SOA的商业智能应用分析.docxVIP

PAGE 1 PAGE 1 SOA的商业智能应用分析  随着现代商业竞争的日益激烈，如何建立高效健壮智能的信息系统就成为企业生存和发展至关重要的问题。文中利用Web服务封装数据挖掘算法，然后基于面向服务的架构构建企业的商业智能系统，帮助企业从历史数据中发觉自身运营的有益模式和学问，从而提高企业的运作效率和收益。  1引言  管理就是决策，决策需要信息。决策过程实际上就是一个信息输入、信息输出及信息反馈的循环过程。商业智能的目的就是为了辅助决策，让管理者从拍脑袋做决策到依据数据和事实做决策。这些依靠的数据和事实来源于两个方面，一是来源于竞争环境，这包括内部信息源（主要是存在于决策主体的经验信息）和外部信息源（主要是决策主体和咨询机构从社会中通过各种渠道获取的信息），另一方面来源于企业多年信息化建设中积累的数据库信息。对于第一个方面，信息的非结构化特征打算了其随便性和不确定性，这是决策理论中研究的问题，而对于第二个方面的信息，即使用存在于数据库中的信息来辅助决策的问题，就是可以通过商业智能从技术上来得到很大程度的解决。  本文将数据挖掘算法封装成相应的Web服务，然后利用面向服务的架构组建企业的商业智能系统，从而为用户供应敏捷高效健壮高机敏性的信息系统，继而帮助企业改善自身运作提高运营效率。  2商业智能及其体系结构  2.1商业智能简介  商业智能（BusinessIntelligence，BI）是商业数据海洋中的指南针，它从历更数据中提取信息，搞清晰经营状况，通过信息的分析获取对经营决策有价值的学问，从而帮助用户对自身的业务经营做出正确而明智的打算。商业智能过程实际上包含2个层次：第一个层次是在整合系统数据的基础上供应敏捷的前端呈现，例如，通过直方图等形式表现来自销售管理系统的地区销售情祝报表，对复杂的计算则通过计算机的手段辅助完成；第二个层次是数据库中的学问发觉（KnowledgeDiscoveryinDatabase，KDD）。现代很多商业、政府和科学数据库的爆炸性增长已远远超出了能够解释和消化这些数据的能力，需要新一代的工具和技术对数据库进行自动和智能地分析，这些工具和技术正是学问发觉。学问发觉的主要技术构成是数据挖掘（DataMining，DM）。它是从大量的数据中挖掘出有用的信息，即从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中发觉隐含的、规律性的、人们事先未知的，但又是潜在有用的并且最终可理解的信息和学问的非平凡过程。  根据智能应用的范围，商业智能系统可以产生客户智能、营销智能、销售智能和财务智能等。这些智能的产生包括3个部分的详细功能：信息处理、分析处理和学问发觉。前两个部分是商业智能的前端呈现对象，第3个部分则属于数据挖掘层次。信息处理包括查询和基本的统计分析，如使用交叉表、图表或者图进行报表的展示。分析处理是支持基本的OLAP操作，如上钻、下钻、旋转、切片和切块等，其表现形式也以报表为主。但请留意的是这里的统计和报表与基于数据库的统计和报表有本质的区分，在BI系统中，报表的数据来源不是关系型数据库，而是从很多来自不同的企业运作系统的数据中提取出的有用数据，同时对这些数据进行清理以保证数据的正确性，然后经过抽取、转换和装载（即ETL过程），合并到一个企业级的数据仓库里，再经过联机分析处理（OLAP）而获得的企业数据的一个全局视图。同为报表，BI系统中的报表往往有很强的自定义功能（如可以对某一个维度随便上钻和下钻）和很强的表现能力（如可以在不同的图形表现形式上随便切换）。  2.2BT体系结构和SQLServer2005的商业智能构架  BI作为一种数据的提纯工厂，其过程以来自业务系统的数据为基础，经过数据仓库技术的处理，整合数据并将其转化为有序的信息；这些信息经过联机分析处理（OLAP）技术的分析后，可以表达出数据内部的各种关联，这是对商业管理活动有很大帮助的学问；经营活动中许多时候还要进一步明确数据中隐蔽的规则，这要靠数据挖掘技术的帮助，最终要采取行动时，可以用模型库和方法库等决策支持的相关技术来辅助决策；而决策和行动的结果又可以作为业务数据反应在业务环境中，为以后的决策供应数据源支持。如此循环往复，商务活动就在BI系统的支持下变得智能了。把商业智能系统工作的这一过程进行技术上的抽象，可以把商业智能的体系结构分为源数据层、数据转换层、数据仓库（数据集市）层、OLAP及数据挖掘层和用户呈现层。这几层通过亲密的协作完成商业智能的功能，它们的相互依靠关系如图1所示。  图1BI解决方案的体系结构  从图1可以看到，实现商业智能应用有4个非常关键的环节，包括数据源、ETL过程、数据仓库及其应用和