商務智能在現代企業(yè)云crm系統中的應用

申請免費試用、咨詢電話：400-8352-114

 本文通過分析云CRM與商務智能各自的優(yōu)勢以及兩者之間的關系，提出了一種能夠結合兩者長處的新的系統環(huán)境。新的系統不但能提高企業(yè)對現有的信息數據的利用效率。還能提高企業(yè)決策分析的能力。

0 引言

    進入21世紀以來，各種應用系統的廣泛使用以及互聯網的蓬勃發(fā)展，為計算機應用系統的運行積累了大量的數據，然而，這些海量數據在原有的作業(yè)系統中無法得到很好的整合，大大降低了企業(yè)工作的效率。隨著企業(yè)資源計劃(云crm)系統的誕生，它通過統一的流程管理來實現企業(yè)資源的合理配置，為企業(yè)適應快速變化提供了信息支持。然而云CRM系統屬于典型的聯機事務處理系統，不可避免的存在許多不足之處，無法提供企業(yè)決策所需的決策信息。于是，商務智能的概念又被人們提出，它通過在云crm和其他系統中的應用，為企業(yè)構建了一個宏觀的數據圖表，并能提供最為高效的數據參考資料。如今，商務智能已經成為繼云crm之后，最重要的企業(yè)信息系統之一。

1 云crm系統的現狀及局限性

    1.1 云crm系統的現狀

    隨著網絡管理系統、數據庫管理系統、主機管理系統、殺毒軟件以及防火墻等系統的相繼投入使用，各管理系統積累了大量的歷史數據。這些系統的建設為商品交易所的期貨交易系統提供了有力的安全保障，但各系統間的數據相對分散和獨立，難以共享，沒有建立起統一的、用于分析處理的基礎數據平臺。

    當前的云crm系統的應用仍然停留在管理信息(MIS)層面，遠未達到企業(yè)所期望的決策支持功能。其原因在于云crm系統是采用事務處理型的典型的聯機事務處理系統而非分析型的聯機分析系統。受其管理思想所限，云crm在實施和運行過程中的局限性不斷地暴露出來。

    1.2 云crm系統的局限性

    首先，云crm系統是一種典型的“聯機事務處理系統”(Online Transaction Processing)，它由多個事務應用組成，每個應用使得一個業(yè)務過程和功能實現自動化，同時把事務處理的細節(jié)記錄在相關數據庫中，從而產生大量的目標數據。而這些數據的利用率非常低下，無法上升到信息層面、企業(yè)決策層需要將數據從云crm系統和其他事務處理系統中提煉出來進行更深層次的分析和挖掘，才能得到對當前決策問題真正有意義的信息。

    其次，云crm中跨地域業(yè)務往往存放在異構的環(huán)境中，不易統一查詢。再加上地域和時間的變化和統計口徑的不同，使得云crm數據的一致性存在嚴重的偏差，從而影響整個決策過程。

    再次，云crm系統的維護和客戶的開發(fā)成本無法控制。由于決策層無法直接獲取決策所需要的信息資源，造成云crm供應商和企業(yè)信息部門增加了大量的客戶開發(fā)工作。同時，由于決策需求的不斷變化，也使得開發(fā)維護工作量不斷增大，企業(yè)信息成本不斷提高，呈不可控狀態(tài)，嚴重影響企業(yè)對信息化的信心。

2 商務智能及其發(fā)展前景

    2.1 商務智能

    商務智能系統是建立在數據倉庫、聯機分析處理技術(OLAP)、數據挖掘等技術的基礎之上，通過收集、整理和分析企業(yè)內外部的各種數據，加深企業(yè)對客戶及市場的了解，并運用一定的工具對企業(yè)運營狀況、客戶需求、市場動態(tài)等做出合理的評價及預測，為企業(yè)管理層提供科學的決策依據。商務智能體系結構一般為：源數據層、數據轉換層、數據倉庫(數據集市)層、OLAP及數據挖掘層、用戶展現層。商務智能系統模型如圖1所示。
 
圖1 商務智能系統模型

    2.2 實現方式

    商務智能是一種解決方案，在它的幫助下，企業(yè)可以通過充分挖掘現有的數據資源，捕獲和分析信息，從中發(fā)現市場規(guī)律、預測未來的發(fā)展趨勢、預測和監(jiān)控風險，而且還能輔助決策者發(fā)現新的利潤增長點，優(yōu)化企業(yè)資源，從而幫助企業(yè)更加穩(wěn)健地實現經營和管理的目標。其中，商務智能的核心是采用數據倉庫技術、OLAP及數據挖掘技術。這三大核心技術的實現如下：

    2.2.1 數據倉庫技術(Data Warehouse，Dw)

    數據倉庫技術是面向主題的、集成的、穩(wěn)定的、不同時間的數據集合，用以支持經營管理中的決策過程。它與傳統的數據庫目標有著較大的不同，其一，數據倉庫是面向主題的，主題是一個抽象概念，是一個在較高層次將數據歸類的標準，一個主題對應一個分析領域即主題域。其二，數據倉庫的數據是集成的，它是從原有分散的數據庫中的數據集成得到的，基于分析型的數據，是對原始數據的統一和綜合。其三，數據倉庫的數據是穩(wěn)定的、不可更新的，它反映的是較長一段時間的歷史數據內容，而非聯機處理的數據。最后，數據倉庫數據是隨時間不斷變化的，數據倉庫具有豐富的數據采集、管理、分析和信息描述功能。

    2.2.2 聯機分析處理技術(Online Analyical Processing，OLAP)

    聯機分析處理技術是獨立于數據倉庫的一種技術，它通過快速、一致、交互地訪問各種可能的信息視圖，幫助數據分析人員、管理人員、決策人員掌握數據之間的規(guī)律。OLAP把數據倉庫中的海量數據轉化為有用的信息，從而實現對數據的歸納、分析和處理，提供決策支持。

    2.2.3 數據挖掘(Data Mining，DM)

    數據挖掘是基于數據庫的知識發(fā)現(Knowledge Discovery in Database，KDD)的重要環(huán)節(jié)，KDD是指從大量的數據中提取有效的、新穎的、潛在有用的、最終可被理解的模式的非平凡過程，DM是運用一些算法從數據倉庫中提取用戶感興趣的知識，在很多情況下，數據挖掘就是指知識發(fā)現。

    2.3 發(fā)展前景

    目前，電信、金融、制造、政府等行業(yè)都率先大規(guī)模的應用了商務智能，以輔助業(yè)務管理，2005年中國商務智能軟件市場的規(guī)模約為10億元，比2004年的6.55億元增長了70％，成為了中國軟件市場的一大亮點。全球BI市場，新許可證的銷售收入超過了23億美元，以10％以上的速度增長。未來經濟的發(fā)展越來越需要前瞻性的分析預測系統，因而商業(yè)智能責無旁貸。商業(yè)智能未來將對業(yè)務實施實時決策支持，從CEO的范圍擴展到業(yè)務層面，出現BI技術與云crm、CRM等多種技術的融合。

3 云crm系統與商務智能系統的集成架構

    云crm系統與商務智能系統的集成構架如圖2所示。
 
圖2 商務智能與云crm系統的集成構架

    在此集成系統環(huán)境中，云crm系統、OLAP和DM組成集成環(huán)境的工具層。技術上，云crm系統的重點在于快速、準確、安全、可靠地將數據收集到數據庫中，數據倉庫用于信息的存儲和組織，OLAP側重于信息的決策分析，而DM則對偏向于重要的、隱藏的知識發(fā)現，相輔相成，互相促進。集成的系統具有以下特點：

    (1)云crm系統收集，處理存儲大量的基礎數據，構成集成系統的數據來源；
    (2)數據倉庫對云crm系統數據進行統一綜合，形成全局的數據視圖，構成商務智能系統的信息基礎；
    (3)OLAP利用數據倉庫中的信息，構建多維數據視圖，采用多維分析方法進行數據分析；
    (4)DM能有效的從大量數據中挖掘出決策所需的知識，做出預測性分析。

    目前，商業(yè)智能解決方案的提供方式主要由云crm廠商提供和商務智能專業(yè)廠商提供兩種方式。前者是基于對原云crm系統信息進一步匯整及分析得來，屬于自下而上的逐漸發(fā)展，著眼于商業(yè)智能的管理維護，并不必和某個特定的云crm系統結合，甚至不以與云crm廠商合作為目標，而是全然以提供商業(yè)智能產品服務為定位，這類廠商較早投入BI領域，如IBM BI Solution、Cognos、Business Object等等。

    由云crm廠商提供的商業(yè)智能解決方案由于植根于原來的云crm系統之上，因此與原來的云crm系統有較好的兼容性，數據讀取或分析的前置工作較容易進行。而由專業(yè)BI廠商提供的產品則由于專業(yè)分工的細致化，而且相關BI經驗和資源的積累較為豐富，往往對于各種異質數據源的處理有較佳的支持，數據挖掘和發(fā)現的方法相對豐富，如何選擇要結合自己的本企業(yè)的實際情況。

4 結論

    在當今這個信息時代，企業(yè)往往被淹沒在來源于多個渠道的龐大、豐富的海量數據中。我們只有及時地將數據有機地組合在一起，及時地將信息轉化為知識和智能，才能更好地指導企業(yè)進行商業(yè)決策和行動。云crm和商務智能的集成系統的作用就在于此，它幫助管理者做出科學的計劃、判斷、決策，避免主觀、片面等因素引起的重大失誤。

    本文一方面從技術的角度對云crm系統以及商務智能技術的基本概念、技術架構以及涉及到的技術問題進行了探討。另一方面又結合分析了商務智能與云crm之間的關系，通過一種能夠結合二者長處的新的系統環(huán)境的初步研究來提高企業(yè)對現有的信息數據的利用效率，以及企業(yè)決策分析的能力。通過集成化的云crm與商務智能系統的構建，企業(yè)能高效地利用現有的信息基礎設施中的數據，從而大大提高用戶對數據查詢分析和決策分析的能力。

    此集成系統是一個跨學科的方向，在我的研究中還存在很多沒有解決的問題，比如在數據倉庫中的可視化的數據挖掘系統等問題，需要進一步進行研究。