商業(yè)智能 又名：BusinessIntelligence,又稱商業(yè)智慧或商務智能

 　　商業(yè)智能的概念在1996年最早由加特納集團（Gartner Group）提出，加特納集團將商業(yè)智能定義為：商業(yè)智能描述了一系列的概念和方法，通過應用基于事實的支持系統(tǒng)來輔助商業(yè)決策的制定。商業(yè)智能技術提供使企業(yè)迅速分析數(shù)據(jù)的技術和方法，包括收集、管理和分析數(shù)據(jù)，將這些數(shù)據(jù)轉化為有用的信息，然后分發(fā)到企業(yè)各處。

　　來源

　　商業(yè)智能又名商務智能，英文為Business Intelligence，簡寫為BI。

　　提到“商業(yè)智能”這個詞，網上普遍認為是Gartner機構在1996年第一次提出來的，但事實上IBM的研究員Hans Peter Luhn早在1958年就用到了這一概念。他將“智能”定義為“對事物相互關系的一種理解能力，并依靠這種能力去指導決策，以達到預期的目標。”

　　在1989年，Howard Dresner將商業(yè)智能描述為“使用基于事實的決策支持系統(tǒng)，來改善業(yè)務決策的一套理論與方法。”

　　商業(yè)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉化為知識，幫助企業(yè)做出明智的業(yè)務經營決策的工具。這里所談的數(shù)據(jù)包括來自企業(yè)業(yè)務系統(tǒng)的訂單、庫存、交易賬目、客戶和供應商等來自企業(yè)所處行業(yè)和競爭對手的數(shù)據(jù)以及來自企業(yè)所處的其他外部環(huán)境中的各種數(shù)據(jù)。而商業(yè)智能能夠輔助的業(yè)務經營決策，既可以是操作層的，也可以是戰(zhàn)術層和戰(zhàn)略層的決策。為了將數(shù)據(jù)轉化為知識，需要利用數(shù)據(jù)倉庫、聯(lián)機分析處理（OLAP）工具和數(shù)據(jù)挖掘等技術。因此，從技術層面上講，商業(yè)智能不是什么新技術，它只是數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘等技術的綜合運用。

　　可以認為，商業(yè)智能是對商業(yè)信息的搜集、管理和分析過程，目的是使企業(yè)的各級決策者獲得知識或洞察力（insight），促使他們做出對企業(yè)更有利的決策。商業(yè)智能一般由數(shù)據(jù)倉庫、聯(lián)機分析處理、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等部分組成。商業(yè)智能的實現(xiàn)涉及到軟件、硬件、咨詢服務及應用，其基本體系結構包括數(shù)據(jù)倉庫、聯(lián)機分析處理和數(shù)據(jù)挖掘三個部分。

　　因此，把商業(yè)智能看成是一種解決方案應該比較恰當。商業(yè)智能的關鍵是從許多來自不同的企業(yè)運作系統(tǒng)的數(shù)據(jù)中提取出有用的數(shù)據(jù)并進行清理，以保證數(shù)據(jù)的正確性，然后經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合并到一個企業(yè)級的數(shù)據(jù)倉庫里，從而得到企業(yè)數(shù)據(jù)的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數(shù)據(jù)挖掘工具（大數(shù)據(jù)魔鏡）、OLAP工具等對其進行分析和處理（這時信息變?yōu)檩o助決策的知識），最后將知識呈現(xiàn)給管理者，為管理者的決策過程提供支持。

　　提供商業(yè)智能解決方案的著名IT廠商包括微軟、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft等。

　　相關定義

　　定義為下列軟件工具的集合終端用戶查詢和報告工具。專門用來支持初級用戶的原始數(shù)據(jù)訪問，不包括適應于專業(yè)人士的成品報告生成工具。

　　OLAP工具。提供多維數(shù)據(jù)管理環(huán)境，其典型的應用是對商業(yè)問題的建模與商業(yè)數(shù)據(jù)分析。OLAP也被稱為多維分析。

　　數(shù)據(jù)挖掘（Data Mining）軟件。使用諸如神經網絡、規(guī)則歸納等技術，用來發(fā)現(xiàn)數(shù)據(jù)之間的關系，做出基于數(shù)據(jù)的推斷。

　　數(shù)據(jù)倉庫（Data Warehouse）和數(shù)據(jù)集市（Data Mart）產品。包括數(shù)據(jù)轉換、管理和存取等方面的預配置軟件，通常還包括一些業(yè)務模型，如財務分析模型。

　　聯(lián)機分析處理 (OLAP) 的概念最早是由關系數(shù)據(jù)庫之父E.F.Codd于1993年提出的，他同時提出了關于OLAP的12條準則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯(lián)機事務處理(OLTP) 明顯區(qū)分開來。

　　當今的數(shù)據(jù)處理大致可以分成兩大類：聯(lián)機事務處理OLTP（On-Line Transaction Processing）、聯(lián)機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統(tǒng)的關系型數(shù)據(jù)庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數(shù)據(jù)倉庫系統(tǒng)的主要應用，支持復雜的分析操作，側重決策支持，并且提供直觀易懂的查詢結果。

　　OLAP是使分析人員、管理人員或執(zhí)行人員能夠從多角度對信息進行快速、一致、交互地存取，從而獲得對數(shù)據(jù)的更深入了解的一類軟件技術。OLAP的目標是滿足決策支持或者滿足在多維環(huán)境下特定的查詢和報表需求，它的技術核心是"維"這個概念。

　　“維”是人們觀察客觀世界的角度，是一種高層次的類型劃分。“維”一般包含著層次關系，這種層次關系有時會相當復雜。通過把一個實體的多項重要的屬性定義為多個維（dimension），使用戶能對不同維上的數(shù)據(jù)進行比較。因此OLAP也可以說是多維數(shù)據(jù)分析工具的集合。

　　OLAP的基本多維分析操作有鉆?。╮oll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等。

　　鉆取是改變維的層次，變換分析的粒度。它包括向上鉆?。╮oll up）和向下鉆取（drill down）。roll up是在某一維上將低層次的細節(jié)數(shù)據(jù)概括到高層次的匯總數(shù)據(jù)，或者減少維數(shù)；而drill down則相反，它從匯總數(shù)據(jù)深入到細節(jié)數(shù)據(jù)進行觀察或增加新維。

　　切片和切塊是在一部分維上選定值后，關心度量數(shù)據(jù)在剩余維上的分布。如果剩余的維只有兩個，則是切片；如果有三個，則是切塊。

　　旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。

　　OLAP有多種實現(xiàn)方法，根據(jù)存儲數(shù)據(jù)的方式不同可以分為ROLAP、MOLAP、HOLAP。

　　ROLAP表示基于關系數(shù)據(jù)庫的OLAP實現(xiàn)（Relational OLAP）。以關系數(shù)據(jù)庫為核心，以關系型結構進行多維數(shù)據(jù)的表示和存儲。ROLAP將多維數(shù)據(jù)庫的多維結構劃分為兩類表：一類是事實表，用來存儲數(shù)據(jù)和維關鍵字；另一類是維表，即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯(lián)系在一起，形成了“星型模式”。對于層次復雜的維，為避免冗余數(shù)據(jù)占用過大的存儲空間，可以使用多個表來描述，這種星型模式的擴展稱為“雪花模式”。

　　MOLAP表示基于多維數(shù)據(jù)組織的OLAP實現(xiàn)（Multidimensional OLAP）。以多維數(shù)據(jù)組織方式為核心，也就是說，MOLAP使用多維數(shù)組存儲數(shù)據(jù)。多維數(shù)據(jù)在存儲中將形成“立方塊（Cube）”的結構，在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維數(shù)據(jù)報表的主要技術。

　　HOLAP表示基于混合數(shù)據(jù)組織的OLAP實現(xiàn)（Hybrid OLAP）。如低層是關系型的，高層是多維矩陣型的。這種方式具有更好的靈活性。

　　還有其他的一些實現(xiàn)OLAP的方法，如提供一個專用的SQL Server，對某些存儲模式（如星型、雪片型）提供對SQL查詢的特殊支持。

　　OLAP工具是針對特定問題的聯(lián)機數(shù)據(jù)訪問與分析。它通過多維的方式對數(shù)據(jù)進行分析、查詢和報表。維是人們觀察數(shù)據(jù)的特定角度。例如，一個企業(yè)在考慮產品的銷售情況時，通常從時間、地區(qū)和產品的不同角度來深入觀察產品的銷售情況。這里的時間、地區(qū)和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數(shù)組則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區(qū)、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的數(shù)據(jù)采取切片（Slice）、切塊（Dice）、鉆?。―rill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析數(shù)據(jù)，使用戶能從多個角度、多側面地觀察數(shù)據(jù)庫中的數(shù)據(jù)，從而深入理解包含在數(shù)據(jù)中的信息。

　　主流的商業(yè)智能工具包括 Style Intelligence（思達商業(yè)智能）[2]  、FineBI商業(yè)智能軟件、BO、COGNOS、BRIO。一些國內的軟件工具平臺如KCOM也集成了一些基本的商業(yè)智能工具。

　　根據(jù)綜合性數(shù)據(jù)的組織方式的不同，目常見的OLAP主要有基于多維數(shù)據(jù)庫的MOLAP及基于關系數(shù)據(jù)庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數(shù)據(jù)，ROLAP則利用現(xiàn)有的關系數(shù)據(jù)庫技術來模擬多維數(shù)據(jù)。在數(shù)據(jù)倉庫應用中，OLAP應用一般是數(shù)據(jù)倉庫應用的前端工具，同時OLAP工具還可以同數(shù)據(jù)挖掘工具、統(tǒng)計分析工具配合使用，增強決策分析功能。

　　補充定義

　　商業(yè)智能（Business Intelligence，簡稱：BI），又稱商業(yè)智慧或商務智能，指用現(xiàn)代數(shù)據(jù)倉庫技術、線上分析處理技術、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術進行數(shù)據(jù)分析以實現(xiàn)商業(yè)價值。

　　商業(yè)智能作為一個工具，是用來處理企業(yè)中現(xiàn)有數(shù)據(jù)，并將其轉換成知識、分析和結論，輔助業(yè)務或者決策者做出正確且明智的決定。是幫助企業(yè)更好地利用數(shù)據(jù)提高決策質量的技術，包含了從數(shù)據(jù)倉庫到分析型系統(tǒng)等。

　　數(shù)據(jù)質量

　　數(shù)據(jù)質量與商業(yè)智能

　　數(shù)據(jù)質量角色

　　對于增強數(shù)據(jù)資產準確度和價值而言，將數(shù)據(jù)質量規(guī)則與活動（探查、清洗和監(jiān)測）和MDM流程相集成顯得十分關鍵。在啟動任何MDM項目之前，您都需要了解源數(shù)據(jù)的內容、質量和結構。在數(shù)據(jù)源進行的數(shù)據(jù)探查使數(shù)據(jù)管理員和數(shù)據(jù)倉庫管理員能夠在數(shù)據(jù)進入MDM系統(tǒng)之前，快速發(fā)現(xiàn)和分析跨所有數(shù)據(jù)源的所有數(shù)據(jù)異常。此流程可極大加快從MDM實施中獲取價值。

　　由于數(shù)據(jù)清洗增強了數(shù)據(jù)的準確度，帶來了數(shù)據(jù)完整性，并從源頭增進了數(shù)據(jù)的可信度，因此數(shù)據(jù)清洗改善了MDM系統(tǒng)中的數(shù)據(jù)一致性。一旦源數(shù)據(jù)進入MDM系統(tǒng)，它將接受數(shù)據(jù)質量處理，其中包括驗證、更正和標準化。MDM系統(tǒng)存儲了在數(shù)據(jù)清洗前后的整個歷史記錄，從而開發(fā)人員不必再跟蹤數(shù)據(jù)倉庫中的數(shù)據(jù)沿襲。

　　最后，數(shù)據(jù)質量度量標準使數(shù)據(jù)倉庫管理員能夠更好地監(jiān)控參考數(shù)據(jù)的質量，并確?？梢蚤L期持續(xù)使用高質量的數(shù)據(jù)。

　　因此，從技術角度看，實施MDM和Informatica Data Quality，作為數(shù)據(jù)倉庫中主數(shù)據(jù)的確定來源，可以從提取、轉換和加載（ETL）流程中簡化數(shù)據(jù)集成。此方法可極大減低與數(shù)據(jù)倉庫有關的整個開發(fā)和維護工作。通過建立數(shù)據(jù)質量度量標準和定義數(shù)據(jù)質量目標，數(shù)據(jù)倉庫管理員和數(shù)據(jù)管理員能夠更好地監(jiān)控參考數(shù)據(jù)的質量，并確保隨著時間的推移能夠跨企業(yè)持續(xù)使用高質量的數(shù)據(jù)。MDM簡化了對數(shù)據(jù)倉庫維度更新的處理，因為用于確定更改內容的所有邏輯均封裝在MDM系統(tǒng)中。

　　此外，MDM系統(tǒng)可以卸除大多數(shù)數(shù)據(jù)倉庫的歷史記錄跟蹤負擔，使數(shù)據(jù)倉庫僅管理它需要為進行聚合而應跟蹤的變更。此系統(tǒng)可帶來更小的數(shù)據(jù)倉庫維度以及對負荷和查詢性能的重大改進。運用MDM和Informatica Data Quality將最終降低數(shù)據(jù)集成的工作量，提高從商業(yè)智能和報表推導的洞察分析的質量，確保能夠從為商業(yè)智能增效的數(shù)據(jù)倉庫方案中獲得預期的價值和投資回報。

　　數(shù)據(jù)質量水平與商業(yè)智能的關系

　　當無法通過商業(yè)智能系統(tǒng)和報告系統(tǒng)提供準確的數(shù)據(jù)時，業(yè)務總體上都會受到影響。以下是為創(chuàng)建報表的商業(yè)智能系統(tǒng)提供不可靠數(shù)據(jù)所造成的一些后果：

　　業(yè)務負責人：不準確的管理報告導致決策不夠明智。

　　合規(guī)主管：合規(guī)性法案要求公司能為其財務和合規(guī)報表提供一定的透明度和可審計性。

　　業(yè)務分析師：如果業(yè)務分析師花費過多時間在多個商業(yè)智能系統(tǒng)間手動搜索和整理信息以更新和修正報表，則業(yè)務分析師的生產率會受到影響。此低效的工作會直接影響成本和營利能力。

　　這些業(yè)務問題的根源在于沒有關于客戶、產品、渠道合作伙伴和供應商的唯一真實版本。由于在處理每個業(yè)務流程的不同系統(tǒng)間收集、存儲和管理這些數(shù)據(jù)（亦稱之為參考數(shù)據(jù)或主數(shù)據(jù)），因此，需要正確地解析重疊和沖突的參考數(shù)據(jù)，以獲得唯一真實版本，從而帶來寶貴而可操作的洞察力。許多組織擁有數(shù)十或數(shù)百數(shù)據(jù)庫，并且在這些數(shù)據(jù)庫中有維護相同核心參考對象的數(shù)十個（有時為數(shù)百個）不同的應用程序，而這些核心參考對象還具有重疊的屬性。

　　商業(yè)智能系統(tǒng)的用途是以中立的視角報告取自多個系統(tǒng)的現(xiàn)有數(shù)據(jù)。商業(yè)智能系統(tǒng)可以為維度分析進行一些累積工作，但是設計或配備商業(yè)智能系統(tǒng)并非為了創(chuàng)建唯一的真實版本。在取自應用程序孤島的客戶或產品數(shù)據(jù)中存在的不一致會對數(shù)據(jù)倉庫中運行的分析可靠性產生消極的影響。

　　總而言之，企業(yè)的商業(yè)智能只會與企業(yè)的數(shù)據(jù)質量水平相當。

　　數(shù)據(jù)質量與五種形式的商業(yè)智能。

　　商業(yè)智能已經發(fā)展成為多種形式，旨在滿足企業(yè)不斷增長的要求和任務關鍵型活動日益增長的水平。這些形式都有其自己的一套數(shù)據(jù)質量要求。

　　儀表板

　　記分卡和儀表板正被廣泛采用，越來越多的用戶利用它們獲取財務，業(yè)務和績效監(jiān)控的鳥瞰圖。通過可視化的圖形、圖標和計量表，這些傳輸機制幫助跟蹤性能指標并向員工通知相關趨勢和可能需要的決策。提供集成視圖所需的數(shù)據(jù)元素通?？缭蕉鄠€部門和學科，需要絕對最新才能有效。

　　數(shù)據(jù)質量會影響記分卡和儀表板用戶，因此這些用戶必須能夠：

　　1． 使用儀表板中計量表和刻度盤上的完整數(shù)據(jù)，并迅速采取措施。

　　2． 獲取集成視圖并使用標準化數(shù)據(jù)進行協(xié)作。

　　3． 利用具有一致數(shù)據(jù)的正式記分卡方法。

　　4． 向下鉆取以查看組或個人級別績效的準確數(shù)據(jù)。

　　5． 找到能夠生成明顯趨勢且重復數(shù)據(jù)最少的業(yè)務流程。

　　6． 推導關聯(lián)性并通過驗證的數(shù)據(jù)執(zhí)行交叉影響分析。

　　企業(yè)報告

　　企業(yè)報告為所有級別的個人提供來自企業(yè)資源規(guī)劃（ERP）、客戶關系管理（CRM）、合作伙伴關系管理（PRM）、發(fā)票和帳單系統(tǒng)，以及整個企業(yè)內其他源系統(tǒng)的各種運營報告和其他業(yè)務報告。這些報告分布廣泛，而薪酬和其他激勵計劃通常與報告的結果有關。

　　數(shù)據(jù)質量會影響組織報告，因為組織必須：

　　1． 瀏覽多個報告，將它們顯示到從不同來源聚合數(shù)據(jù)的多個表單中。

　　2． 選擇各種參數(shù)并通過標準化數(shù)據(jù)為用戶定制報告。

　　3． 利用各種性能指標的協(xié)調數(shù)據(jù)呈現(xiàn)多個表格和圖表。

　　4． 使業(yè)務用戶能夠利用高精準數(shù)據(jù)創(chuàng)建自己的報告，無需IT部門參與。

　　5. 通過清洗和匹配的數(shù)據(jù)減少合規(guī)性管理的人工檢查和審計。

　　6． 利用完整財務數(shù)據(jù)直接從商業(yè)智能報告開具發(fā)票和帳單。

　　OLAP分析

　　OLAP使用戶能夠即時以交互方式對相關數(shù)據(jù)子集進行“切片和切塊”。同時，OLAP功能，比如向上鉆取、向下鉆取、或任意挖掘（跨業(yè)務維度）、透視、排序、篩選、以及翻閱，可用于提供關于績效的基本詳細信息。最為重要的是它能夠回答存在的任何業(yè)務問題。這意味著調查深入到單個或多個數(shù)據(jù)倉庫中可用的最原子級別的詳細信息。

　　數(shù)據(jù)質量會影響OLAP分析，因為用戶和組織需要：

　　1． 通過對目標數(shù)據(jù)的完全訪問在所有維度中任意鉆取以進行深入調查。

　　2． 通過設置好格式的一致數(shù)據(jù)將OLAP輕松應用于任何維度子集。

　　3． 利用一致的基本數(shù)據(jù)對象最大限地減少沖突報告，確保交互性。

　　4． 利用多個維度的正確數(shù)據(jù)執(zhí)行用戶驅動的適時分析。

　　5． 提供更新的同步數(shù)據(jù)來處理事務級數(shù)據(jù)分析。

　　預測分析

　　高級和預測分析使富有經驗的用戶能夠充分調查和發(fā)現(xiàn)特定業(yè)務績效背后的詳細信息并使用該信息預測遠期效果。此方法可能涉及高級統(tǒng)計分析和數(shù)據(jù)挖掘功能。為了推動積極決策和改進對潛在商業(yè)威脅的姿態(tài)，預測分析可能包括假設測試，客戶流失預測，供應和需求預測，以及客戶評分。預測建?？捎糜陬A測各種業(yè)務活動及相關效果。

　　數(shù)據(jù)質量會影響高級和預測分析，因為用戶會尋求：

　　1． 為可定制報告創(chuàng)建跨越任何數(shù)據(jù)元素的報告過濾標準。

　　2． 為標準化數(shù)據(jù)格式搜索模式和預測洞察力以促進積極決策。

　　3． 通過一致數(shù)據(jù)獲得信心，找出相互依存的趨勢和預期成果。

　　4． 對準確數(shù)據(jù)采用多變量復原和其他技術，以實現(xiàn)更好的預測。

　　5． 在無數(shù)據(jù)重復的前提下定制數(shù)據(jù)分組，最大限度減少沖突。

　　6． 使用經認證的數(shù)據(jù)檢驗假設并使用統(tǒng)計、財務和數(shù)字函數(shù)。

　　通知警報

　　使用電子郵件、瀏覽器、網絡服務器和打印機、PDA或門戶網站時，通過通知和警報在廣泛的用戶觸點間主動共享信息。通過及時交付目標信息，關鍵相關人士和決策者可以識別潛在的機會領域并發(fā)現(xiàn)要采取措施的問題領域。這種“一線”BI傳輸機制使組織能夠保持協(xié)調一致，與業(yè)務風險和機會并進，同時事件仍將保持新鮮和有意義以保證響應。

　　在此領域，數(shù)據(jù)質量會影響組織，因為組織會努力：

　　1． 從任何和所有數(shù)據(jù)源向最廣泛的用戶接觸點發(fā)布警報。

　　2． 確保標準化及非沖突數(shù)據(jù)集上各種訂閱類型的高吞吐量。

　　3． 使用戶能夠打開附件或點擊鏈接，同時呈現(xiàn)一致、集成的數(shù)據(jù)。

　　4． 通過預先評定并核準的數(shù)據(jù)質量來降低發(fā)布錯誤警報和通知的風險。

　　5． 允許在多個事件數(shù)據(jù)符合特定闕值時實時觸發(fā)警報。

　　6． 利用經驗證的數(shù)據(jù)進行內容個性化和組關聯(lián)。

　　功能綜述

　　很多廠商活躍在商業(yè)智能（下面稱BI）領域。事實上，能夠滿足用戶需要的BI產品和方案必須建立在穩(wěn)定、整合的平臺之上，該平臺需要提供用戶管理、安全性控制、連接數(shù)據(jù)源以及訪問、分析和共享信息的功能。BI平臺的標準化也非常重要，因為這關系到與企業(yè)多種應用系統(tǒng)的兼容問題，解決不了兼容問題，BI系統(tǒng)就不能發(fā)揮出應有效果。這里我們通過對一個實驗室的BI系統(tǒng)模型（我們將其稱為D系統(tǒng)）進行功能解剖，來介紹BI系統(tǒng)。D系統(tǒng)是一個面向終端使用者，直接訪問業(yè)務數(shù)據(jù)，能夠使管理者從各個角度出發(fā)分析利用商業(yè)數(shù)據(jù)，及時地掌握組織的運營現(xiàn)狀，作出科學的經營決策的系統(tǒng)。D系統(tǒng)可實現(xiàn)從簡單的標準報表瀏覽到高級的數(shù)據(jù)分析，滿足組織內部人員的需求。D系統(tǒng)涵蓋了常規(guī)意義上商業(yè)智能（BI）系統(tǒng)的功能，主要構架包括以下幾個方面。

　　讀取數(shù)據(jù)

　　D系統(tǒng)可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的文件，同時可讀取關系型數(shù)據(jù)庫 （對應ODBC）中的數(shù)據(jù)。在讀取文本和數(shù)據(jù)的基礎上，D系統(tǒng)還可以完成：

　　連接文本 把2個CSV文件中的共同項目作為鍵（Key），將所需的數(shù)據(jù)合并到一個文件，這樣可以象操作數(shù)據(jù)庫一樣方便，但無須用戶編程即可實現(xiàn)。

　　設置項目類型作為數(shù)據(jù)的項目類型，除按鈕（button）（文字項目）、數(shù)值項目以外，還可以設置日期表示形式的日期數(shù)據(jù)項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。

　　期間設置 日期項目數(shù)據(jù)可以根據(jù)年度或季度等組合后生成新的期間項目。同樣，時間項目數(shù)據(jù)可以根據(jù)上午、下午或時間帶等組合后生成新的時間項目。

　　設置等級 對于數(shù)值項目，可以任意設置等級，生成與之相對應的按鈕。例如，可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。

　　分析功能

　　關聯(lián)/限定 關聯(lián)分析主要用于發(fā)現(xiàn)不同事件之間的關聯(lián)性，即一個事件發(fā)生的同時，另一個事件也經常發(fā)生。關聯(lián)分析的重點在于快速發(fā)現(xiàn)那些有實用價值的關聯(lián)發(fā)生的事件。其主要依據(jù)是，事件發(fā)生的概率和條件概率應該符合一定的統(tǒng)計意義。D系統(tǒng)把這種關聯(lián)的分析設計成按鈕的形式，通過選擇有/無關聯(lián)，同時/相反的關聯(lián)。對于結構化的數(shù)據(jù)，以客戶的購買習慣數(shù)據(jù)為例，利用D系統(tǒng)的關聯(lián)分析，可以發(fā)現(xiàn)客戶的關聯(lián)購買需要。例如，一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以采取積極的營銷策略，擴展客戶購買的產品范圍，吸引更多的客戶。

　　顯示數(shù)值比例/指示顯示順序 D系統(tǒng)可使數(shù)值項目的數(shù)據(jù)之間的比例關系通過按鈕的大小來呈現(xiàn)，并顯示其構成比，還可以改變數(shù)值項目數(shù)據(jù)的排列順序等。選擇按鈕后，動態(tài)顯示不斷發(fā)生變化。這樣能夠獲得直觀的數(shù)據(jù)比較效果，并能夠凸顯差異，便于深入分析現(xiàn)象背后的本質。

　　監(jiān)視功能 預先設置條件，使符合條件的按鈕顯示報警（紅）、注意（黃）信號，使問題所在一目了然。比如說：上季度營業(yè)額少于100萬元的店警告（黃色標出），少于50萬元的報警（紅色標出）。執(zhí)行后，D系統(tǒng)就把以店名命名的按鈕用相應的顏色表示出來。

　　按鈕增值功能 可將多個按鈕組合，形成新的按鈕。比如：把[4月]、[5月]、[6月]三個按鈕組合后得到新的按鈕[第2季度]。

　　記錄選擇功能 從大量數(shù)據(jù)中選擇按鈕，取出必要的數(shù)據(jù)。挑出來的數(shù)據(jù)可重新構成同樣的操作環(huán)境。這樣用戶可以把精力集中在所關心的數(shù)據(jù)上。

　　多媒體情報表示功能 由數(shù)碼相機拍攝的照片或影像文件、通過掃描儀輸入的圖形等多媒體文件、文字處理或者電子表格軟件做成的報告書、HTML等標準形式保存的文件等，可以通過按鈕進行查找。

　　分割按鈕功能 在分割特定按鈕類的情況下，只需切換被分割的個別按鈕，便可連接不斷實行已登錄過的定型處理。

　　程序調用功能 把通過按鈕查找抽取出的數(shù)據(jù)，傳給其他的軟件或用戶原有的程序，并執(zhí)行這些程序。

　　查找按鈕名稱功能 通過按鈕名查找按鈕，可以指定精確和模糊兩種查找方法。另外，其他的按鈕類也可以對查找結果相關的數(shù)據(jù)進行限定。

　　豐富畫面

　　列表畫面 可以用and/or改變查找條件，可以進行統(tǒng)計/排序。統(tǒng)計對象只針對數(shù)值項目，統(tǒng)計方法分三種：合計、件數(shù)、平均，而且可以按照12種方式改變數(shù)值的顯示格式。

　　視圖畫面 提供切換視角和變換視圖功能，通過變換與設置條件相應的數(shù)值（單元格）的顏色表示強調。依次變換視角可進行多方面的數(shù)據(jù)分析。視圖的統(tǒng)計對象只針對數(shù)值項目，統(tǒng)計方法有合計、平均、構成比（縱向、橫向）、累計（縱向、橫向）、加權平均、最大、最小、最新和絕對值等12種。

　　數(shù)值項目切換 通過按鈕類的階層化（行和列最多可分別設置8層），由整體到局部，一邊分層向下挖掘，一邊分析數(shù)據(jù)，可以更加明確探討問題所在。

　　圖表畫面 D系統(tǒng)使用自己開發(fā)的圖形庫，提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上，也可以像在階層視圖一樣，自由地對層次進行挖掘和返回等操作。

　　數(shù)據(jù)輸出

　　打印統(tǒng)計列表和圖表畫面等，可將統(tǒng)計分析好的數(shù)據(jù)輸出給其他的應用程序使用，或者以HTML格式保存。

　　定型處理

　　所需要的輸出被顯示出來時，進行定型登錄，可以自動生成定型處理按鈕。以后，只需按此按鈕，即使很復雜的操作，也都可以將所要的列表、視圖和圖表顯示出來。

　　架構

　　企業(yè)要實現(xiàn)業(yè)務信息智慧洞察的目標，必須使用適當?shù)募夹g架構平臺來支持業(yè)務數(shù)據(jù)分析系統(tǒng)。該平臺不僅要為各種用戶（無論其身處何處）提供分析和協(xié)作功能，還要充分利用現(xiàn)有基礎結構，并維持低成本。它必須是可擴展的并具有高性能，以滿足任意組織的發(fā)展需求。

　　適當?shù)募軜嬁梢詾橄到y(tǒng)成功鋪平道路，并最終帶領組織取得成功。開放的商業(yè)智能架構應該能同時滿足IT和業(yè)務用戶的需求。

　　對IT用戶而言，商業(yè)智能軟件需要滿足如下條件才能向用戶交付更高價值，具體包括：能輕松地與組織的基礎架構集成；支持當前的技術和標準；能根據(jù)不斷發(fā)展的需求方便地進行調整；整合組織中的所有數(shù)據(jù)；能隨著用戶需求的發(fā)展不斷進行擴展；可靠地執(zhí)行；能在不增加預算和人力資源的情況下加以管理。

　　對于業(yè)務用戶，商業(yè)智能軟件必須與用戶的眾多角色、技能集和需求相匹配；為用戶提供多種不同格式的信息，包括常規(guī)報表、特別查詢、記分卡、儀表板等；易于使用，以使業(yè)務用戶愿意采用并信任其提供的信息。

　　企業(yè)級商業(yè)智能架構具有幾項共同特征和價值。這些需求是將在組織內部廣泛部署的商業(yè)智能系統(tǒng)的基礎。所有這些特質都將通過底層架構來體現(xiàn)。IBM Cognos商業(yè)智能平臺以面向服務的開放式架構為基礎設計和構建，與那些只會把來自Web服務的多個架構中的舊式“客戶機-服務器”組件簡單打包的商業(yè)智能解決方案不同，它能夠在三個不同的層面上交付所有的商業(yè)智能功能：即演示層，可處理Web環(huán)境中的所有用戶交互；應用層，包含用于執(zhí)行所有BI處理的專用服務；數(shù)據(jù)層，可用于訪問各種數(shù)據(jù)源。

　　相關應用

　　與業(yè)務分析

　　通過了解各種受眾以及相關利益方的獨特分析需求，可以發(fā)揮商業(yè)智能解決方案的全部潛能。企業(yè)所需的分析功能應該能夠訪問幾乎所有企業(yè)數(shù)據(jù)源，而不受平臺限制；同時可以為所有用戶提供便于理解的詳細信息視圖，而不受用戶角色或所在位置的影響。這些解決方案應具有創(chuàng)新的工具，以幫助這些不同的業(yè)務用戶組輕松地通過臺式機或移動設備分析信息。

　　企業(yè)需要廣泛的分析功能，但不同的分析工具、信息壁壘、多種平臺，以及過度依賴于電子表格，讓企業(yè)難以準確地分析信息。企業(yè)使用的分析解決方案必須能夠滿足所有業(yè)務用戶的需求，從一線員工到部門主管，一直到高級分析員。這些用戶希望能夠自己分析數(shù)據(jù)，而無需等待部門提供所請求的信息，從而做出更出色、更智慧的業(yè)務決策。

　　需要說明的是，業(yè)務分析并非放之四海而皆準。用戶需求可能會有很大的不同。通過了解不同類型的分析需求，并將其與組織中的特定角色相聯(lián)系，企業(yè)可以從中受益。

　　與決策管理

　　決策管理是用來優(yōu)化并自動化業(yè)務決策的一種卓有成效的方法。它通過預測分析讓組織能夠在制定決策以前有所行動，以便預測哪些行動在未來最有可能獲得成功。從廣義角度來看，主要存在三種組織決策類型，即戰(zhàn)略型、業(yè)務型和戰(zhàn)術型。

　　其中，戰(zhàn)略決策通常為組織設定長遠方向。其制定者是C級主管人員、副總裁、業(yè)務線經理；業(yè)務決策通常包括策略或流程的制定。它們專注于在戰(zhàn)術級別上執(zhí)行特定項目或目標，其制定者為業(yè)務經理、系統(tǒng)經理和業(yè)務分析師；戰(zhàn)術決策通常是將策略、流程或規(guī)則應用到具體事例的“前線”行動。這些類型的決策適用于自動化，使結果更具一致性和可預測性。其制定者包括消費者服務代表、財務服務代表、分支經理、銷售人員，以及網站推薦引擎等自動化系統(tǒng)。

　　決策管理使改進成為可能。它使用決策流程框架和分析來優(yōu)化并自動化決策、優(yōu)化成果，并解決特定的業(yè)務問題。決策管理通常專注于大批量決策，并使用基于規(guī)則和基于分析模型的應用程序實現(xiàn)決策。因此，雖然決策管理相對較新，但是它受到已經證實技術的支撐。

　　了解了組織中的決策類型和可用的決策管理選擇后，就可以著手建立決策管理基礎架構了。業(yè)務經理首先應該在影響他們決策的范圍內定義其業(yè)務挑戰(zhàn)。然后通過為特定業(yè)務問題開發(fā)的以決策為中心的應用程序，利用決策管理優(yōu)化目標決策。這些應用程序展現(xiàn)了業(yè)務人員熟悉的相關信息，并在影響問題的決策范圍內加入了預測分析。

　　應用范圍

　　商業(yè)智能系統(tǒng)可輔助建立信息中心，如產生各種工作報表和分析報表。用作以下分析：

　　銷售分析主要分析各項銷售指標，例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環(huán)比等等；而分析維又可從管理架構、類別品牌、日期、時段等角度觀察，這些分析維又采用多級鉆取，從而獲得相當透徹的分析思路；同時根據(jù)海量數(shù)據(jù)產生預測信息、報警信息等分析數(shù)據(jù)；還可根據(jù)各種銷售指標產生新的透視表。

　　商品分析 商品分析的主要數(shù)據(jù)來自銷售數(shù)據(jù)和商品基礎數(shù)據(jù)，從而產生以分析結構為主線的分析思路。主要分析數(shù)據(jù)有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品

　　、暢銷商品、滯銷商品、季節(jié)商品等多種指標。通過D系統(tǒng)對這些指標的分析來指導企業(yè)商品結構的調整，加強所營商品的競爭能力和合理配置。

　　人員分析通過D系統(tǒng)對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標為輔）和采購人員指標（銷售額、毛利、供應商更換、購銷商品數(shù)、代銷商品數(shù)、資金占用、資金周轉等）的分析，以達到考核員工業(yè)績，提高員工積極性，并為人力資源的合理利用提供科學依據(jù)。主要分析的主題有，員工的人員構成、銷售人員的人均銷售額、對于銷售的個人銷售業(yè)績、各管理架構的人均銷售額、毛利貢獻、采購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量如何等等。

　　實施步驟

　　實施商業(yè)智能系統(tǒng)是一項復雜的系統(tǒng)工程，整個項目涉及企業(yè)管理，運作管理，信息系統(tǒng)，數(shù)據(jù)倉庫，數(shù)據(jù)挖掘，統(tǒng)計分析等眾多門類的知識. 因此用戶除了要選擇合適的商業(yè)智能軟件工具外還必須按照正確的實施方法才能保證項目得以成功. 商業(yè)智能項目的實施步驟可分為：

　?。?）需求分析: 需求分析是商業(yè)智能實施的第一步，在其他活動開展之前必須明確的定義企業(yè)對商業(yè)智能的期望和需求，包括需要分析的主題，各主題可能查看的角度（維度）； 需要發(fā)現(xiàn)企業(yè)那些方面的規(guī)律. 用戶的需求必須明確.

　?。?） 數(shù)據(jù)倉庫建模：通過對企業(yè)需求的分析，建立企業(yè)數(shù)據(jù)倉庫的邏輯模型和物理模型，并規(guī)劃好系統(tǒng)的應用架構，將企業(yè)各類數(shù)據(jù)按照分析主題進行組織和歸類.

　?。?）數(shù)據(jù)抽取: 數(shù)據(jù)倉庫建立后必須將數(shù)據(jù)從業(yè)務系統(tǒng)中抽取到數(shù)據(jù)倉庫中，在抽取的過程中還必須將數(shù)據(jù)進行轉換，清洗，以適應分析的需要.

　　（4） 建立商業(yè)智能分析報表：商業(yè)智能分析報表需要專業(yè)人員按照用戶制訂的格式進行開發(fā)，用戶也可自行開發(fā)（開發(fā)方式簡單，快捷） .

　　（5） 用戶培訓和數(shù)據(jù)模擬測試： 對于開發(fā)—使用分離型的商業(yè)智能系統(tǒng)，最終用戶的使用是相當簡單的，只需要點擊操作就可針對特定的商業(yè)問題進行分析.

　?。?） 系統(tǒng)改進和完善：任何系統(tǒng)的實施都必須是不斷完善的. 商業(yè)智能系統(tǒng)更是如此，在用戶使用一段時間后可能會提出更多的，更具體的要求，這時需要再按照上述步驟對系統(tǒng)進行重構或完善。

　　處理流程

　　商業(yè)智能（BI）作為一個概念，描述與業(yè)務緊密結合，并且根據(jù)需要進行相關特性展示和數(shù)據(jù)處理的過程。

　　為了讓數(shù)據(jù)“活”起來，往往需要利用數(shù)據(jù)倉庫、數(shù)據(jù)挖掘、報表設計與展示、聯(lián)機在線分析（OLAP）等技術。數(shù)據(jù)或者數(shù)據(jù)源包含的種類繁多，例如存儲在關系型數(shù)據(jù)庫中的，在外圍數(shù)據(jù)文件中的，在業(yè)務流中實時產生存儲在內存中的等等。而商業(yè)智能最終能夠輔助的業(yè)務經營決策，既可以是操作層的，也可以是戰(zhàn)術層和戰(zhàn)略層的決策。

　　這些分析有財務管理、點擊流分析（Clickstream）、供應鏈管理、關鍵績效指標（Key Performance Indicators, KPI）、客戶分析等。商業(yè)智能關注的是，從各種渠道（軟件，系統(tǒng)，人，等等）發(fā)掘可執(zhí)行的戰(zhàn)略信息。商業(yè)智能用的工具有抽?。‥xtraction）、轉換（Transformation）和加載（Load）軟件（搜集數(shù)據(jù)，建立標準的數(shù)據(jù)結構，然后把這些數(shù)據(jù)存在另外的數(shù)據(jù)庫中）、數(shù)據(jù)挖掘和在線分析（Online Analytical Processing，允許用戶容易地從多個角度選取和察看數(shù)據(jù)）等 。

　　企業(yè)導入BI的優(yōu)點

　　1.隨機查詢動態(tài)報表

　　2.掌握指標管理

　　3.隨時線上分析處理

　　4.視覺化之企業(yè)儀表版

　　5.協(xié)助預測規(guī)劃

　　企業(yè)效益

　　商業(yè)智能幫助企業(yè)的管理層進行快速，準確的決策，迅速的發(fā)現(xiàn)企業(yè)中的問題，提示管理人員加以解決. 但商業(yè)智能軟件系統(tǒng)不能代替管理人員進行決策，不能自動處理企業(yè)運行過程中遇到的問題.因此商業(yè)智能系統(tǒng)并不能為企業(yè)帶來直接的經濟效益，但必須看到，商業(yè)智能為企業(yè)帶來的是一種經過科學武裝的管理思維，給整個企業(yè)帶來的是決策的快速性和準確性，發(fā)現(xiàn)問題的及時性，以及發(fā)現(xiàn)那些對手未發(fā)現(xiàn)的潛在的知識和規(guī)律，而這些信息是企業(yè)產生經濟效益的基礎，不能快速，準確地指定決策方針等于將市場送給對手，不能及時發(fā)現(xiàn)業(yè)務中的潛在信息等于浪費自己的資源.比如：通過對銷售數(shù)據(jù)的分析可發(fā)現(xiàn)各類客戶的特征和喜歡購買商品之間的聯(lián)系，這樣就可進行更有針對性的精確的促銷活動或向客戶提供更具有個性的服務等，這都會為企業(yè)帶來直接的經濟效益.

　　市場分析

　　制造業(yè)是商業(yè)智能的重要市場

　　Manufacturing Insights(IDC 公司附屬公司）的報告顯示，2004年亞太區(qū)（不含日本）制造業(yè)IT市場規(guī)模為137億美元，預計該市場將以 11.4% 的年復合增長率平穩(wěn)增長，到2008年市場規(guī)模將達210億美元。2004年底，亞太區(qū)（不含日本）制造業(yè)IT支出共137億美元，其中離散制造占78.6%，流程制造占22.4%。由于市場全球化和自由化帶來了更加激烈的競爭和復雜性，亞太區(qū)（不含日本）的許多制造商繼續(xù)對IT進行投資，以提高運營效率，更好地控制不斷增長的業(yè)務成本。隨著越來越多的制造商在華建立了生產基地，降低成本并占領巨大的國內市場，這些制造商需要對主要的IT基礎架構 、應用和服務進行投資以使其運營能夠健康平穩(wěn)地發(fā)展，并獲得領先優(yōu)勢。這將繼續(xù)促進中國和海外制造商的制造業(yè)IT投資。在對基礎架構投入大量資金的同時，在中國和印度這樣的新興大型市場的許多制造商將繼續(xù)對企業(yè)資源管理(ERM）和商務智能（BI）解決方案進行投資，從而為更好的內部協(xié)作和決策制定提供基礎平臺。

　　IDC的報告顯示，2004年亞太區(qū)（不含日本）商務智能（BI)工具軟件市場規(guī)模為2.332億美元，預計該市場將以12.3%的年復合增長率迅猛增長，到2009年市場規(guī)模將達4.173億美元，增長預計主要源于中國和印度日益發(fā)展的經濟。這兩國近幾年更加健康的經濟環(huán)境和不斷增多的應用系統(tǒng)部署為未來5年BI工具的采用打下了基礎。有關專家指出，隨著互聯(lián)網的普及，在決策支持系統(tǒng)基礎上發(fā)展商業(yè)智能已成為必然。隨著基于互聯(lián)網的各種信息系統(tǒng)在企業(yè)中的應用，企業(yè)將收集越來越多的關于客戶、產品及銷售情況在內的各種信息，這些信息能幫助企業(yè)更好地預測和把握未來。所以，電子商務的發(fā)展也推動了商業(yè)智能的進一步應用。

　　從行業(yè)發(fā)展來看，商業(yè)智能作為業(yè)務驅動的決策支持系統(tǒng)，其發(fā)展是以較為完善企業(yè)的信息系統(tǒng)和穩(wěn)定的業(yè)務系統(tǒng)為基礎的。商業(yè)智能未來的應用與行業(yè)內信息化的基礎狀況密切相關，以制造型企業(yè)為主，其次是流通企業(yè)，這兩個領域將是商業(yè)智能不可忽視的新市場。企業(yè)隨著信息化水平的提高，商業(yè)智能產品將會與ERP和CRM等管理軟件進一步融合，很多ERP廠商都把商業(yè)智能嵌入到相應的ERP系統(tǒng)內，比如SAP的ERP就嵌套了BO公司的商業(yè)智能產品，AD 也與和勤軟件進行了類似的合作。

　　當然，商業(yè)智能如ERP一樣，實施中存在著一定的風險，企業(yè)首先要認清自身的需求情況，在選擇合作伙伴的同時也要進行充分的了解。各主流廠商都有各自的優(yōu)勢，比如SAS的數(shù)據(jù)挖掘、Hyperion的預算與報表合并、BO的數(shù)據(jù)分析與報告等。而商業(yè)智能產品的發(fā)展趨勢必將是整合平臺基礎上的集成化應用。如何切實了解自身需求、選擇具有優(yōu)勢的廠商產品，將是企業(yè)實施商業(yè)智能成功的關鍵。

　　發(fā)展趨勢

　　與DSS、EIS系統(tǒng)相比，商業(yè)智能具有更美好的發(fā)展前景。近些年來，商業(yè)智能市場持續(xù)增長。IDC預測，到2005年，BI市場將達到118億$，平均年增長率為27%（Information Access Tools Market Forecast and Analysis: 2001-2005,IDC#24779,June 2001）。隨著企業(yè)CRM、ERP、SCM等應用系統(tǒng)的引入，企業(yè)不停留在事務處理過程而注重有效利用企業(yè)的數(shù)據(jù)為準確和更快的決策提供支持的需求越來越強烈，由此帶動的對商業(yè)智能的需求將是巨大的。

　　商業(yè)智能的發(fā)展趨勢可以歸納為以下幾點：

　　功能上具有可配置性、靈活性、可變化性

　　BI系統(tǒng)的范圍從為部門的特定用戶服務擴展到為整個企業(yè)所有用戶服務。同時，由于企業(yè)用戶在職權、需求上的差異，BI系統(tǒng)提供廣泛的、具有針對性的功能。從簡單的數(shù)據(jù)獲取，到利用WEB和局域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。

　　解決方案更開放、可擴展、可按用戶定制，在保證核心技術的同時，提供客戶化的界面

　　針對不同企業(yè)的獨特的需求，BI系統(tǒng)在提供核心技術的同時，使系統(tǒng)又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的接口和擴展特性；可為企業(yè)提供基于商業(yè)智能平臺的定制的工具，使系統(tǒng)具有更大的靈活性和使用范圍。

　　從單獨的商業(yè)智能向嵌入式商業(yè)智能發(fā)展

　　這是商業(yè)智能應用的一大趨勢，即在企業(yè)現(xiàn)有的應用系統(tǒng)中，如財務、人力、銷售等系統(tǒng)中嵌入商業(yè)智能組件，使普遍意義上的事務處理系統(tǒng)具有商業(yè)智能的特性?？紤]BI系統(tǒng)的某個組件而不是整個BI系統(tǒng)并非一件簡單的事，比如將OLAP技術應用到某一個應用系統(tǒng)，一個相對完整的商業(yè)智能開發(fā)過程，如企業(yè)問題分析、方案設計、原型系統(tǒng)開發(fā)、系統(tǒng)應用等過程是不可缺少的。

　　從傳統(tǒng)功能向增強型功能轉變

　　增強型的商業(yè)智能功能是相對于早期的用SQL工具實現(xiàn)查詢的商業(yè)智能功能。前應用中的BI系統(tǒng)除實現(xiàn)傳統(tǒng)的BI系統(tǒng)功能之外，大多數(shù)已實現(xiàn)了圖2中數(shù)據(jù)分析層的功能。而數(shù)據(jù)挖掘、企業(yè)建模是BI系統(tǒng)應該加強的應用，以更好地提高系統(tǒng)性能。

　　市場增長強勢不減

　　BI軟件市場在最近幾年得到了迅速增長。在2000年，即使是經濟不景氣的一年，BI軟件市場仍然增加了22%，達到了36億美元。IDC預測，到2005年，這個市場將以27%的年平均增長率發(fā)展，屆時將會達到118億美元。在這個市場中，終端用戶查詢、報告和OLAP工具占絕對主流，達到65%。用戶希望從他們的企業(yè)資源規(guī)劃（ERP）、客戶關系管理（CRM）、供應鏈管理（SCM）和遺留系統(tǒng)中發(fā)掘他們的數(shù)據(jù)資產，因此對BI軟件的需求正在不斷增加。這些需求推廣來看，說明企業(yè)正逐漸擺脫單純依賴于軟件來處理日常事務，而是明確要利用軟件來幫助自己，依據(jù)企業(yè)數(shù)據(jù)做出更好、更快的決策。

　　此外，對分析應用需求的增加將持續(xù)刺激對商業(yè)智能軟件的需求。這些軟件主要用來進行復雜的預測，得出相對直接的執(zhí)行報告，另外也包括以多維分析工具為基礎的客戶分類應用。

　　商業(yè)智能解決方案走向完整

　　正當國內企業(yè)級用戶對基于世界先進商業(yè)智能技術的本地化解決方案的需求日益高漲與迫切時，IBM（中國）公司日前在北京發(fā)布大型IBM商業(yè)智能解決方案，來自海內外技術專家的精彩演示，淋漓盡致地展示了IBM商業(yè)智能解決方案的先進技術、強大功能和完善的服務支持，為基于新一代IBM數(shù)據(jù)倉庫與智能挖掘的商業(yè)智能應用方案在國內的廣闊應用前景繪出了精彩藍圖。

　　作為第一個進入中國市場的完整的、本地化的商業(yè)智能解決方案，IBM商業(yè)智能解決方案的推出標志著國內用戶利用商業(yè)智能技術開展電子商務的時機更加成熟，國內企業(yè)因此能夠借助世界最先進的信息技術，更好地了解客戶，更有效地開展客戶關系管理，進而獲得更有利的競爭優(yōu)勢。

　　所謂商業(yè)智能（BusinessIntelligent），就是將企業(yè)中的現(xiàn)有數(shù)據(jù)轉化為知識的過程。企業(yè)在開展業(yè)務的同時，獲得了大量數(shù)據(jù)，來自國外的統(tǒng)計結果表明，全球企業(yè)的信息量平均每1．5年翻一番，而僅僅利用了全部信息數(shù)據(jù)的7%。隨著知識經濟時代的來臨，記錄客戶與市場數(shù)據(jù)的信息和信息利用能力已經成為決定企業(yè)生死存亡的關鍵因素，越來越多的國內外企業(yè)已經根據(jù)信息流和數(shù)據(jù)分析技術進行企業(yè)重整，傳統(tǒng)的數(shù)據(jù)記錄方式無疑被更先進的商業(yè)智能技術所代替。據(jù)美國PaloAlto管理集團預測，到2001年，全球商業(yè)智能市場將達到700億美元?！≡谏虡I(yè)智能解決方案的幫助下，企業(yè)級用戶可以通過充分挖掘現(xiàn)有的數(shù)據(jù)資源，捕獲信息、分析信息、溝通信息，發(fā)現(xiàn)許多過去缺乏認識或未被認識的數(shù)據(jù)關系，幫助企業(yè)管理者做出更好的商業(yè)決策，例如開拓什么市場、吸引哪些客戶、促銷何種產品等等。商業(yè)智能還能夠通過財務分析、風險管理、欺詐分析、銷售分析等過程幫助企業(yè)降低運營成本，進而獲得更高的經營效益。

　　根據(jù)世界權威性的IDC公司的調查結果表明，企業(yè)用于商業(yè)智能的投資回報率平均2．3年高達400%。數(shù)據(jù)倉庫是商業(yè)智能解決方案的基礎，一項來自美國MetaGroup的市場分析指出，92%的企業(yè)將在今后3年內使用數(shù)據(jù)倉庫，到2000年，全球數(shù)據(jù)倉庫的使用者就將達到1000萬，數(shù)據(jù)庫訪問因特網和企業(yè)內部網所帶來的投資回報率達68%。

　　問題

　　經過幾年的積累，大部分中大型的企事業(yè)單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統(tǒng)。這些系統(tǒng)的統(tǒng)一特點都是：通過業(yè)務人員或者用戶的操作，最終對數(shù)據(jù)庫進行增加、修改、刪除等操作。上述系統(tǒng)可統(tǒng)一稱為OLTP(Online Transaction Process，在線事務處理），指的就是系統(tǒng)運行了一段時間以后，必然幫助企事業(yè)單位收集大量的歷史數(shù)據(jù)。但是，在數(shù)據(jù)庫中分散、獨立存在的大量數(shù)據(jù)對于業(yè)務人員來說，只是一些無法看懂的天書。業(yè)務人員所需要的是信息，是他們能夠看懂、理解并從中受益的抽象信息。此時，如何把數(shù)據(jù)轉化為信息，使得業(yè)務人員（包括管理者）能夠充分掌握、利用這些信息，并且輔助決策，就是商業(yè)智能主要解決的問題。

　　如何把數(shù)據(jù)庫中存在的數(shù)據(jù)轉變?yōu)闃I(yè)務人員需要的信息?大部分的答案是報表系統(tǒng)。簡單說，報表系統(tǒng)已經可以稱作是BI了，它是BI的低端實現(xiàn)。

　　國外的企業(yè)，大部分已經進入了中端BI，叫做數(shù)據(jù)分析。有一些企業(yè)已經開始進入高端BI，叫做數(shù)據(jù)挖掘。而中國的企業(yè)，大部分還停留在報表階段。

　　數(shù)據(jù)報表不可取代

　　傳統(tǒng)的報表系統(tǒng)技術上已經相當成熟，大家熟悉的Excel、水晶報表、FineReport、Reporting Service等都已經被廣泛使用。但是，隨著數(shù)據(jù)的增多，需求的提高，傳統(tǒng)報表系統(tǒng)面臨的挑戰(zhàn)也越來越多。

　　1． 數(shù)據(jù)太多，信息太少

　　密密麻麻的表格堆砌了大量數(shù)據(jù)，到底有多少業(yè)務人員仔細看每一個數(shù)據(jù)?到底這些數(shù)據(jù)代表了什么信息、什么趨勢?級別越高的領導，越需要簡明的信息。如果我是董事長，我可能只需要一句話：我們的情況是好、中還是差

　　2． 難以交互分析、了解各種組合

　　定制好的報表過于死板。例如，我們可以在一張表中列出不同地區(qū)、不同產品的銷量，另一張表中列出不同地區(qū)、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如“華北地區(qū)中青年顧客購買數(shù)碼相機類型產品的情況”等問題。業(yè)務問題經常需要多個角度的交互分析。

　　3. 難以挖掘出潛在的規(guī)則

　　報表系統(tǒng)列出的往往是表面上的數(shù)據(jù)信息，但是海量數(shù)據(jù)深處潛在含有哪些規(guī)則呢?什么客戶對我們價值最大，產品之間相互關聯(lián)的程度如何?越是深層的規(guī)則，對于決策支持的價值越大，但是，也越難挖掘出來。

　　4． 難以追溯歷史，數(shù)據(jù)形成孤島

　　業(yè)務系統(tǒng)很多，數(shù)據(jù)存在于不同地方。太舊的數(shù)據(jù)（例如以前的數(shù)據(jù)）往往被業(yè)務系統(tǒng)備份出去，導致宏觀分析、長期歷史分析難度很大。

　　因此，隨著時代的發(fā)展，傳統(tǒng)報表系統(tǒng)已經不能滿足日益增長的業(yè)務需求了，企業(yè)期待著新的技術。數(shù)據(jù)分析和數(shù)據(jù)挖掘的時代正在來臨。值得注意的是，數(shù)據(jù)分析和數(shù)據(jù)挖掘系統(tǒng)的目的是帶給我們更多的決策支持價值，并不是取代數(shù)據(jù)報表。報表系統(tǒng)依然有其不可取代的優(yōu)勢，并且將會長期與數(shù)據(jù)分析、挖掘系統(tǒng)一起并存下去。

　　八維以上的數(shù)據(jù)分析

　　如果說OLTP側重于對數(shù)據(jù)庫進行增加、修改、刪除等日常事務操作，OLAP(Online Analytics Process，在線分析系統(tǒng)）則側重于針對宏觀問題，全面分析數(shù)據(jù)，獲得有價值的信息。

　　為了達到OLAP的目的，傳統(tǒng)的關系型數(shù)據(jù)庫已經不夠了，需要一種新的技術叫做多維數(shù)據(jù)庫。

　　多維數(shù)據(jù)庫的概念并不復雜。舉一個例子，我們想描述2003年4月份可樂在北部地區(qū)銷售額10萬元時，牽扯到幾個角度：時間、產品、地區(qū)。這些叫做維度。至于銷售額，叫做度量值。當然，還有成本、利潤等。

　　除了時間、產品和地區(qū)，我們還可以有很多維度，例如客戶的性別、職業(yè)、銷售部門、促銷方式等等。實際上，使用中的多維數(shù)據(jù)庫可能是一個8維或者15維的立方體。

　　雖然結構上15維的立方體很復雜，但是概念上非常簡單。

　　數(shù)據(jù)分析系統(tǒng)的總體架構分為四個部分：源系統(tǒng)、數(shù)據(jù)倉庫、多維數(shù)據(jù)庫、客戶端。

　　·源系統(tǒng)：包括現(xiàn)有的所有OLTP系統(tǒng)，搭建BI系統(tǒng)并不需要更改現(xiàn)有系統(tǒng)。

　　·數(shù)據(jù)倉庫：數(shù)據(jù)大集中，通過數(shù)據(jù)抽取，把數(shù)據(jù)從源系統(tǒng)源源不斷地抽取出來，可能每天一次，或者每3個小時一次，當然是自動的。數(shù)據(jù)倉庫依然建立在關系型數(shù)據(jù)庫上，往往符合叫做“星型結構”的模型。

　　·多維數(shù)據(jù)庫：數(shù)據(jù)倉庫的數(shù)據(jù)經過多維建模，形成了立方體結構。每一個立方體描述了一個業(yè)務主題，例如銷售、庫存或者財務。

　　·客戶端：好的客戶端軟件可以把多維立方體中的信息豐富多彩地展現(xiàn)給用戶。

　　數(shù)據(jù)分析案例：

　　在實際的案例中，我們利用Oracle 9i搭建了數(shù)據(jù)倉庫，Microsoft Analysis Service 2000搭建了多維數(shù)據(jù)庫，ProClarity 6.0 作為客戶端分析軟件。

　　分解樹好像一個組織圖。分解樹在回答以下問題時很有效：

　　·在指定的產品組內，哪種產品有最高的銷售額

　　·在特定的產品種類內，各種產品間的銷售額分布如何

　　·哪個銷售人員完成了最高百分比的銷售額

　　數(shù)據(jù)挖掘看穿你的需求

　　廣義上說，任何從數(shù)據(jù)庫中挖掘信息的過程都叫做數(shù)據(jù)挖掘。從這點看來，數(shù)據(jù)挖掘就是BI。但從技術術語上說，數(shù)據(jù)挖掘（Data Mining）特指的是：源數(shù)據(jù)經過清洗和轉換等成為適合于挖掘的數(shù)據(jù)集。數(shù)據(jù)挖掘在這種具有固定形式的數(shù)據(jù)集上完成知識的提煉，最后以合適的知識模式用于進一步分析決策工作。從這種狹義的觀點上，我們可以定義：數(shù)據(jù)挖掘是從特定形式的數(shù)據(jù)集中提煉知識的過程。數(shù)據(jù)挖掘往往針對特定的數(shù)據(jù)、特定的問題，選擇一種或者多種挖掘算法，找到數(shù)據(jù)下面隱藏的規(guī)律，這些規(guī)律往往被用來預測、支持決策。

　　關聯(lián)銷售案例：

　　美國的超市有這樣的系統(tǒng)：當你采購了一車商品結賬時，售貨員小姐掃描完了你的產品后，計算機上會顯示出一些信息，然后售貨員會友好地問你：我們有一種一次性紙杯正在促銷，位于F6貨架上，您要購買嗎

　　這句話決不是一般的促銷。因為計算機系統(tǒng)早就算好了，如果你的購物車中有餐巾紙、大瓶可樂和沙拉，則86%的可能性你要買一次性紙杯。結果是，你說，啊，謝謝你，我剛才一直沒找到紙杯。

　　這不是什么神奇的科學算命，而是利用數(shù)據(jù)挖掘中的關聯(lián)規(guī)則算法實現(xiàn)的系統(tǒng)。

　　每天，新的銷售數(shù)據(jù)會進入挖掘模型，與過去N天的歷史數(shù)據(jù)一起，被挖掘模型處理，得到當前最有價值的關聯(lián)規(guī)則。同樣的算法，分析網上書店的銷售業(yè)績，計算機可以發(fā)現(xiàn)產品之間的關聯(lián)以及關聯(lián)的強弱。

　　數(shù)據(jù)報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘是BI的三個層面。我們相信未來幾年的趨勢是：越來越多的企業(yè)在數(shù)據(jù)報表的基礎上，會進入數(shù)據(jù)分析與數(shù)據(jù)挖掘的領域。商業(yè)智能所帶來的決策支持功能，會給我們帶來越來越明顯的效益。

　　軟件廠商

　　目前國內市場主要商業(yè)智能軟件廠商有：國云數(shù)據(jù)（大數(shù)據(jù)魔鏡）、IBM Cognos[4]  、Informatica、Power-BI、ORACLE（甲骨文）、SAP Business Objects、Arcplan（阿普蘭）、Microstrategy （微策略）、SAS、Sybase、Analyzer、思邁特Smartbi、金蝶、用友華表[5]  、久其、帆軟FineBI商業(yè)智能軟件、思達商業(yè)智能平臺 Style Intelligence[2]  、微軟、和勤、上海澤信(醫(yī)院BI)、畢盛商業(yè)智能（BizSmart BI）[6]  、QlikView[7]  、潤乾、GrapeCity[8]  、永洪科技等。

　　其中，與選軟件網合作在線試用的廠商有：新中大、金算盤、奧威智動、科脈、一汽啟明、浪潮、百勝、大掌柜等。

　　IBM

　　IBM提供了全面的商業(yè)智能解決方案，包括前端工具、在線分析處理工具、數(shù)據(jù)挖掘工具、企業(yè)數(shù)據(jù)倉庫、數(shù)據(jù)倉庫管理器和數(shù)據(jù)預處理工具等。結合行業(yè)用戶的業(yè)務需要，IBM還向用戶提供面向政府、電力、金融、電信、石油、醫(yī)療行業(yè)的商業(yè)智能解決方案。

　　IBM Cognos商業(yè)智能解決方案基于已經驗證的技術平臺而構建的，旨在針對最廣泛的部署進行無縫升級和經濟有效的擴展，能滿足各類型用戶的不同信息需求。Cognos10擴展了傳統(tǒng)商業(yè)智能的功能領域，通過規(guī)劃、場景建模、實時監(jiān)控和預測性分析提供革命性的用戶體驗。該軟件已將報表、分析、積分卡和儀表板匯集在一起，并支持用戶在微軟Office等桌面應用程序中分發(fā)商業(yè)智能數(shù)據(jù)，以及向移動智能終端（例如iPhone、iPad、安卓手機、BlackBerry等）交付相關信息。

　　微軟

　　商業(yè)智能工具能幫助您分析業(yè)務流程，找出需要改進之處，并迅速根據(jù)條件的更改做出調整。Microsoft Dynamics CRM[9]  能夠提供可視化工具和報告，幫助您根據(jù)所了解的情況采取行動。

　　在整個企業(yè)和供應鏈范圍內采集信息，并在集中統(tǒng)一的位置進行編輯；

　　使用直觀易用的儀表板實時查看重要的績效指標；

　　將 CRM 功能映射到特定模型上，如精益生產和準時制 (JIT)庫存策略；

　　將MicrosoftDynamics CRM 解決方案與ERP、車間控制、存貨、財務及銷售訂單處理等用戶現(xiàn)有的系統(tǒng)進行整合；

　　提供關于客戶報價、訂單以及服務查詢的實時更新。

　　Arcplan（阿普蘭）

　　arcplan--世界領先的純第三方專業(yè)商業(yè)智能分析軟件提供商

　　arcplan是分析型報表和信息編輯技術開創(chuàng)者；以業(yè)界最好的前端展現(xiàn)和集成的分析，最突出的儀表盤駕駛艙、地圖鉆取分析，以面向對象的最方便簡捷的“信息編輯器”著稱，是全球最為專業(yè)的純第三方BI軟件平臺。

　　最新一期BI Survey再次將全球針對SAP BW 與Cognos TM1的最佳第三方BI前端展現(xiàn)工具稱號授予arcplan

　　用戶商業(yè)目標成功率：arcplan 名列榜首

　　arcplan 同時憑借其所擁有的對于眾多數(shù)據(jù)源的API接口廣受好評。

　　微策略

　　Microstrategy(微策略）商業(yè)智能

　　Microstrategy 一直是GartnerMagicQuadrant評鑒中列為領先的前五大BI工具和服務廠家。主要在以下各方面獲得客戶高度的肯定 ：

　　a) 企業(yè)級BI : 適合企業(yè)級的BI運用, 基于數(shù)據(jù)倉庫理論的概念而設計，擁有很高的運行效能，能支持大的客戶數(shù)據(jù)量。美國最大的數(shù)據(jù)倉庫公司也選擇MSTR做為其戰(zhàn)略伙伴，可見其處理大數(shù)據(jù)量的能力。

　　b) 年度最佳移動BI ：支持移動終端如Ipad 和Iphone. 可以讓客戶靈活的自己設計需要的儀表盤，輕松做好管理駕駛艙的項目，是這個領域的最佳BI廠家。

　　c) 重視用戶的體驗 ：能保證開發(fā)人員的效率和生產力, 主要是因為參數(shù)化的報表開發(fā)范例和面向對象的開發(fā)環(huán)境。

　　d) 開放獨立的平臺 : 全部產品自行研發(fā), 有機成長, 持續(xù)的從客戶體驗角度做改善, 兼顧整合性、易用性、靈活性和彈性的特點。

　　e) 最強的多維分析 : 強大的Olap分析能力,　擁有世界最強最快的Olap分析引擎，能與自行開發(fā)的Dashboard產品完美整合使用。

　　f) OEM支持：完整的SDK支持，提供超過4000個API接口，許多ISV或SI 在項目中，以MSTR作為中間件，為應用作最佳的組合和搭配。

　　g) 良好的產品售后服務和技術支持能力。

　　增值服務商

　　北京德昂

　　是一家跨足海峽兩岸，在北京，上海，廈門和臺北設有公司的專業(yè)商務智能解決方案提供商， 公司提供從商務智能項目的前期咨詢、商務智能系統(tǒng)的規(guī)劃、工具的評估和選擇、報表和儀表盤需求的梳理和規(guī)劃、數(shù)據(jù)倉庫和集市的設計和實施、報表和分析系統(tǒng)的設計、實施和上線的整體實施服務。德昂公司并且在能源, 保險，證劵，零售，地產和企業(yè)客戶中率先實施移動商務智能解決方案。并且可以提供下列類似主題的完整解決方案 ：集團決策支持系統(tǒng)或者管理決策駕駛艙，財務部門的財務數(shù)據(jù)中心，制造業(yè)的采購BI, 石油石化行業(yè)的移動決策支持系統(tǒng)，運營管理決策支持系統(tǒng)， 零售行業(yè)的市場營銷和獎金自動化系統(tǒng)等。

　　德昂是全球領先的商務智能平臺Microstrategy和Pervasive在中國的分銷代理；并結合SAP BPC，IBM DataModeler, Infromatica等工具產品，打包成完整的商務智能解決方案；同時，針對Microstrategy產品提供完整的架構設計，建模服務，效能調優(yōu)，報表和儀表盤開發(fā)，產品支持，二次開發(fā)支持和維保服務。除了直接面向最終客戶，德昂也一直專注于建立一個良好的BI支持服務平臺, 協(xié)助國內各行各業(yè)的集成商(SI)和軟件開發(fā)商（ISV）在項目或其應用產品中使用BI工具,以便提升其產品和解決方案的價值。

　　發(fā)展趨勢

　　第三點：自助分析服務依然是優(yōu)先的BI工具以及特殊的報表工具[10]

　　在2012以及2013年，自助分析將會依然是一種趨勢。在過去的幾年中，大型企業(yè)的IT部門看好即將到來的商業(yè)需求，將不會支持手動。工作人員經常要求信息以一種即時和隨機應變的方式來更有效的支持商業(yè)決策。在這種情況下，BI廠商需要保持平衡的自助服務功能，來允許信息工作者構建和發(fā)布他們自己的BI應用程序，同時允許IT部門來控制完整的使用平臺。

　　第二點：企業(yè)將會繼續(xù)使用多個BI工具代替單一的平臺

　　世界領先級的Forrester咨詢公司也提到了了2012年的另一個預測，在近幾年圖表依然排在前十之內，每個企業(yè)不會致力于一個或是所有的BI工具。將會朝更加靈活的框架發(fā)展，這里的靈活是使用很多的BI工具，而不是一個使用一個固定的使用平臺。更加重要的是，很多的企業(yè)意識到整個和幾種現(xiàn)有的BI工具已經不再是一個全球化的解決方案，所以說這種趨勢將會持續(xù)到2013年。

　　第一點：無處不在的移動平臺的傳播不再是一個創(chuàng)新。

　　要求和必須滿足任何類型的BI工具或是平臺，除了自助服務和個性化的BI。移動客戶端的速度將會快速的增漲，同時網頁商業(yè)標準準備用HTML5技術堆棧來支配現(xiàn)有的移動本地化應用程序框架。Ipads、 iphones、 androids以及各種各樣的的全球化消費化將會使得企業(yè)所有的平臺，使得這個標準變成了更加復雜的任務。

　　根據(jù)Forrester的研究報告，企業(yè)級別上的24%已經使用了移動BI應用程序在試點項目上，37%的已經在考慮z在未來采用。要求所有的BI工具需要支持可用的移動平臺來保持競爭力，因為人們不會放棄ipads對于來自的PC風格的簡單工作方式，尤其是在操作和執(zhí)行層面上。