《智能数据分析在企业中的应用研究-毕业论文范本.pdf》由会员分享,可在线阅读,更多相关《智能数据分析在企业中的应用研究-毕业论文范本.pdf(20页珍藏版)》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、1 浙江工业大学成人教育学院毕业设计(论文)学生姓名:学 号:专业:设计(论文)题目:指导教师:XXXX年 XX月 XX日2 智能数据分析在企业中的应用研究姓名:班级:指导教师:随着各种信息化建设的不断发展,海量数据的处理以及如何实现从数据到信息、从信息到知识、从知识到利润的转化,成为当前企业面临的巨大的课题,因此智能数据分析系统正应运而生。本论文主要就智能数据分析的内涵、产生必然性、相关应用等进行阐述,并且着重分析了在现阶段智能数据分析在我国的现状,同时提出了符合我国国情的建议。关键词智能数据分析企业应用 大数据企业分析决策3 目录1 引言 5 1.1 本文研究背景 5 1.2 智能数据分析
2、发展历程 5 1.3 智能数据分析意义及产生的必然性 6 2 智能数据分析的概述7 2.1 智能数据分析的含义 7 2.2 智能数据分析的主要技术 8 2.2.1 数据仓库 8 2.2.2 联机分析处理(OLAP)8 2.2.3 数据挖掘(DM)9 2.2.4 数据可视化技术 9 2.3 智能数据分析适用行业分析 9 2.4 智能数据分析(BI)与 CRM 和 ERP的联系 10 3 智能数据分析在企业职能中的应用11 3.1 供应流程分析 11 3.2 经营分析 11 3.3 决策支持 12 3.4 绩效管理 12 4 我国智能数据分析现状及存在的问题13 4.1 我国智能数据分析现状13
3、4.1.1 我国智能数据分析总体状况13 4.1.2 我国制造业中智能数据分析应用现状 13 4.2 我国智能数据分析存在的问题及原因分析15 4.2.1 BI市场混乱,建立良好销售渠道较难 15 4.2.2 产品实施与服务的问题15 4.2.3 缺乏 BI 规范 15 4.2.4 采用 BI 分析系统的积极性较低 16 4.2.5 缺乏专业 BI 人才16 4 5 完善国内智能数据分析的建议16 5.1 规范国内 BI 市场,建立国家 BI 标准 16 5.2 发展 BI 的支撑产业16 5.3 对 BI 进行规范化整合17 5.4 扶持国内 BI 厂商,建立 BI 人才培养机制 17 结论
4、 18 致谢 19 参 考 文 献 20 5 1 引言1.1 本文研究背景随着信息化时代的来临,经济全球化的发展,企业数据正在以惊人的速度增长,这虽然告别了以往缺乏事实数据的尴尬,但是如何更好的利用这些数据成为了新时代摆在各个企业眼前的难题。面对浩如烟海的数据,企业更渴望从庞杂的数据中得到适度的、有效的信息,并可以将其转化为知识,从而获得有效快捷的决策。然而,传统的分析工具早已满足不了众多企业的要求,其显现出来的问题日渐增多:整合能力有限,时效性和流动性差,对问题的解答不彻底。正是针对这样的需求,智能数据分析随之产生。它使信息化从管理深化到决策,让企业管理者和决策者以一种更清晰的角度看待业务数
5、据,提高企业运转效率、增加利润并建立良好的客户关系,并使企业以最短的时间发现商业机会、捕捉商业机遇。目前,智能数据分析越来越受到全世界政府、企业的青睐,而我国的智能数据分析的发展起步较晚,地区之间发展较不平衡,因此智能数据分析的应用仍然存在着诸多不完善。本论文结合了我国智能数据分析应用及国内外智能数据分析发展现状,主要论述了智能数据分析的发展历程、含义、主要技术等,分析了我国智能数据分析存在的问题,从而提出适合我国国情的智能数据分析的完善建议。1.2 智能数据分析发展历程智能数据分析起源于赫伯特 西蒙对决策支持系统的研究。在半个多世纪的漫长过程中,决策支持系统曾经一度因为缺乏有效的数据组织方式
6、而徘徊不前。直到上世纪 90 年代,若干新技术的出现,打破瓶颈,“智能数据分析”才浮出水面。随后,其取得了前所未有的发展,并在本世纪第一个十年蓬勃成长。回顾这些新技术的出现,可以清楚的看到智能数据分析的产业链条不断向前延伸的轨迹。1970 年,IBM 的研究员埃德加 科德发明了关系型数据库,使大型信息系统的应用遍地开花。但这些信息系统,都是针对特定的业务过程、处理离散事务的“运营式”信息系统。数据在其中仅仅限于查询,而不是分析。管理大师彼得 德鲁克曾发出感叹:迄今为止,我们的信息技术产生还仅仅是数据,而不是信息、更不是知识!6 如何实现从数据到信息、从信息到知识、从知识到利润的转化?这个要求,
7、在西方发达国家先后进入了后工业社会之后,变得更加迫切。1988 年,IBM 公司的研究员 Barry Devlin 和 Paul Murphy 创造性的提出了一个新的术语:数据仓库。它可以形象的理解为一种语义格式一致的多源数据存储中心,并且数据源可以是来自多种不同平台的系统。数据仓库是智能数据分析的依托,是对海量数据进行分析的核心物理构架。智能数据分析的下一个产业链:联机分析,如水到渠成般迅速形成,其将分立的数据库“相联”,通过建立一个复杂的、中介性的“数据综合引擎”,把分布在不同系统的数据库联结起来,实现了多维分析。并且因为有了数据仓库,多维分析的实现已经不再需要不同数据库之间的人为“联机”
8、。随着数据仓库、联机分析技术的发展和成熟,智能数据分析的框架基本形成。但数据挖掘这个新技术的出现,才使智能数据分析真正有了“智能”内涵。数据挖掘指通过分析大量的数据来揭示数据之间隐藏的关系、模式和趋势,从而为决策者提供新的知识。同时,其也标志着智能数据分析完整产业链的形成。1.3 智能数据分析意义及产生的必然性智能数据分析经历了一个渐进、复杂的演进过程且仍处于发展之中,它的各个产业环节,都有不断丰富扩大的趋势。当今全球企业竞争异常激烈,如何充分利用这些隐藏着巨大商业价值的数据资产,提炼出有价值的信息、知识,对提高企业的智能至关重要,依赖直觉制定决策使企业管理水平远远落后于投资智能数据分析的领先
9、企业。前GE 首席执行官 Jack Welch说:“一个组织获取知识以及把知识快速转化为行动的能力决定其最终的竞争优势”。智能数据分析已成为领先企业与传统企业产生差异化的重要因素,而且智能数据分析开始扩展到业务运营中将使这种差异更加明显。在这种背景下,智能数据分析逐渐得到了学术界和企业界的重视,它被认为是企业信息化发展的必然过程,其产生必然性概括起来包括以下几个方面:(1)企业运营模式的变化。电子商务正在改变着全球商务活动的方式,信息在经济活动中越来越占据着重要的地位。对企业来说,生产、销售、市场、顾客和竞争对手的信息,是企业竞争的战略性资源。建立在 Internet 之上的企业经营模式电子商
10、务、电子邮件、电子数据交换、电子支付系统、电子营销等技7 术的发展和应用为智能数据分析系统提供了市场和生存环境。(2)新企业观念的建立。在企业界,数据资产的观念正在进入企业的资源规划系统中,而把数据转换为资产的方法和技术也正在成为企业关注的热点。因为目前大部分大中规模的企业都是信息丰富的组织,而一个信息丰富的组织的绩效不仅仅依赖于产品、服务或地点等因素,而更重要的是依赖知识。而从数据信息知识是一个并不简单的过程。智能数据分析的本质正是把数据转化为知识,致力于知识发现和挖掘,使企业的数据资产能带来明显的经济效益,减少不确定性因素的影响,使企业取得新的竞争优势。(3)传统分析工具的整合能力有限。为
11、解决企业信息化建设留下的“信息孤岛”问题,客户化的查询、报告功能、标准的电子表格、关系数据库和图形应用被越来越多地运用于分析目的。然而,这些解决方案大都是由技术部门设计和修改的,往往很难理解用户的特殊需求,不能给最终用户,特别是给那些非技术的商业用户提供一个经过整合的,功能强大的分析工具。所以,传统系统不能满足商务层面的分析需要。(4)信息技术的推动。计算机、网络技术、数据库技术的发展使得分销商、供应商、商业伙伴、零售商和生产者之间的数据访问和共享成为可能,现代信息技术的发展与应用,为企业实施智能数据分析提供了坚强的技术后盾,从客观上支持了智能数据分析的发展。综上所述,智能数据分析的兴起并非偶
12、然,是企业对社会环境变化的反应、技术进步的拉动以及经营理念发展的结果。面对激烈的竞争,只有掌握并保持核心竞争力的企业才能生存和发展,而现代信息技术的飞速发展使得智能数据分析提供了坚实的基础,新的经营理念则为企业实施智能数据分析提供了理论和方法论上的支持。2 智能数据分析的概述2.1 智能数据分析的含义智能数据分析,又称商业智能,英文为Business Intelligence,简写为 BI,是 20 世纪末在国外企业界出现的一个术语。其概念最早由加特纳集团(Gartner Group)提出,他们将商业智能定义为:一系列以数据为支持、辅助商业决策的技术和方法。8 到目前为止,学术界对商业智能的定
13、义并不统一,有人称商业智能就是决策支持系统(Decision Support System-DSS);有的认为是数据仓库(Data Warehouse-DW);有的认为其属于数据挖掘(Data Mining-DM);还有些人认为是指从数据库中发现知识(Knowledge Discovery in Data Base-KDD)。IBM 认为智能数据分析是指利用已有的数据资源做出更好的商业决策。运用相关的信息技术来处理和分析商业数据,并提供针对不同行业特点或特定应用领域的解决方案来协助用户解决在商务活动中所遇到的复杂问题,从而帮助企业决策者面对商业环境的快速变化做出敏捷的反应和更好、更合理的商业决
14、策的系统。其主要目标是将企业所掌握的信息转换成竞争优势,提高企业决策能力、决策效率、决策准确性,它可以从根本上帮助企业管理者和决策者把公司的运营数据转化为高质量的可以获取的信息或知识,并且在适当的时候通过适当的方式把恰当的信息传递给恰当的人。2.2 智能数据分析的主要技术智能数据分析工具的作用就是要把数据变成知识,把潜在的知识变成可以为工作所用的知识,帮助我们在业务管理和发展上及时做出正确的判断,采取明智的行动。如何将数据有效的转化为信息、知识和智慧,是BI 的核心问题,它涉及 4 项主要的技术:数据仓库(Data Warehousing,DW)技术、联机分析处理(Online Analyti
15、cal Processing,OLAP)技术、数据挖掘(Data Mining,DM)技术和数据可视化(DataVisualization,DV)技术。2.2.1 数据仓库数据仓库是智能数据分析的基础和核心,是一个用以更好地支持企业或组织的决策分析处理的数据集合,它有着面向主题、集成、相对稳定、随时间不断变化四个特性,其关键技术包括数据的抽取、清洗、转换、加载和维护。数据仓库完成了数据的收集、集成、存储、管理等工作,为智能数据分析撷取或载入大量原始信息,归并各种数据源的数据,用于支持企业管理和商业决策。智能数据分析要充分发挥潜力,就必须和数据仓库的发展结合起来。2.2.2 联机分析处理(OLA
16、P)OLAP 是以海量数据为基础的复杂分析技术,属于数据仓库应用。它支持各级管理决策人员针对某个特定的主题从不同的角度、快速灵活地对数据仓库中的9 数据进行复杂查询和多维分析处理,并且以直观易懂的形式将查询和分析结果展现给决策人员,具有快速性、可分析性、多维性、信息性等特点。包括多维在线分析处理、关系型在线分析处理和混合在线分析处理。这个过程一般包括三种可供选择的方案:预先计算、即时计算和存储、随时计算。该技术可用于多个领域,例如市场利润分析、后勤分析、经济预算和预测、税收计划、成本、会计等。2.2.3 数据挖掘(DM)DM 是指从大量的、不完全的、有噪声的、模糊的、随机的数据中,提取隐含在其
17、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。其价值在于扫描数据仓库或建立非常复杂的查询,拥有并行处理功能,而且可以支持多种采集技术,数据挖掘工具拥有良好的扩展功能,并且能够支持将来可能遇到的各种数据(或文档)和计算环境。数据挖掘可进行关联分析、分类与预测分析、聚类分析、异类分析、演化分析,可以帮助获得决策所需的各种知识。数据挖掘可以发现复杂或精细的答案,而这些是联机分析处理所不能做到的。2.2.4 数据可视化技术DV 是选用计算机图形学和图像处理技术,将数据转换为图形或图像在屏幕上显示出来,并进行交互处理的理论、方法和技术。它具有交互性、多维性和可视性等特点。信息可视化不仅用图像来
18、显示多维的非空间数据,使用户加深对数据含义的理解,而且用形象直观的图像来指引检索过程,加快检索速度。数据挖掘数据可视化技术结合,使分析人员对数据有更深刻更直观的理解。联机分析处理和数据挖掘是在数据仓库的基础上获取两种不同目标的数据增值技术,数据可视化则将数据展示成直观的图形图像。这三种技术如果能够在一定程度上进行融合,会使得分析操作智能化,挖掘操作日标化,展示平台人性化,从而全面提升智能数据分析技术的实用价值。2.3 智能数据分析适用行业分析从智能数据分析的定义与技术分析可以看出,智能数据分析的适用领域非常的广泛,典型的有电信、银行、保险、医疗、零售、政府等,以及所有创建了数据仓库的用户。它最
19、大的特点是能从庞大而又繁杂的业务数据中提炼出有规律的信息、知识。因此,BI 适合的行业特点包括:(1)企业规模大,如电信、银行、证券、保险、航空、石化等。这些行业中10 的企业往往是航母型的,企业运营资本高,员工多,有众多的分、子公司分布在不同地区,甚至不同国家。每日产生的业务数据、往来数据量大、多、杂,员工变动和绩效管理非常重要。(2)产品线规模大,如制造、零售、物流等。这些行业牵涉到的上下游产业链长,每日急剧变动的业务数据、财务数据、客户数据等对于产业链的影响大。(3)市场规模大,如电信、银行、保险、零售、物流、航空等。这些行业的客户基数大,销售额高,用户争夺激烈,稳定客户与流失客户多,现
20、金流量的波动对干企业发展非常重要。(4)信息规模大,如电信、银行、证券、零售、物流、航空、咨询、C2C 或B2C 企业、网游等,这些行业产生的信息量大,增长快,信息更新换代频繁,时效性强,信息对企业营运影响力大,有时甚至是企业的生命线。(5)某些政府部门,如军工、公安、工商、财税、统计、社保、计委、经贸委等,这些部门信息量大,有些信息甚至关系到国计民生,信息的保密性要求非常高。2.4 智能数据分析(BI)与 CRM 和 ERP的联系智能数据分析是帮助企业更好的理解其面临的挑战和机遇的信息,从而企业能够对新兴的市场条件能做出高效率的反应。BI 是用来总体定义产生和分配对既有的企业各部分的单元分析
21、的技术和应用程序的术语。CRM和 ERP只是 BI 能应用的两种操作系统。专家 Larissa Moss的观点是,BI 是一个整合一系列操作以及决策支持应用程序和数据库的企业系统,它向商业团体提供容易接近其商务数据和允许他们做出准确的商务决策。它是一种新的“规则”,在其中数据最终被视为企业资源,也就是,任何操作系统(包括ERP 和 CRM)和任何决策支持应用程序(包括数据库和数据集市)都是BI,当且仅当他们是在战略上主动跨组织的范围和方法下开发的。而 Clay Rehm 认为客户关系管理集中于“客户”数据的整合和相互的作用,而企业资源计划则集中于几个主流的商务功能的整合。而CRM和 ERP更多
22、的依赖于成功的 BI 的执行,他们也许是卖方软件包的一部分,也许不是。11 3 智能数据分析在企业职能中的应用企业的各个职能都应该认识到智能数据分析的重要作用。在企业资源规划,供应链管理,客户关系管理,财务、人力资源等这些关键的企业职能中都能够利用智能数据分析工具来提高效率,改进效果。另外,还有许多跨职能的企业战略领域也开始使用智能数据分析工具,这些领域包括预算和预测、以活动为基础的管理、建立获利性模型、战略规划、平衡计分卡和以价值为基础的管理等等。智能数据分析不仅能帮助分析和改进企业内部的经营和发展,而且能够帮助分析和改进企业之间的沟通和交流,从而为“协作型商务”这一新的商业模式提供了强大的
23、发展动力。下面谈谈智能数据分析在企业中的主要应用:3.1 供应流程分析供应管理是在贸易伙伴共同体之间的,为了满足最终客户需求的所有商务活动的集合。供应管理可以分为计划、采购、制造、配送等流程。智能数据分析对供应管理中的各个流程进行分析、优化,达到提高供应链管理效率的目的。智能数据分析通过对计划流程中的供应周期、销售时间和成本等进行分析,来改进整个供应流程的绩效,提高效率,有效配置资源,降低整个供应流程的总成本。当将智能数据分析用于采购分析,可以帮助企业选择合适的供应商,整合供应中上游资源;当智能数据分析应用于制造分析,可以检测生产进度和生产效率,加强产品质量控制,减少不必要的库存;当智能数据分
24、析应用于配送分析,通过对库存流动和损失进行分析,监测运输时间和配送成本,为产品选择和管理交通工具,优化配送绩效。3.2 经营分析经营分析包括经营指标分析、经营业绩分析和财务分析三部分:(1)经营指标分析是指对企业不同的业务流程和业务环节的指标,如:原料有效使用率、工时量、人力资源结构、应收率、销售率、库存量、库存结构、销售结构、单品销售情况及所占营业比例、风险采购和库存评价指标等进行搜集和分析。但这些指标只能反映局部的经营状况。为了解企业的整体经营状况,还需对这些指标进行科学的组织和分析,利用智能数据分析管理技术,形成一个能反映企业整体情况的数学模型。这样通过观察总指标并设置告警和对模型进行敏
25、12 感性分析,可相对较好地获得整个企业的经营状况。(2)经营业绩分析是指对各部门的营业额、销售量等进行统计,在此基础上,进行同期比较分析、应收分析、盈亏分析、各种商品的风险分析等等。经营业绩分析有利于企业实时掌握自身的发展和经营情况,有利于企业及时调整经营业务、化解经营风险。(3)财务分析是指对企业财务数据中的利润、费用支出、资产负债率、流动比、速动比、资金占用及其他具体经济指标进行有效分析。通过财务分析,可以及时掌握企业在资金占用使用方面的实际情况,财务风险状况和企业偿债能力,为及时调整和降低企业成本和财务风险提供数据依据。3.3 决策支持在对企业管理活动中产生的数据分析的基础上,将各类数
26、据、信息进行高度的概括和总结,形成企业经营状况分析报告,为高级决策者进行战略决策时提供支持和依据,是商业智能的优势所在。智能数据分析对战略决策的支持,分别表现在对公司战略、业务战略和职能战略的支持上。在公司战略决策支持层面上,可以根据公司各战略业务单元的经营业绩和经营定位,选择一种合理的投资组合战略;在业务战略决策支持层面上,由于商业智能系统中集成了更多的外部数据,如外部环境和行业信息,各战略业务单元可在公司战略的基础上据此分别制定自身的竞争战略;在职能战略决策支持层面上,由于来自于企业内部的各种信息,源源不断地输入进来,相应地可以提供营销、生产、财务、人力资源等决策支持。通过将企业内部的数据
27、源源不断地输入,BI 在企业管理中的决策支持作用不可小觑,其主要包括:提高企业数据的可见度,对客户需求做出准确的预测;根据产生的数据,进行实时分析,提高企业对市场的快速反应能力;从不同的角度对企业的市场活动进行分析,为选择合适的供应商提供支持。3.4 绩效管理绩效衡量是企业管理中的重要组成部分,也是智能数据分析软件在管理中的高级应用。智能数据分析技术能够从企业各种应用系统中提取出各种基础绩效指标与关键绩效指标。智能数据分析既可对内部绩效进行衡量,也可对企业外部绩效进行衡量。通过对绩效衡量的关键指标进行分析,提供可视化的绩效衡量结果,13 全面反映业务流程的绩效,而不是仅仅反映单个节点企业的运营
28、情况。商业智能技术可以从企业各种应用系统中提取各种基础绩效指标与关键绩效指标。为了考核员工的绩效,企业可以先将希望员工要做的工作进行量化,然后借助商业智能工具,让管理人员可以追踪、衡量和评价员工的工作绩效,引导员工的思想方向和行动与企业的整体目标保持一致性。通过智能数据分析工具的应用,实现企业信息共享,可以优化整个企业的绩效。提高管理流程的效率,减少不必要的成本;分析数据,充分认知客户需求,实现信息共享,实现双赢。4 我国智能数据分析现状及存在的问题4.1 我国智能数据分析现状4.1.1 我国智能数据分析总体状况我国的智能数据分析还处于起步阶段,国内企业数据有效利用率不足7,许多决策是在没有充
29、分信息支持的情况下做出的,美国市场调查公司IDC 的调查表明,我国企业37的业务决策仍然主要依赖于“直觉”或本能。同时智能数据分析在国内的应用主要集中于金融服务业,如银行、保险;电信业;航空业等这些资金充足、信息化起步较早、迫切需要数据分析的行业。智能数据分析的使用与行业内信息化的状况密切相关,有研究认为智能数据分析能带来较大价值的企业中,以制造型企业最多,超过50%;其次是零售业,为 41.2%;政府机构对智能数据分析产品或技术的使用价值低于其他软件行业。以目前制造业、零售业的低使用率和高预期值来比较,这两个领域是智能数据分析不可忽视的新市场。4.1.2 我国制造业中智能数据分析应用现状以我
30、国制造行业为例,谈谈智能数据分析在这个行业的应用情况。制造行业的数据大多数集中在ERP 中,大型制造企业需要管理大量的原材料、半成品、产成品,同时也是需要大量的战术性决策,如何避免原材料短缺和库存积压?如何有效地管理供应商?如何更快地推出更好的新产品?如何降低次品率、提高产品质量?如何有效地安排生产等等。我们看到制造业公司拥有大量的库存信息、供应商合同、生产计划等各种数据,如何利用好它,为企业决策14 服务,既是制造型企业的困惑,也是企业提升业绩的机会。上海汽车工业公司从1993 年开始,上汽销售总公司就已开始进行现代企业资源管理(ERP)系统的建设。它的物流、租赁及后续服务子公司采用博科、用
31、友、金蝶、SAP 等不同公司的财务系统。这些不同的管理系统,经过数年的积累和运行后,已经拥有了大量的汽车生产、物流、销售、客户、服务等方面的数据,但是只是在系统内部实现简单查询的作用。要对企业整个的业务、财务的进行横向和纵向比较,了解市场趋势,就面临要查询大量历史数据、要处理这些不同格式的海量数据的巨大工作量。那么,如何利用这些数据?上汽使用了智能化数据管理的工具。根据上汽的现状和对未来的发展目标,汇总各项财务指标及产生的流程,提炼集团所需要的分析数据,并定义分析模板、分析数据的查询形式等,完成整个BI 方案的建设,达到了实时快速调用数据,生成分析报表,寻找隐藏在数据与数据之间的潜在关系。BI
32、 系统还可以对公司的数据仓库里的海量数据进行深度挖掘,根据特定的数理统计模型,分析并预测出企业报表项目的变动因素以及变动趋势。从以上案例,可以看到智能数据分析在制造业中的成功的使用,其应用范围非常广泛,作用是显而易见的。目前,由于制造型企业在信息化建设方面起步较晚,存在着很多的制造企业对于智能数据分析的认识不到位,落实力度不够,使得智能数据分析在制造业中的应用只是停留在了业务报表的产生上,没有发挥其本质的作用。并且智能数据分析真正发挥其作用是需要底层的数据作为支撑的,否则就是“无源之水”。企业只有在应用 ERP、CRM 等系统几年以后,数据积累到一定程度以后,才会选择使用智能数据分析系统,而智
33、能数据分析系统在这时候也才会显现其价值。据e-works 调查显示,2005 年 ERP 在中国制造业的普及率仍然不高,仅为24.2%(不包括仅仅使用了财务软件的企业)。在这种情况下,可想而知国内制造业智能数据分析普遍的应用情况如何了。不过我国智能数据分析市场空间十分广阔。据IDC 预测,亚太地区智能数据分析软件市场正以每年23%的速度增长,而中国是亚太地区智能数据分析增长最为迅速的市场之一;如果中国经济继续保持高速增长,智能数据分析软件在中国内地市场的年销售额平均增长速度至少在65.6%。Business Objects和15 Cognos 等 BI 提供商已直接或者通过其代理商进入中国市场
34、。Business Objects等公司成立了中国研究中心,其对中国市场的重视程度可见一斑。4.2 我国智能数据分析存在的问题及原因分析综上所述,我们可以看出我国智能数据分析的市场环境规范并不完善,对其认识不够清晰,信息化程度不够高,从而显现出了我国在智能数据分析中的很多不足:4.2.1 BI市场混乱,建立良好销售渠道较难目前,国内 BI 市场非常混乱。2004 年以前,国际主流的BI 厂商大都采用代理的方式进驻中国,只有Brio 一家亲自做中国市场。代理商们恶性竞争,导致市场价格混乱,同一套系统实施下来,价格可能相差很大甚至在市场上泛滥着盗版,导致 BI 市场混乱不堪。然而,未来国内企业多数
35、需要本地化服务,那么现在多数 BI 厂商是通过分公司或办事处来销售的这种方式必将改变。但我国在这个领域起步相对较晚,智能数据分析的销售、服务要求代理商要有很强的能力,如何选择、培养、发展这些代理商将是国内智能数据分析面临的一个问题。4.2.2 产品实施与服务的问题在混乱的市场环境中,产生了很多产品实施和服务方面的问题。国外BI 软件往往由于其昂贵的价格令客户望而却步,有时候也因国外BI 产品在国内水土不服导致出现各种实施和服务问题,甚至产生客户抱怨。而国内BI 厂商虽然有熟悉中国国情的优势,但由于起步晚,对BI 认识并不够清晰,各方面比较薄弱,BI 系统在功能上还很不完善,其产品难以令客户信服
36、。4.2.3 缺乏 BI 规范BI 实施的特点是数据一旦抽取整合到数据仓库中,BI 的系统结构就相对稳定。国内数据仓库部分的理论研究与模型建立相对比较成熟,而数据的源头部分,由于其第一手数据是从MIS、MRP/MRPI、SCM、CRM 等基于业务处理的信息系统中抽取整合到数据仓库中的。而目前的这些系统本身就缺乏标准,各种原始数据的结构百花齐放、千差万别,甚至同一个厂家的信息系统的不同产品,同一个产品之间的不同模块,同一个模块的不同版本的数据都是不统一的。所以,对于 BI 系统的实施,数据抽取整合的工作量非常大。16 4.2.4 采用 BI 分析系统的积极性较低由于受主客观条件的限制,当前商业企
37、业经营分析所需的资料主要来自于企业内部(如统计报表)的有关信息,分析工作也主要是对这些信息和数据进行查询、汇总和报表,而对市场和消费者的研究做得很不够,对增强企业竞争能力相当不利。由于缺少对业务发展的深入分析以及内部信息利用率不高等,导致经营分析不能充分体现信息预测和决策功能,为领导决策提供各类咨询服务,影响了企业建设高智能的智能数据分析分析系统的积极性。4.2.5 缺乏专业 BI 人才BI 市场的发展潜力巨大,但目前国内从事BI 的企业非常少,再加上起步较晚,相应的专业培训机构还没有形成,国内的成熟、专业的智能数据分析实施顾问较少,导致国内缺乏足够的专业人力资源。而且,在为数不多的国内BI
38、企业中,绝大多数还只是在客户需要时,以BI 系统集成商的身份兼顾一下。数据仓库、数据挖掘、商业建模等领域的人才相对缺乏,复合型的BI 人才更是难觅,难以满足 BI 市场的快速发展而带来的BI 研发、咨询、实施、维护等人力需求。而国外 BI 厂商近两年来大规模直接进入中国市场,更是以高薪挖掘 BI 人才,但也往往招聘不到合乎条件的人选。5 完善国内智能数据分析的建议根据目前智能数据分析在理论和实际的运行中出现的诸多问题,结合我国的现实国情,可以从以下几点来对智能数据分析进行一定的规范:5.1 规范国内 BI 市场,建立国家BI 标准针对我国 BI 市场中出现的价格混乱、各种制度不完善存在漏洞等问
39、题,政府机构及权利组织应当制定出严格的法律法规,同时成立专门的机构去规范控制BI 市场,建立国内 BI 标准,禁止各种恶性竞争破坏国内BI 市场环境。当然,还需要进行相应的招商引资,使国外较先进企业带来BI 新技术,从而拥有更多资源,让我国 BI 市场蓬勃发展,而非闭门造车。5.2 发展 BI 的支撑产业在国内,可以成立专门的数据分析部门。众所周知,使用BI 系统最终一定会落实相应的数据分析部门。企业对数据进行优化的目的,是要从中找出最有价值17 的数据,这些有价值的数据挖掘出来后,如果没有相应的人对其进行跟踪处理,他的价值也就只停留在迅速做出报表的层面了,这也是现行国内的普遍问题。如果可以给
40、企业带来增值效益的数据分析被忽略了,BI 的核心价值也就被荒废了。我们应更有效率的利用各项业务的数据资源,这样才给企业提供决策的智囊。5.3 对 BI 进行规范化整合由于 BI 结构较为复杂,其涉及的部门众多,数据往往分布在企业的不同部门、不同分公司或营业部,甚至不同的国家地区。更难但又普遍存在的问题是,即便是同一个公司的不同部门、不同分公司子公司之间,采用了不同厂家的信息系统,各产品的搭配和组合还不一样,在这种现状的基础上,要实施BI,要让系统能够满足这些错综复杂的异构系统,并做到异构到同构处理。根据DW 对原始数据的抽取整合特点,制定一个业务处理系统的元数据行业标准或国家标准,有助于提高不
41、同业务处理系统之间,降低产品实施难度和产品服务难度。这样使采用不同的业务处理系统的不同组合,都能有统一的元数据结构,大大降低各系统之间的异构性。例如,可以对DW 建立标准的维表库。5.4 扶持国内 BI 厂商,建立 BI 人才培养机制我们应该认识到,BI 的应用相当的广泛,其可关系到国计民生的重点行业和关系到国家机密的机构与部门,如军工、财税、社保、计生、统计部门等,这些部门在选择实施BI 时,一般首选国内软件商。目前国外的软件公司在中国水土不服、国外软件的昂贵价格也给国内企业留下了契机,可以通过对国内软件行业进行政策扶持、建立科研机构等方法,扶持国内BI 软件商的发展和研究。在培养本土 BI
42、 企业的同时,也要促进国内企业对BI 人才的重视和培养。同时,可以通过产、学、研结合,成立专门的BI 研究室或培训机构,协助企业培养BI 人才,从而来满足我国巨大的BI 人才需求。18 结论二十一世纪的竞争,是知识生产率的竞争。以知识发现为使命的智能数据分析,必将成为知识时代的竞争利器。理想的智能数据分析系统在为企业管理者提供有关各种经营活动和状况的宏大画面的同时也提供近景和特写,可谓“既见一叶又见森林”,那么是否善于利用智能数据分析从很大程度上决定了企业的发展。可以说,智能数据分析确实事关企业的兴衰成败和生死存亡。文中全面阐述智能数据分析的内涵、意义以及重要技术的同时,主要分析了智能数据分析
43、在企业中的应用和现状,通过与国外的智能数据分析研究进行对比,指出我国智能数据分析存在的不足,并提出我国国情的完善建议,肯定现阶段我国智能数据分析正处于发展阶段,其市场前景不可估量。19 致谢首先感谢 XX 老师对我在论文的前期资料搜集上的大力帮助和指导,其次还要感谢其他老师的教导,如果没有他们以往教授的各种知识作为基础,本人不可能写得出这篇论文。同时要感谢学校和学院的支持,为我们提供了方便的资料搜集条件;还要感谢各位同学论文信息上给我的帮助,让我随时了解论文格式和时间要求。感谢大家,使我能顺利按时完成这篇毕业论文。20 参 考 文 献1赵卫东.智能数据分析M.北京:清华大学出版社,2009:1
44、1-13.2王茁,顾洁.三位一体的智能数据分析M.北京:电子工业出版,2004:25-26.3王卫平,徐宏发.基于 Web Services的智能数据分析网络研究J,2005(7):16-19.4Michael L.Gonzales.Data Warehousing With Business Intelligence ToolM.John Wiley&Sons,Inc,2004:176-179.5员巧云,程刚.近年来我国数据挖掘研究综述J.情报学报,2005(4):250-2566刘业政,胡剑.商业智能的核心技术及体系结构研究J.合肥工业大学学报(自然科学版),2004(8):882-885.7伯纳德.利奥托德,马克.哈蒙德.智能数据分析:信息-知识-利润 M.北京:电子工业出版社,2008(3):56-57.8 AMT-企业资源管理研究中心.智能数据分析初阶M.企业资源管理研究中心,2003:7-8.9刘艳丽.商业智能驶上快行道了吗J.科技智囊,2004(8):88-89.10黄晖.中国式智能数据分析五人谈N.上海信息化,2005(3)