论文部分内容阅读
摘要：商业智能是将数据转换成知识并将知识应用到商业行为上的一个过程。本文旨在阐述商业智能行业的应用。
关键词：商业智能 数据仓库 数据挖掘 商业智能应用
Business Application on Business Intelligenc
Xiao Jian Yang Lifang Liao Hong Huang Ziqi
Abstract：Business intelligence is a process.That data is converted into knowledge and knowledge into commercial activity.This Passage mainly talks about the Business Application on Business Intelligenc.
Keywords：Business intelligenc Data base Data mining Application on business intelligenc
【中图分类号】F208 【文献标识码】A【文章编号】1009-9646(2008)12-0110-03
空前的信息量使得企业的决策过程日益复杂，是否能正确处理和有效利用各种业务信息和数据已经成为决定企业兴衰的关键。商业智能（Business Intelligence，简称BI）是将数据转换成知识并将知识应用到商业行为上的一个过程，具有强大的业务数据分析功能，可提供立体化的、多视角的、有渗透力的、多业务系统之间交互的数据分析，由此提供具有预测性的、潜在的市场信息。企业管理者借助BI系统提供的分析功能，可以及时准确地了解影响企业经营的潜因素，通过制订实时的正确决策，改善企业的经营策略。
1.商业智能概述
商业智能(Business Intelligence，简称BI)，是20世纪90年代末首先在国外企业界出现的一个术语，是由Gartner Group(美国加纳公司)的Howard Dresner在1989年首次提出的，它是信息时代对数据进行收集、处理、管理、分析和决策的一种先进技术，目的是使企业各级决策者获得知识，促使他们做出更加合理的决策。
传统的业务处理系统环境下，业务人员要获取存储在计算机系统内的业务数据，需要通过IT技术人员编制相应的报表程序来实现。报表作为一种固定格式的数据展现方式，能展现的可能只是事实的一个侧面。当决策人员需要从数据中了解事实的全貌的时候。他们必须在头脑中对种类繁多的报表里许多相关的数据进行融汇与整合，当数据的规模和种类越来越多的时候，这种工作毫无疑问也将会越来越繁重。商业智能的数据整合工作能帮助决策人员从繁重的数据整合工作中解放出来。迅速地从各个侧面读懂数据，使他们能腾出精力更加深入地研究问题的本质。这样既能提高决策的效率，又能通过对数据多角度多层次的分析得到更深入的洞察能力。运用商业智能后，企业内的信息都日常性地保存到企业的数据仓库中，以备决策者做决策时对信息访问的需要。通过非常简单的方式访问企业数据仓库，就可以访问到在决策过程中需要的所有信息，而且这些信息的访问界面可以是为其需要量身定造的，可以在单一的个性化的界面内迅速找到与事件相关的所有信息，非现场地了解事件的全程，决策所需要的信息的获取过程可以缩短到小时级别。甚至是分钟级别。并且由于信息获取过程中完全的自动化和规范化，降低了由于人工信息采集过程中所无法避免的信息残缺和误差，获取信息的准确性得到有力的保证。
举个例子，一个销售经理每周都要看销售周报，反映这一周的市场销售情况。每月末，销售经理也会看一下月报，比较一下本月与去年同期的比例。而2年以前的数据，似乎只能安静的储存在冰冷的硬盘深处，无人问津。其实，大量的历史数据将反映一个企业的成长经历，
通过对历史的分析，可以预测未来，这恰好是商业智能所体现的宗旨。
2.商业智能的技术体系
说起商业智能，大家也许会想起啤酒与尿布的例子，其实那是商业智能在商品摆放分析方面的一个应用案例，那么商业智能是什么?狭义的说,它是能够帮助用户对自身业务经营做出正确决策的工具。广义的说商业智能是集数据仓库技术、在线分析技术以及数据挖掘等于一体的经营分析以及决策支持的数据应用体系。
商业智能的技术体系主要有：数据仓库(DW)、在线分析处理（OLAP）、数据挖掘（DM）。
数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。
在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
3.商业智能的行业应用
目前，电信、金融、制造、政府等行业都率先大规模的应用了商业智能，以辅助业务管理。商业智能的应用目前呈现出行业化和专业化的趋势，典型应用领域包括：经营分析，战略决策支持，绩效管理。
3.1 商业智能行业应用领域。
3.1.1 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。
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：利润率、应收率、销售率、库存量、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，才能获得整个企业的经营状况。
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、各种商品的风险度分析等等。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。
财务分析是指对企业财务数据中的利润、费用支出、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使用方面的实际情况，为及时调整和降低企业成本提供数据依据。
3.1.2 战略决策支持。即在经营分析的基础上，将各类数据、信息进行高度的概括和总结，然后形成供高级决策者进行战略决策时参考的企业经营状况分析报告。
商业智能对战略决策的支持，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。
3.1.3 绩效管理。商业智能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(KPI，Key Performance Indicator)。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，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。
3.2 商业智能在商业银行中的应用。
金融事务需要搜集和处理大量数据，对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。商业银行业务的利润和风险是共存的。为了保证最大的利润和最小的风险，必须对账户进行科学的分析和归类，并进行信用评估。
Mellon银行使用Intelligent Agent商业智能软件提高销售和定价金融产品的精确度，如家庭普通贷款。零售信贷客户主要有两类，一类很少使用信贷限额（低循环者），另一类能够保持较高的未清余额（高循环者）。每一类都代表着销售的挑战。低循环者代表缺省和支出注销费用的危险性较低，但会带来极少的净收入或负收入，因为他们的服务费用几乎与高循环者的相同。银行常常为他们提供项目，鼓励他们更多地使用信贷限额或找到交叉销售高利润产品的机会。高循环者由高和中等危险元件构成。高危险分段具有支付缺省和注销费用的潜力。对于中等危险分段，销售项目的重点是留住可获利的客户并争取能带来相同利润的新客户。但根据新观点，用户的行为会随时间而变化。分析客户整个生命周期的费用和收入就可以看出谁是最具创利潜能的。Mellon银行认为“根据市场的某一部分进行定制”能够发现最终用户并将市场定位于这些用户。但是，要这么做就必须了解关于最终用户特点的信息。商业智能工具为Mellon银行提供了获取此类信息的途径。Mellon银行销售部在先期商业智能项目上使用Intelligence Agent寻找信息主要目的是确定现有Mellon用户购买特定附加产品：家庭普通信贷限额的倾向，利用该工具可生成用于检测的模型。据银行官员称：Intelligence Agent可帮助用户增强其商业智能，如交往、分类或回归分析，依赖这些能力，可对那些有较高倾向购买银行产品、服务产品和服务的客户进行有目的的推销。该官员认为，该软件可反馈用于分析和决策的高质量信息。
美国Firstar银行使用Marksman商业智能工具，根据客户的消费模式预测何时为客户提供何种产品。Firstar银行市场调查和数据库营销部经理发现：公共数据库中存储着关于每位消费者的大量信息，关键是要透彻分析消费者投入到新产品中的原因，在数据库中找到一种模式，从而能够为每种新产品找到最合适的消费者。Marksman能读取800~1000个变量并且给它们赋值，根据消费者是否有家庭财产贷款、赊账卡、存款证或其它储蓄、投资产品，将它们分成若干组，然后使用商业智能工具预测何时向每位消费者提供哪种产品。预测准客户的需要是美国商业银行的竞争优势。
商业银行信用风险的影响因素往往是多方面的，传统的信用管理方法往往无法适应这一复杂需求或无法准确预测信用状况。商业智能系统能弥补这一不足。第一，采用商业智能能深入分析客户信用的信用状况的影响因素。客户信用状况的好坏与众多因素相关联如：地区差异、经济环境状况、个人知识层次收入高低、社会职务等。如何分析这些因素间的关系或根据这些因素来决定申请者的信用额度，传统的信用评估体系的简单方式往往不能准确的解决这一难题。利用商业智能系统则能很好的处理这类问题。第二，采用商业智能能很好的分析组合信用风险问题。组合信用风险较一般复杂，要深入剖析各组合要素的关系和组合分布情况，需要采用数据挖掘的描述性挖掘的方法来发掘隐含的分布特征。第三，采用商业智能能多层次和多角度的展现数据关系。借助数据仓库的相关知识，数据挖掘能从不同的维度深入分析信用数据。从而，更为透彻的揭示信用风险的蕴含关系和特征，增强预测的准确性。第四，目前的商业智能工具能非常全面的展现数据的关系和分析结果。
3.3 商业智能在零售行业中的应用。
根据相关统计资料显示，当前中国零售行业百强企业均不同程度地实施了企业信息管理系统。其中，与零售行业主营业务密切相关的财务管理系统、POS系统、MIS系统、物价管理系统等系统应用较为广泛。CRM、决策支持管理系统等正逐步成为百强企业当前信息化建设的重点和热点。百强零售企业领导均充分认识到企业信息化建设的重要性，并积极加大对企业信息化建设的投入,逐步扩大企业信息化建设在企业发展投资中所占的比重,但受访企业没有一家对本单位信息化现状表示“非常满意”。
当前，国内零售行业IT发展当前面临的主要问题有：
3.3.1 业务系统相互独立。
现行各业务系统各自独立互不协调；从而导致很多统计口径和统计指标在不同的系统存在各自不同的表达，在统计上极易造成混乱。
3.3.2 统计工作重复、分散。
部门间的统计报表有交叉，有些同名统计指标的表达不一致。并且数据分布在不同的系统中，而业务部门的要求往往是全面的数据统计，致使信息部门疲于奔命，尚不能满足业务部门的统计需要。
3.3.3 无法有效地利用现有数据。
一方面，业务部门不能及时掌握第一手业务资料；另一方面，信息部门完善了面向于操作的业务系统，基本满足业务操作的需要，积累了大量的基础业务数据；但由于数据过于零散而且分布在各个独立的系统中，造成虽然有各种各样的数据但不能整和到一起来满足业务管理上的需要。
在零售行业应用商业智能，能够很好的解决以上问题，带来两方面的效益：
3.3.4 短期效益。
系统建设的短期效益就是通过对商品销售情况、库存情况、采购情况、成本情况、费用情况等直接关系到企业效益的经营业务数据进行分析，逐步优化产品的结构来提高商品销售金额、合理控制库存降低库存成本、对费用进行分析控制费用以及对现金流进行分析来控制安全的现金流。通过对以上经营情况进行分析来提高销售降低成本以实现提高企业的经营效益和经营效率，增强企业的竞争优势。
3.3.5 长期效益。
系统建设的长期效益主要体现在如下两个方面：通过对广场的坪效、员工的绩效、部门的计划完成情况、租户的达成率等绩效的考核控制，逐步建立一套完成的企业绩效考核体系，提升企业经营管理水平，增强企业的竞争力；通过对商品的销售趋势分析、商品结构变化分析以及财务分析（如：成本分析、现金流分析）建立一套完整的监控预警以及决策支持体系，及时调整企业经营策略，增强企业抗风险能力。
零售业商业智能受到全球零售业的关注，热衷程度也逐渐升高。但是对企业而言，因为涉及的范围及层级甚广，包括信息技术、投资金额、业务流程、资料完整性等，项目的风险性极高。综观国外，不乏有很多成功案例；反观国内，零售业者对于商业智能的信息技术与解决方案尚属萌芽阶段，具有广阔的市场。
4.结束语
从全球范围来看，商业智能已经成为继企业资源计划(ERP)之后最重要的信息系统。从国内来看，商业智能已经被越来越多的企业管理者所认识，其中包括电信、金融、零售、保险等行业的决策者。商业智能已经成为这些行业信息化建设的重中之重。商业智能产业在未来几年将成为最令人瞩目的行业。
参考文献
［1］ 李艳．商业智能是一种解决方案［N］．中国计算机用户，2003-11-03
［2］ 郑炜、韩毅．宋绍成．商业智能门户应用策略研究［J］．现代情报．2006．5(5)-183-186
［3］ 巩曙平．商业智能软件JT产业突起的黑马［J］．中国科技投资．2006．4-55-56
关键词：商业智能 数据仓库 数据挖掘 商业智能应用
Business Application on Business Intelligenc
Xiao Jian Yang Lifang Liao Hong Huang Ziqi
Abstract：Business intelligence is a process.That data is converted into knowledge and knowledge into commercial activity.This Passage mainly talks about the Business Application on Business Intelligenc.
Keywords：Business intelligenc Data base Data mining Application on business intelligenc
【中图分类号】F208 【文献标识码】A【文章编号】1009-9646(2008)12-0110-03
空前的信息量使得企业的决策过程日益复杂，是否能正确处理和有效利用各种业务信息和数据已经成为决定企业兴衰的关键。商业智能（Business Intelligence，简称BI）是将数据转换成知识并将知识应用到商业行为上的一个过程，具有强大的业务数据分析功能，可提供立体化的、多视角的、有渗透力的、多业务系统之间交互的数据分析，由此提供具有预测性的、潜在的市场信息。企业管理者借助BI系统提供的分析功能，可以及时准确地了解影响企业经营的潜因素，通过制订实时的正确决策，改善企业的经营策略。
1.商业智能概述
商业智能(Business Intelligence，简称BI)，是20世纪90年代末首先在国外企业界出现的一个术语，是由Gartner Group(美国加纳公司)的Howard Dresner在1989年首次提出的，它是信息时代对数据进行收集、处理、管理、分析和决策的一种先进技术，目的是使企业各级决策者获得知识，促使他们做出更加合理的决策。
传统的业务处理系统环境下，业务人员要获取存储在计算机系统内的业务数据，需要通过IT技术人员编制相应的报表程序来实现。报表作为一种固定格式的数据展现方式，能展现的可能只是事实的一个侧面。当决策人员需要从数据中了解事实的全貌的时候。他们必须在头脑中对种类繁多的报表里许多相关的数据进行融汇与整合，当数据的规模和种类越来越多的时候，这种工作毫无疑问也将会越来越繁重。商业智能的数据整合工作能帮助决策人员从繁重的数据整合工作中解放出来。迅速地从各个侧面读懂数据，使他们能腾出精力更加深入地研究问题的本质。这样既能提高决策的效率，又能通过对数据多角度多层次的分析得到更深入的洞察能力。运用商业智能后，企业内的信息都日常性地保存到企业的数据仓库中，以备决策者做决策时对信息访问的需要。通过非常简单的方式访问企业数据仓库，就可以访问到在决策过程中需要的所有信息，而且这些信息的访问界面可以是为其需要量身定造的，可以在单一的个性化的界面内迅速找到与事件相关的所有信息，非现场地了解事件的全程，决策所需要的信息的获取过程可以缩短到小时级别。甚至是分钟级别。并且由于信息获取过程中完全的自动化和规范化，降低了由于人工信息采集过程中所无法避免的信息残缺和误差，获取信息的准确性得到有力的保证。
举个例子，一个销售经理每周都要看销售周报，反映这一周的市场销售情况。每月末，销售经理也会看一下月报，比较一下本月与去年同期的比例。而2年以前的数据，似乎只能安静的储存在冰冷的硬盘深处，无人问津。其实，大量的历史数据将反映一个企业的成长经历，
通过对历史的分析，可以预测未来，这恰好是商业智能所体现的宗旨。
2.商业智能的技术体系
说起商业智能，大家也许会想起啤酒与尿布的例子，其实那是商业智能在商品摆放分析方面的一个应用案例，那么商业智能是什么?狭义的说,它是能够帮助用户对自身业务经营做出正确决策的工具。广义的说商业智能是集数据仓库技术、在线分析技术以及数据挖掘等于一体的经营分析以及决策支持的数据应用体系。
商业智能的技术体系主要有：数据仓库(DW)、在线分析处理（OLAP）、数据挖掘（DM）。
数据仓库是商业智能的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库（DW）就是面向主题的、集成的、稳定的、不同时间的数据集合，用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。
在线分析处理（OLAP）技术则帮助分析人员、管理人员从多种角度把从原始数据中转化出来、能够真正为用户所理解的、并真实反映数据维特性的信息，进行快速、一致、交互地访问，从而获得对数据的更深入了解的一类软件技术。
数据挖掘（DM）是一种决策支持过程，它主要基于AI、机器学习、统计学等技术，高度自动化地分析企业原有的数据，做出归纳性的推理，从中挖掘出潜在的模式，预测客户的行为，帮助企业的决策者调整市场策略，减少风险，做出正确的决策。
3.商业智能的行业应用
目前，电信、金融、制造、政府等行业都率先大规模的应用了商业智能，以辅助业务管理。商业智能的应用目前呈现出行业化和专业化的趋势，典型应用领域包括：经营分析，战略决策支持，绩效管理。
3.1 商业智能行业应用领域。
3.1.1 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。
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：利润率、应收率、销售率、库存量、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，才能获得整个企业的经营状况。
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、各种商品的风险度分析等等。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。
财务分析是指对企业财务数据中的利润、费用支出、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使用方面的实际情况，为及时调整和降低企业成本提供数据依据。
3.1.2 战略决策支持。即在经营分析的基础上，将各类数据、信息进行高度的概括和总结，然后形成供高级决策者进行战略决策时参考的企业经营状况分析报告。
商业智能对战略决策的支持，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。
3.1.3 绩效管理。商业智能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(KPI，Key Performance Indicator)。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，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。
3.2 商业智能在商业银行中的应用。
金融事务需要搜集和处理大量数据，对这些数据进行分析，发现其数据模式及特征，然后可能发现某个客户、消费群体或组织的金融和商业兴趣，并可观察金融市场的变化趋势。商业银行业务的利润和风险是共存的。为了保证最大的利润和最小的风险，必须对账户进行科学的分析和归类，并进行信用评估。
Mellon银行使用Intelligent Agent商业智能软件提高销售和定价金融产品的精确度，如家庭普通贷款。零售信贷客户主要有两类，一类很少使用信贷限额（低循环者），另一类能够保持较高的未清余额（高循环者）。每一类都代表着销售的挑战。低循环者代表缺省和支出注销费用的危险性较低，但会带来极少的净收入或负收入，因为他们的服务费用几乎与高循环者的相同。银行常常为他们提供项目，鼓励他们更多地使用信贷限额或找到交叉销售高利润产品的机会。高循环者由高和中等危险元件构成。高危险分段具有支付缺省和注销费用的潜力。对于中等危险分段，销售项目的重点是留住可获利的客户并争取能带来相同利润的新客户。但根据新观点，用户的行为会随时间而变化。分析客户整个生命周期的费用和收入就可以看出谁是最具创利潜能的。Mellon银行认为“根据市场的某一部分进行定制”能够发现最终用户并将市场定位于这些用户。但是，要这么做就必须了解关于最终用户特点的信息。商业智能工具为Mellon银行提供了获取此类信息的途径。Mellon银行销售部在先期商业智能项目上使用Intelligence Agent寻找信息主要目的是确定现有Mellon用户购买特定附加产品：家庭普通信贷限额的倾向，利用该工具可生成用于检测的模型。据银行官员称：Intelligence Agent可帮助用户增强其商业智能，如交往、分类或回归分析，依赖这些能力，可对那些有较高倾向购买银行产品、服务产品和服务的客户进行有目的的推销。该官员认为，该软件可反馈用于分析和决策的高质量信息。
美国Firstar银行使用Marksman商业智能工具，根据客户的消费模式预测何时为客户提供何种产品。Firstar银行市场调查和数据库营销部经理发现：公共数据库中存储着关于每位消费者的大量信息，关键是要透彻分析消费者投入到新产品中的原因，在数据库中找到一种模式，从而能够为每种新产品找到最合适的消费者。Marksman能读取800~1000个变量并且给它们赋值，根据消费者是否有家庭财产贷款、赊账卡、存款证或其它储蓄、投资产品，将它们分成若干组，然后使用商业智能工具预测何时向每位消费者提供哪种产品。预测准客户的需要是美国商业银行的竞争优势。
商业银行信用风险的影响因素往往是多方面的，传统的信用管理方法往往无法适应这一复杂需求或无法准确预测信用状况。商业智能系统能弥补这一不足。第一，采用商业智能能深入分析客户信用的信用状况的影响因素。客户信用状况的好坏与众多因素相关联如：地区差异、经济环境状况、个人知识层次收入高低、社会职务等。如何分析这些因素间的关系或根据这些因素来决定申请者的信用额度，传统的信用评估体系的简单方式往往不能准确的解决这一难题。利用商业智能系统则能很好的处理这类问题。第二，采用商业智能能很好的分析组合信用风险问题。组合信用风险较一般复杂，要深入剖析各组合要素的关系和组合分布情况，需要采用数据挖掘的描述性挖掘的方法来发掘隐含的分布特征。第三，采用商业智能能多层次和多角度的展现数据关系。借助数据仓库的相关知识，数据挖掘能从不同的维度深入分析信用数据。从而，更为透彻的揭示信用风险的蕴含关系和特征，增强预测的准确性。第四，目前的商业智能工具能非常全面的展现数据的关系和分析结果。
3.3 商业智能在零售行业中的应用。
根据相关统计资料显示，当前中国零售行业百强企业均不同程度地实施了企业信息管理系统。其中，与零售行业主营业务密切相关的财务管理系统、POS系统、MIS系统、物价管理系统等系统应用较为广泛。CRM、决策支持管理系统等正逐步成为百强企业当前信息化建设的重点和热点。百强零售企业领导均充分认识到企业信息化建设的重要性，并积极加大对企业信息化建设的投入,逐步扩大企业信息化建设在企业发展投资中所占的比重,但受访企业没有一家对本单位信息化现状表示“非常满意”。
当前，国内零售行业IT发展当前面临的主要问题有：
3.3.1 业务系统相互独立。
现行各业务系统各自独立互不协调；从而导致很多统计口径和统计指标在不同的系统存在各自不同的表达，在统计上极易造成混乱。
3.3.2 统计工作重复、分散。
部门间的统计报表有交叉，有些同名统计指标的表达不一致。并且数据分布在不同的系统中，而业务部门的要求往往是全面的数据统计，致使信息部门疲于奔命，尚不能满足业务部门的统计需要。
3.3.3 无法有效地利用现有数据。
一方面，业务部门不能及时掌握第一手业务资料；另一方面，信息部门完善了面向于操作的业务系统，基本满足业务操作的需要，积累了大量的基础业务数据；但由于数据过于零散而且分布在各个独立的系统中，造成虽然有各种各样的数据但不能整和到一起来满足业务管理上的需要。
在零售行业应用商业智能，能够很好的解决以上问题，带来两方面的效益：
3.3.4 短期效益。
系统建设的短期效益就是通过对商品销售情况、库存情况、采购情况、成本情况、费用情况等直接关系到企业效益的经营业务数据进行分析，逐步优化产品的结构来提高商品销售金额、合理控制库存降低库存成本、对费用进行分析控制费用以及对现金流进行分析来控制安全的现金流。通过对以上经营情况进行分析来提高销售降低成本以实现提高企业的经营效益和经营效率，增强企业的竞争优势。
3.3.5 长期效益。
系统建设的长期效益主要体现在如下两个方面：通过对广场的坪效、员工的绩效、部门的计划完成情况、租户的达成率等绩效的考核控制，逐步建立一套完成的企业绩效考核体系，提升企业经营管理水平，增强企业的竞争力；通过对商品的销售趋势分析、商品结构变化分析以及财务分析（如：成本分析、现金流分析）建立一套完整的监控预警以及决策支持体系，及时调整企业经营策略，增强企业抗风险能力。
零售业商业智能受到全球零售业的关注，热衷程度也逐渐升高。但是对企业而言，因为涉及的范围及层级甚广，包括信息技术、投资金额、业务流程、资料完整性等，项目的风险性极高。综观国外，不乏有很多成功案例；反观国内，零售业者对于商业智能的信息技术与解决方案尚属萌芽阶段，具有广阔的市场。
4.结束语
从全球范围来看，商业智能已经成为继企业资源计划(ERP)之后最重要的信息系统。从国内来看，商业智能已经被越来越多的企业管理者所认识，其中包括电信、金融、零售、保险等行业的决策者。商业智能已经成为这些行业信息化建设的重中之重。商业智能产业在未来几年将成为最令人瞩目的行业。
参考文献
［1］ 李艳．商业智能是一种解决方案［N］．中国计算机用户，2003-11-03
［2］ 郑炜、韩毅．宋绍成．商业智能门户应用策略研究［J］．现代情报．2006．5(5)-183-186
［3］ 巩曙平．商业智能软件JT产业突起的黑马［J］．中国科技投资．2006．4-55-56