论文部分内容阅读
[摘要] 本文对ERP与商务智能整合应用的理论和实现技术进行研究，提出了ERP与商务智能整合应用的方案。
[关键词] ERP 商务智能 数据仓库 OLAP
一、引言
ERP的应用实现了企业内部核心业务流程的信息集成以及企业外部供应链的信息集成。但ERP对决策支持有着明显的不足。商务智能的实现依赖于大量的、准确的、真实的数据；而ERP系统产生了大量的、准确的、真实的数据。因此，将商务智能建立在ERP系统原始数据的基础上，不失为一种良好的解决方案。
二、ERP
ERP理论从MRPⅡ发展而来，扩展了管理的模块。它综合应用了B／S体系、关系数据库结构、面向对象技术、图形用户界面、网络通讯等成果。ERP中的数据是按照面向事物处理的方式进行组织和存储的。一般包含四大功能模块：财务管理模块、生产管理模块、物流管理模块和人力资源管理模块。此外还可能包含质量管理、设备管理等模块。
三、数据仓库原理
数据仓库是ERP与商务智能之间的桥梁，可以理解为面向主题的、集成的、不同时间的、稳定的数据集合。数据仓库最大的特点是面向主题，每个主题对应一个客观分析领域。
四、商务智能理论
商务智能的定义众说纷纭。本文在总结商务智能的众多定义之后，将商务智能定义为：商务智能是企业利用现代信息技术收集、管理和分析结构化、半结构化和非结构化的数据，创造出商务知识和商务信息用以提高决策水平，采取有效的商务行动，完善各种商务流程，提升商务绩效，增强企业综合竞争力的过程。从数据分析的角度看，商务智能是为了解决商业活动中遇到的各种问题，利用各种信息系统进行高质量的信息收集、分析、处理的过程，其基本功能包括个性化的信息分析和预测发展趋势。从应用的角度看，商务智能可以帮助用户对商业数据进行分析处理，帮助企业解决商业问题，辅助决策，以便更好地实现商业目的。
五、ERP与商务智能整合应用的核心技术
1.数据的抽取、转换和加载
获取数据是实现ERP商务智能系统的一个重要步骤。这一过程包括：辨识与所研究主题相关的原始数据；确定数据抽取策略；将原始数据转换为目标格式；将原始数据加载到目标区域。上述数据获取过程就是数据的抽取（Extraction）、转换（Transition）和加载（Loading）过程，称为ETL过程。ETL过程中有两个重要的原则：第一，尽量确保引入的仅仅是在数据分析过程中发挥有效作用的数据；第二，必须保证被引入的数据是完整的和正确的。在完成数据的抽取、转换和加载时，应尽量选择ETL工具。
2.维技术
维是人们观察客观世界的角度，也就是决策分析者分析数据的角度，是多维数据集中重要的组件。维技术是商务智能的重要基础技术之一，对商务智能的实现非常重要。
3.数据分析技术
(1)OLAP
OLAP针对某个特定的主题进行联机数据访问、处理和分析，通过直观的方式从多个维度、多种数据综合程度将系统的运营情况展现给使用者。在数据仓库应用中，OLAP工具一般是数据仓库应用的前端工具。
(2)数据挖掘
随着数据库技术的发展，数据库的数据量急剧增大，从海量数据库中挖掘信息的过程，称之为数据挖掘，即从数据集中识别出正确的、新颖的、潜在的、有用的，以及最终可理解的模式的非平凡过程。
六、ERP商务智能系统的整体设计方案
根据对ERP和商务智能的理论和技术的研究，本文提出ERP与商务智能整合应用的基本方案如下：
1.理解ERP的管理理念，理解ERP系统产生的数据的涵义，进而选择需要的数据。
2.根据对ERP的理解，确定分析主题，进而确定数据仓库的主题。
3.设计合理的数据仓库模型。
4.确定数据仓库的建立路线，确定是否需要建立数据集市。
5.构建数据仓库和数据集市。
6.确定数据转换规则，使用一定的数据抽取和加载工具从ERP数据库提取数据，经过数据转换，最终按照预先设计好的数据仓库模型，将数据加载到数据仓库中。
7.创建对数据仓库数据进行管理的元数据文件。
8.根据分析主题的要求建立多维数据集，手工编写代码或者直接使用OLAP工具、數据挖掘工具和查询报表工具，利用数据仓库或者数据集市的数据进行支持决策的数据分析。
9.以可视化的方式展示分析结果。
10.注意数据仓库中的信息主要用于数据分析，它不能被商务智能用户修改。
总体上说，商务智能处于高度整合的ERP环境下，ERP数据仓库和ERP应用系统通过接口紧密结合，元数据在它们之间流动；ETL工具从ERP系统中提取合适的数据，然后将其放入以商务主题为导向的ERP数据仓库中，再利用商务智能工具进行数据的分析，最终将可视化的结果展示给决策分析人员。
参考文献：
[1]金蝶软件（中国）有限公司著.ERP系统集成应用.北京:清华大学出版社,2005,8
[2]陈京民等著:数据仓库与数据挖掘技术.北京:电子工业出版社,2002,8
[3]张维明邓苏刘青宝等著：数据仓库原理与应用.北京:电子工业出版社,2002,3
[4]Jiawei Han.Data Mining Concepts and Techniques.北京:机械工业出版社,2001:29-35
[5]Michael L. Gonzales.IBM data warehousing with IBM business intelligence tools.北京:电子工业出版社,2004,7
[关键词] ERP 商务智能 数据仓库 OLAP
一、引言
ERP的应用实现了企业内部核心业务流程的信息集成以及企业外部供应链的信息集成。但ERP对决策支持有着明显的不足。商务智能的实现依赖于大量的、准确的、真实的数据；而ERP系统产生了大量的、准确的、真实的数据。因此，将商务智能建立在ERP系统原始数据的基础上，不失为一种良好的解决方案。
二、ERP
ERP理论从MRPⅡ发展而来，扩展了管理的模块。它综合应用了B／S体系、关系数据库结构、面向对象技术、图形用户界面、网络通讯等成果。ERP中的数据是按照面向事物处理的方式进行组织和存储的。一般包含四大功能模块：财务管理模块、生产管理模块、物流管理模块和人力资源管理模块。此外还可能包含质量管理、设备管理等模块。
三、数据仓库原理
数据仓库是ERP与商务智能之间的桥梁，可以理解为面向主题的、集成的、不同时间的、稳定的数据集合。数据仓库最大的特点是面向主题，每个主题对应一个客观分析领域。
四、商务智能理论
商务智能的定义众说纷纭。本文在总结商务智能的众多定义之后，将商务智能定义为：商务智能是企业利用现代信息技术收集、管理和分析结构化、半结构化和非结构化的数据，创造出商务知识和商务信息用以提高决策水平，采取有效的商务行动，完善各种商务流程，提升商务绩效，增强企业综合竞争力的过程。从数据分析的角度看，商务智能是为了解决商业活动中遇到的各种问题，利用各种信息系统进行高质量的信息收集、分析、处理的过程，其基本功能包括个性化的信息分析和预测发展趋势。从应用的角度看，商务智能可以帮助用户对商业数据进行分析处理，帮助企业解决商业问题，辅助决策，以便更好地实现商业目的。
五、ERP与商务智能整合应用的核心技术
1.数据的抽取、转换和加载
获取数据是实现ERP商务智能系统的一个重要步骤。这一过程包括：辨识与所研究主题相关的原始数据；确定数据抽取策略；将原始数据转换为目标格式；将原始数据加载到目标区域。上述数据获取过程就是数据的抽取（Extraction）、转换（Transition）和加载（Loading）过程，称为ETL过程。ETL过程中有两个重要的原则：第一，尽量确保引入的仅仅是在数据分析过程中发挥有效作用的数据；第二，必须保证被引入的数据是完整的和正确的。在完成数据的抽取、转换和加载时，应尽量选择ETL工具。
2.维技术
维是人们观察客观世界的角度，也就是决策分析者分析数据的角度，是多维数据集中重要的组件。维技术是商务智能的重要基础技术之一，对商务智能的实现非常重要。
3.数据分析技术
(1)OLAP
OLAP针对某个特定的主题进行联机数据访问、处理和分析，通过直观的方式从多个维度、多种数据综合程度将系统的运营情况展现给使用者。在数据仓库应用中，OLAP工具一般是数据仓库应用的前端工具。
(2)数据挖掘
随着数据库技术的发展，数据库的数据量急剧增大，从海量数据库中挖掘信息的过程，称之为数据挖掘，即从数据集中识别出正确的、新颖的、潜在的、有用的，以及最终可理解的模式的非平凡过程。
六、ERP商务智能系统的整体设计方案
根据对ERP和商务智能的理论和技术的研究，本文提出ERP与商务智能整合应用的基本方案如下：
1.理解ERP的管理理念，理解ERP系统产生的数据的涵义，进而选择需要的数据。
2.根据对ERP的理解，确定分析主题，进而确定数据仓库的主题。
3.设计合理的数据仓库模型。
4.确定数据仓库的建立路线，确定是否需要建立数据集市。
5.构建数据仓库和数据集市。
6.确定数据转换规则，使用一定的数据抽取和加载工具从ERP数据库提取数据，经过数据转换，最终按照预先设计好的数据仓库模型，将数据加载到数据仓库中。
7.创建对数据仓库数据进行管理的元数据文件。
8.根据分析主题的要求建立多维数据集，手工编写代码或者直接使用OLAP工具、數据挖掘工具和查询报表工具，利用数据仓库或者数据集市的数据进行支持决策的数据分析。
9.以可视化的方式展示分析结果。
10.注意数据仓库中的信息主要用于数据分析，它不能被商务智能用户修改。
总体上说，商务智能处于高度整合的ERP环境下，ERP数据仓库和ERP应用系统通过接口紧密结合，元数据在它们之间流动；ETL工具从ERP系统中提取合适的数据，然后将其放入以商务主题为导向的ERP数据仓库中，再利用商务智能工具进行数据的分析，最终将可视化的结果展示给决策分析人员。
参考文献：
[1]金蝶软件（中国）有限公司著.ERP系统集成应用.北京:清华大学出版社,2005,8
[2]陈京民等著:数据仓库与数据挖掘技术.北京:电子工业出版社,2002,8
[3]张维明邓苏刘青宝等著：数据仓库原理与应用.北京:电子工业出版社,2002,3
[4]Jiawei Han.Data Mining Concepts and Techniques.北京:机械工业出版社,2001:29-35
[5]Michael L. Gonzales.IBM data warehousing with IBM business intelligence tools.北京:电子工业出版社,2004,7