1 应用背景和现状

    现代社会信息飞速增长，企业在决策方面变得更加困惑和复杂。商业智能(Business Intelligence，BI)由Howard Dresner提出，是对商业中信息进行搜集、分析、处理，进而得到支持企业进行决策的知识的一种科学方法，以使企业决策和企业活动变得更加合理和具有竞争力。

    商业智能主要应用数据仓库、联机分析处理、数据挖掘等技术来实现决策，以实现企业智能化的决策。

    电子商务是随着信息快速增长出现的一个新兴理念，是利用信息和网络实现价值增值的一种全新的商业模式。电子商务主要体现在企业应用网络技术手段来推广、改造和管理企业，以实现更大的利润。电子商务在企业中最大的应用就是网上交易，即企业在网上出售产品和服务，实现信息流、物流和资金流，通过网络实现价值增值。

    本文主要研究商业智能在电子商务交易中如何应用，使得企业做出更加合理的决策来增强网上交易，从而实现更大的利润。

2 商业智能简述

    商业智能最早由Gartner Group的Howard Dresner在1989年首次提出，是对商业信息的搜集、管理和分析过程，目的是使企业各级决策者获得知识，以做出更加合理的决策。BI的体系结构如图1所示。
 

    BI首先由不同的数据源收集的数据中提取有用的数据，对数据进行清洗以保证数据的正确性，将数据经转换、重构后载入数据仓库或数据集市，再利用合适的工具对数据进行处理，将信息变为辅助决策的知识。最后将知识呈现于用户面前，为管理决策提供参考。

    近年来，商业智能研究主要包括核心技术、实施架构、应用系统方面的研究。

    (1)核心技术。核心技术的研究主要在数据仓库以及数据挖掘算法与实施等方面。其研究注重跟踪相关技术的最新发展，例如对数据仓库的研究集中在数据集成中数据模式的设计，数据清洗、数据转换、数据导入和更新方法；数据挖掘的研究重点则偏向数据挖掘算法以及数据挖掘技术在新的数据类型、应用环境中使用时所出现的新问题的解决上。

    (2)实施架构。BI实施架构是指通过识别和理解数据在系统中的流动过程和数据在企业的应用过程来提供BI系统应用的主框架。BI的实施架构主要包括数据预处理、数据仓库、数据分析以及数据展现等几部分，如图2所示。BI实施架构的研究关心采用什么样的体系结构以及怎样的流程能使BI系统具有良好的性能。
 

    (3)应用系统。对于应用系统的研究重点放在对各个应用领域所面临的决策问题的分析，根据对各类问题的解决方式和解决方案来决定BI系统应该提供的功能，以及具体实现方法。BI具有代表性的应用领域主要包括企业资源计划(ERP)、客户关系管理(CRM)、人力资源管理(HRM)、供应链管理(SCM)以及电子商务(E-business)等。

    (4)行业领域。对于某个特定的领域，使用商业智能提升该领域的客户关系管理以及领域竞争力，以使客户获得更加满意的产品。例如商业智能在电信、金融、证券、税务、零售业、保险业等已获得大量操作型数据积累的企业中的应用已经日渐成熟。

3 商业智能在电子商务交易中的应用分析

    在电子商务交易中，企业关注的是用户浏览量和交易量。只有用户浏览了企业的站点。企业才有可能将产品和服务向用户推广，进而使用户产生购买欲望，产生交易。用户浏览站点时，每个时间在不同页面的停留时间都不同，这将产生大量的用户行为。用户的所有行为在企业站点后台数据库记录之后，许多企业往往极少给予关注。下面将分析企业将商业智能引入电子商务交易的切入点和措施。

    本文主要分析了商业智能在电子商务交易中的应用，如图3所示。包括如下几个方面：商业智能在交易搜索中的应用、在完善网站结构方面的应用、在交易相关知识方面的应用、在交易额度分析上的应用、在退货处理方面的应用及在防止欺诈和网络安全上的应用等。
 

    从具体实现上来说，企业在后台必须能够记录用户的基本信息，以及用户输入的关键词。通过对某用户进行关键词汇总，找到不同用户的不同兴趣爱好。通过对整个数据库中用户输入关键词的搜索，将数据综合到数据仓库中总结出相同或相关关键词出现的次数，发现大众的需求。企业找到这些有价值信息后，针对不同兴趣用户提供不同信息，对搜索率高的关键词增加其访问的方便性和提供该关键词更加丰富的信息，这都将大大增加企业网上交易的数量。

    (2)商业智能在完善网站结构方面的应用。网站结构是指整个网站的页面布局和业务流程。合理的网站结构能够使用户快速地找到所需要的信息，而且大大增加用户在网站的停留时间和交易次数。电子商务网站刚刚推出往往都是企业一厢情愿的结构设计，其中可能存在许多不适合用户体验的区域，这就需要通过综合分析用户访问日志，通过数据仓库、数据挖掘以及OLAP技术来分析出用户喜欢怎样的页面访问形式，用户偏好怎样的业务流程，从而完善网站结构，获取更好的用户体验。

    具体实现上，网站的服务器系统保留了用户访问的日志，通过将这些日志进行预处理，抽取出有意义的内容，对其使用OLAP和数据挖掘技术，分析出用户的访问行为和偏好的业务流程。使用的数据挖掘技术更多的是分类和关联规则技术，按照访问不同的页面或者页面停留时间的不同进行分类，得到各个页面的用户数和停留时间。从而判断出用户的访问行为。也可以通过关联规则分析用户在访问不同页面时访问的相关页面以及访问次数，从而调整相关页面的内容和增加相似内容的链接数，这都将增加用户在站点的停留时间和交易数量。

    (3)商业智能在交易相关性方面的应用。交易相关性是指用户在使用网上商城购物时购买某件物品同时购买相关物品的关联性。这主要应用数据挖掘的关联规则分析技术。在交易页面，往往都会放些与该交易商品相关的一些商品和服务，分析用户进入该交易页面时点击相关链接的内容和次数，并进一步分析点击的相关链接所增加的交易数量，在符合一定支持度和置信度的情况下判断用户的交易相关性。这将完善网上商品的位置摆放和商品交易时相似或相关商品的集中度，从而增加交易量。

    实现上，可以通过对用户访问日志进行挖掘分析，也可以直接通过对交易关联页面进行关联规则分析得出交易相关性结果。后者需要在数据库中记录各个页面访问的时间以及访问某个页面又链接访问到的其他页面和停留时间，以及交易成功率。记录这些需要耗费大量的存储空间，这就涉及数据的转储和及时分析，及时获得交易相关性数据。

    (4)商业智能在交易额度分析上的应用。分析用户的交易额度对企业实施客户关系管理有很大的帮助，从而提高客户忠诚度。通过综合运用OLAP、数据挖掘技术对用户在某段时间交易数量和交易额度以及交易内容的分析，得到不同时间段的用户在不同内容商品上的不同交易额度，从而对交易进行管理。例如对不同额度的客户，提供不同的售后服务、赠送不同程度的礼品和给予不同程度的优惠。在用户交易额度普遍比较高的时段前期采取大力的宣传，以进一步促进交易消费。

    实际操作中，只要对数据库中不同用户的交易表中的交易内容、交易金额、交易时间进行OLAP分析、分类以及聚类分析等操作，得出不同交易额度的用户，以及交易额度最多的时间段和交易内容，从而对企业相关营销和市场策略提供准确的决策。

    (5)商业智能在退货处理方面的应用。网上交易因为看到的不是实际商品，而只是交易商品的图片，可能会与用户想象的实际商品存在一定的差距，所以网上商品更存在退货的情况。通过对退货数据进行挖掘和分析，可以认识到企业提供的商品和服务质量存在的缺陷，为企业改善自身商品和服务质量以及提高企业竞争力有很大的帮助。

    实际操作上，客户在每次退货处理时，企业后台数据库都记录下客户退货的原因。通过将数据导入到数据仓库结合商品表、客户表等进行整合分析，分析所退商品存在的缺陷，客户退货原因，退货所发生的费用损失等。最终得出退货解决方案和防范机制，同时改善企业提供的商品和服务的质量。

    (6)商业智能在防止交易欺诈和网络安全上的应用。网上交易毕竟突破了现实中实物交换的形式，实现了电子货币和物品交换的新形式。其中出现的种种欺诈行为和安全问题防不胜防，可能会给企业带来巨大的经济损失。通过商业智能技术，分析出用户存在的欺诈手段和安全漏洞以及可能存在的黑客攻击方法，改进企业的风险防范和应急措施。

    实现上，利用数据挖掘中的聚类和分类技术挖掘后台交易日志和网络银行使用日志，分析其中存在的不一致和非正常情况，得出可能存在的欺诈行为和安全漏洞，从而为企业采取进一步的措施提供依据。

    以上列举了5种商业智能在电子商务中的应用以及操作方法，为电子商务的发展提供了可行的分析和解决思路。

4 结 论

    在电子商务逐步应用到各行各业，并逐步产生巨大经济效益的时代，如何进一步发现电子商务交易中存在的隐性知识已经是迫不及待的任务。商业智能集数据仓库、OLAP和数据挖掘技术于一体，通过挖掘显性知识中存在的隐性模式，为企业提供有价值的信息以支持决策。商业智能在电子商务中的合理应用将促使电子商务为企业战略和实际利益的实现提供支撑作用，为企业创造更大的价值。

    本文中研究的应用结合电子商务交易中实际存在的需求出发，挖掘电子商务交易中存在的许多隐形模式和知识，通过这些隐性知识进一步改进企业的实施策略，以达到企业战略目的。相信随着商业智能技术的日益发展和电子商务交易信息的日益完善，商业智能在电子商务中的应用将有广阔的发展空间。