商业智能(Business Intelligence，BI)的概念，最早由美国Gartner Group于1996年提出。商务智能的应用领域非常广泛，典型的有电信、银行、保险、医疗、零售、政府等，以及所有建立了数据仓库的用户。商业智能系统的最大好处是可以得到最精确、最及时的信息，帮助企业赢得竞争优势。

商业智能应用在我国还处于起步阶段，主要应用于电信、金融、航空、医疗等少数行业，这些行业信息化起步较早、资金充足、积累相当数量的数据并且迫切需要数据分析。而由于我国大部分企业的信息化程度比较低，缺乏数据的积累，同时对商业智能的认知度不高，缺乏商业智能方面的人才以及对这些人才的有效管理，因此应用尚不普及。而对于其他行业，在信息化工作发展到一定程度，数据积累到一定阶段时，同样需要商业智能系统的帮助。以制造业为例，通过数据提取、整理、分析，最终通过分析结果制定有关策略、规划，可以达到资源的合理配置，改进运营效率，节约成本提高效益的目的。

在商业智能系统中，数据挖掘是关键环节。数据挖掘(data mining)又被称作数据库中的知识发现(knowledge discovery in databases)，是指从数据库或数据仓库中提取隐含的、未知的和潜在的有用信息的非平凡过程。数据挖掘技术已经广泛应用于许多信息管理系统中。数据挖掘技术主要包括关联规则(association rule)发现、分类(classification)、聚类(clustering)分析、泛化(generalization)和预测(prediction)等。当前，数据挖掘的研究热点在于提高挖掘所得的知识的准确度和可理解性、提高数据挖掘操作的可伸缩性、集成数据挖掘操作和现有的数据存储和分析工具等。

中粮生化能源事业部(以下简称“本单位”或“事业部”)是根据中粮集团有限公司(以下简称“中粮集团”或“集团”)“成为生物质能源的主要提供者、领导者，粮食生物化工的主要领导企业”的战略定位而设立的，目前负责管理12家生化能源生产、销售企业，分布于黑龙江、吉林、河北、天津、安徽、上海、广西等地区，资产总额154亿元，员工1.8万人，2009年度销售收入151亿元。未来还将有新的建设及并购项目。

 

 

 

作为世界500强企业，中粮集团一直积极致力于信息化建设工作，充分利用信息化工具提高企业管理水平，并在国资委组织的“中央企业信息化水平评价”工作中取得良好成绩。目前生化能源事业部下属各利润点基本实现业务流程的信息化，主要包括财务系统(用友NC和U8、浪潮)、生产制造系统MES(哈工大慧通新意公司开发)、采购系统、人力资源管理系统、6S报表系统(月报)等，但日报表体系仍采用Excel制作和邮件方式传递。

通过对本单位信息化现状的分析可以看出，目前的报表体系对于经营管理者准确、实时地了解各下属利润点的生产、经营和管理状况支撑不够，各种业务报表也均是经过人工处理后利用6S系统或Excel导入，数据的准确性、一致性也很难保证，另外，从事业部到下属利润点各相关部门均花费大量人力、时间来制作各种报表和对比分析报表。

生化能源事业部作为介于中粮集团(集团)与工厂(利润点)之间的一级管理机构，管理者所关注的信息与上下级机构都是不同的。集团从整体战略考虑出发，对事业部整体生产经营情况进行管理，其依据主要是各类报表指标；利润点管理层则是以单个车间、班组、岗位作为管理的信息来源单元与控制单元。而事业部对下属利润点的管理，不仅是单纯的财务报表级的管理，同时需要深入了解、管控企业的购、产、存、销等各个方面，从而贯彻执行集团有关战略。但事业部对于利润点的了解、管控的深度与利润点管理层又有所不同。体现在具体管控单元上，就是事业部管理应以利润点作为管理信息来源单元与控制单元，而不需要细化到具体车间、班组甚至岗位。

事业部对利润点的这种了解、管控，目前主要是依靠手工的Excel报表来传递。虽然已经在月度报表方面实现了利用6S平台进行汇总，但还只是一个月报表层面的简单抵销后的相加汇总，存在的主要问题有：

1．信息孤岛，系统物理分散

物理形成的分散独立销售、财务、人力资源、生产、日报表系统将形成一个信息孤岛，对于纵观全局的了解中粮生化能源事业部运营情况带来了不便，如果要搜集所有指标将产生跨系统所带来的麻烦。

2．数据量增大，数据难以管理

随着中粮生化能源事业部各个业务系统的持续运行和未来业务业务系统的陆续投入运行，将形成了大量的基础历史数据，物力分散的海量数据将给数据管理带来很大的挑战。

3．生产压力增大，交易给生产系统带来压力

由于全国节点不断的数据上传各个业务系统，这将给中粮生化能源事业部各个业务系统带来很大数据量的事务处理压力，再加上日常管理需求不断增多，各个业务系统除了销售、人力、财务、生产和日报表还要同时满足报表、查询、统计等功能，将给生产系统带来宕机的风险。

4．业务需求增多，交易系统难以支持

各个业务系统的处理负担日益加重，统计日益复杂，若仍以传统的方式，在各个业务生产系统中进行统计分析，向运营、营销、管理人员及时提供充足、准确的统计、报表等信息而又不影响各个业务系统的处理效率已不现实。

基于上述信息数据源的数据挖掘服务子系统所需的大量历史数据，只是周期性地从生产系统中抽取，独立积累、独立存储、独立管理，不必直接依赖于在线各个业务系统，不但可以为统计分析等经营、决策信息服务建设专门的数据挖掘服务子系统，而且数据挖掘服务子系统存储了大量操作型历史数据，也可以分担部分生产系统生产查询任务，优化系统配置。

5．数据利用单一

目前各个业务系统和将来投入使用的新业务业务系统只是满足日常管理需要的简单的报表、查询和部分统计等基本功能，没有考虑整合各个业务系统综合利用数据，系统除了满足交易功能，还要满足的报表、查询和部分统计等基本功能，对于数据的全面统计、分析、综合查询、复杂报表以及数据挖掘等复杂综合利用越来越追切和必要，提供诸如ROE、EBITDA、净利润、总资产、销售收入、经营利润预测和分析等功能将给管理人员提供必要的决策支持信息。

6．系统功能单一，数据整合性差

目前的各个业务系统和未来业务业务系统特点是销售、账务、生产、人力等信息收集，平时运行异常繁忙，不可能提供很大的后续数据应用支持，例如满足运营、销售、管理人员及时提供充足、准确的统计、报表查询和分析应用。同时它也不可能提供全方位的功能支持，因为各条业务业务系统相互独立，没有满足第一位的数据整合功能对于简单的功能满足是远远不能满足本单位日常管理和决策支持的。

如果不借助于更深层次的信息化工具，分析工作的细度、广度将会受到很大的制约。因此我们需要通过新的管理工具完成：

1．建立统一数据模型，实现统一信息资源层次体系、统一数据元素标准和统一信息编码。使得不同厂家的各个业务系统存在数据规范不统一，数据共享度不高，建立统一的数据模型满足不同各个业务系统的集成。

2．通过对数据的规范化定义，实现数据的唯一性、准确性、完整性、规范性和时效性，实现数据的共享共用，解决数据层面的信息孤岛问题。

3．整合各个业务系统，建立中粮生化能源事业部各个业务系统数据中心。由于不同的业务业务分布在网络的不同位置，没有形成逻辑和物理的数据集中，给数据共享、数据管理和数据应用带来很多不便，因此需要整合各个业务系统，建立中粮生化能源事业部各个业务系统数据中心，物力和逻辑的将数据集中起来，同时数据中心起到了物理隔离生产系统，减轻对生产系统压力。

4．建立基于中粮生化能源事业部各个业务系统的数据仓库系统，为日常管理和决策提供有效的数据服务。

因此，根据本单位业务需求，需要在事业部层面建立统一的数据仓库，以更好地落实中粮集团对生化能源事业部的战略定位，及时掌握下属利润点的生产、经营和管理状况，更好的将利润点的运营数据转变成高价值的可以获取的信息，从而为管理层提供决策支持。此外，引入新的管理工具，不仅从技术上，更是从管理理念上，对企业的管理水平进行提升。因此事业部信息技术部通过充分的调研、分析，决定建设生化能源事业部决策支持系统(BI项目)。

通过对高级管理者，业务部门及工厂管理者，以及业务执行者的深入访谈，了解并整理其各自对于信息的需求，确定数据挖掘主题和数据挖掘维度，保证数据挖掘准确度和挖掘所得知识的可理解性。通过整理完善功能需求、系统技术要求、网络环境等各项系统需求，选择合适的实施供应商并与之充分沟通，确定系统架构、应用平台以及设计方案，并确保其按计划完成项目实施。