商业智能系统的实施

    随着人民群众消费水平的不断提高社会上的商品也越来越丰富，产品的层次也在逐步提高。我国的一些企业也逐渐趋向于多元化、人文化、专业化、规范化、国际化的方向而发展，这种新的发展趋势不仅为生产商和供货商提供了新的市场机遇和挑战，而且使得企业的社会主导作用日益凸现，竞争也越来越激烈。现如今企业得管理主要是采用现代化信息技术，对数据进行信息化的管理，这也是商业现代化进程的必然结果。但是一直困扰着企业高层领导的一个重要问题是如何从积累在信息系统中的大量数据中提取出有价值的信息。

 

 

    一、商业智能系统的基本概念以及发展现状

 

 

    （一）智能系统的基本概念

 

 

   商业智能系统的的关键是从自不同地方的数据中提取出对企业有用的数据并切对那些无用的数据进行清理，保证所提取数据的正确性，然后经过ETL过程，合并到一个企业级的数据仓库里，以便得到企业数据的一个全局视图，并且在此基础上充分利用适合的查询和分析工具对其进行分析和处理，最后把所处理之后的知识里现在企业管理者的面前，为企业管理者做出决策的过程提供参考和支持。所以说，从实用技术角度来看，商业智能系统只是一个数据仓库或者联机分析处理和处理的工具。

 

 

    （二）商业智能的发展发现状

 

 

    在现今社会，商业智能系统通常被理解为一个可以把企业中的数据转变成知识、帮助企业做出英明决策的一个有效工具。与几年前的研究成果相比较，商业智能系统无论是在数据范围、知识转化方式还是在技术工具上，都有了巨大的发展。要注意的是这里所提到的数据不仅仅来自企业内部业务系统的订单、库存、交易账目、客户和供应商数据，而且来自企业所处行业以及竞争对手的数据。也更加涵盖了来自网络的结构化和非结构化数据等等，而知识转变方式也已经不再是简单的运算处理了，也是引进了例如语义分析、神经网络、图形化处理等跨领域的方法，使得商业智能系统的功能变得更加强大，操作也更得更加简便。总之，商业智能的快速发展会随着人们日益增长的需求而不断提升和变化，它不仅给人们提供了想象的空间，而且使人们的想象促进了它的发展。

 

 

    二、零售业智能的技术走向

 

 

    到目前为止，无论是在商业智能技术的理论研究中还是在实际的产品实现中，联机分析处理与数据挖掘两大技术都是分离开来的。

 

 

    在理论研究中，OALP技术的研究人员主要是来自数据库界，其中重点研究实体化视图的选择与维护、CUBE压缩与计算、多维数据的索引和多维查询处理等等，这样可以有效的在海量数据上提供秒级的分析请求响应时间，而数据挖掘技术的研究人员主要来自人工智能、统计、数据库界等等，它研究的上要对象是各种挖掘算法与评价方法、可伸缩的数据挖掘方法、基于约束的挖掘方法以及复杂数据类型的挖掘等等。

 

 

    在产品的实现上，订些软件厂商早就看好了商业智能系统软件的市场前景，并且通过自行研制或者收购等方式推出了与智能控制相关的产品，其中一些数据库厂商，在通常情况下会给出从数据仓库——联机分析处理——数据挖掘的一个全套的解决方案，而其他的那些厂商就把重点放在独立分析、展现和挖掘智能工具的开发上，在联机分析处理技术和数据挖掘技术上，虽然他们两个在数据仓库上有着两种不同的获取目标的数据增值技术，但是这两种技术如果能够融合在一起，就会使得分析操作变得智能化，使挖掘操作的目标更加准确化，也能使商业智能技术的实用价值得到全面的提升，一方面，联机分析处理技术能为数据挖掘提供预期的挖掘对象和目标，避免了挖掘的盲目性：另一方面，数据挖掘技术能使联机分析处理技术变得智能化，从而减少了分析人员手下操作的复杂性，减轻了分析人员的负担，举个例子来说，如果分析人员在手工分析操作中发现了离群点数据，就可以有针对性地直接对这个数据利用数据挖掘处理技术找出原因、找出恶意违规或者能够发现新的需求点等等。

 

 

    此外，在数据分析的过程中，可以通过跟踪分析人员的操作过程，并且利用数据挖掘技术预测出他可能感兴趣的操作或者数据，以便提前预计算数据，提高分析操作的响应时间，总的来说，基于数据仓库的联机分析处理技术和数据挖掘技术的融合和互补才是是商业智能系统技术发展的未来走向。