商业智能及在制造业应用.docx

商业智能及其在制造业的应用 商务智能的定义 商业智能（Business Intelligence，简称 BI）的概念最早是 Gartner Group 的 Howard Dresner 于 1996 年提出。当时人们将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。2007 年在芝加哥举行的 Gartner 商业智能峰会，对 BI 重新定义为：商业智能是一个伞状概念，它包含分析应用、基础构架和良好的实践。目前国内外主要 BI 厂商对 BI 的定义为，将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。目前，商业智能(BI)领域大致可划分为数据仓库、OLAP 和报表展示、数据集成、数据挖掘和针对行业的解决方案等。 商务智能的关键技术 商业智能，首先是基于信息的大规模生产和数据库技术的运用。从商业智能系统建立的技术角度来看，构建一个完整的商业智能系统涉及到以下几种关键技术： 数据仓库（data warehousing） 联机分析处理（on-line analytical processing，简称 OLAP） 数据挖掘（data mining） 数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。首先，数据仓库用于支持决策， 面向分析型数据处理，他不用于企业现有的操作型数据库；其次，数据仓库是对多个异构的数据源有效的集成，集成后按照主题进行了重组，并包含历史数据，而且存放在数据仓库中的数据一般不修改。 联机分析技术，对数据库中的数据进行多维分析和展现，是使分析人员，管理人员或执行人员能够从多种角度对原始数据中转化出来的，能够真正为用户理解的，并真实反映企业维持性的信息进行快速、一致、交互的存取，从而获得对数据更深入了解的一项软件技术。 OLAP 的一个重要特点是主要通过多维的交互式方式对数据进行分析，这与数据仓库的多维数据组织形成相互结合、相互补充的关系。这些基本多维分析操作包括切片、钻取、旋转等，便于用户从不同维度查询和分析有关数据。 数据挖掘，是在大量相关数据基础之上进行数据探索和建立相关模型的先进方法。数据挖掘主要功能有：数据总结、分类、聚类、关联分析、预测、偏差的检测。数据挖掘的主要方法有：传统统计方法， 可视化技术，决策树，神经网络，遗传算法，管理规则挖掘算法等。 商务智能的技术架构 商业智能所涉及的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料及来自企业所处行业和竞争对手的数据， 以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅 前端展示工具BI 前端展示数据挖掘OLAP数据报表OLAP 前端展示工具 BI 前端展示 数据挖掘 OLAP 数据报表 OLAP 系统 数据集市 数据集市 数据集市 数据仓储及其 应用 多维数据仓库 抽取-转换-清洗-过滤-转载 ETL 过程 外部数据 业务系统数据 文档资料 数据源 (On-line Analytical Processing)和数据挖掘等相关技术走向商业应用后形成的一种应用技术，其技术架构如图 1 所示: 图 1 商业智能技术架构图 国内制造业的商务智能应用 据Chinabi 的《2009-2010 年中国商业智能市场分析》称，全球范围内，商业智能已经超过 ERP 和CRM 成为最具增长潜力的领域。据ChinaBI 调查 2009 年中国大陆地区的商业智能市场份额约为 26 亿元人民币，比 2008 年增长 18%，约占企业管理软件的市场份额的 8%。应用商业智能的行业中，金融、电信行业是 BI 应用最集中的行业， 约占 40%的市场分额，保险、能源、烟草、政务行业约占 30%的市场份额，制造、零售行业约占 30%的市场份额，是 BI 应用最具潜力的行业。 制造业的企业信息化水平参差不齐，有些大中型企业已经成功使用商业智能技术，但是大部分企业基础信息化水平仍未达到，随着这些企业的信息化水平逐步提高，建设商业智能系统的需求也会随之而来。 目前搜集的制造业应用商业智能的案例主要涉及： 操作现场和研制。实现技术流程与生产作业流程的有机结合。航宇五院案例。 售后服务。改变保修问题分析主要靠工程师手工处理的计算方式， 应用整体保修分析解决系统，使工程师迅速判断保修赔偿率、是否需要特殊检查。上海通用案例。 决策支持。决策支持系统由数据仓库及管理系统、模型库及管理 系统、知识库及管理系统、数据抽取工具、数据挖掘与知识发现 系统、知识库及管理系统、数据抽取工具、数据挖掘与知识发现 工具、用户界面等模块组成，成功实现了对数据、模型、知识、 工具、用户界面等模块组成，成功实现了对数据、模型、知识、 4) 销售情况。对日常