康羿* 亓偉 于廣睿

（中國(guó)石油天然氣股份有限公司規(guī)劃總院）

康羿等. 商務(wù)智能在投資計(jì)劃業(yè)務(wù)上的深化應(yīng)用. 石油規(guī)劃設(shè)計(jì)，2014，25（3）：41～44

隨著各大企業(yè)信息化建設(shè)的不斷完善，相繼推行了自己的ERP（Enterprise Resource Planning，企業(yè)資源計(jì)劃）項(xiàng)目，項(xiàng)目上線(xiàn)運(yùn)行3至5年后，將會(huì)積累海量的業(yè)務(wù)數(shù)據(jù)，而商務(wù)智能技術(shù)是ERP系統(tǒng)初步實(shí)現(xiàn)后的一個(gè)重要應(yīng)用。在激烈的市場(chǎng)競(jìng)爭(zhēng)中，信息對(duì)于企業(yè)的生存和發(fā)展起著至關(guān)重要的作用，表達(dá)信息的數(shù)據(jù)隨著時(shí)間和業(yè)務(wù)的發(fā)展不斷膨脹。如何應(yīng)用好企業(yè)中海量的數(shù)據(jù)，成為信息技術(shù)發(fā)展到一定階段時(shí)，企業(yè)信息化建設(shè)面臨的一個(gè)新問(wèn)題。

海量的歷史數(shù)據(jù)對(duì)企業(yè)來(lái)說(shuō)并不意味著負(fù)擔(dān)，而是一筆寶貴的財(cái)富。在國(guó)外IT技術(shù)發(fā)達(dá)國(guó)家，數(shù)據(jù)挖掘和OLAP（On-Line Analytical Processing，聯(lián)機(jī)分析處理）相結(jié)合的商務(wù)智能技術(shù)已經(jīng)被許多大型集團(tuán)公司廣泛采用。近幾年，商務(wù)智能在我國(guó)也逐漸被認(rèn)知，將商務(wù)智能系統(tǒng)深化應(yīng)用于企業(yè)戰(zhàn)略決策管理分析，將具有廣闊的應(yīng)用前景。

結(jié)合企業(yè)投資計(jì)劃業(yè)務(wù)的實(shí)際需求為背景，實(shí)現(xiàn)利用 SAP（Systems Applications and Products in Data Processing，企業(yè)管理解決方案軟件）商務(wù)智能系統(tǒng)，挖掘和分析前端的海量業(yè)務(wù)數(shù)據(jù)，為企業(yè)決策層提供強(qiáng)有力的數(shù)據(jù)支持，并以動(dòng)態(tài) Excel、IE報(bào)表等形式展現(xiàn)出來(lái)，使用戶(hù)可以通過(guò)簡(jiǎn)單的操作就可以得到所需的關(guān)鍵績(jī)效指標(biāo)，享受到數(shù)據(jù)挖掘?yàn)槠髽I(yè)決策帶來(lái)的巨大商業(yè)價(jià)值。

預(yù)算投資是項(xiàng)目整個(gè)生命周期前期的重要部分，也是項(xiàng)目啟動(dòng)執(zhí)行前最為重要的階段。通過(guò)多年投資計(jì)劃業(yè)務(wù)在 OLTP（On-Line Transaction Processing，聯(lián)機(jī)事務(wù)處理）系統(tǒng)中的分批次的上報(bào)與下達(dá)，在系統(tǒng)中積累了龐大的業(yè)務(wù)數(shù)據(jù)，而如何有效利用分析這些歷史數(shù)據(jù)，讓預(yù)算數(shù)據(jù)“活起來(lái)”成為真正對(duì)企業(yè)有意義的數(shù)據(jù)是一個(gè)新的課題，而商務(wù)智能的有效深化應(yīng)用可以在很大程度上解決如何有效利用龐大的歷史數(shù)據(jù)這一難題。利用商務(wù)智能技術(shù)對(duì)企業(yè)龐大投資計(jì)劃歷史數(shù)據(jù)進(jìn)行挖掘，可以從數(shù)據(jù)庫(kù)或數(shù)據(jù)倉(cāng)庫(kù)的相關(guān)數(shù)據(jù)集中提取所感興趣的知識(shí)、規(guī)律或更高層次的信息并可以用不同角度來(lái)分析它，從而可以更有效地利用數(shù)據(jù)庫(kù)中的大量數(shù)據(jù)。利用數(shù)據(jù)挖掘技術(shù)不僅可以描述企業(yè)過(guò)去數(shù)據(jù)的發(fā)展，還能夠進(jìn)一步預(yù)測(cè)未來(lái)的趨勢(shì)。

1 國(guó)內(nèi)外相關(guān)應(yīng)用現(xiàn)狀分析

1.1 國(guó)外應(yīng)用現(xiàn)狀

在國(guó)外IT技術(shù)發(fā)達(dá)國(guó)家，商務(wù)智能技術(shù)已成為人們關(guān)注的焦點(diǎn)。商務(wù)智能在國(guó)外已進(jìn)入快速發(fā)展時(shí)期。商務(wù)智能已經(jīng)成為全球市場(chǎng)上繼ERP之后最重要的信息系統(tǒng)之一。在國(guó)外，商務(wù)智能的早期應(yīng)用主要集中在對(duì)業(yè)務(wù)信息展現(xiàn)的層面上，而主流商務(wù)智能廠(chǎng)商最初大都以提供商務(wù)智能技術(shù)工具為主。如，針對(duì)客戶(hù)的前端展現(xiàn)需求而開(kāi)發(fā)各種報(bào)表展現(xiàn)工具或者著眼于后端的數(shù)據(jù)整合工具，然而，隨著應(yīng)用水平的不斷提升，商務(wù)智能不再僅僅是停留在對(duì)業(yè)務(wù)情況的了解以及總結(jié)過(guò)去的報(bào)表分析展現(xiàn)上，而是從整體戰(zhàn)略出發(fā)，輔助決策者評(píng)估和預(yù)測(cè)未來(lái)，進(jìn)而制定相應(yīng)的策略。在全球商務(wù)智能最發(fā)達(dá)的地區(qū)，企業(yè)對(duì)商務(wù)智能的部署也多是部門(mén)性的和戰(zhàn)術(shù)性的。商務(wù)智能的理想和現(xiàn)實(shí)之間仍然存在很大差距，商務(wù)智能要想實(shí)現(xiàn)其在企業(yè)中的戰(zhàn)略性地位還有很長(zhǎng)一段路要走。

1.2 國(guó)內(nèi)應(yīng)用現(xiàn)狀

目前，國(guó)內(nèi)商務(wù)智能應(yīng)用尚處于起步階段?，F(xiàn)有市場(chǎng)規(guī)模雖不及國(guó)外市場(chǎng)，但是，增長(zhǎng)速度很快，很多企業(yè)已經(jīng)開(kāi)始意識(shí)到構(gòu)建商務(wù)智能系統(tǒng)是提升企業(yè)信息化管理及科學(xué)決策支持不可或缺的一部分。商務(wù)智能正在逐步成為IT技術(shù)熱點(diǎn)。

對(duì)于商務(wù)智能技術(shù)的應(yīng)用主要停留在部分地區(qū)、部分業(yè)務(wù)數(shù)據(jù)的分析與報(bào)表展現(xiàn)上，而無(wú)法提供集團(tuán)層面的業(yè)務(wù)決策支持。一方面，由于各地區(qū)子公司有自己的應(yīng)用系統(tǒng)，數(shù)據(jù)源差異較大，以及ERP系統(tǒng)的復(fù)雜結(jié)構(gòu)造成集團(tuán)企業(yè)各地區(qū)各系統(tǒng)的相對(duì)獨(dú)立，構(gòu)成一個(gè)個(gè)信息孤島，這給商務(wù)智能系統(tǒng)應(yīng)用帶來(lái)一定困難；另一方面，目前國(guó)內(nèi)對(duì)于商務(wù)智能技術(shù)的應(yīng)用主要是簡(jiǎn)單報(bào)表的獨(dú)立展現(xiàn)，無(wú)法對(duì)未來(lái)進(jìn)行預(yù)測(cè)。

2 商務(wù)智能技術(shù)的深入挖掘

商務(wù)智能強(qiáng)大之處在于他的多維分析與數(shù)據(jù)挖掘功能。應(yīng)用中不能僅停留于商務(wù)智能的初級(jí)階段，不能僅僅把商務(wù)智能理解為一堆技術(shù)工具的集合，只關(guān)注數(shù)據(jù)倉(cāng)庫(kù)之上的查詢(xún)，從單個(gè)業(yè)務(wù)子系統(tǒng)抽取局部業(yè)務(wù)信息，通過(guò)商務(wù)智能工具開(kāi)發(fā)提供業(yè)務(wù)報(bào)表。如今，動(dòng)態(tài)、競(jìng)爭(zhēng)的商業(yè)環(huán)境需要對(duì)商務(wù)智能有著更深層次的理解與應(yīng)用，它包括了多維靈活分析和數(shù)據(jù)挖掘分析，從而在匯總企業(yè)所有管理信息的基礎(chǔ)上預(yù)測(cè)和掌握未來(lái)的趨勢(shì)并用于指導(dǎo)業(yè)務(wù)發(fā)展。

以投資計(jì)劃業(yè)務(wù)為例，采用SAP商務(wù)智能平臺(tái)為實(shí)現(xiàn)手段，利用多維靈活分析、與Office無(wú)縫集成、數(shù)據(jù)挖掘等方法實(shí)現(xiàn)商務(wù)智能的深化應(yīng)用。

2.1 數(shù)據(jù)模型

數(shù)據(jù)模型的建立是商務(wù)智能系統(tǒng)的核心，數(shù)據(jù)模型建立的優(yōu)略決定著報(bào)表效率的高低。所謂數(shù)據(jù)模型的建立就是SAP商務(wù)智能在系統(tǒng)內(nèi)創(chuàng)建一個(gè)信息提供者（InfoCube），面向?qū)ο蟮脑O(shè)計(jì)思想，重視對(duì)現(xiàn)實(shí)生活中各種對(duì)象及其關(guān)系的模擬，在此基礎(chǔ)上形成數(shù)據(jù)模型。但是，如果簡(jiǎn)單地把這些數(shù)據(jù)模型作為一種數(shù)據(jù)倉(cāng)庫(kù)的設(shè)計(jì)基礎(chǔ)，在實(shí)際應(yīng)用中會(huì)存在許多缺點(diǎn)。因此，商務(wù)智能平臺(tái)提供了一種星型結(jié)構(gòu)的數(shù)據(jù)模型設(shè)計(jì)思想，星型結(jié)構(gòu)是進(jìn)行OLAP系統(tǒng)設(shè)計(jì)時(shí)常見(jiàn)的一種數(shù)據(jù)結(jié)構(gòu)，為多維的數(shù)據(jù)分析提供了堅(jiān)實(shí)的模型基礎(chǔ)。

2.1.1 傳統(tǒng)星型數(shù)據(jù)模型

商務(wù)智能數(shù)據(jù)倉(cāng)庫(kù)的應(yīng)用需要?jiǎng)?chuàng)建多維數(shù)據(jù)模型，星型結(jié)構(gòu)常使用關(guān)系數(shù)據(jù)庫(kù)的多維模型。這種數(shù)據(jù)庫(kù)結(jié)構(gòu)把數(shù)據(jù)區(qū)分為兩類(lèi)：事實(shí)表和維度屬性表。事實(shí)表主要側(cè)重業(yè)務(wù)活動(dòng)的分析，如銷(xiāo)售額度或數(shù)量，事實(shí)數(shù)據(jù)存儲(chǔ)在一個(gè)高度標(biāo)準(zhǔn)化的事實(shí)表中，而其屬性信息存儲(chǔ)在維度表中。維度表和事實(shí)表通過(guò)外鍵或主鍵進(jìn)行鏈接，維度表的最明細(xì)級(jí)別的維度屬性是事實(shí)表中的一個(gè)外鍵，通過(guò)這種方式，事實(shí)表中所有的數(shù)據(jù)記錄都可以被唯一的識(shí)別。

2.1.2 SAP BI星型數(shù)據(jù)模型

SAP BI（Business Intelligence，商業(yè)智能）平臺(tái)的星型架構(gòu)是對(duì)傳統(tǒng)星型架構(gòu)的一個(gè)擴(kuò)展，在 SAP BI星型架構(gòu)中，事實(shí)表中的事實(shí)指的是關(guān)鍵值，維度屬性指的是特性。與傳統(tǒng)的星型結(jié)構(gòu)不同，特性不是維度表的組件，也就是說(shuō)特性值沒(méi)有存在在維度表中，維度表中存儲(chǔ)的只是 SID（主數(shù)據(jù)表中的主鍵），用SID代替維度表中真正的值。相比傳統(tǒng)的星型數(shù)據(jù)模型，BI星型架構(gòu)不同于傳統(tǒng)的星型模型在維度表里直接存放了特征值，而B(niǎo)I星型架構(gòu)進(jìn)行了擴(kuò)展，把特征值獨(dú)立出來(lái)，一個(gè)特征值可以為多個(gè)維度表所用。特征值和關(guān)鍵值都稱(chēng)為信息對(duì)象。信息對(duì)象相當(dāng)于構(gòu)建 InfoCube（信息塊）的一磚一瓦。得益于SID的使用，可以對(duì)時(shí)間相關(guān)的主數(shù)據(jù)進(jìn)行輕松的建模，使數(shù)據(jù)模型可以具備多語(yǔ)言能力，并有能力處理特性的空值，且訪(fǎng)問(wèn)速度更為快速。

2.2 靈活多維分析

SAP商務(wù)智能系統(tǒng)支持報(bào)表的OLAP動(dòng)態(tài)多維靈活分析功能，通過(guò)數(shù)據(jù)的多維視圖使用戶(hù)能從多角度、多側(cè)面、多層次地考察數(shù)據(jù)庫(kù)中的數(shù)據(jù)，從而深入理解包含在數(shù)據(jù)中的信息及其內(nèi)涵。OLAP的基本多維分析操作有下溯（drilldown）、上卷（rollup）、切片（slice）、切塊（dice）、旋轉(zhuǎn)（rotate）等。多維結(jié)構(gòu)是決策支持的支柱，為企業(yè)決策層提供動(dòng)態(tài)、靈活的分析工具。用戶(hù)可以通過(guò)簡(jiǎn)單的操作就可以得到所需的關(guān)鍵績(jī)效指標(biāo)，享受到數(shù)據(jù)挖掘?yàn)槠髽I(yè)決策帶來(lái)的巨大商業(yè)價(jià)值。

通過(guò)靈活分析報(bào)表的過(guò)濾器功能對(duì)項(xiàng)目類(lèi)型字段進(jìn)行篩選，從而可以沿項(xiàng)目類(lèi)型維度中的加油站進(jìn)行切片，得到加油站業(yè)務(wù)的全年各批次投資分析結(jié)果。通過(guò)篩選器分別對(duì)原信息塊的項(xiàng)目類(lèi)型、地區(qū)、批次進(jìn)行篩選，從而完成切塊分析操作。

2.3 與微軟Excel的動(dòng)態(tài)集成

為了最大限度地滿(mǎn)足用戶(hù)在原來(lái) Excel上的使用操作習(xí)慣，SAP BI提供查詢(xún)分析器（BEx Analyzer）組件，這一組件是嵌入到Microsoft Excel的分析、報(bào)表和設(shè)計(jì)工具。由此可以向用戶(hù)提供Microsoft Excel的全部功能，以及由SAP NetWeaver（SAP應(yīng)用技術(shù)集成平臺(tái)）BI提供的各種分析工具（下溯、交換特性、貨幣換算等）。由于一些復(fù)雜的報(bào)表行和列上都是不同的定義，這種復(fù)雜的不規(guī)范的報(bào)表是在查詢(xún)?cè)O(shè)計(jì)器（Query Designer）中所無(wú)法實(shí)現(xiàn)的。因而，需要通過(guò)編寫(xiě)VBA（Visual Basic for Applications，一種宏語(yǔ)言）程序的方式對(duì)報(bào)表進(jìn)行復(fù)雜的拼接和用戶(hù)個(gè)性化的定制。

本投資計(jì)劃系統(tǒng)利用BEx Analyzer組件為用戶(hù)生成一套各地區(qū)公司加油站座數(shù)預(yù)算投資匯總表。并利用VBA宏編寫(xiě)程序，以滿(mǎn)足報(bào)表復(fù)雜的拼接和用戶(hù)個(gè)性化的定制。這種Excel報(bào)表完全符合了用戶(hù)日常的操作習(xí)慣，大大減輕了系統(tǒng)用戶(hù)的日常業(yè)務(wù)工作。用戶(hù)直接打印便可進(jìn)行存檔和匯報(bào)工作。為用戶(hù)的年度投資計(jì)劃匯報(bào)工作提供基礎(chǔ)材料，并為用戶(hù)的業(yè)務(wù)工作帶來(lái)了便捷，提高了用戶(hù)的工作效率與準(zhǔn)確度，促進(jìn)了系統(tǒng)的深入應(yīng)用。

2.4 數(shù)據(jù)挖掘

數(shù)據(jù)挖掘，是人們長(zhǎng)期對(duì)數(shù)據(jù)庫(kù)技術(shù)進(jìn)行研究和開(kāi)發(fā)的結(jié)果，從最初的僅用數(shù)據(jù)庫(kù)來(lái)存儲(chǔ)數(shù)據(jù)，到可以查詢(xún)、訪(fǎng)問(wèn)數(shù)據(jù)庫(kù)，再到能夠找出數(shù)據(jù)之間的潛在聯(lián)系。

現(xiàn)以聚類(lèi)分析為例，通過(guò)SAP BI的數(shù)據(jù)挖掘平臺(tái)，對(duì)數(shù)據(jù)倉(cāng)庫(kù)中的投資計(jì)劃數(shù)據(jù)進(jìn)行知識(shí)的挖掘分析。聚類(lèi)分析（Cluster Analysis）是研究“物以類(lèi)聚”的一種多元統(tǒng)計(jì)方法。研究對(duì)樣品或指標(biāo)進(jìn)行分類(lèi)的,是依據(jù)研究對(duì)象的個(gè)體的特征進(jìn)行分類(lèi)的方法。聚類(lèi)分析把分類(lèi)對(duì)象按一定規(guī)則分成若干類(lèi)，這些類(lèi)非事先給定的，而是根據(jù)數(shù)據(jù)本身特征通過(guò)機(jī)器學(xué)習(xí)確定的。在同一類(lèi)中，這些對(duì)象在某種意義上趨向于彼此相似；而在不同類(lèi)中，趨向于不相似。于是，根據(jù)一批樣本的多個(gè)觀(guān)測(cè)指標(biāo)，具體找出一些彼此之間相似程度較大的樣本聚合為一類(lèi)，把另外一些彼此之間相似程度較大的樣本又聚合為另一類(lèi)，關(guān)系密切的聚合到一個(gè)小的分類(lèi)單位，關(guān)系疏遠(yuǎn)的聚合到一個(gè)大的分類(lèi)單位，直到把所有樣本都聚合完畢，把不同的類(lèi)型一一劃分出來(lái)，形成一個(gè)由小到大的分類(lèi)系統(tǒng)。

選取聚類(lèi)的最短距離法為例進(jìn)行分析，其算法為：選擇樣本間距離的定義及類(lèi)間距離，計(jì)算n個(gè)樣本兩兩之間的距離得到距離矩陣構(gòu)造個(gè)類(lèi)，每類(lèi)只含有一個(gè)樣本，合并符合類(lèi)間距離定義要求的兩類(lèi)為一個(gè)新類(lèi)；計(jì)算新類(lèi)與當(dāng)前各類(lèi)的距離。用dij表示樣品X(i)和X(j)之間的距離，當(dāng)樣品間的親疏關(guān)系采用相似系數(shù)Cij時(shí)，令以下用表示類(lèi)Gp和Gq之間的距離。故類(lèi)之間的最短距離為最后將最短距離的樣本構(gòu)造成一個(gè)新類(lèi)，這就完成了聚類(lèi)分析。

此技術(shù)方法被用作描述、衡量不同投資計(jì)劃項(xiàng)目間的相似性，并把所有投資計(jì)劃項(xiàng)目樣本分類(lèi)到不同的簇中。首先，需要建立聚類(lèi)的數(shù)據(jù)挖掘模型,對(duì)聚類(lèi)整體模塊參數(shù)進(jìn)行設(shè)置，更改簇編號(hào)，設(shè)置本聚類(lèi)模塊一共分為5個(gè)組：最優(yōu)項(xiàng)目、次優(yōu)項(xiàng)目、一般項(xiàng)目、投資回報(bào)率較低項(xiàng)目、不推薦投資項(xiàng)目。

將數(shù)據(jù)源中的投資預(yù)算項(xiàng)目通過(guò) BI平臺(tái)傳輸進(jìn)數(shù)據(jù)挖掘聚集模型中，對(duì)其培訓(xùn)。數(shù)據(jù)模型的培訓(xùn)，也稱(chēng)機(jī)器學(xué)習(xí)，機(jī)器學(xué)習(xí)是研究計(jì)算機(jī)怎樣模擬或?qū)崿F(xiàn)人類(lèi)的學(xué)習(xí)行為，以獲取新的知識(shí)或技能，是數(shù)據(jù)挖掘的核心，是使計(jì)算機(jī)具有智能的根本途徑。數(shù)據(jù)挖掘平臺(tái)自動(dòng)對(duì)培訓(xùn)過(guò)的項(xiàng)目進(jìn)行聚類(lèi)分類(lèi)。

最后，通過(guò)已培訓(xùn)好的聚類(lèi)模型對(duì)未來(lái)的項(xiàng)目的優(yōu)劣情況進(jìn)行預(yù)測(cè)分析。如，一條尚未投產(chǎn)的新項(xiàng)目“XXX”加油站，投資回收期11年；投資收益率8.3%；項(xiàng)目規(guī)模1；項(xiàng)目階段3；單站銷(xiāo)量15t/d；加油站1座；加油站庫(kù)容2×104m3，中方投資金額1104萬(wàn)元。

將項(xiàng)目的關(guān)鍵指標(biāo)信息輸入到聚類(lèi)預(yù)測(cè)模型中，系統(tǒng)便可以對(duì)此項(xiàng)目進(jìn)行歸類(lèi)，顯示屬于哪一個(gè)族類(lèi)中（見(jiàn)表1）。

表1 預(yù)測(cè)分析結(jié)果

通過(guò)數(shù)據(jù)挖掘分析，預(yù)測(cè)出此項(xiàng)目屬于第四族類(lèi)中，為投資回報(bào)率較低的項(xiàng)目。企業(yè)決策者針對(duì)預(yù)測(cè)結(jié)果，以便對(duì)是否實(shí)施這條項(xiàng)目進(jìn)行慎重的考慮。

3 結(jié)語(yǔ)

通過(guò)多維靈活分析、與Office無(wú)縫集成、數(shù)據(jù)挖掘等技術(shù)手段，使投資計(jì)劃數(shù)據(jù)真正活起來(lái)，實(shí)現(xiàn)了商務(wù)智能技術(shù)的深化應(yīng)用，提高了投資估算的科學(xué)性和準(zhǔn)確性，為經(jīng)濟(jì)效益評(píng)價(jià)及項(xiàng)目決策提供了重要的數(shù)據(jù)支持。決策的產(chǎn)生依賴(lài)于有效的決策信息提供。商務(wù)智能技術(shù)利用分級(jí)信息分析、匯總、挖掘等手段，使不同業(yè)務(wù)層面上的管理者可快速獲得多層次的投資計(jì)劃管理匯總信息，為管理者決策提供及時(shí)準(zhǔn)確的信息支持。

商務(wù)智能技術(shù)的深化應(yīng)用，不僅加強(qiáng)了企業(yè)投資計(jì)劃管理、提高企業(yè)管理效能，平衡了投資與效益、管理與效率、規(guī)劃與計(jì)劃、企業(yè)總部和各級(jí)分公司投資的控制與管理幾方面的關(guān)系，而且使企業(yè)預(yù)算決策層可以實(shí)時(shí)靈活的分析數(shù)據(jù)，并具備了預(yù)測(cè)未來(lái)的能力，能夠更準(zhǔn)確地編制預(yù)算投資計(jì)劃，極大地提高項(xiàng)目的投資回報(bào)率，更大限度地發(fā)揮了商務(wù)智能系統(tǒng)的價(jià)值，從而為企業(yè)創(chuàng)造巨大的顯形和隱形利益。在提高工作效率、提升企業(yè)經(jīng)營(yíng)效益和管理水平等方面將會(huì)產(chǎn)生長(zhǎng)期的、持久的影響。

在世界經(jīng)濟(jì)一體化和信息化環(huán)境中，企業(yè)要生存和發(fā)展必須提高響應(yīng)速度，增強(qiáng)反應(yīng)能力，加快企業(yè)信息化應(yīng)用進(jìn)程。世界大型石油公司紛紛加快信息技術(shù)應(yīng)用的步伐，進(jìn)行企業(yè)的重組、整合和再造，尤其是積極采用以ERP和商務(wù)智能為代表的先進(jìn)信息技術(shù)整合資源，擴(kuò)展企業(yè)業(yè)務(wù)，從而降低成本和提升核心競(jìng)爭(zhēng)力。隨著中國(guó)市場(chǎng)的國(guó)際化，本土企業(yè)自身“走出去”戰(zhàn)略的實(shí)施，商務(wù)智能系統(tǒng)的深化應(yīng)用將為企業(yè)建成一流的現(xiàn)代化企業(yè)和具有較強(qiáng)國(guó)際競(jìng)爭(zhēng)力的跨國(guó)企業(yè)集團(tuán)提供強(qiáng)有力的數(shù)據(jù)決策支持。

[1]傅彪,亨利.傅.SAP業(yè)務(wù)信息倉(cāng)庫(kù)應(yīng)用指南[M].北京: 中國(guó)人民大學(xué)出版社,2003: 71-74.

[2]劉偉江.商務(wù)智能: 概念、方法及在管理中的應(yīng)用[M].北京: 社會(huì)科學(xué)文獻(xiàn)出版社,2012: 24-28.

[3]陳永杰.SAP商務(wù)智能完全解決方案[M].北京: 機(jī)械工業(yè)出版社,2008: 246-249.

[4]謝邦昌.商務(wù)智能與數(shù)據(jù)挖掘 Microsof t SQL Server應(yīng)用[M].北京: 機(jī)械工業(yè)出版社,2008: 192-293.

[5]馬超群.金融數(shù)據(jù)挖掘[M].北京: 科學(xué)出版社,2007:30-32.