本文通過分析ERP與商務智能各自的優勢以及兩者之間的關系，提出了一種能夠結合兩者長處的新的系統環境。新的系統不但能提高企業對現有的信息數據的利用效率。還能提高企業決策分析的能力。

0 引言

    進入21世紀以來，各種應用系統的廣泛使用以及互聯網的蓬勃發展，為計算機應用系統的運行積累了大量的數據，然而，這些海量數據在原有的作業系統中無法得到很好的整合，大大降低了企業工作的效率。隨著企業資源計劃(ERP)系統的誕生，它通過統一的流程管理來實現企業資源的合理配置，為企業適應快速變化提供了信息支持。然而ERP系統屬于典型的聯機事務處理系統，不可避免的存在許多不足之處，無法提供企業決策所需的決策信息。于是，商務智能的概念又被人們提出，它通過在ERP和其他系統中的應用，為企業構建了一個宏觀的數據圖表，并能提供最為高效的數據參考資料。如今，商務智能已經成為繼ERP之后，最重要的企業信息系統之一。

1 ERP系統的現狀及局限性

    1.1 ERP系統的現狀

    隨著網絡管理系統、數據庫管理系統、主機管理系統、殺毒軟件以及防火墻等系統的相繼投入使用，各管理系統積累了大量的歷史數據。這些系統的建設為商品交易所的期貨交易系統提供了有力的安全保障，但各系統間的數據相對分散和獨立，難以共享，沒有建立起統一的、用于分析處理的基礎數據平臺。

    當前的ERP系統的應用仍然停留在管理信息(MIS)層面，遠未達到企業所期望的決策支持功能。其原因在于ERP系統是采用事務處理型的典型的聯機事務處理系統而非分析型的聯機分析系統。受其管理思想所限，ERP在實施和運行過程中的局限性不斷地暴露出來。

    1.2 ERP系統的局限性

    首先，ERP系統是一種典型的“聯機事務處理系統”(Online Transaction Processing)，它由多個事務應用組成，每個應用使得一個業務過程和功能實現自動化，同時把事務處理的細節記錄在相關數據庫中，從而產生大量的目標數據。而這些數據的利用率非常低下，無法上升到信息層面、企業決策層需要將數據從ERP系統和其他事務處理系統中提煉出來進行更深層次的分析和挖掘，才能得到對當前決策問題真正有意義的信息。

    其次，ERP中跨地域業務往往存放在異構的環境中，不易統一查詢。再加上地域和時間的變化和統計口徑的不同，使得ERP數據的一致性存在嚴重的偏差，從而影響整個決策過程。

    再次，ERP系統的維護和客戶的開發成本無法控制。由于決策層無法直接獲取決策所需要的信息資源，造成ERP供應商和企業信息部門增加了大量的客戶開發工作。同時，由于決策需求的不斷變化，也使得開發維護工作量不斷增大，企業信息成本不斷提高，呈不可控狀態，嚴重影響企業對信息化的信心。

2 商務智能及其發展前景

    2.1 商務智能

    商務智能系統是建立在數據倉庫、聯機分析處理技術(OLAP)、數據挖掘等技術的基礎之上，通過收集、整理和分析企業內外部的各種數據，加深企業對客戶及市場的了解，并運用一定的工具對企業運營狀況、客戶需求、市場動態等做出合理的評價及預測，為企業管理層提供科學的決策依據。商務智能體系結構一般為：源數據層、數據轉換層、數據倉庫(數據集市)層、OLAP及數據挖掘層、用戶展現層。商務智能系統模型如圖1所示。
 
圖1 商務智能系統模型

    2.2 實現方式

    商務智能是一種解決方案，在它的幫助下，企業可以通過充分挖掘現有的數據資源，捕獲和分析信息，從中發現市場規律、預測未來的發展趨勢、預測和監控風險，而且還能輔助決策者發現新的利潤增長點，優化企業資源，從而幫助企業更加穩健地實現經營和管理的目標。其中，商務智能的核心是采用數據倉庫技術、OLAP及數據挖掘技術。這三大核心技術的實現如下：

    2.2.1 數據倉庫技術(Data Warehouse，Dw)

    數據倉庫技術是面向主題的、集成的、穩定的、不同時間的數據集合，用以支持經營管理中的決策過程。它與傳統的數據庫目標有著較大的不同，其一，數據倉庫是面向主題的，主題是一個抽象概念，是一個在較高層次將數據歸類的標準，一個主題對應一個分析領域即主題域。其二，數據倉庫的數據是集成的，它是從原有分散的數據庫中的數據集成得到的，基于分析型的數據，是對原始數據的統一和綜合。其三，數據倉庫的數據是穩定的、不可更新的，它反映的是較長一段時間的歷史數據內容，而非聯機處理的數據。最后，數據倉庫數據是隨時間不斷變化的，數據倉庫具有豐富的數據采集、管理、分析和信息描述功能。

    2.2.2 聯機分析處理技術(Online Analyical Processing，OLAP)

    聯機分析處理技術是獨立于數據倉庫的一種技術，它通過快速、一致、交互地訪問各種可能的信息視圖，幫助數據分析人員、管理人員、決策人員掌握數據之間的規律。OLAP把數據倉庫中的海量數據轉化為有用的信息，從而實現對數據的歸納、分析和處理，提供決策支持。

    2.2.3 數據挖掘(Data Mining，DM)

    數據挖掘是基于數據庫的知識發現(Knowledge Discovery in Database，KDD)的重要環節，KDD是指從大量的數據中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡過程，DM是運用一些算法從數據倉庫中提取用戶感興趣的知識，在很多情況下，數據挖掘就是指知識發現。

    2.3 發展前景

    目前，電信、金融、制造、政府等行業都率先大規模的應用了商務智能，以輔助業務管理，2005年中國商務智能軟件市場的規模約為10億元，比2004年的6.55億元增長了70％，成為了中國軟件市場的一大亮點。全球BI市場，新許可證的銷售收入超過了23億美元，以10％以上的速度增長。未來經濟的發展越來越需要前瞻性的分析預測系統，因而商業智能責無旁貸。商業智能未來將對業務實施實時決策支持，從CEO的范圍擴展到業務層面，出現BI技術與ERP、CRM等多種技術的融合。

3 ERP系統與商務智能系統的集成架構

    ERP系統與商務智能系統的集成構架如圖2所示。
 
圖2 商務智能與ERP系統的集成構架

    在此集成系統環境中，ERP系統、OLAP和DM組成集成環境的工具層。技術上，ERP系統的重點在于快速、準確、安全、可靠地將數據收集到數據庫中，數據倉庫用于信息的存儲和組織，OLAP側重于信息的決策分析，而DM則對偏向于重要的、隱藏的知識發現，相輔相成，互相促進。集成的系統具有以下特點：

    (1)ERP系統收集，處理存儲大量的基礎數據，構成集成系統的數據來源；
    (2)數據倉庫對ERP系統數據進行統一綜合，形成全局的數據視圖，構成商務智能系統的信息基礎；
    (3)OLAP利用數據倉庫中的信息，構建多維數據視圖，采用多維分析方法進行數據分析；
    (4)DM能有效的從大量數據中挖掘出決策所需的知識，做出預測性分析。

    目前，商業智能解決方案的提供方式主要由ERP廠商提供和商務智能專業廠商提供兩種方式。前者是基于對原ERP系統信息進一步匯整及分析得來，屬于自下而上的逐漸發展，著眼于商業智能的管理維護，并不必和某個特定的ERP系統結合，甚至不以與ERP廠商合作為目標，而是全然以提供商業智能產品服務為定位，這類廠商較早投入BI領域，如IBM BI Solution、Cognos、Business Object等等。

    由ERP廠商提供的商業智能解決方案由于植根于原來的ERP系統之上，因此與原來的ERP系統有較好的兼容性，數據讀取或分析的前置工作較容易進行。而由專業BI廠商提供的產品則由于專業分工的細致化，而且相關BI經驗和資源的積累較為豐富，往往對于各種異質數據源的處理有較佳的支持，數據挖掘和發現的方法相對豐富，如何選擇要結合自己的本企業的實際情況。

4 結論

    在當今這個信息時代，企業往往被淹沒在來源于多個渠道的龐大、豐富的海量數據中。我們只有及時地將數據有機地組合在一起，及時地將信息轉化為知識和智能，才能更好地指導企業進行商業決策和行動。ERP和商務智能的集成系統的作用就在于此，它幫助管理者做出科學的計劃、判斷、決策，避免主觀、片面等因素引起的重大失誤。

    本文一方面從技術的角度對ERP系統以及商務智能技術的基本概念、技術架構以及涉及到的技術問題進行了探討。另一方面又結合分析了商務智能與ERP之間的關系，通過一種能夠結合二者長處的新的系統環境的初步研究來提高企業對現有的信息數據的利用效率，以及企業決策分析的能力。通過集成化的ERP與商務智能系統的構建，企業能高效地利用現有的信息基礎設施中的數據，從而大大提高用戶對數據查詢分析和決策分析的能力。

    此集成系統是一個跨學科的方向，在我的研究中還存在很多沒有解決的問題，比如在數據倉庫中的可視化的數據挖掘系統等問題，需要進一步進行研究。

本站部分文章或圖片來源于互聯網，本網本著傳播知識、有益學習和研究的目的進行的轉載，為網友免費提供，并盡力標明作者與出處，如有著作權人或出版方提出異議，本站將立即刪除。如果您對文章轉載有任何疑問請告之我們，以便我們及時糾正。

聯系方式：QQ：741266807 Tel：020-22275526。