现以下三方面的应用：

　　(1)客户分类和特点分析

　　根据客户历年来的量消费记录以及客户的档案资料，对客户进行分类。并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度，确定哪类顾客给企业带来最的利润，哪类顾客仅给企业带来最少的利润同时又要求最多的回报。然后针对不同类型的客户给予不同的服务及优惠。

　　(2)市场营销策略分析

　　利用数据仓库技术实现市场营销策略在模型上的仿真。其仿真结果将提示所制定的市场营销策略是否合适。企业可以据此高速和优化其市场营销策略，使其获得最的成功。

　　(3)经营成本与收入分析

　　对各种类型的经济活动进行成本核算，比较可能的业务收入与各种费用之间的收支差额，分析经济活动的曲线，得到相应的改进措施和办法，从而可降低成本、减少开支、提高收入。

　　国内数据仓库应用刚刚起步，电信、金融、证券、税务、零售业等已有量操作型数据积累的企业都出现了迫切的应用需求。可以预计，商务智能在中国同样会有广阔的应用前景。但是另一方面，成功的数据分析与挖掘应用依赖于量的、长期的、真实的历史数据积累。对于许多信息化建设起步较晚的企业，首先踏踏实实地做好基础数据库的建设是更为重要的，这也是为进一步走向商务智能打下基础。