04 第4章 商务智能的应用.pptx

第1页：第4章商务智能的应用封面

第4章商务智能的应用

第2页：第4章教学目标与要求

• 【教学目标与要求】
• 了解商务智能应用领域和国内外应用情况；
• 熟悉商务智能在物流管理与决策中应用；
• 熟悉商务智能在商务过程中应用
• 熟悉商务智能在其它行业中应用；

第3页：商务智能的应用领域

4.1商务智能的应用领域商务智能作为辅助决策的有力手段，可以广泛地应用于众多领域。有关亚太BI市场的分析显示，金融、电信、保健、政府、交通和制造业等行业是需求最旺盛的行业，以下列举其部分应用。

第4页：商务智能国外应用状况

• 4.2商务智能国内、外应用情况
• 4.2.1国外应用状况
• 在亚太地区，商务智能也有很好的应用前景。2002年7月，国际数据公司(IDC)公布其在亚太地区的研究结果—商务智能解决方案在亚洲企业界十分畅销，亚太地区商务智能软件市场将以每年23%的速度增长，到2006年将达到33亿美元。截至2002年7月，商务智能软件市场是12亿美元，其中澳大利亚和新西兰占43.5%，东南亚、印度和韩国占35.3%，其余为中国地区。IDC表示，促进商务智能软件市场增长的主要因素是存储、数据仓库、客户关系管理解决方案和互联网应用的增长。

第5页：商务智能国内应用状况

• 4.2国内应用状况
• (1)既有数据库又有商务智能软件的国外著名厂商:如Oracle,Microsoft,IBM等。他们往往把商务智能打包在其他软件中销售。由于有强大的数据库产品做支撑，这类厂商的BI产品具有显著的优势。

第6页：国内BI软件厂商格局

• (2)专门做商务智能软件的国外厂商:主要是Businessobjects,Brio,Cognos。
• BusinessObjects与法国的一间会计师事务所在国内联合投资成立了Business
• Intelligenc。中国有限公司，作为BusinessObjects在大中华区的唯一总代理，总部设在上海；Brio以厂商身份进入中国市场；Cognos在国内只通过一家名为优信家的公司代理销售。这三家的产品各有特色，在国内市场也占有一定的份额。Business
• Objects定位高端，易于使用，数据挖掘功能强；Bri。定位低中高端，易于使用，为多种数据源提供接口，数据挖掘功能一般:Cognos功能不错，但易用性差。
• (3)国内的信息系统开发商:他们主要开发一些联机分析类软件。由于技术及资金的限制，这些软件尚不成体系，在国内市场上占有的份额微小，远不能与前两类厂商抗衡。

第7页：商务智能在决策空间的地位

• 4.3商务智能在物流管理和决策中应用
• 4.3.1商务智能在决策空间的地位
• K.Parsye把决策支持空间从应用层次分成了四个空间：数据空间(DataSpace)、聚合空间(AggregationSpace)、影响空间(InfluenceSpace)和变化空间(VariationSpace).在以上四个空间中，联机分析处于聚合空间，数据挖掘处于影响空间中。从中可以看出商务智能在整个决策支持空间中所处的重要地位。商务智能不仅提供一些统计报表，而且提供非常重要的决策信息。而这些信息对于决策者可能是全新的。

第8页：由决策范围决定的信息特征表

由决策范围决定的信息特征表：下表对比操作型、战术型与战略型决策在信息特征上的差异。

第9页：商务智能与物流管理的无缝联结

• 4.3.2商务智能和物流管理无缝联结
• 商务智能在“大物流”“全程物流”运作管理中，与运输、仓储核心业务及包装、装卸等非核心业务紧密结合，无缝联结，在原有信息化管理工具基础上，对各种管理工具生成的企业数据进行分析，并给出报告，帮助管理者认识企业和市场的现状，从而辅助决策

第10页：面向物流管理的商务智能体系结构

• 4.3.3面向物流管理的商务智能体系结构
• 面向物流管理的商务智能体系结构可分为三层，第一层是数据源，第二层是数据处理和分析，第三层是数据展现。

第11页：物流BI的数据源构成

数据源

是商务智能体系结构的基础，由数据库、数据文件和其他一些数据组成，通常包括企业内部信息和外部信息。内部信息包括存放于企业操作型数据库中的各种业务数据和办公自动化系统包含的各类文档数据以及企业原有管理系统内的数据。外部信息包括各类行业信息、竞争对手的信息、上游供应商下游分销商和客户信息以及各类外部统计数据及各类文档等。

• (1)数据源

第12页：物流BI的数据处理和分析

数据处理和分析

是整个系统的核心部分，包括ETL（数据抽取、转换、装载），数据仓库，联机分析和数据挖掘。通过数据抽取、转换、装载工具对物流作业和管理历史异构数据进行梳理整合，将分散的数据集中到企业级数据仓库或数据集市；在此基础上，利用联机分析对数据仓库或数据集市中存储的多维数据进行立体分析，它将复杂的数据按照业务指标以表格、分析图等直观形式展现，适用于数据量大，将分析纳入日常工作的单位。数据挖掘工具则可以将物流分散的业务数据进行统一的综合分析，对同一数据从不同角度进行分析，寻找隐藏在海量数据中的有价值信息。

• (2)数据处理和分析

第13页：物流BI的数据展现

• (3)数据展现
• 面向终端用户的数据展现，是终端用户能直接应用的层面。面向的对象有客户、操作人员、管理人员等层次，展现的形式不仅有固定的报表和查询功能，还有数据分析模型库。三个层次满足了企业不同角色的应用需要，一方面满足业务操作人员所需要的详细的业务操作数据，提供对所有业务过程的支持；另一方面提供管理决策人员需要的统计和分析数据，通过分析日常业务积累的大量有价值的历史数据进行决策支持。

第14页：物流BI与信息流整合

• 4.3.4商务智能与物流管理的融合和特点
• （1）数据源采用ETL和数据仓库进行面向信息流的整合，融合企业原有管理模块，不仅能够实现数据在不同业务模块中的实时共享，而且可以保证跨业务模块的流程协同；
• (2)协同性
• 提供强大的信息处理能力，提高业务响应速度和业务协同能力，支持不同应用和管理层对信息的需求；

第15页：物流BI的开放性与可扩展性

• (3)开放性和可扩展性
• 针对不同用户可以很容易地增加新的业务模块，业务流程的变化也很容易通过对应模块的修改灵活适应；
• (4)高度可视化
• OLAP提供多维度、报表和图形等多形式的分析结果，为用户提供
• 易于理解的信息，同时客户和合作伙伴能顺畅地交换相关信息，提高
• 整个物流价值链的运转效率和货物跟踪水平。

第16页：决策支持系统与管理者角色

• 4.3.5基于商务智能的物流决策支持系统
• 4.3.5.1决策支持系统
• 明茨伯格(Mintzberg)认为管理者所扮演的角色主要有三方面：人际关系、信息传递和决策制定。决策制定是管理最核心、最实质性的角色，所有的管理活动都围绕着决策而进行，决策的质量关系企业的成败和前进方向。

第17页：智能化的物流决策支持系统

• 4.3.5.2智能化的物流决策支持系统
• 基于商务智能的物流决策支持系统，是在物流企业现有的信息基础设施（包括TMS、WMS其他业务系统、管理信息系统）基础之上构造的，充分利用现有系统的数据基础，辅助决策，实现从数据到知识再到利润的转化，同时保证信息和知识在企业内外部的一致性。其组成结构主要包括以下4个方面的内容：

第18页：物流数据仓库及管理

• (1)物流数据仓库及管理
• 从物流企业内部和外部数据源中抽取数据，为数据挖掘和分析提供丰富的数据资源。主要通过ETL工具，实现对异构数据的整合、梳理，装载到数据仓库中。
• (2)模型库和数据挖掘
• 根据决策分析需求和数据仓库提供的数据，在模型库中设定包括收益、客户、财务、竞争等定量模型。数据挖掘对模型库进行补充，挖掘数据中隐含的有意义的信息，构造新的模型。
• (3)知识库和OLAP
• 处理各种结构化和非结构化的问题，提供多维数据管理环境，并将结果送给用户界面进行输出。
• (4)用户界面
• 决策者或决策部门与决策支持系统打交道的界面,主要包括客户交互、格式化查询、可视化以及报表生成等内容，显示管理者所需要的各种信息，提供亲切、友好、直观化的操作界面，实现信息共享。此系统是开放的，

第19页：物流BI的辅助决策分析功能

• 辅助决策分析功能有：
• (1)KPI分析
• KPI分析对物流企业制定的衡量企业运营的各个方面的关键评估指标进行监控。
• (2)客户分析
• 物流企业客户需求复杂，会受到来自于客户自身的分销、客户服务、包装、选货、配货、运输、成本、结算以及计划甚至考核等方面影响。
• (3)财务分析
• 财务分析也是企业效益评价的关键方面。

第20页：物流决策支持系统实施步骤

4.3.5.3实施步骤需求分析系统分析系统设计评估实施维护管理满意

第21页：客户关系管理概念

• 4.4商务智能在客户关系管理中的应用
• 4.4.1客户关系管理概念
• 客户关系管理(CustomerRelationshipManagement,CRM)是企业的一项商业策略，它按照客户的分割情况有效地组织企业资源，培养以客户为中心的经营行为以及实施以客户为中心的业务流程，并以此为手段来提高企业的获利能力、收入以及客户满意度。

第22页：客户关系管理结构

• 4.4.2客户关系管理结构
• CRM初期被称为运营型CRM。随着产品功能的完善，著名IT分析公司MetaGroup首次提出CRM操作系统可分为运营型CRM(OperationalCRM，也称为操作型、营运型CRM)、分析型。

第23页：CRM与ERP系统的关联

• 4.4.3CRM与其它信息系统的关联
• 4.4.3.1企业资源规划系统
• (一)企业资源规划
• ERP(EnterpriseResourcesPlanning,ERP)系统反映了信息时代企业合理调配资源、最大化地创造社会财富的要求。ERP最早由GartnerGroup提出，是在物料需求计划(MaterialRequirementsPlanning,MRP)、制造资源计划(ManufacturingResourcePlanning,MRPII)基础上发展而成的，后来逐渐发展为整合企业管理理念、业务流程等于一体的企业资源管理系统，体现为综合应用客户机/服务器(Customer/Server)体系、关系数据库结构等信息技术的系统。

第24页：ERP的应用价值

• （二）ERP应用
• ERP管理企业各种资源及生产要素，使企业在生产中及时、高质地完成客户的订单，最大程度地发挥资源的作用，并根据相关情况调整资源配置。企业级ERP系统增加了包括财务预测、生产能力、调整资源调度等方面的功能，配合企业实现实时管理(Jus七inTime.JIT)、全面质量管理和生产资源调度管理及辅助决策的功能，成为企业进行生产管理及决策的平台

第25页：CRM与ERP的差异

ERP基本上

是一个技术范畴的概念，同CRM的以客户关系为中心的管理理念考虑的方法与角度不同.CRM是前台应用，它的信息和业务流程均围绕“客户统一视图”，以便高效地满足客户交互请求来设计的；而ERP是后台应用，可以理解为企业接到订单的后续工作，主管产品的生产、储存、账务和运输等比较具体的“财和物”流动(CRM集中于信息的流动)。

• （三）CRM与ERP的差异

第26页：CRM与ERP的发展与整合

• （四）CRM与ERP的发展与整合
• 企业关注的重点由提高内部效率向尊重外部客户转移，是CRM受到广泛关注的根本原因。传统的ERP系统着眼于企业后台的管理，提高了内部业务流程的自动化程度，使员工从日常事务中解放出来，但它缺少直接面对客户的系统功能。在完成了提高内部运作效率和质量的任务后，企业可以有更多的精力关注自身与外部相关利益者的互动，抓住商业机会。

第27页：CRM与ERP整合的分析视角

• （四）CRM与ERP的发展与整合
• 企业关注的重点由提高内部效率向尊重外部客户转移，是CRM受到广泛关注的根本原因。传统的ERP系统着眼于企业后台的管理，提高了内部业务流程的自动化程度，使员工从日常事务中解放出来，但它缺少直接面对客户的系统功能。在完成了提高内部运作效率和质量的任务后，企业可以有更多的精力关注自身与外部相关利益者的互动，抓住商业机会。

第28页：企业供应链层级

• （二）企业供应链层级
• 从供应链的角度来看，每个企业在供应链中都有自己特有的位置，都会有自己的供应商和客户，企业的供应链分需求和供应两个方向。在需求链中把物流引向下游，引回资金流，而在供应链中则把物流从上游引入，导出资金流。

第29页：供应链管理概念

• （三）供应链管理
• 供应链管理(SupplyChainManagement,SCM)指对整个供应链系统进行计划、协调、操作、控制和优化的各种活动和过程，其目标是要将满足客户需求的产品(RighProduct)在正确的时间(RightTime)按正确的数量(RightQuantity)、正确的质量(RightQuality)和正确的状态(RightStatus)送到正确的地点(RighPlace)，并使总成本最小或总收益最大。

第30页：SCM与CRM的应用整合

• （四）SCM与CRM的应用整合
• 供应链管理与CRM进行应用功能整合，将使企业能有效地管理供应链，实现成本的节约和服务的改善，实质性地降低经营费用和成本，同时也能有更多时间去关注客户及客户关系。二者的整合使得大规模定制成为可能，它在提高客户服务质量的同时，简化了整个需求判断的过程。

第31页：商务智能与客户关系管理

• 4.4.4商务智能与客户关系管理
• 客户关系管理的过程，就是对客户信息进行分析处理并做出决策的过程。纵观客户关系管理软件产品，可以发现商务智能系统是构成企业决策智囊团与加速器的重要基础。数据难于得到，但更难于分析。

第32页：CRM中的商务智能应用

• 4.4.4.1CRM中的商务智能
• 在CRM的解决方案中，用计算机来模仿人的思考和行为来进行商业活动即BI应用非常普遍。据统计，全球企业的信息量平均每一年半翻一番，而目前仅仅全部信息数据的7%得以利用。随着知识经济时代的来临，记录客户与市场数据的信息和信息利用能力已经成为决定企业成败的关键因素，越来越多的国内外企业己经根据信息流和数据分析技术进行企业重整

第33页：CRM环境下的商业决策分析智能

• 4.4.4.2CRM环境下的商业决策分析智能应用
• CRM系统中，商业决策分析智能是其数据分析管理子系统的高端应用系统，是基于数据仓库和知识仓库之上，充分利用了数据仓库的分析功能和管理信息系统的决策支持功能而形成的，能够帮助企业迅速地完成信息采集、分析的先进能力。

第34页：商务过程的理论基础

4.5商务智能在商务过程中的应用4.5.1商务过程的理论商务过程中最重要的环节是其交易环节。交易环节是指以特定的顺序发生的相关的事件组，事件是发生在某一时点的事物。每个交易环节包含不止一个事件。客户定购、产品装运、打印销售报告等都是交易循环中的事件。商务过程可以分成获取循环，生产循环，收入循环等三个主要的交易循环。

第35页：商务智能在商务过程中的实现

• 4.5.2商务智能在商务过程中的实现
• 在改进商务过程中信息模型的有必要先看下商务智能在信息数据库中通常的实现。近几年来迅速发展的商业智能系统是建立在数据仓库基础上的。商业智能系统由业务数据库系统、决策支持系统等部分构成，决策支持系统即DSS(DecisionSupportSystcln)由3个层次的内容组成：数据仓库、联机分析处理(On-LineAnalyticalProcessing，OLAP)和数据挖掘(DataMining，DM)”。

第36页：数据仓库数据建模方式

数据模型

是数据仓库的核心问题之一。在数据仓库中，可以有两种数据建模方式：关系型的或多维型的。关系模型能够满足数据仓库给定的所有主要需求，最适合用于反映企业的业务规则。

• 4.5.2.1数据仓库数据模型
• 多维模型有两种基本的结构，星型模型和雪花模型。

第37页：数据仓库模型设计的主题确定

• 4.5.2.2数据仓库模型设计时需注意的问题
• (1)主题的确定
• 主题是一个逻辑概念，它应该能够完整、统一地描述出分析对象所涉及的各项数据以及相互联系。
• (2)分析内容的细化
• 主题的划分实际上是与分析内容的范围直接相关的，一旦主题划分清楚了，下一步就是细化分析的具体内容以及根据分析内容的性质确定它在数据仓库中的位置。

第38页：数据仓库粒度设计

数据仓库开发中最重要的设计问题之一

是决定数据仓库的粒度。粒度级别的选择主要是对管理多人数据量和使用数据单元详细程度的一种处理，数据越详细，粒度越小，级别就越低；数据综合度越高，粒度越人，级别就越高。通常数据仓库中包含不同层次的粒度。

数据分割

是指将数据分散到各自的物理单元中以便能够独立处理，提高数据处理的效率。

• (3)粒度的设计
• (4)数据的分割

第39页：商务过程信息模型改进

4.5.3商务过程信息模型改进研究数据包容器Wrapper信息整合(数据仓库)SQL数据库DB2数据库sybase数据库查询OLAP分析数据挖掘预测商务智能模型图

第40页：商务过程中的信息数据库

• 4.5.3．.商务过程中的信息数据库
• 目前常用的版本为MicrosoftSQLServer2007,SQLServer是微软公司开发的一个关系数据库管理系统，以TransactSQL作为它的数据库查询和编程语言。

第41页：商务流程优化概述

商务流程

是指为了完成某一目标和任务而进行一系列相互关联的活动、决策、信息流和物质流的集合。

• 4.5.4商务流程优化
• 4.5.4.1商务流程优化概述

第42页：信息整合对商务智能的需求

• 4.5.4.2信息整合中对商务智能的需求
• 企业在商务流程优化的过程中，信息整合是一个很重要的环节，但是由于企业数据量很大，人工的去分析这些数据而得到对企业有用的信息已经不现实，商务智能技术的出现为我们这一问题带来了解决方案。通过商务智能对企业中的关键信息数据库的信息分析(ERP，CP3／信息系统数据库)，企业就有了优化商务流程的指标，如客户关系管理的过程，就是对客户信息进行分析处理并做出决策的过程。

第43页：商务智能在知识管理中的应用

所谓的企业知识管理系统就

是使组织可以更加有效地获取知识、分享知、整合知识、创新知识的系统。知识管理系统包括四个要素:获取知识、分享知识、整合知识、创新知识。

• 4.6商务智能在知识管理中的的应用
• 4.6.1企业知识管理

第44页：基于企业管理信息系统的知识管理

知识管理系统实际上

是企业信息系统的一个重要组成部分。企业管理信息系统的目标是如何使企业在管理上更清晰、透明，以及如何占领更大的市场份额，如何获取更大的经营效益等战略性目标。

• 4.6.2基于企业管理信息系统的知识管理

第45页：知识来源分析

• 4.6.3知识获取中的来源分析及数据质量的保证
• 4.6.3.1知识来源
• 知识的来源，从系统的角度来说，包含三个方面:
• 其一、来自于企业内部的业务数据。
• 其二、来自于企业外部的商业数据，例如行业、市场状况和客户资源的数据等等。
• 其三、来自于企业员工的知识和经验(也包括商务智能工具的其他使用者，例如客户，但比例较小)，而员工的知识又被进一步分成显性知识和隐性知识两个部分。从商业的角度来说知识来源也可以分为业务获得数据和商业购买数据两个部分。

第46页：知识获取方式

• 4.6.3.2知识获取方式
• 一般来说，知识获取的方式可分三类:
• 第一:人工方式知识获取，有知识工程师与领域专家通过深入的交流而获得。
• 第二:半自动知识获取，借助于一些知识获取工具进行知识的获取。
• 第三:自动知识获取，无须知识工程师的参与，直接根据企业信息库挖掘出相应的知识。

第47页：数据质量保证

数据质量

是一种通过测量和改善数据综合特征来优化数据价值的过程(定义来源METAGroup)。数据质量差将导致信息消费者的不满，最终会限制和放弃BI的使用。因此数据质量的保证将是整个商务智能成功实施的重要基石。

• 4.6.3.3数据质量保证

第48页：知识发现与数据挖掘理论

数据挖掘

是BI中知识发现的最重要环节之一。商务智能来源于大量的商业数据，数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程，其操作对象是数据仓库.由于知识发现的困难性，要从数据仓库中发现潜在的知识，需要综合运用各种挖掘方法

• 4.6.4知识发现(挖掘)的理论

第49页：数据挖掘的常用数据模型

目前数据挖掘技术中常用的数据模型有:①分类(Classification)模型是根据商业数据的属性将数据分派到不同的组中。②关联(Association)模型，主要描述一组数据项目的密切度和关系；③顺序(Sequence)模型，主要用于分析数据仓库中的某类同时间相关的数据，并发现某一时间段内数据的相关处理模型。顺序模型可以看成是一种特定的关联模型，它在关联模型中增加了时间属性。④聚簇(Clustering)模型

第50页：知识运用的范围研究

• 4.6.5知识运用的范围研究
• 商务智能最大的特点之一，即是从技术上突破了企业传统的知识共享(只局限在企业内部)的局限性，把知识共享的实际运用范围扩展到更广泛的层次上，实现了真正广义的知识共享，这本身应该说是更符合知识共享的理念，因为，作为知识来说，使用的范围越广泛，发挥得价值则越大，而在这一过程中企业本身又会成为信息的最大收益者。在商务智能中的所讨论的知识共享(运用)的范围将包含员工犷顾客、供应商、和合作伙伴等。

第51页：员工范围的知识运用

这里的员工

是是指企业中从基层到管理层所用对企业信息有需求的工作人员，员工是企业商务智能的最主要的用户，企业员工可以通过简单易懂的操作界面和分析工具，对企业海量数据进行查询、利用和分析，以帮助提高决策能力。

• 4.6.5.1员工范围的知识运用

第52页：客户范围的知识运用

外联网电子智能商务应用程序

是客户与企业的主要接触点，也是客户与企业交互的关键所在。企业通过BI和用户建立的联系渠道，不同于传统企业运用得CRM系统，因为CRM更关注的是企业从用户那里获得信息，而BI除了获得客户反馈信息之外，还使顾客成为企业信息的受益者，作为消费者，客户可能会对自己正在消费和将要消费的产品和服务的相关信息(如产品功能、产品维护)非常感兴趣，而直接从企业了解到的相关信息具备准确性和及时性等特点

• 4.6.5.2客户范围的知识运用

第53页：供应商和合作伙伴的知识运用

• 4.6.5.3供应商和合作伙伴的知识运用
• 供应商:可以根据自己提供的原材料的类别，按权限共享企业中部分信息，一方面了解企业对原材料的具体使用情况，另一方面也可以了解市场的相关销售信息，这样做的目的，可以使企业由于信息的滞后性而带来的缺货、断货等情况的发生，优化企业的整体供应链。
• 合作伙伴:这里的合作伙伴是一个很广泛的概念，除了我们在上面提到过的员工、用户、供应商之外的所有和企业发生信息联系的实体，都被称作企业的信息合作伙伴。

第54页：知识共享中的信息安全性

• 4.6.5.4信息的安全性
• 商务智能的核心思想是知识共享，这在客观上使信息共享范围的扩展了，可以说让信息实现了广泛的民主，并以此提高了信息的价值。一方面“信息民主”给公司带来的是更大的竞争力，但由于开放企业的重要信息要通过企业内部网在公司范围内，甚至通过国际互联网在全球范围内传播，无疑会带来一个信息安全的问题。从网络层来看，可行的解决方案必须支持安全的数据加密和传输机制，例如安全通信层(SSL)协议[33]。但是，更重要的一点是，该解决方案必须支持应用层的安全性，在应用层中必须有一个完全的安全系统，管理用户被允许查看的信息以及可使用的系统资源。

第55页：实施商务智能的常见问题

• 4.6.6商务智能中知识管理的评价
• 4.6.6.1实施商务智能的常见问题
• （一）功能和需求的差异
• 存在软件功能与用户需求之间的差异:在商务智能系统的建设过程中，往往是IT经理和资深用户(PowerUser)追求所有的功能，而对于大多数使用者:业务管理者、高层管理人员和业务专家等，却缺少容易使用、熟悉的工具界面和分析方式，这使得他们不愿花时间和精力学习。若用户无法有效地运用智能系统来豪得事实上的竞争优势，则巨额的投资无法弥补，系统的商业价值也将被质疑。

第56页：技术存储能力的瓶颈

• （二）技术存储能力的瓶颈
• 计算机处理技术和存储能力的迅速发展，带来了信息量的幂级增长，时下的数据仓库通常都超过了l00GB，而且容量超过1TB的数据仓库系统的数量正在急剧增长。随着数据量的增长，数据关系的可能的排列方式也大幅度增加，传统的商务智能工具已经显得力不从心，比如联机分析处理系统通常只能处理10-20GB的数据。

第57页：文化意识的阻碍

商务智能体系的建立

是一项长期、艰巨的任务，执行起来不仅有技术上的困难，而且有文化上的挑战。

• （三）文化意识的阻碍

第58页：建立知识主管

• （一）建立知识主管
• 设立知识主管。接受公司首席执行宫的领导，并有权领导信息管理部。其主要职责是引导员工共同分享他们拥有的知识，鼓励雇员们把信息和部门认识能力结合起来，以创造新的知识，最重要的一点是，要让知识在企业的内部和外部流动起来，从而创造出知识的最大增益值。4.6.6.2推进BI中的知识管理的有效措施

第59页：保护个人知识价值

• （二）保护个人知识价值
• 设法把个人在知识开发中的独创性，与集体的智慧结合起来。商务智能追求的核心思想是知识的共享，但对于企业中的员工来说，知识是竞争的资本，因此，企业如何平衡知识在个人和企业之间的流动，这是十分关键的一点

第60页：企业内网和外网的有机融合

• （三）企业内网和外网的有机融合
• 在商务智能的建立思想中，虽然包括公司外网的建设，但是一些公司在具体的实施过程中，往往受传统思维的束缚，仍然忽视外网的建设，但作为知识管理的价值提升来说，公司外部信息的更多吸收，会很大程度上促进公司内部的知识循环和知识创新，公司外网是保持知识活力的不可缺少的一部分。

第61页：BI中知识管理的评价原则

• 4.6.6.3建立商务智能中的知识评价
• （一）BI中知识管理的评价原则
• 衡量知识管理的成果，应该首先明确评价知识管理的成果的一些基本要素，这些要素主要包括以下几个方面:信息流水线的人员减少，信息流程处理效率提高；信息产品开发周期缩短，成本降低；信息分析和信息决策能力增强，信息的生命周期被有效延长；对用户需求的反应速度也随之加快，用户满意度上升等。

第62页：BI中知识评价模型

• （二）BI中知识评价模型
• 所谓评价，是指根据确定的目标来测定对象系统的属性，并将这些属性变为客观的定量数值或者主观效用的行为，简言之，评价就是对某一事物进行的考核。为了评价商务智能中知识管理所产生的实际绩效好坏，必须建立相对应的评价体系，作为客观的参考来衡量商务智能为企业创造的价值。

第63页：知识评价体系的表述

• （三）知识评价体系的表述
• 1、知识的准确性
• 2、知识的可理解
• 3、知识的效益性
• 4、知识的创新性

第64页：指标权重专家评分法

• 4.6.7建立商务智能中的知识评价方法
• 4.6.7.1指标权重专家评分法
• 指标权重专家评分法，由专家设计考核指标和每项指标的权重，再由专家组考评打分。
• 多指标专家综合评价的优点:专家的丰富经验，对信息技术和行业背景的精通，很多无法定量分析的指标、无法分解的指标，可以直观评价代替。
• 缺点:评价主观因素多，评价专家易被政策或其他因素左右意见，导致评价反映不了企业信息系统应用的实际状况。指标的权重分配和评价综合缺乏系统性，科学推理过程。专家水平差异、个体差异和评价标准理解差异，导致评价结果可比性差。

第65页：平衡记分卡法

平衡记分卡

是1992年由哈佛大学商学院教授罗伯特·S·卡普兰和复兴国际方案总裁戴维.P.诺顿设计的。平衡计分法最突出的特点是:将企业的远景、使命和发展战略与企业的业绩评价系统联系起来，它把企业的使命和战略转变为具体的目标和评测指标，以实现战略和绩效的有机结合。

• 4.6.7.2平衡记分卡法

第66页：基于熵权的模糊层次分析法

AHP

是一种定性分析与定量分析相结合的多目标决策分析方法。对于结构复杂的多准则、多目标决策问题是一种有效的决策分析工具。基于熵权的模糊层次分析法是在层次分析法的基础上，对评判矩阵采用模糊评判的原则；对效能指标的权重，运用熵权值法进行决定，克服层次分析法存在的不足和主观判断产生的评判误差。

• 4.6.7.3基于熵权的的模糊层次分析法

第67页：商务智能在国内其它行业的应用

• 4.7商务智能在国内其它行业应用
• 总的来看，国家和绝大多数行业还是把引导企业的重点放在中等水平的信息化建设上，即网络构建和ERP等事务处理系统的实施(这当然无可厚非，因为这些是信息化过程中不可回避的阶段)，而对信息深度开发利用的强调不够，这也是企业不重视自有信息资源挖掘的原因之一

第68页：企业方面的问题与对策

• 4.7.2企业方面
• 国内许多企业数据积累不充分、不全面；信息资源开发利用意识不强，认为有ERP就足够了；不能准确描述业务模型。解决方法可以考虑如下的措施。
• (1)转变观念
• (2)思索BI
• (3)明确信息源

第69页：软件方面的问题与对策

• 4.7.3软件方面
• 国外BI软件价格昂贵；国内研发刚刚起步，有与国外合作的，也有自主研发的，但都不够成熟。而且总的来说，国内多数软件开发和应用集成厂商还没有找准在BI市场的定位，没有抓住BI应用在中国起步这个大好时机发展具有本地化优势的BI产品，在市场上占据一席之地。

第70页：第4章本章小结

• 【本章小结】
• 本章主要介绍商务智智的应用，商务智能作为辅助决策的有力手段，可以广泛地应用于众多领域。有关亚太BI市场的分析显示，金融、电信、保健、政府、交通和制造业等行业是需求最旺盛的行业。
• 本章列举商务智能在物流物管理与决策中应用，商务智能在客户关系管理中的应用，商务智能在知识管理中应用，务智能在在商务过程的应用，商务智能在其它方面的应用。通过分析发现，商务智能应用领域广泛，可以从国家和行业、企业、软件、管理咨询和项目实施五个方面分析国内BI应用中存在的问题，并研究相应的解决方案。

第71页：第4章习题

• 【习题】
• 1、商务智能应用领域是是什么？
• 2、面向物流管理商务智能体系是什么？
• 3、CRM与ERP的差异是什么？
• 4、建立商务智能中知识评价方法有哪些？