商务智能在ERP系统中的应用

1引言

商务智能系统（BusinessIntelligenceSystem）是指运用数据仓库，联机分析和数据挖掘技术来处理和分析商业数据，针对不同的领域提供不同的应用解决方案，协助用户解决商务活动中的复杂问题，从而帮助决策者面对商务环境的快速变化而做出敏捷反应和合理商业决策的管理系统。ERP系统（EnterpriseResourcePlanning）企业资源计划是指建立在信息技术基础之上的，以系统化的管理思想，为企业决策层及员工提供决策运行手段的管理平台。

2ERP系统的优势和局限性

ERP的优势特点优势在于：

（1）ERP系统是面向业务的，为企业适应市场快速变化提供信息支持。

（2）ERP系统是一种流程管理系统，通过工作流来实现企业资源的合理配置，它强调企业的过程的合理。

（3）ERP系统有着完善的财务管理体系，通常财务管理模块是ERP系统的核心模块，它把企业的物流、资金流和信息流有机的结合在一起。

（4）ERP系统是一种从MRPⅡ（制造资源计划）发展起来的的管理系统，它支持多种生产方式的管理模式。

总之：ERP的主要宗旨在于将企业的各方面资源（人力，财物，信息等）合理地调配和平衡，使得企业在激烈的市场竞争中能合理的配置企业内部和外部资源，全方位地发挥各方面的能量从而取得更好的经济效益。

然而，当前的ERP系统的应用仍然停留在MIS系统层面，远未达到企业所期望的决策支持功能。其原因在于ERP系统是采用事务处理型的典型的联机事务处理系统而非分析型的联机分析系统。受其管理思想所限，ERP在实施和运行过程中的局限性不断的暴露出来。

（1）ERP系统是一种典型的“联机事务处理系统”（OnlineTransactionProcessing），它由多个事务应用组成，每个应用使得一个业务过程和功能实现自动化，同时把事务处理的细节记录在相关数据库中，产生大量的目标数据。这些数据的利用率非常低下，事实上，根据IBM的调查，一般企业对存储的数据的利用率只有2%～4%。企业决策层无法从海量数据中直接获取宏观决策时所需的数据。

（2）受ERP思想提出时的需求所限，使得ERP系统的数据无法上升到信息层面，决策所需的支持信息需要从ERP系统和其他事务处理系统中提取出来进行二次加工得到。要求更深层次的分析和挖掘，才能提炼出对当前决策问题真正有意义的，有价值的信息来。

（3）ERP中垮地域业务往往存放在异构的环境中，不易统一的查询，同时由于地域和时间的变化和统计口径的不同，造成ERP数据的一致性存在严重的偏差，因而影响到决策过程。

（4）ERP系统的维护和客户化开发成本无法控制。由于决策层无法直接获取决策所需要的信息资源，造成ERP供应商和企业信息部门增加了大量的的客户化开发工作。同时由于决策需求的不断变化，也使得开发维护工作量不大增大，企业信息成本不断提高，呈不可控状态，严重影响企业对信息化的信心。

3商务智能系统技术

由于ERP系统的局限性，使得它无法满足快速变化的商业需要。ERP系统专注于事务处理，保证事务处理所必须的自动化，它只是一个很好的后台管理系统，随着计算机和数据库技术的发展，20世纪90年代逐步成熟起来的以数据仓库，联机处理分析系统和数据挖掘为内容的商务智能系统能够很好的弥补ERP这些方面的不足。商务智能主要包括以下技术：

3.1数据仓库技术（DataWarehouse，DW）

数据仓库技术是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策过程，它与传统的数据库目标有着较大的不同，其一，数据仓库是面向主题的，主题是一个抽象概念，是一个在较高层次将数据归类的标准。一个主题对应一个分析领域即主题域。其二，数据仓库的数据是集成的，它是从原有分散的数据库中的数据集成得到的，基于分析型的数据，是对原始数据的统一和综合。其三数据仓库的数据是稳定的，不可更新的，它反映的是较长一段时间的历史数据内容，而非联机处理的数据。最后，数据仓库数据是随时间不断变化的。数据仓库具有丰富的数据采集、管理、分析和信息描述功能。

3.2联机分析处理技术（OnlineAnalyticalProcessing，OLAP）

联机分析处理技术是独立于数据仓库的一种技术，它通过快速、一致、交互地访问各种可能的信息视图，帮助数据分析人员、管理人员、决策人员掌握数据之间的规律。OLAP把数据仓库中的海量数据，转化为有用的信息，从而实现对数据的归纳、分析和处理，提供决策支持。

OLAP是多维分析工具，它具有：快速性、可分析性、共享性、多维性、和信息信等特点。在OLAP中，信息被抽象为一个数据立方体（Cube），一个立方体由维（Dimension）和度量（Measure）构成，维是相同数据的集合。度量是个定量的值。这个多维的数据模型是OLAP的核心，也是商务智能的支柱。OLAP展现给用户的是多维的视图。

3.3数据挖掘（DataMining，DM）

数据挖掘是基于数据库的知识发现（KnowledgeDiscoveryinDatabase，KDD）的重要环节。KDD是指从大量的数据中提取有效的、新颖的、潜在有用的、最终可被理解的模式的非平凡过程。DM是运用一些算法从数据仓库中提取用户感兴趣的知识。很多情况下，数据挖掘就是指知识发现。

知识发现和数据挖掘涉及数据库技术、人工智能、机器学习、统计学、粗糙集、模糊集、神经网络、模式识别、高性能计算和数据可视化等多学科技术。它能够按企业既定的目标对大量的数据进行探索分析，揭示隐藏的、未知的或验证已知的规律，并进一步将其模型化，向决策者提供决策所需的知识啊。

转载：感谢您对网站平台的认可，以及对我们原创作品以及文章的青睐，非常欢迎各位朋友分享到个人站长或者朋友圈，但转载请说明文章出处。