BI商業智能系統隨著企業各種信息系統的建設和完善，企業所擁有的數據越來越多。決策者面對的問題已經不再是缺少信息， 而是如何得到正確的信息以幫助制定決策。典型的公司擁有數十乃至上百個應用，但是卻難于從中提取、綜合、使用這些系統的數據，繼而從數據中提取有用的信息，發掘并提升數據的價值。商業智能（BusinessIntelligenee，簡稱Bl）提供了提取數據、處理加工、信息訪問的技術手段。經過多年發展，其運用范圍逐漸由支撐特定業務過程的戰術性決策發展到在企業范圍內系統化地創造價值。因此，越來越多的企業已將其視為戰略性的企業應用。什么是商業智能商業智能通過將分散在企業各系統中的數據進行整合，使得繁瑣的信息獲取過程變得簡便易行。 任何用戶都能夠容易的運用這些技術進行決策，業務執行、業務管理、企業管理各個層次上的用戶都能夠使用不同的工具和技術做出明智的決策，全方位的提高企業的競爭力。信息技術在企業中的地位正在由業務支撐工具逐步走向中心性地位，在很大程度上影響著企業如何開展業務和創造新的價值。企業要求IT系統不僅要能夠支撐特定業務的執行，而且還要能夠創造出新的價值。由于IT在業務中逐步走向中心地位，對這些信息的訪問也需要擴展到原來創建系統所服務的對象之外。系統之間越來越需要廣泛的互相連接，以及擴展連接到客戶和合作伙伴的系統。與此同時，由于系統是業務的載體，所以必須要能夠跟隨業務變化而變化，成為快速革新的助推器而不是障礙。作為企業的關鍵資產，IT不僅被期望是一個運行良好的成本中心，而且是企業成長和擴張的貢獻力量。業務對IT要求的多種重要能力：廣泛互聯的能力：連接客戶、合作伙伴，賦予員工新的能力。通過將內部員工、合作伙伴和客戶的數據進行整合，并進行加工和提煉后再提供出來供內部員工、合作伙伴和客戶使用，商業智能系統提升了三者業務上互相聯接的能力適應變化的能力：隨著業務的發展而變化，促進而非阻礙業務發展。創造價值的能力：在業務的各個不同層面上創造價值。商業

使得智能系統為企業各個不同層面的人提供合適的工具和信息，使得獲取準確信息和做出明智決策的能力不僅僅局限于決策層， 而是所有人員都能夠在各自的層面上借助 BI系統提供能力，從而全方位的增強企業決策能力，全面創造價值。這些能力的重要價值在于增強了企業敏捷性， 能夠更主動地適應企業內部和外部的變化。商業智能的核心議題始終圍繞在為員工提供正確信息的周圍，使他們能夠在合適的時間完成一個特殊的目標。 使這些承諾成為真實的需求，成為全面的、安全的、與操作系統集成的、全天候的商業智能解決方案。下圖為商業智能發展縮影圖：段免系等力實合綜構機和業企與值價化息信段免系等力實合綜構機和業企與值價化息信商業智能的技術架構商業智能是由數據倉庫、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的的技術及其應用。商業智能是數據庫技術、OLAP技術、數據采集和遷移技術、網絡技術、GUI技術、查詢報表技術、統計學、人工智能、知識發現技術等理論和技術的綜合運用，其核心內容是從許多來自企業不同的業務處理系統的數據中，提取出有用的數據，進行清理以保證數據的正確性，然后經過抽取(Extraction)、轉換(Transformation)和裝載(Load)，即ETL過程，整合到一個企業級的數據倉庫里，從而得到企業信息的一個全局視圖，利用合適的查詢和分析工具、數據挖掘工具等對數據倉庫里的數據進行分析和處理，形成信息，把信息提煉出輔助決策的知識，最后把知識呈現給管理者，為管理者的決策過程提供支持。二、商業智能的體系結構商業智能的整個系統被劃分為4個層面，根據數據的處理和應用過程分成7個環節。從數據源經過抽取(Extraction)、轉換(Transformation)和裝載(Load)過程加載到中央數據倉庫，

再從數據倉庫經過分類加工放到數據集市(DataMarket,DM),或者將數據集市中的數據進一步存放到多維數據庫(Multi-dimensionDatabase，MDD)，這都屬于數據組織的問題，從中間層到終端用戶或從多維數據庫到終端用戶可將其劃歸為前端應用實現的問題。而貫穿整個體系數據處理環節的，是系統的流程調度控制和元數據管理，其結構如圖中央數據庫ODS數據倉庫數據集中數據清洗轉換裝載數據訪問抽取元數據管

理應用實現的問題。而貫穿整個體系數據處理環節的，是系統的流程調度控制和元數據管理，其結構如圖中央數據庫ODS數據倉庫數據集中數據清洗轉換裝載數據訪問抽取元數據管

理1所示。數據

源外部數據z*" X數據

源外部數據z*" X「業務數據1JJ 業務數據2業務數據3圖1商業智能體系結構F面對商業智能的完整的體系結構作如下解釋:（1）數據源：數據源可以是企業日常運作積累下來的各類的業務數據，也可以是外部的數據。數據倉庫的體系結構必須能處理這種多樣性帶來的種種問題，并解決由于數據遠程遷移所帶來的完整性和安全性的問題。（2） 數據抽取、轉換和裝載（ETL）:從源數據抽取數據、進行一定的變換、裝載到數據倉庫。需要進行數據處理，包括：簡單變換一一一次只針對一個字段，而不是考慮相關字段的值；清潔和刷洗一一為了保證前后一致地格式化和使用某一字段或相關的字段群，檢查字段和字段組中的實際內容而不僅是存儲格式；集成一一要把從全然不同來源的數據結合在一起，真正的困難在于將其集成為一個緊密結合的數據模型；聚集和概括一一按照一個和幾個業務維將相近的數值加在一起，聚集是將不同業務元素加在一起成為一個公共總數，在數據倉庫中它們是以相同的方式進行的。（3） 數據倉庫：數據倉庫的一個目的就是把企業的信息訪問基礎從一種非結構化的或發展中的環境改變成一種結構化或規劃良好的環境。（4） 數據集市：數據集市是為部門范圍級別的決策支持應用而設計的，其數據模型設計和數據組織上更多地服務于一個部門的信息需求。（5） 操作型數據存儲區：操作型數據存儲區（OperationalDataStore，ODS）是業務系統和DW之間更偏向業務系統的數據存儲區域。（6） 元數據：元數據（Meta-data）通常定義為“關于數據的數據”，是描述和管理數據倉庫自身內容對象、用來表示數據項的意義及其在系統各組成部件之間的關系的數據。數據倉庫所提供的“統一的企業級的信息視圖”能力，主要就是靠元數據來體現。實現元數據管理的主要目標就是使企業內部元數據的定義標準化。數據倉庫的維護工具可以根據元數據完成數據的抽取、清洗和轉換，并做適度的匯總，數據倉庫的元數據包括：數據資源：包括數據源模型，描述源數據屬性及業務含義，源數據到數據倉庫的映射關系；數據組織：數據倉庫、數據集市表的結構、屬性及業務含義，多維結構等；數據應用：查詢與報表輸出格式描述、 OLAP、數據挖掘等的數據模型的信息展現、商業術語；數據管理：數據倉庫操作過程以及數據倉庫操作結果的模型，包括描述數據抽取和清洗規則，數據加載控制，臨時表結構、用途和使用情況，數據匯總控制。（7）前端應用：數據倉庫的前端應用是建立數據倉庫的目的，即根據用戶的特點提供不同的界面。最終用戶對數據倉庫的訪問方式包括：即席查詢、報表、聯機分析處理（OLAP）、數據挖掘以及領導信息系統（EIS）等。（8）數據挖掘（DataMining，DM）：數據挖掘是采用數學的、統計的、人工智能和神經網絡等領域的科學方法，從大量數據中挖掘出隱含的、先前未知的、對決策有潛在價值的關系、模式和趨勢并用這些知識和規則建立用于決策支持的模型，為商業智能系統服務的各業務領域提供預測性決策支持的方法、工具和過程。(9)信息門戶(EnterpriseInformationPortal,EIP):為使數據倉庫的使用者可以根據自己的需要獲得想要的信息，需要從界面、應用系統交互等角度進行門戶的建設規劃。如果將這些功能模型進行抽象，可以歸結為以下的功能層次：集成：包括信息的集成、人的集成和流程的集成。內容管理：對現有信息實現統一的目錄分類管理(Categorization)。包括結構化數據和非結構化信息的分類、編目、摘要、審核和發布。搜索：分類和搜索是組織和獲取信息的緊密聯系的兩個方面。以人為本的核心安全架構：支持統一面向自然人的用戶身份認證，統一用戶的訪問權限控制和統一用戶資源管理，實現單次登錄就可以訪問所有相關信息資源是門戶的一個重要功能。個性化：即信息門戶的數據和應用可以根據每一個人的要求來配置，為用戶提供個性化的應用界面，提高員工工作效率，增強對用戶的親和力和吸引力。可訪問性：在門戶中，用戶可以在安全機制的保護下，在任何時間任何地點方便地訪問企業的信息和應用，完成對信息

和數據的處理和提交，保證企業的業務運轉永不停頓。協作與共享：提供同事間、部門間、企業間、客戶和廠商間的協作和交互。管理和調度：可以實現日常性的信息采集和分送的調度和管理維護。信息門戶實施后，員工日常需要的各個應用和信息集中展現在員工的桌面。只要在統一的信息訪問入口進行一次登錄的身份驗證，便可真正地實現信息一站式服務。三、商業智能需求商業智能需求形成的價值鏈:商業智能需求所形成的價值鏈正確的決策和行動信息和知識 提煉商業智能需求所形成的價值鏈正確的決策和行動信息和知識 提煉商業智能需求按照成長歷程來說，大體分為兩個階段：技術驅動時代；業務驅動時代。技術驅動的時代：商業智能的需求分析更多地是側重在BI工具的應用。例如用報表工具來實現一些管理性的報表，用OLAP來實現一些經常性的數據統計與分析，用ETL工具來替代手工編寫代碼方式的數據遷移。這個階段的需求分析過程有非常明顯的技術傾向性，這種項目往往有個前提，就是目標技術平臺往往在項目啟動之初已經敲定。需求分析師首先要非常了解目標技術平臺的各項技術指標，并且把目標用戶的需求引導并且框定在這個目標技術平臺的能力范圍之內。在業務驅動的時代，需求分析師首先需要非常熟悉目標用戶的日常業務，商業智能系統比傳統業務系統相比，需求的把握與定義是非常困難的，傳統業務系統的流程是非常清晰的，類似銀行業務的核心業務系統，諸如儲蓄業務，對公業務，國際業務即使種類很多，而對于落實到具體業務的需求的時候，起碼同一家銀行是有一個標準的業務操作的流程的，不論流程多么復雜，所對應的需求總是明確的，可見的，用程序化的方式來表達也是簡單的，而且作為生產系統，早日投產比完善往往是更具價值，在這個大前提是，花繁為簡，穩定壓倒一切是甲乙雙方都認同的。而作為以輔助業務中戰術決策的商業智能系統，首先要邁過的一個關口就是，在戰術智慧上，系統的決策水平要起碼高明于一個中等層次的業務人員的商業智慧，這樣他才會覺得系統對他是有幫助的。目前，一些大公司依靠影響力，組織了一群技術專家經過多年的類似項目經驗沉淀后，形成了一套模板，一則讓BI需求分析師對于業務思考模式的學習和理解可以從客戶現場退回到自己的公司內部。二則，也試圖用既成事實的行業標準的做法迅速而直接的影響用戶的思維，業界內俗稱，給客戶“洗腦”，然而，針對個別企業的業務所分析出來的模板能推廣，有一個預設前提，就是這種業務在全世界有一個可以普遍使用，而且有同質度非常高的標準成功模式，事實上，每個企業和人一樣，是個性發展的產物，不是標準形成的產物，標準的推行本身就意味著企業的持續變革，這里也形成了一個悖論，持續的變革是否需要模板也需要持續的調整，然后模板的調整是否又需要持續的變革來配合……在BI領域，這個以優化為名的迭代幾乎形成了一個沒完沒了的怪圈。這個怪圈的形成，給每一位商業智能工作者提了個醒，商業智能不是一個目標，而是一個過程。通過目前商業智能需求獲取的階段分析，商業智能需求必然走向的是價值驅動，商業智能的需求經過多次否定之否定的螺旋式上升發展的過程后，商業智能的應用與企業價值鏈的優化組合是必然的趨勢，只有把商業智能的需求和企業價值鏈的形成與提升結合起來，商業智能的實際價值才能得到真正的體現。正如前面的分析，各種內外因素的組合作用，使企業必然信息驅動為核心的生產和管理方式，在企業利潤形成的整個價值鏈條中，信息使這條價值鏈從模糊逐漸走向清晰，將數據作為企業戰略資產并且在數據質量方面繼續投資，是使企業成為行業先鋒的重要保證，運用商業智能的環境來回答諸如客戶價值貢獻度，地區市場差異，資本充足率，商品生命周期，成本與財務預算，定價策略，資金周轉率等與企業利潤的形成密切相關，商業智能把歷史數據從“數據監獄”里釋放出來，成為企業的一筆有形的資產。商業智能從“智能”走向“商業”是一條商業智能需求走的必由之路，技術至上的觀點，不但會成為商業智能發展的桎梏，甚至會成為扼殺商業智能應用推廣的無形黑手，所以，作為商業智能項目主導的這些需求分析負責人，首先，就要明確地樹立的是做商業智能是為客戶賺錢的商業觀念，在和客戶需求形成的過程中，把客戶的需求引導向對客戶有利而同時也對降低自身實施成本，加快投產速度也有利的角度，不要認為做報表和查詢是一種身價的貶低，如果一份“簡單”的報表或一筆“簡單”的查詢能為客戶一年節省過千萬的成本，避免一筆過千萬的風險損失，一份報表就把客戶對項目的全部投資都收回來了，這筆帳，這樣的商業智能項目，難道還會受到客戶的冷遇和拒絕嗎？四、商業智能系統的實施商業智能的實施主要有3類風險：技術風險、工程管理風險和業務風險。應對商業智能項目風險的最好方法是采用一套成熟的方法學(Methodology)，方法學是人們在數據倉庫構建實踐中所積累的成功和失敗的經驗的總結。商業智能項目是一個需要不斷優化的循環過程。商業智能在需求的環節會更加依賴于用戶的思維習慣和認識水平，商業智能項目具有長期性和艱巨性商業智能的實施方法有3種方式：自上而下，頂層設計思想。全局考慮，全面實施，建立適合企業信息共性需求的完整的數據模型，然后從業務運營系統中提取數據，進行數據的清洗、合并、規范化和合理化，并加載到數據倉庫中，形成企業統一的數據集成平臺，最后可以根據部門個性需要將數據倉庫的數據分發到面向主題的數據集市中。優點包括：企業統一的數據集成平臺；集中化的控制管理；數據容易分發到各個數據集市中。缺點包括：開發過程復雜，費用高；開發時間長，難以滿足快速變化的業務需求；需要進行大量的業務需求分析，需要大量的資源。自下而上。根據特定的業務主題，分部門考慮，分部門實施，在很短的時間內實現部門級的數據集市，多個數據集市組成企業聯邦制的數據倉庫。優點包括：可以并行開發；見效快；分散化的資源和管理控制。缺點包括：很難協調各個數據集市的建設；可能存在著部門之間數據集市歸屬問題；多種數據源采集系統，可能造成對業務系統的沖擊和數據的不一致。元數據驅動的實施方法。元數據管理在商業智能項目開發建設中有很重要的作用。元數據驅動、螺旋上升的數據倉庫建立的過程就是“建立元數據一一構造數據倉庫集市”的不斷循環、不斷上升的過程，元數據驅動的數據倉庫開發過程可以細分為以下階段：建立元數據：包括定義元數據的數據源；定義元數據的內容和屬性；定義元數據使用規則；聲明元數據聯合使用的規則。構造數據倉庫/集市：基于元數據進行數據抽聊/清洗/轉換/聚合/加載/分布；基于元數據進行前端應用界面定制。這種開發方式優點包括：建立企業數據的統一視圖；有統一的元數據管理；具有靈活可擴展的的體系結構；分步式開發，螺旋式上升，既能快速看到效果，又能保證系統的連續性、一致性。缺點就是如何真正實現這種方式，提取和維護元數據并不是一件很難的事情，而在實際的實施過程中，如何真正地實現元數據的驅動則不是一件容易的事情，由于受傳統程序開發思想的影響，很多開發者對需求問題的解決更多地依賴于程序設計，這樣使得很多控制邏輯很難被抽象出來，因此也難于把數據的處理過程標準化、規范化，這種以程序驅動的方式很容易把所謂的元數據驅動流于形式。商業智能的實施原則如下：（1） 總體規劃原則：整個項目建設應該統一進行規劃，建立一個能夠支持企業長期發展的總體系統架構，為將來的應用打下堅實的基礎。（2） 分階段、循序漸進的原則：任何一個項目的實施都是一個發現問題，解決問題，積累經驗，又遇到新問題，再解決，再積累的循序漸進的過程。3