商业智能技术的应用

标签:重磅推荐技术前沿商业智能数据仓库

访客:29125  发表于:2012-02-27 16:46:54

随着信息化的纵深发展,企业需要从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中,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,将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,因此商业智能将成为信息化应用的新热点。

建设目标及设计原则

商业智能系统的建设目标是以计算机网络为载体,运用商业智能理论及相关技术,从不同的数据源收集的数据中提取有用的数据,对数据进行清理保证数据的正确性,数据经过转换后装载到数据仓库中,然后利用合适的查询和分析工具、。LAP工具、数据挖掘等对其进行分析和处理,并把结果呈现给管理者,为管理者的决策过程提供全面、深入的数据信息支撑,有效提高企业的管理水平、预测分析能力和经济效益。

在系统设计时应充分考虑并体现以下特性:

规范性:系统的设计、开发、实施和维护管理遵循有关标准、规范,能够根据业务需要实现有效的连接。

开放性:系统的各种接口在遵循规范性原则的基础上,保证其可以集成不同设备厂商、系统或平台供应商、软件供应商的产品。同时在驱动机制上,应用系统采用参数驱动的设计思想,能灵活方便地配置结算规则、费率和结算参数。

扩展性:系统的系统容量、处理能力和业务范围具有良好的扩展能力。设计应满足分期目标的实施以及今后的业务发展。

安全可靠性:系统满足电信级的可靠性指标,保证系统在运营过程中管理的各种资料的信息安全,保证系统与其他相关系统信息交换过程的安全,保证系统业务管理体系的安全。

独立性:系统中的各功能的实现采用面向对象技术进行设计、分析和封装,系统实现被封装成独立的业务组件,不同的业务组件完成不同的业务处理功能,各组件间接口定义准确、清晰,组件的组装、拆分、调整应简单、易于管理。各功能组件具有相对独立性,单模块的删除、增加不影响系统中其他组件的运行。

系统的结构设计

企业商业智能系统采用了三层B/s体系结构:

业务层:主要是指企业现有的业务系统,包含计费系统、账务系统和网管系统等。业务层主要是作为数据层的数据源。

数据层:将企业内外部的数据进行收集、整理、转换和存储,作为应用层的数据基础。

应用层:包含经营分析系统和战略决策支持系统。经营分析为了解企业的整体运作情况,预测未来的发展趋势,发现运行中存在的机会和问题。战略决策支持系统是为高层决策者提供信息服务,支持制定各种决策。

基于商业智能技术的某电信企业经营分析系统的鬯体结构构建图如下图1所示:

该系统体系结构由EIL,、数据仓库、OLAP服务器、数据挖掘服务器、分析展示平台,系统管理等多个部件组成。

ETL:主要对原有的、陈旧的数据进行提取、转换、加载,使它们成为构建数据仓库系统的有用数据。通过数据采集、复杂存储过程、数据补录、异常处理、故障恢复及一些ETL特殊处理过程,将数据从计费、营账、客服等业务系统数据源抽取(如图1中流程①]、转换后,加载到数据仓库(如图1中流程②)。

数据仓库:由关系数据库和多维数据库组成。建立数据仓库并不是要取代原有的运营数据库系统,而是为了将企业多年来积累和收集到的数据按一个统一、一致的企业级视图组织、存储,对这些数据进行分析,从中得出有关企业经营好坏、客户需求、对手情况和以后发展趋势等有用信息,帮助企业及时、准确地把握机会,以求在激烈的竞争中获得更大的利益。

OLAP服务器:专门设计用于支持复杂的分析操作。OLAP以数据仓库作为数据源(如图l中流程③),可以针对各种分析主题,通过灵活的配置方式定义多种维度的观察形式,使管理决策人员可以在多维漠型的基础上访问数据,并能根据数据之间的关系对数据进行快速、灵活的计算和转换,进行复杂的分析(如图1中流程④)。

数据挖掘服务器:在大量的业务数据基础上形成知识库(如图1中流程⑥),利用统计方法、面向属性归约方法、数据立方体方法等多种数据挖掘技术,找出其中隐含的普化知识、关联依赖关系、分类规则、聚类规则及给出相关预测数据,为用户提供对当前业务状况更为深入的分析和对后续业务行为更为前瞻性的指导(如图1中流程⑦)。

分析展示平台:是数据仓库的最终目的,其工作原理主要是通过对数据进行多维分析(如图1中流程④)、预测、钻取(如图1中流程⑤)、挖掘(如图1中流程⑦)等操作来产生可透析的各种展示数据e这些数据可直观显示分析者所要探询的某种经营属性或市场规律。

系统管理:使用Java语言,采用简易、灵活的GEl界面,实现集中的系统管理。功能可以涉及安全防护、日志管理、参数管理、监控及告警、备份与恢复、产品升级支持、元数据管理等等。

闭环:企业经营分析系统产生的分析数据的最终价值是体现当前经营状况,为业务系统的优化运行和用户个性化服务韵开发提供支撑和指导意见,以便能够更好地驱动业务系统的运行。该系统结构是一个端到端的体系架构(如图l中流程⑧),可以借助工作流的实现与业务系统互操作,从而形成一个闭环的处理流程。在用户的统一调度和指挥下,它可以将业务系统历史数据的分析结果和措施建议反馈回业务系统,进行业务改进,从而形成一个真正的螺旋上升的动态改进过程。

商业智能系统的典型应用

1 经营分析系统

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。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,利用智能管理技术,形成一个能反映企业整体情况的模型。这样通过观察总指标并设置告警,才能获1得整个企业的经营状况。经营业绩分析是指对各分公司的营业额、销售量等进行统计。在次基础匕进行同期各类分析。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。财务分析是指对企业财务数据中的利润、费用支出、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使用方面的实际情况,为及时调整和降低企业成本提供数据依据。

2 战略决策支持系统

在经营分析的基础上,将各类数据、信息进行高度的概括和总结,然后形成供高级决策者进行战略决策时参考的企业经营状况分析报告,是商业智能的优势所在。商业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。

应用中的问题思考

商业智能系统的建设是一个经验积累和不断改进的过程,在参与系统构建及评测的过程中,笔者面对各种出现的现实情况及问题点,进行了以下思考:

1 数据模型设计时关注重点的问题

数据模型设计应关注业务流程而非业务部门或应用。目前,系统设计将数据仓库的设计根据业务部门或应用功能进行划分。在数据仓库的设计中会经常见到“客户行为分析”、“高ARPU值客户分析”或“客户流失分析”等不同的应用主题。实际上,仔细研究各个应用,不难发现,它们均使用了同一个数据源——客户交易的数据。与其在不同的应用中建立客户交易的信息,不如在数据仓库中建立统一的客户交易信息提供多个分析应用使用。关注于业务的流程而非业务的部门或应用能够让我们更清晰、更经济地整合企业的信息。因此-数据仓库的建模应根据业务的流程和数据源来决定。

2 数据仓库数据采集的模式问题

对于每一个数据仓库关心的数据源,在数据仓库设计时都将从最明细的数据层次进行收集。即使将来的分析大部分都是基于汇总的数据,但数据仓库中最底层的数据模型将对应业务系统中最明细的部分。这样的设计,使得数据仓库的建模和数据采集对于业务系统来说是一步到位的。而这样设计出的分析模型是能够支持所有可能的业务分析的,不会因为数据仓库的设计而丢弃业务的细节,导致未来系统重建。

3 因需求变化导致数据仓库模型变化的问题

这个问题是数据仓库系统建设中非常关键的问题,有时会影响数据仓库建设的成败。需求的变化客观上是不可避免的,一个好的数据仓库设计能够减少需求变化对模型的影响,但遵从一定的设计原则,则可以将这种影响降至最低。解决的方法有分层次的模型设计思想,各种具体设计原则和技巧应对可能发生的扩充和变化。

4 系统之间的互通问题

由于目前企业内部各系统分属不同部门管辖浏览,很难做到真正意义上的资源共享、综合利用。因此,真正利用商业智能实现在目前企业的各种信息系统,如企业资源计划、客户关系管理、物品管理管理、办公自动化等之间建立互通的桥梁,为管理人员和企业的员工提供一个不受技术水平限制的企业统一视图,将用来帮助企业人员掌握所需的专业知识,帮助企业销、生产、财务、人力资源等决策支持。

应用中的问题思考

商业智能系统的建设是一个经验积累和不断改进的过程,在参与系统构建及评测的过程中,笔者面对各种出现的现实情况及问题点,进行了以下思考:

1 数据模型设计时关注重点的问题

数据模型设计应关注业务流程而非业务部门或应用。目前,系统设计将数据仓库的设计根据业务部门或应用功能进行划分。在数据仓库的设计中会经常见到“客户行为分析”、“高ARPU值客户分析”或“客户流失分析”等不同的应用主题。实际上,仔细研究各个应用,不难发现,它们均使用了同一个数据源——客户交易的数据。与其在不同的应用中建立客户交易的信息,不如在数据仓库中建立统一的客户交易信息提供多个分析应用使用。关注于业务的流程而非业务的部门或应用能够让我们更清晰、更经济地整合企业的信息。因此-数据仓库的建模应根据业务的流程和数据源来决定。

2 数据仓库数据采集的模式问题

对于每一个数据仓库关心的数据源,在数据仓库设计时都将从最明细的数据层次进行收集。即使将来的分析大部分都是基于汇总的数据,但数据仓库中最底层的数据模型将对应业务系统中最明细的部分。这样的设计,使得数据仓库的建模和数据采集对于业务系统来说是一步到位的。而这样设计出的分析模型是能够支持所有可能的业务分析的,不会因为数据仓库的设计而丢弃业务的细节,导致未来系统重建。

3 因需求变化导致数据仓库模型变化的问题

这个问题是数据仓库系统建设中非常关键的问题,有时会影响数据仓库建设的成败。需求的变化客观上是不可避免的,一个好的数据仓库设计能够减少需求变化对模型的影响,但遵从一定的设计原则,则可以将这种影响降至最低。解决的方法有分层次的模型设计思想,各种具体设计原则和技巧应对可能发生的扩充和变化。

4 系统之间的互通问题

由于目前企业内部各系统分属不同部门管辖浏览,很难做到真正意义上的资源共享、综合利用。因此,真正利用商业智能实现在目前企业的各种信息系统,如企业资源计划、客户关系管理、物品管理管理、办公自动化等之间建立互通的桥梁,为管理人员和企业的员工提供一个不受技术水平限制的企业统一视图,将用来帮助企业人员掌握所需的专业知识帮助企业。

评论(0)

您可以在评论框内@您的好友一起参与讨论!

<--script type="text/javascript">BAIDU_CLB_fillSlot("927898");