商務智能在物流操作中的應用

    隨著我國經(jīng)濟發(fā)展及對外交流加強，現(xiàn)代物流作為現(xiàn)代經(jīng)濟的重要組成部分得到迅猛發(fā)展。物流管理不僅表現(xiàn)為實物流動，更表現(xiàn)為對計劃、控制等蘊含于物流過程中無形管理的組織效率和技術創(chuàng)新?！拔锪鞴芾恚畔⑾刃小币呀?jīng)成為全球物流企業(yè)共識。一方面，物流質量取決于信息，物流服務依靠信息，商務智能通過對數(shù)據(jù)的采集、整理、挖掘和分析，為物流企業(yè)組織內的各層次人員提供信息，提高企業(yè)的決策能力，加快決策速度，確保決策準確性，同時實現(xiàn)企業(yè)內部的遠程管理。另一方面，也為企業(yè)外部用戶提供有效信息，共同分享銷售、庫存等商業(yè)數(shù)據(jù)，共同進行品類分析和管理，提升了對外服務水平。商務智能作為一項新興技術已成為物流管理中最有利的工具之一。

    一、商務智能

    1.1商務智能的含義

    商務智能英文是Business intelligence,最早由美國加特納公司的分析師霍華德·德萊斯納 （Howard Dresner）提出。商務智能在國外已經(jīng)日趨成熟，但在中國仍處于初步發(fā)展階段。對商務智能的研究不乏專家學者，關于商務智能的含義，不同的學者根據(jù)自身的理解給予不同看法，主要有以下幾種：

    （1）商務智能是指通過數(shù)據(jù)的收集、管理、分析及轉化，使數(shù)據(jù)成為可用信息，從而獲得必要的洞察力和理解力，更好地輔助決策和指導行為。

    （2）商務智能是運用了數(shù)據(jù)倉庫、聯(lián)機分析和數(shù)據(jù)挖掘技術來處理和分析數(shù)據(jù)的技術，用戶可以無障礙的直接查詢和分析數(shù)據(jù)庫和數(shù)據(jù)倉庫，找出影響商業(yè)活動的關鍵因素，最終幫助用戶做出更好、更合理的決策。

    （3）商務智能是應用于internet上的集查詢、報表、分析為一體的聯(lián)機分析處理工具，企業(yè)用戶在客戶端可對數(shù)據(jù)進行深層次的挖掘、鉆取、切片等分析處理，輕松完成數(shù)據(jù)的分析處理、報表統(tǒng)計工作。

    （4）商務智能是企業(yè)利用現(xiàn)代信息技術收集、管理和分析結構化和非結構化的商務數(shù)據(jù)和信息，創(chuàng)造和累計商務知識，改善商務決策水平，采取有效的商務行動，完善各種商務流程，增強企業(yè)的綜合競爭力。

    （5）商務智能是通過利用多個數(shù)據(jù)源的信息以及應用經(jīng)驗和假設，促進對企業(yè)動態(tài)特性的準確理解，以便提高企業(yè)的決策能力的一組概念、方法和過程的集合。它通過數(shù)據(jù)的獲取、管理和分析，為企業(yè)組織的各種人員提供信息，以提高企業(yè)的戰(zhàn)略和戰(zhàn)術決策能力。

    （6） 根 據(jù) 國 際 數(shù) 據(jù) 公 司（International Data Company,IDC）的定義，商務智能是對商業(yè)信息的搜集、加工、管理和分析的過程，目的是使企業(yè)各級決策者獲得知識或洞察力，促使他們更快地做出對企業(yè)更有利的決策。

    總之，商務智能是利用計算機、通信等現(xiàn)代科學技術，針對的是企業(yè)如何收集、整理、分析和分享信息的流程，可以為企業(yè)提供信息，擴大信息受眾范圍，增加信息價值，為及時、準確進行決策提供服務。其基本功能包括個性化的信息分析、預測發(fā)展趨勢和輔助決策。

    1.2 商務智能的結構

    商務智能體系結構一般為：源數(shù)據(jù)層、數(shù)據(jù)轉換層、數(shù)據(jù)倉庫 （數(shù)據(jù)集市）層、OLAP及數(shù)據(jù)挖掘層、用戶展現(xiàn)層。數(shù)據(jù)倉庫（Data Warehouse DW）、聯(lián)機分析處理 （On Line Analytical Processing,OLAP）和數(shù)據(jù)挖掘 （Data  Mining ,DM）是商務智能的三大技術支柱。DW是商務智能系統(tǒng)的基礎，是面向主題的、集成的、穩(wěn)定的和隨時間不斷變化的數(shù)據(jù)集合。OLAP技術的核心是 “維”,通過對多維數(shù)據(jù)的鉆取、切片及旋轉等分析動作，來完成決策支持和多維環(huán)境下的查詢及報表。DM是從海量數(shù)據(jù)中提取隱含在其中的、人們事先不知道的但又可能有用的信息和知識的過程。挖掘的數(shù)據(jù)有多種來源，包括數(shù)據(jù)倉庫、數(shù)據(jù)庫或其他數(shù)據(jù)源。所有的數(shù)據(jù)都需要再次進行選擇，具體的選擇方式與任務相關。挖掘的結果需要進行評價才能最終成為有用的信息。按照評價結果的不同，數(shù)據(jù)可能需要反饋到不同的階段，重新進行分析計算。數(shù)據(jù)挖掘的常用方法包括關聯(lián)分析、分類和預測、聚類、檢測離群點、趨勢和演變分析等。

    數(shù)據(jù)倉庫（Data Warehouse DW）、聯(lián)機分析處理 （On Line Analytical Processing,OLAP）和數(shù)據(jù)挖掘 （Data  Mining ,DM）是商務智能的三大技術支柱，其中數(shù)據(jù)倉庫是商務智能的基礎。數(shù)據(jù)倉庫是一個更好地支持企業(yè)或組織的決策分析處理的數(shù)據(jù)集合，它有面向主題、集成、相對穩(wěn)定、隨時間不斷變化四個特性。聯(lián)機分析處理是以海量數(shù)據(jù)為基礎的復雜分析技術。數(shù)據(jù)挖掘是從海量數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的但又可能有用的信息和知識的過程。

   1.2.1數(shù)據(jù)倉庫

    對于數(shù)據(jù)倉庫概念有各種不同的版本，數(shù)據(jù)倉庫之父比爾。恩門 （Bill Inmom）給予如下描述：數(shù)據(jù)倉庫是 一 個 集 成 的 （Integrated）、 具 有 主 題 導 向 的（Subject Oriented）、相對穩(wěn)定的（Non-updatable）、隨時間變化的 （Time Variant）的數(shù)據(jù)集合，用于支持管理決策和商務智能。

    在數(shù)據(jù)倉庫里，數(shù)據(jù)是在對不同來源的數(shù)據(jù)抽取、清理的基礎上經(jīng)過系統(tǒng)加工、匯總和整理得到的一個緊密的整體；數(shù)據(jù)所提供的信息是關于某一特別的主題而不是關于一個公司的日常運營；數(shù)據(jù)倉庫在構建之初就明確其主題，即確定決策涉及的范圍和所要解決的問題。數(shù)據(jù)倉庫的一個重要作用是為決策者提供必要的智能，促進決策者更好的理解商務危機、商務機會和運營狀況。在決策支持過程中，數(shù)據(jù)倉庫主要有四個流程：整合，執(zhí)行，智能和創(chuàng)新，如圖1所示

  數(shù)據(jù)倉庫在決策支持中的流程 數(shù)據(jù)倉庫在決策支持中的流程

   1.2.2數(shù)據(jù)挖掘

    數(shù)據(jù)挖掘一詞，來源于英文Data  Mining ,還有一些相近的術語，如知識發(fā)現(xiàn) （Knowledge Discovery inDatabase）數(shù)據(jù)分析 （Data Analyzing）、數(shù)據(jù)融合（Data Fusion）等。在 《數(shù)據(jù)挖掘─概念與技術》一書中這樣描述：數(shù)據(jù)挖掘技術就像從礦石中采礦一樣，可以從這些數(shù)據(jù)的 “礦山”中抽取出知識的 “金子”來。數(shù)據(jù)挖掘是指從大量數(shù)據(jù)中發(fā)現(xiàn)潛在的、有價值的及未知的關系、模式和趨勢，并以易被理解的方式表示出來。通過數(shù)據(jù)挖掘可以發(fā)現(xiàn)數(shù)據(jù)之間的復雜聯(lián)系以及這種聯(lián)系對決策的影響。在數(shù)據(jù)倉庫基礎上挖掘的知識通常以圖表、可視化等形式表示出來，但所挖掘的知識并不都是有意義的，必須進行評價、篩選和驗證，把有意義的知識放到知識庫中，隨著時間的推移將積累更多的知識。

    （1）關聯(lián)分析。即利用關聯(lián)規(guī)則進行數(shù)據(jù)挖掘，而關聯(lián)規(guī)則是描述事物之間同時出現(xiàn)的規(guī)律的知識模式，關聯(lián)分析的目的是挖掘出隱藏在數(shù)據(jù)間的相互關系。

    （2）序列模式分析。序列模式分析和關聯(lián)分析相似，他把數(shù)據(jù)之間的關聯(lián)性與時間性聯(lián)系起來，為了發(fā)現(xiàn)序列模式，小僅需要知道事件是否發(fā)生，而且需要確定事件發(fā)生的時間。其目的也是為了挖掘數(shù)據(jù)之間的聯(lián)系，但序列模式分析的側重點在于分析數(shù)據(jù)間的前后或因果關系。

    （3）分類分析。分類分析就是分析示例數(shù)據(jù)庫中的數(shù)據(jù)。為每個類別做出準確的描述建立分析模型或挖掘出分類規(guī)則。這些類別描述可以給新記錄加上標簽，以確定其所屬類別。

    （4）聚類分析。與分類分析小同，聚類分析法的輸入集是一組未標定的記錄，也就是說此時輸入的記錄還沒有進行任何分類。其目的是根據(jù)一定的規(guī)則，介理地劃分記錄集介，使組之間的差別盡可能大，組內的差別盡可能小。實際應用有市場劃分、尋找相關群體等。