商务智能的框架及其关键技术分析.doc

《商务智能的框架及其关键技术分析.doc》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、商务智能的框架及其关键技术分析　[摘要]首先对商务智能的定义和发展背景进行了简要阐述，然后对其框架进行了分析，并进一步对商务智能的关键技术从功能定位、处理对象和实现难度等角度进行了重点剖析，最后对商务智能的未来趋势进行了归纳。　　[关键词]商务智能框架关键技术趋势　　　　一、引言　　　　商务智能是企业利用数据仓库（DW）、数据挖掘（DM）、在线分析处理（OLAP）、决策支持系统（DSS）等现代信息技术对企业经营过程中产生的大量结构化和非结构化商务数据和信息进行收集、整理、分析，以便辅助企业做出正确决策、采取有效商务行动、优化商务流程、全面提升

2、商务绩效的工具、方法、技术的统称。借助这一手段，企业可以在市场更加多变、竞争更加激烈、组织越来越复杂、规模越来越庞大的商业环境下，高效运营、正确决策、快速响应，从而实现从数据到信息、从信息到知识、从知识到利润的转化。　　　　二、商务智能的框架　　　　商务智能的框架是商务智能的构成要素、关键组成部分之间的关系和整体结构的界定。商务智能与其框架的关系就如大厦与其建筑结构之间的关系，没有科学的、牢固的、完善的框架，商务智能的建造、效能发挥和可持续发展几乎是不可能的。关于商务智能的框架，业界有六大颇有影响力的方案：恩门的企业信息工厂、扎克曼的企业框架

3、、美国数据仓库研究院的商务智能组件架构、Gartner的商务智能框架、商务智能厂商BusinessObject的商务智能架构、商务智能厂商Microstrategy的商务智能架构。　　在上述六大商务智能框架方案中，最被推崇的是Gartner的商务智能框架，作为全球最为著名的信息技术咨询机构，Gartner公司动态地、持续不断的修正、完善这一商务智能框架。如图所示，框架由交易系统层、基础设施层、功能层、组织层、商务层等五个层面自下而上构成层次结构。交易系统层指企业的业务系统，如：企业资源计划（ERP）、客户关系管理（CRM）、供应链管理（SCM

4、）、遗留系统（LegacySystem）等，这些系统是原始数据的来源地，商务智能软件可以通过编程接口（API）来访问这些系统。基础设施层负责对来自交易系统层的原始数据进行抽取、转换、装载等加工，并把处理好的数据放入数据仓库和数据运营店，在加工过程必须保证数据质量和元数据的一致性。功能层是对基础设施层的处理好的数据进行分析，以辅助运营和战略，这些分析软件分三种类型：商务智能套件、商务智能平台、报表查询工具。组织层针对商务智能的实施而言，实施需要组织保证即成立技术支持部门，实施过程中应有方法论和绩效管理。在上述四层的支撑下，商务真正实现智能：全球

5、化、虚拟化、透明化。　　图商务智能的框架　　　　三、商务智能的关键技术分析　　3　　商务智能是多项技术交叉在一起的复合应用，这些技术包括关键技术、主要技术、支撑技术、辅助技术，本文关注的是关键技术。商务智能的实现本质上是通过对信息流的处理即数据、信息、知识的成功转化实现的，根据各种技术在这一过程中特定的功能定位、处理对象和实现难度，可以识别出商务智能的关键技术，并将其分为三大类：数据集成技术、信息分析技术、知识展示技术，见表。　　表商务智能的关键技术表　　数据集成是捕捉、整合、转换、清洗、改造源数据和把源数据装到数据仓库和数据运营店的一系列过

6、程。目前，数据集成技术分为两个细分领域：数据获取和数据仓库。数据获取即数据抽取、转换、装载，俗称ETL，市场上有很多这种商品化工具。数据仓库是具有主题导向的、整合的、因时间而变异的、已有数据不变动的数据集合，根据类型分有：企业数据仓库、探索型数据仓库、挖掘型数据仓库；根据粒度分有：企业数据仓库、数据集市、运营数据店。　　信息分析是对存放在数据仓库中的数据进行分析以发现有价值的信息。信息分析分为描述性分析和预测性分析。描述性分析是指利用数理统计、在线分析处理等技术对数据进行汇总、合并和聚集，从不同的角度描述数据，以获得有严密推证关系的信息。预测

7、性分析是指利用数据挖掘从大量的、不完全的、有噪声的、模糊的、随机的数据集中识别有效的、新颖的、预测未来的信息，这些信息可能没有严密的逻辑性但却以一定程度的准确性预测未来；数据挖掘是一门涉及面很广的交叉学科，包括机器学习、数理统计、神经网络、数据库、模式识别、粗糙集、模糊数学等相关技术。　　知识展示是对信息分析的结果进行展示和解释以便用户能够理解并影响用户的行为。简单展示技术主要有查询、报表和多维数据集；查询和报表是最早的商务智能手段，用户可以利用这些工具作一些简单的分析和报告，把他们展现在屏幕上或打印出来；多维数据集可以帮助用户以灵活、随意的

8、组合纬度，对数据进行横切竖割，从而对企业的运营状况进行多侧面的审视。但是对数据挖掘等深度分析的结果往往要进行高级解释，这包括如何用树、表、图、规则、曲线等表示知识，