商务智能应用系统研究.docVIP

商务智能应用系统研究 　　摘要：商业智能是一种运用了人工智能技术来处理和分析企业的数据，它用来辅助商业活动做出快速反应，加快知识的获取速度以增加商业利润，因此满足管理层和决策层对信息知识的时间性和准确性的要求。从而帮助企业更加稳健地实现管理和经营目标。 　　关键词：商业智能　数据仓库　数据挖掘　OLAP(在线分析处理) 　　 　　商业智能是一种运用了人工智能技术来处理和分析企业的数据，它用来辅助商业活动做出快速反应，加快知识的获取速度以增加商业利润，因此满足管理层和决策层对信息知识的时间性和准确性的要求。 　　 　　数据仓库的产生和发展 　　 　　1992年美国著名的信息工程学家W.H.Inmon在他的《建立数据仓库》一书中为数据仓库给出了明确的定义，第一次提供了如何建立数据仓库的指导性意见。数据仓库是面向主题的、集成的、非易失的且随时间变化的数据集合，用来支持管理人员的决策。他认为数据仓库的历史是伴随着信息处理领域的决策支持系统(Decision Sustain System)处理的发展过程开始的，在这个发展过程中，一种更大规模的体系结构逐渐勾勒出来。在这种体系结构中，数据仓库处于中心位置。商务智能系统的核心就是数据仓库。 　　 　　商业智能的定义及特点 　　 　　业智能是一种运用了人工智能技术来处理和分析企业的数据，它用来辅助商业活动作出快速反应，加快知识的获取速度以增加商业利润，因此满足管理层和决策层对信息知识的时间性和准确性的要求。从而帮助企业更加稳健地实现管理和经营目标。用计算机模仿人的思考和行为来进行商业活动即商业智能(business intelligence，BI)。它是一种运用了人工智能、数据仓库、在线分析和数据挖掘等技术来处理和分析数据，帮助企业管理者做出更好的商业决策的崭新领域。其工作原理主要是通过对数据进行抽取、清洗、聚类、挖掘、预测等处理来产生可透析的各种展示数据。这些数据可直观的显示分析者所要探询的某种经营属性或市场规律。企业在经营过程中会产生无数的信息，如订单、库存、交易账目、通话记录及客户资料等。这些信息蕴藏了丰富的经营理念和市场规律。怎样有效地利用这些宝贵的信息增进对业务情况的了解，帮助我们在业务管理及发展上作出及时、正确的判断，也就是说，怎样从业务数据中提取有用的信息，然后根据这些信息来采取明智的行动，成了企业的一个迫切愿望和现实难点。这就是商业智能的课题。商业智能解决方案的基本成分有数据仓库、数据分析、数据挖掘、数据展示和企业信息门户。正在向商业智能靠拢的有EBP、CRM(客户关系管理)、文本挖掘、知识管理、Web智能等等。 　　 　　知识发现的方法和技术 　　 　　为了从大量营销数据和市场信息中发现有用的知识，需要采用知识发现的方法和技术。它是在人工智能、机器学习与数据库、在线数据分析等相结合基础上开发的从数据中发现知识的方法和技术。目前主要有在线分析处理(OLAP)以及数据挖掘(DM)。 　　在线分析处理是一种高度交互式的过程，信息分析专家通过它可以即时反复进行分析，迅速获取结果。在线分析处理有多维在线分析处理、关系型在线分析处理和混合在线分析处理。在线分析处理(OLAP)技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维持性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。 　　数据挖掘的功能是从浩如烟海的数据和文档中发现以前未知的、可以理解的信息进行计算或分析。数据挖掘的价值在于扫描数据仓库或建立非常复杂的查询，数据和文本挖掘工具必须提供很高的吞吐量，并且拥有并行处理功能支持多种采集。数据挖掘(DM)是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。 　　 　　BI系统设计 　　 　　数据仓库将实现数据的整合及对元数据的管理。系统设计原则是：根据整体发展规划，紧密围绕业务发展要求，统一规划，分步、分阶段建设一个集中统一、先进实用的数据仓库系统和数据应用分析平台(见图1)。 　　 　　一个完整的数据仓库解决方案，包括：数据源层、ETL层、数据服务层、中间服务层、访问控制层和最终用户层。贯穿整个过程包括元数据管理体系和安全管理体系。数据源被抽取到数据处理区域，经过转换和清理处理，加载到数据中心。然后根据数据集市的需求，可以再次经过ETL，进入不同的数据集市。最终用户可以通过客户端方便地在数据集市上进行查询、报表、多维／统计分析、数据挖掘等操作，并查看操作结果。 　　 　　数据集市设计 　　 　　数据