摘 要：本文详述了商业智能的概念，分析了商业智能在现今商务领域的使用现状和以后的发展趋势。
关键词：商业智能；体系结构；数据仓库
1.商业智能(Business Intelligence, BI)的概述
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用明智的行动--这就是商业智能的课题。因此，商业智能较为合理的定义应该是：如何通过技术手段对分散在不同系统的数据进行有效整合，从数据中获取有用的信息，再将这些信息转换为知识，用于商业决策。可见，ＢＩ并不是基础技术或者产品技术，而是一种解决方案。简而言之,它是能够帮助用户对自身业务经营做出正确明智决定的工具，是决策支持系统的最新技术和最新发展，BI=DB（数据库）+DW（数据仓库）+OLAP（在线分析处理）+DM（数据挖掘），是多种技 术的集合，是人工智能技术的最新方法。BI是在ERP等信息管理工具基础上提出来的，是基于信息技术构建的智能化管理工具，它可以实时地对ERP、CRM、SCM等管 理工具生成的企业数据进行各种分析，并给出报告，帮助管理者认识企业和市场现状，做出正确的决策。这个过程包括四个关键点：数据、信息、知识和决策。围绕这些关键点，从技术的实现方法来看，直接相关的技术主要是数据仓库技术和数据挖掘技术。从业务的角度来讲，则主要是知识和商业决策过程。
数据仓库包含两个含义：数据仓库数据库(Data Warehouse Database)和数据仓库环境(Data Warehouse Environment)。数据仓库主要是对分散在不同系统的数据进行收集、整理和分析，用于克服常常出现的信息孤岛问题，使机构对客户和自己内部有一个完整、准确的理解，更好地服务于客户，有效地管理内部。它是管理信息的基础工程，是企业和政府走向智能管理的关键和基石。数据挖掘主要是从大量的数据中提取潜在、有用的信息，并把信息用于决策之中的过程。
(1) 商业智能的体系结构
所谓体系结构(Architecture)是指一整套的规则和结构，为一个系统或产品的整体设计提供主框架。而一个商业智能的体系结构是指通过识别和理解数据在系统中的流动过程和数据在企业中的应用过程来提供商业智能系统应用的主框架。
一个基本的商业智能体系结构，根据不同的商业需求可以得到与之相应改进的体系结构，使之更好地解决商务问题。例如，根据主题和数据分析的需要设计不同的数据仓库，选择合适的中间件和决策分析工具，预留不同的应用程序接口。
②网络环境下BI的体系结构
网络环境下的商业智能系统建立在基于流程的扁平化组织基础上，可以改变内部传统的基于职能的多字塔式的"科层制"组织模式，提高对市场及客户的反映速度，降低运营成本，实现物流、资金流、信息流的集成统一，实现事前、事中的集中计划与管理控制。网络环境
下的商业智能系统模型图略。
2.商业智能在商务领域的使用现状
20世纪80 年代，数据仓库起源于美国，早期成功率并不高，不到 50%。经过了一段艰苦历程，从90年代中期开始已经非常成熟，项目的成功率已经达到95%以上。而在美国这样的技术和应用领先的国家，数据挖掘得到大力推广也是1996年之后的事情了。但是，数据挖掘的实用性很快得到业内的认可，并迅速地推广到全球的许多地方，尤其是在欧美国家。
数据挖掘引入中国最早是在20世纪末，起步较晚。但是这一技术很快得到银行和电信的认可。从 2000年开始，国内的一些企业已经开始建立数据仓库，确切地讲应该是开始探索和使用一些多维分析工具和前端展现工具。2003 年，数据仓库在银行、电信等行业已经开始推广。期间数据挖掘在国内也已经开始推行，但这些都还处于启蒙时期。
数据仓库和数据挖掘的理念以及它们可能为企业、事业和政府所带来的经济效益和管理水平的提高已经得到普遍的认可。但是，这些技术距离有效推广和应用尚有一段路要走。从对于技术本身的把握以及应用的理解方面来看，目前我国和发达国家相比还有较大的差距。只是从硬件和通用软件的角度来看，似乎差别已不明显。事实上，我们很多企业的硬件产品先进程度已经远远超过国外的同行。造成这种现象有多种原因，其中包括但不仅限于大厂商的宣传、鼓动；企业的理念和方法的问题；企业的决策机制；目前国内厂商和企业的应用实施能力还不太高；企业的应用和理解能力有限等等。众多的原因导致了我们许多企业花钱不少，但效益不高。
也就是说，商业智能应用的规划、设计、开发、实施是一项相当复杂的系统工程。事实上，国内用户在发展商业智能应用的过程中确实遇到这样或那样的问题，这些问题有些涉及宏观的系统定位和应用发展理念，有些出于具体的实现步骤或技术，还有些是认识上的误区。
2.1统一需求和定位问题。
谈到商业智能系统需求的问题集中在：应用需求的不明确（具体业务部门提不出需求）、不急迫；企业决策层对该类系统的用途及如何得到投资回报不清楚；系统建设复杂(不知该如何设计模型、存放什么信息)，令人望而却步。这些问题实际上在某种程度上与东西方文化差异有关。
事实上，西方国家自工业革命之后，强调用可量化的尺度来描述生产、生活的各个方面，并由此发现和掌握其规律。相反，古老的中国文化则更注重经验、直觉和对人性的把握，对数据的依赖性就相对薄弱。
2.2复、受非技术成份影响大。
商业智能系统的可持续发展力差、系统常被废弃而后又重建，造成资源浪费；技术和概念停滞不前，应用上不去；且受非技术的影响大。这是国内目前商业智能应用较普遍的问题。有些人说，商业智能系统是"一把手"工程；这表面上看是对商业智能系统的肯定，但实际上是一个误区。基于这样的概念建立的商业智能系统，功能的单一是一定的，而且也是最容易遭受由于权力的更替而带来的灭顶之灾。
事实上，商业智能系统的应用面在一个企业中是多层次的，其广泛程度超过任何一个业务处理系统，但前提条件是各部门业务人员和管理人员具有基于数据、统计和分析去指导决策和行动的工作习惯。
2.3信息平台和应用的问题。
国内企业对商业智能的需求一般是从具体的应用开始，如大客户管理系统、领导决策支持系统、经营分析系统、财务管理系统等等。但这些应用的背后都需要数据仓库的支持。 这样就引出了一个问题，是先开发应用还是先建立数据仓库平台。在信息平台和实际应用
间有效地平衡，将系统的建设可分阶段实施、可持续发展是商业智能应用实施的关键。
2.4思维模式问题。
目前，国内企业商业智能系统实施过程中的一个主要的问题是带着明显的传统事务处理系统的思维模式。这种惯性的思维主要表现在：系统的设计仍沿用传统生命周期的思想，根据需求、开发应用，但商业智能的应用需求往往复杂多变; 在商业智能系统实施方法学上显得落后; 对商业智能领域的技术发展趋势的了解和把握还不足，在产品选型上对其技术路线和定位研究不透彻，在数据仓库核心的选择上一般单纯地以性能为衡量指标，动辄大搞性能测试，既不全面也不专业，殊不知查询性能在商业智能系统中是最容易被满足的。
2.5商业智能仅是业务报表吗？
许多企业会把实现现有业务报表的问题作为商业智能应用的开始，这虽然看起来是一条务实的途径，但实际上可以算是一个误区，其中隐藏着风险。企业领导每日看报表但并不关心报表从何而来。如果商业智能系统以报表起步，就必须向决策者解释这仅仅是最基础的功能。而我们的项目实施人员往往在这一点上很难与高层领导达成共识，毕竟"钓鱼工程"、"豆腐渣"工程在今天是太多了。因此，商业智能系统的建设必须满足报表，但更要超越报表，从一开始必须给企业的决策层感受到商业智能应用的威力。
2.6系统投资回报问题。
任何一个IT系统的建立都要讲究投资回报。整个商业智能应用的绝大部分时间都是在花钱：从数据的采集、数据仓库的存储、各种分析、挖掘的服务器和软件。而真正能够使商业智能应用赚钱的阶段则是因此得到正确的决策，并运用于企业的业务和市场。这是一个开环和闭环的问题。目前的国内企业，对闭环的问题考虑不多，即便是有了决策支持系统，问题是这些决策能否有通畅的渠道得以实施？
2.7应用条件成熟度问题。
有不少对商业智能有需求的国内企业，其传统的事务处理系统仍不完善，如零售行业、一些制造业企业和乡镇企业等。这在国外并不多见。但对国内企业来说，是否需要等到业务系统完善之后再考虑商业智能呢？实际上并不一定，因为市场竞争并不等人。实际上，数据采集的方式多种多样。即便是一个用笔和纸纪录业务过程的机构，也可以通过扫描和识别将数据汇入数据仓库或数据集市，实现分析决策。同时，我们还应该有概率统计的概念，在无法获得全部完整数据的情况下，系统通过概率加权，依然能够提供足够准确的分析。
作者简介:
秦工(1968-)，男，研究生，副教授，主要研究方向为计算机软件和网络；
邹丽（1967-），女，本科，高级讲师，主要研究方向为化学与信息技术。
