进入21世纪以来，各种应用系统的广泛使用以及互联网的蓬勃发展，为计算机应用系统的运行积累了大量的数据，然而，这些海量数据在原有的作业系统中无法得到很好的整合，大大降低了企业工作的效率。随着企业资源计划(ERP)系统的诞生，它通过统一的流程管理来实现企业资源的合理配置，为企业适应快速变化提供了信息支持。然而ERP系统属于典型的联机事务处理系统，不可避免的存在许多不足之处，无法提供企业决策所需的决策信息。于是，商务智能的概念又被人们提出，它通过在ERP和其他系统中的应用，为企业构建了一个宏观的数据图表，并能提供最为高效的数据参考资料。如今，商务智能已经成为继ERP之后，最重要的企业信息系统之一。

1 ERP系统的现状及局限性

    1.1 ERP系统的现状

    随着网络管理系统、数据库管理系统、主机管理系统、杀毒软件以及防火墙等系统的相继投入使用，各管理系统积累了大量的历史数据。这些系统的建设为商品交易所的期货交易系统提供了有力的安全保障，但各系统间的数据相对分散和独立，难以共享，没有建立起统一的、用于分析处理的基础数据平台。

    当前的ERP系统的应用仍然停留在管理信息(MIS)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地暴露出来。

    1.2 ERP系统的局限性

    首先，ERP系统是一种典型的“联机事务处理系统”(Online Transaction Processing)，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，从而产生大量的目标数据。而这些数据的利用率非常低下，无法上升到信息层面、企业决策层需要将数据从ERP系统和其他事务处理系统中提炼出来进行更深层次的分析和挖掘，才能得到对当前决策问题真正有意义的信息。

    其次，ERP中跨地域业务往往存放在异构的环境中，不易统一查询。再加上地域和时间的变化和统计口径的不同，使得ERP数据的一致性存在严重的偏差，从而影响整个决策过程。

    再次，ERP系统的维护和客户的开发成本无法控制。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客户开发工作。同时，由于决策需求的不断变化，也使得开发维护工作量不断增大，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。

2 商务智能及其发展前景

    2.1 商务智能

    商务智能系统是建立在数据仓库、联机分析处理技术(OLAP)、数据挖掘等技术的基础之上，通过收集、整理和分析企业内外部的各种数据，加深企业对客户及市场的了解，并运用一定的工具对企业运营状况、客户需求、市场动态等做出合理的评价及预测，为企业管理层提供科学的决策依据。商务智能体系结构一般为：源数据层、数据转换层、数据仓库(数据集市)层、OLAP及数据挖掘层、用户展现层。商务智能系统模型如图1所示。

 2.2 实现方式

    商务智能是一种解决方案，在它的帮助下，企业可以通过充分挖掘现有的数据资源，捕获和分析信息，从中发现市场规律、预测未来的发展趋势、预测和监控风险，而且还能辅助决策者发现新的利润增长点，优化企业资源，从而帮助企业更加稳健地实现经营和管理的目标。其中，商务智能的核心是采用数据仓库技术、OLAP及数据挖掘技术。这三大核心技术的实现如下：

    2.2.1 数据仓库技术(Data Warehouse，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。

    2.2.2 联机分析处理技术(Online Analyical Processing，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。

    2.2.3 数据挖掘(Data Mining，DM)

    数据挖掘是基于数据库的知识发现(Knowledge Discovery in Database，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，在很多情况下，数据挖掘就是指知识发现。

    2.3 发展前景

    目前，电信、金融、制造、政府等行业都率先大规模的应用了商务智能，以辅助业务管理，2005年中国商务智能软件市场的规模约为10亿元，比2004年的6.55亿元增长了70％，成为了中国软件市场的一大亮点。全球BI市场，新许可证的销售收入超过了23亿美元，以10％以上的速度增长。未来经济的发展越来越需要前瞻性的分析预测系统，因而商业智能责无旁贷。商业智能未来将对业务实施实时决策支持，从CEO的范围扩展到业务层面，出现BI技术与ERP、CRM等多种技术的融合。

3 ERP系统与商务智能系统的集成架构

    ERP系统与商务智能系统的集成构架如图2所示。

  在此集成系统环境中，ERP系统、OLAP和DM组成集成环境的工具层。技术上，ERP系统的重点在于快速、准确、安全、可靠地将数据收集到数据库中，数据仓库用于信息的存储和组织，OLAP侧重于信息的决策分析，而DM则对偏向于重要的、隐藏的知识发现，相辅相成，互相促进。集成的系统具有以下特点：

    (1)ERP系统收集，处理存储大量的基础数据，构成集成系统的数据来源；

    (2)数据仓库对ERP系统数据进行统一综合，形成全局的数据视图，构成商务智能系统的信息基础；

    (3)OLAP利用数据仓库中的信息，构建多维数据视图，采用多维分析方法进行数据分析；

    (4)DM能有效的从大量数据中挖掘出决策所需的知识，做出预测性分析。

    目前，商业智能解决方案的提供方式主要由ERP厂商提供和商务智能专业厂商提供两种方式。前者是基于对原ERP系统信息进一步汇整及分析得来，属于自下而上的逐渐发展，如SAP公司mySAP Business Intelligence、SAP Business Information Warehouse、SAP Knowledge Managment、SAP Strategic Enterprise Managemnt商务智能解决方案。后者则是由独立的商业智能厂商研发提供，着眼于商业智能的管理维护，并不必和某个特定的ERP系统结合，甚至不以与ERP厂商合作为目标，而是全然以提供商业智能产品服务为定位，这类厂商较早投入BI领域，如IBM BI Solution、Cognos、Business Object等等。

    由ERP厂商提供的商业智能解决方案由于植根于原来的ERP系统之上，因此与原来的ERP系统有较好的兼容性，数据读取或分析的前置工作较容易进行。而由专业BI厂商提供的产品则由于专业分工的细致化，而且相关BI经验和资源的积累较为丰富，往往对于各种异质数据源的处理有较佳的支持，数据挖掘和发现的方法相对丰富，如何选择要结合自己的本企业的实际情况。

4 结论

    在当今这个信息时代，企业往往被淹没在来源于多个渠道的庞大、丰富的海量数据中。我们只有及时地将数据有机地组合在一起，及时地将信息转化为知识和智能，才能更好地指导企业进行商业决策和行动。ERP和商务智能的集成系统的作用就在于此，它帮助管理者做出科学的计划、判断、决策，避免主观、片面等因素引起的重大失误。

    本文一方面从技术的角度对ERP系统以及商务智能技术的基本概念、技术架构以及涉及到的技术问题进行了探讨。另一方面又结合分析了商务智能与ERP之间的关系，通过一种能够结合二者长处的新的系统环境的初步研究来提高企业对现有的信息数据的利用效率，以及企业决策分析的能力。通过集成化的ERP与商务智能系统的构建，企业能高效地利用现有的信息基础设施中的数据，从而大大提高用户对数据查询分析和决策分析的能力。

    此集成系统是一个跨学科的方向，在我的研究中还存在很多没有解决的问题，比如在数据仓库中的可视化的数据挖掘系统等问题，需要进一步进行研究。