第三篇商务智能在企业中的应用.docx

第三篇商务智能在企业中的应用.docx

《第三篇商务智能在企业中的应用.docx》由会员分享，可在线阅读，更多相关《第三篇商务智能在企业中的应用.docx（9页珍藏版）》请在冰豆网上搜索。

第三篇商务智能在企业中的应用

商务智能在企业中的应用

摘要

随着各种信息化建设的不断发展，海量数据的处理以及如何实现从数据到信息、从信息到知识、从知识到利润的转化，成为当前企业面临的巨大的课题，因此商务智能系统正应运而生。

本论文主要就商务智能的内涵、产生必然性、相关应用等进行阐述，并且着重分析了在现阶段商务智能在我国的现状，同时提出了符合我国国情的建议。

 关键词：

商务智能；企业应用；制度完善

1商务智能发展历程 

商务智能起源于赫伯特·西蒙对决策支持系统的研究。

在半个多世纪的漫长过程中，决策支持系统曾经一度因为缺乏有效的数据组织方式而徘徊不前。

直到上世纪90年代，若干新技术的出现，打破瓶颈，“商务智能”才浮出水面。

随后，其取得了前所未有的发展，并在本世纪第一个十年蓬勃成长。

回顾这些新技术的出现，可以清楚的看到商务智能的产业链条不断向前延伸的轨迹。

1970年，IBM的研究员埃德加·科德发明了关系型数据库，使大型信息系统的应用遍地开花。

但这些信息系统，都是针对特定的业务过程、处理离散事务的“运营式”信息系统。

数据在其中仅仅限于查询，而不是分析。

管理大师彼得·德鲁克曾发出感叹：

迄今为止，我们的信息技术产生还仅仅是数据，而不是信息、更不是知识！

如何实现从数据到信息、从信息到知识、从知识到利润的转化？

这个要求，在西方发达国家先后进入了后工业社会之后，变得更加迫切。

1988年，IBM公司的研究员Barry Devlin和Paul Murphy创造性的提出了一个新的术语：

数据仓库。

它可以形象的理解为一种语义格式一致的多源数据存储中心，并且数据源可以是来自多种不同平台的系统。

1.1数据仓库

数据仓库是商务智能的依托，是对海量数据进行分析的核心物理构架。

商务智能的下一个产业链：

联机分析，如水到渠成般迅速形成，其将分立的数据库“相联”，通过建立一个复杂的、中介性的“数据综合引擎”，把分布在不同系统的数据库联结起来，实现了多维分析。

并且因为有了数据仓库，多维分析的实现已经不再需要不同数据库之间的人为“联机”。

随着数据仓库、联机分析技术的发展和成熟，商务智能的框架基本形成。

但数据挖掘这个新技术的出现，才使商务智能真正有了“智能”内涵。

数据挖掘指通过分析大量的数据来揭示数据之间隐藏的关系、模式和趋势，从而为决策者提电子邮件、电子数据交换、电子支付系统、电子营销等技术的发展和应用为商务智能系统提供了市场和生存环境。

1.2新企业观念的建立。

在企业界，数据资产的观念正在进入企业的资源规划系统中，而把数据转换为资产的方法和技术也正在成为企业关注的热点。

因为目前大部分大中规模的企业都是信息丰富的组织，而一个信息丰富的组织的绩效不仅仅依赖于产品、服务或地点等因素，而更重要的是依赖知识。

而从数据—信息—知识是一个并不简单的过程。

商务智能的本质正是把数据转化为知识，致力于知识发现和挖掘，使企业的数据资产能带来明显的经济效益，减少不确定性因素的影响，使企业取得新的竞争优势。

1.3传统分析工具的整合能力有限。

为解决企业信息化建设留下的“信息孤岛”问题，客户化的查询、报告功能、标准的电子表格、关系数据库和图形应用被越来越多地运用于分析目的。

然而，这些解决方案大都是由技术部门设计和修改的，往往很难理解用户的特殊需求，不能给最终用户，特别是给那些非技术的商业用户提供一个经过整合的，功能强大的分析工具。

所以，传统系统不能满足商务层面的分析需要。

1.4信息技术的推动。

计算机、网络技术、数据库技术的发展使得分销商、供应商、商业伙伴、零售商和生产者之间的数据访问和共享成为可能，现代信息技术的发展及应用，为企业实施商务智能提供了坚强的技术后盾，从客观上支持了商务智能的发展。

综上所述，商务智能的兴起并非偶然，是企业对社会环境变化的反应、技术进步的拉动以及经营理念发展的结果。

面对激烈的竞争，只有掌握并保持核心竞争力的企业才能生存和发展，而现代信息技术的飞速发展使得商务智能提供了坚实的基础，新的经营理念则为企业实施商务智能提供了理论和方法论上的支持。

2 商务智能的概述 

2.1 商务智能的含义 

商务智能，又称商业智能，英文为Business Intelligence，简写为BI，是20世纪末在国外企业界出现的一个术语。

其概念最早由加特纳集团（Gartner Group）提出，他们将商业智能定义为：

一系列以数据为支持、辅助商业决策的技术和方法。

到目前为止，学术界对商业智能的定义并不统一，有人称商务智能就是决策支持系统（Decision Support System-DSS）；有的认为是数据仓库（Data Warehouse-DW）；有的认为其属于数据挖掘（Data Mining-DM）；还有些人认为是指从数据库中发现知识（Knowledge Discovery in Data Base-KDD）。

IBM认为商务智能是指利用已有的数据资源做出更好的商业决策。

运用相关的信息技术来处理和分析商业数据，并提供针对不同行业特点或特定应用领域的解决方案来协助用户解决在商务活动中所遇到的复杂问题，从而帮助企业决策者面对商业环境的快速变化做出敏捷的反应和更好、更合理的商业决策的系统。

其主要目标是将企业所掌握的信息转换成竞争优势，提高企业决策能力、决策效率、决策准确性，它可以从根本上帮助企业管理者和决策者把公司的运营数据转化为高质量的可以获取的信息或知识，并且在适当的时候通过适当的方式把恰当的信息传递给恰当的人。

 2.2 商务智能的主要技术商务智能工具的作用就是要把数据变成知识，把潜在的知识变成可以为工作所用的知识，帮助我们在业务管理和发展上及时做出正确的判断，采取明智的行动。

如何将数据有效的转化为信息、知识和智慧，是BI的核心问题，它涉及4项主要的技术：

数据仓库（Data Warehousing，DW）技术、联机分析处理（Online Analytical Processing，OLAP）技术、数据挖掘（Data Mining，DM）技术和数据可视化（DataVisualization，DV）技术。

 2.2.1 数据仓库 

数据仓库是商务智能的基础和核心，是一个用以更好地支持企业或组织的决策分析处理的数据集合，它有着面向主题、集成、相对稳定、随时间不断变化四个特性，其关键技术包括数据的抽取、清洗、转换、加载和维护。

数据仓库完成了数据的收集、集成、存储、管理等工作，为商务智能撷取或载入大量原始信息，归并各种数据源的数据，用于支持企业管理和商业决策。

商务智能要充分发挥潜力，就必须和数据仓库的发展结合起来。

 2.2.2 联机分析处理（OLAP） 

OLAP是以海量数据为基础的复杂分析技术，属于数据仓库应用。

它支持各级管理决策人员针对某个特定的主题从不同的角度、快速灵活地对数据仓库中的数据进行复杂查询和多维分析处理，并且以直观易懂的形式将查询和分析结果展现给决策人员，具有快速性、可分析性、多维性、信息性等特点。

包括多维在线分析处理、关系型在线分析处理和混合在线分析处理。

这个过程一般包括三种可供选择的方案：

预先计算、即时计算和存储、随时计算。

该技术可用于多个领域，例如市场利润分析、后勤分析、经济预算和预测、税收计划、成本、会计等。

2.2.3 数据挖掘（DM） 

DM是指从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的但又是潜在有用的信息和知识的过程。

其价值在于扫描数据仓库或建立非常复杂的查询，拥有并行处理功能，而且可以支持多种采集技术，数据挖掘工具拥有良好的扩展功能，并且能够支持将来可能遇到的各种数据（或文档）和计算环境。

数据挖掘可进行关联分析、分类及预测分析、聚类分析、异类分析、演化分析，可以帮助获得决策所需的各种知识。

数据挖掘可以发现复杂或精细的答案，而这些是联机分析处理所不能做到的。

 2.2.4 数据可视化技术 

DV是选用计算机图形学和图像处理技术，将数据转换为图形或图像在屏幕上显示出来，并进行交互处理的理论、方法和技术。

它具有交互性、多维性和可视性等特点。

信息可视化不仅用图像来显示多维的非空间数据，使用户加深对数据含义的理解，而且用形象直观的图像来指引检索过程，加快检索速度。

数据挖掘数据可视化技术结合，使分析人员对数据有更深刻更直观的理解。

联机分析处理和数据挖掘是在数据仓库的基础上获取两种不同目标的数据增值技术，数据可视化则将数据展示成直观的图形图像。

这三种技术如果能够在一定程度上进行融合，会使得分析操作智能化，挖掘操作日标化，展示平台人性化，从而全面提升商务智能技术的实用价值。

 2.3 商务智能适用行业分析 

从商务智能的定义及技术分析可以看出，商务智能的适用领域非常的广泛，典型的有电信、银行、保险、医疗、零售、政府等，以及所有创建了数据仓库的用户。

它最大的特点是能从庞大而又繁杂的业务数据中提炼出有规律的信息、知识。

因此，BI适合的行业特点包括：

（1）企业规模大，如电信、银行、证券、保险、航空、石化等。

这些行业中的企业往往是航母型的，企业运营资本高，员工多，有众多的分、子公司分布在不同地区，甚至不同国家。

每日产生的业务数据、往来数据量大、多、杂，员工变动和绩效管理非常重要。

（2）产品线规模大，如制造、零售、物流等。

这些行业牵涉到的上下游产业链长，每日急剧变动的业务数据、财务数据、客户数据等对于产业链的影响大。

（3）市场规模大，如电信、银行、保险、零售、物流、航空等。

这些行业的客户基数大，销售额高，用户争夺激烈，稳定客户及流失客户多，现金流量的波动对干企业发展非常重要。

（4）信息规模大，如电信、银行、证券、零售、物流、航空、咨询、C2C或B2C企业、网游等，这些行业产生的信息量大，增长快，信息更新换代频繁，时效性强，信息对企业营运影响力大，有时甚至是企业的生命线。

 （5）某些政府部门，如军工、公安、工商、财税、统计、社保、计委、经贸委等，这些部门信息量大，有些信息甚至关系到国计民生，信息的保密性要求非常高。

2.4 商务智能（BI）及CRM和ERP的联系 

商务智能是帮助企业更好的理解其面临的挑战和机遇的信息，从而企业能够对新兴的市场条件能做出高效率的反应。

BI是用来总体定义产生和分配对既有的企业各部分的单元分析的技术和应用程序的术语。

CRM和ERP只是BI能应用的两种操作系统。

专家Larissa Moss的观点是，BI是一个整合一系列操作以及决策支持应用程序和数据库的企业系统，它向商业团体提供容易接近其商务数据和允许他们做出准确的商务决策。

它是一种新的“规则”，在其中数据最终被视为企业资源，也就是，任何操作系统（包括ERP和CRM）和任何决策支持应用程序（包括数据库和数据集市）都是BI，当且仅当他们是在战略上主动跨组织的范围和方法下开发的。

而Clay Rehm认为客户关系管理集中于“客户”数据的整合和相互的作用，而企业资源计划则集中于几个主流的商务功能的整合。

而CRM和ERP更多的依赖于成功的BI的执行。

 3 商务智能在企业职能中的应用 

企业的各个职能都应该认识到商务智能的重要作用。

在企业资源规划，供应链管理，客户关系管理，财务、人力资源等这些关键的企业职能中都能够利用商务智能工具来提高效率，改进效果。

另外，还有许多跨职能的企业战略领域也开始使用商务智能工具，这些领域包括预算和预测、以活动为基础的管理、建立获利性模型、战略规划、平衡计分卡和以价值为基础的管理等等。

商务智能不仅能帮助分析和改进企业内部的经营和发展，而且能够帮助分析和改进企业之间的沟通和交流，从而为“协作型商务”这一新的商业模式提供了强大的发展动力。

 3.1 供应流程分析

供应管理是在贸易伙伴共同体之间的，为了满足最终客户需求的所有商务活动的集合。

供应管理可以分为计划、采购、制造、配送等流程。

商务智能对供应管理中的各个流程进行分析、优化，达到提高供应链管理效率的目的。

商务智能通过对计划流程中的供应周期、销售时间和成本等进行分析，来改进整个供应流程的绩效，提高效率，有效配置资源，降低整个供应流程的总成本。

当将商务智能用于采购分析，可以帮助企业选择合适的供应商，整合供应中上游资源；当商务智能应用于制造分析，可以检测生产进度和生产效率，加强产品质量控制，减少不必要的库存；当商务智能应用于配送分析，通过对库存流动和损失进行分析，监测运输时间和配送成本，为产品选择和管理交通工具，优化配送绩效。

 3.2 经营分析 

经营分析包括经营指标分析、经营业绩分析和财务分析三部分：

（1）经营指标分析是指对企业不同的业务流程和业务环节的指标，如：

原料有效使用率、工时量、人力资源结构、应收率、销售率、库存量、库存结构、销售结构、单品销售情况及所占营业比例、风险采购和库存评价指标等进行搜集和分析。

但这些指标只能反映局部的经营状况。

为了解企业的整体经营状况，还需对这些指标进行科学的组织和分析，利用商务智能管理技术，形成一个能反映企业整体情况的数学模型。

这样通过观察总指标并设置告警和对模型进行敏感性分析，可相对较好地获得整个企业的经营状况。

（2）经营业绩分析是指对各部门的营业额、销售量等进行统计，在此基础上，进行同期比较分析、应收分析、盈亏分析、各种商品的风险分析等等。

经营业绩分析有利于企业实时掌握自身的发展和经营情况，有利于企业及时调整经营业务、化解经营风险。

（3）财务分析是指对企业财务数据中的利润、费用支出、资产负债率、流动比、速动比、资金占用及其他具体经济指标进行有效分析。

通过财务分析，可以及时掌握企业在资金占用使用方面的实际情况，财务风险状况和企业偿债能力，为及时调整和降低企业成本和财务风险提供数据依据。

 3.3 决策支持 

在对企业管理活动中产生的数据分析的基础上，将各类数据、信息进行高度的概括和总结，形成企业经营状况分析报告，为高级决策者进行战略决策时提供支持和依据，是商业智能的优势所在。

商务智能对战略决策的支持，分别表现在对公司战略、业务战略和职能战略的支持上。

在公司战略决策支持层面上，可以根据公司各战略业务单元的经营业绩和经营定位，选择一种合理的投资组合战略；在业务战略决策支持层面上，由于商业智能系统中集成了更多的外部数据，如外部环境和行业信息，各战略业务单元可在公司战略的基础上据此分别制定自身的竞争战略；在职能战略决策支持层面上，由于来自于企业内部的各种信息，源源不断地输入进来，相应地可以提供营销、生产、财务、人力资源等决策支持。

通过将企业内部的数据源源不断地输入，BI在企业管理中的决策支持作用不可小觑，其主要包括：

提高企业数据的可见度，对客户需求做出准确的预测；根据产生的数据，进行实时分析，提高企业对市场的快速反应能力；从不同的角度对企业的市场活动进行分析，为选择合适的供应商提供支持。

 3.4 绩效管理 

绩效衡量是企业管理中的重要组成部分，也是商务智能软件在管理中的高级应用。

商务智能技术能够从企业各种应用系统中提取出各种基础绩效指标及关键绩效指标。

商务智能既可对内部绩效进行衡量，也可对企业外部绩效进行衡量。

通过对绩效衡量的关键指标进行分析，提供可视化的绩效衡量结果，全面反映业务流程的绩效，而不是仅仅反映单个节点企业的运营情况。

商业智能技术可以从企业各种应用系统中提取各种基础绩效指标及关键绩效指标。

为了考核员工的绩效，企业可以先将希望员工要做的工作进行量化，然后借助商业智能工具，让管理人员可以追踪、衡量和评价员工的工作绩效，引导员工的思想方向和行动及企业的整体目标保持一致性。

通过商务智能工具的应用，实现企业信息共享，可以优化整个企业的绩效。

提高管理流程的效率，减少不必要的成本；分析数据，充分认知客户需求，实现信息共享，实现双赢。

4结论

随着信息化时代的来临，经济全球化的发展，企业数据正在以惊人的速度增长，这虽然告别了以往缺乏事实数据的尴尬，但是如何更好的利用这些数据成为了新时代摆在各个企业眼前的难题。

面对浩如烟海的数据，企业更渴望从庞杂的数据中得到适度的、有效的信息，并可以将其转化为知识，从而获得有效快捷的决策。

然而，传统的分析工具早已满足不了众多企业的要求，其显现出来的问题日渐增多：

整合能力有限，时效性和流动性差，对问题的解答不彻底。

正是针对这样的需求，商务智能随之产生。

它使信息化从管理深化到决策，让企业管理者和决策者以一种更清晰的角度看待业务数据，提高企业运转效率、增加利润并建立良好的客户关系，并使企业以最短的时间发现商业机会、捕捉商业机遇。

目前，商务智能越来越受到全世界政府、企业的青睐，而我国的商务智能的发展起步较晚，地区之间发展较不平衡，因此商务智能的应用仍然存在着诸多不完善。

本论文结合了我国商务智能应用，主要论述了商务智能的发展历程、含义、主要技术等。

 参考文献

［1］伯纳德.利奥托德,马克.哈蒙德.商务智能:

信息-知识-利润[M].北京:

电子工业出版社,2008（3）:

56-57. 

［2］AMT-企业资源管理研究中心.商务智能初阶[M].企业资源管理研究中心,2003:

7-8. ［9］刘艳丽.商业智能驶上快行道了吗[J].科技智囊,2004（8）:

88-89. ［10］黄晖.中国式商务智能五人谈[N].上海信息化,2005（3）． 

［3］云南财贸学院商学院.商务智能课程建设初探[N].云南财贸学院学报,2004. ［12］徐嵩泉.商务智能（BI）在制造业“开花结果”[J].AMT研究院,2004. 

［4］夏维力,许昌元.商务智能技术在企业战略决策中的支持作用及方法研究[学位论文]