關于實時商業(yè)智能的文獻綜述

周如意

摘要：商業(yè)智能源于20世紀70年代末的決策支持技術，能幫助企業(yè)從海量的數(shù)據(jù)背后發(fā)現(xiàn)業(yè)務的趨勢，揭示已知的事實，為管理者制定決策提供依據(jù)。傳統(tǒng)的商業(yè)智能存在數(shù)據(jù)延遲、分析延遲和決策延遲等問題，實時商業(yè)智能研究是目前的熱點。

關鍵詞：商業(yè)智能決策支持延遲實時商業(yè)智能

一、引言

商業(yè)智能作為由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報表、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復等技術組成的類應用，能將企業(yè)的各種數(shù)據(jù)及時轉換為企業(yè)管理者感興趣的信息（或知識），并以各種方式展現(xiàn)出來，幫助企業(yè)管理者進行科學決策，加強企業(yè)的競爭優(yōu)勢。

傳統(tǒng)的商業(yè)智能系統(tǒng)中存儲的往往是結構化數(shù)據(jù)，對數(shù)據(jù)倉庫中的歷史數(shù)據(jù)進行分析，導致分析結果存在滯后性。馬鳴和趙軼超總結傳統(tǒng)的商業(yè)智能存在三方面的延時，分別為數(shù)據(jù)集成過程中所產(chǎn)生的延時、數(shù)據(jù)分析過程中所產(chǎn)生的延時以及戰(zhàn)略決策付諸實施過程中所產(chǎn)生的延時。侯巖松（2009）指出運用傳統(tǒng)商業(yè)智能時存在系統(tǒng)分析決策的滯后性，不能及時和實時地滿足企業(yè)需求。由此實時商業(yè)智能系統(tǒng)應運而生。實時商業(yè)智能同時支持結構化和非結構化數(shù)據(jù)處理，同時運用實時數(shù)據(jù)倉庫技術、實時數(shù)據(jù)分析技術、實時回饋支持技術等技術為企業(yè)提供實時決策支持，提供面向業(yè)務流程的管理和決策執(zhí)行。

二、實時商業(yè)智能的研究現(xiàn)狀

（一）實時商業(yè)智能理論研究現(xiàn)狀

1.實時商業(yè)智能的定義

Colin（2004）首次提出實時商業(yè)智能，認為實時商業(yè)智能的重點是：實時的數(shù)據(jù)整合、數(shù)據(jù)分析、執(zhí)行管理以及自動化管理，并具體闡述和分析這幾個概念。Sahay&Ranjan（2005）指出實時商業(yè)智能能夠將企業(yè)當前的狀況與歷史數(shù)據(jù)進行對比，并自動地發(fā)現(xiàn)問題和機會。因此實時商業(yè)智能不僅可以對實時數(shù)據(jù)進行及時分析，而且還會對這些分析結構做出快速反應，最終盡可能地將滯后性減少至零狀態(tài)以實現(xiàn)無延遲。周瑾（2009）指出實時商業(yè)智能系統(tǒng)的研究和應用將是未來商業(yè)智能的發(fā)展趨勢和研究熱點，并針對企業(yè)決策的實時商業(yè)智能進行了相關的研究，指出實時商業(yè)智能應支持實時決策，并且能夠減少數(shù)據(jù)滯后、分析滯后和決策滯后。侯巖松等（2011）總結了傳統(tǒng)商業(yè)智能存在的不足，并提出了面向企業(yè)業(yè)務流程的石化行業(yè)實時商業(yè)智能體系架構，并深入分析其核心技術。

2.實時商業(yè)智能中的關鍵技術

實時商業(yè)智能中的實時數(shù)據(jù)倉庫技術、實時數(shù)據(jù)分析技術、實時回饋支持技術實現(xiàn)實時的數(shù)據(jù)整合、數(shù)據(jù)分析和執(zhí)行管理。

（1）實時數(shù)據(jù)倉庫技術

實時數(shù)據(jù)倉庫實現(xiàn)數(shù)據(jù)從源數(shù)據(jù)庫到數(shù)據(jù)倉庫的實時載入。數(shù)據(jù)倉庫（DW）是通過ETL（Extract、Transformation、Load Jng，提取、轉換、加載）工具將數(shù)據(jù)從業(yè)務源系統(tǒng)批量地、定期地加載到數(shù)據(jù)倉庫，而實時商業(yè)智能在數(shù)據(jù)集成部分引入中間件，實現(xiàn)數(shù)據(jù)實時存儲。Pablo Michel Marin-Ortegaa（2014）指出ETL過程中潛在的有價值的信息被丟棄，提出了改進的ELT過程，即抽取、加載、然后再轉換。ELT可以適應動態(tài)變化的商業(yè)環(huán)境，動態(tài)地加載所需數(shù)據(jù)。

（2）實時數(shù)據(jù)分析技術

實時商業(yè)智能應從以下兩個方面做到對數(shù)據(jù)的實現(xiàn)分析：第，具備種面向企業(yè)各層員工的高度自動化的分析工具，不需要專門技術人員的參與，在數(shù)據(jù)分析的過程中應該避免不必要的人工參與，盡可能完全自動化；第二，能夠提供決策引擎支持，而不僅僅提供傳統(tǒng)的報表、可視化工具等靜態(tài)的展示效果和功能。而目前自動化數(shù)據(jù)分析工具以及決策引擎等方面的研究成果較少。

（3）實時決策回饋支持

目前企業(yè)的業(yè)務部門與IT部分缺乏有效的統(tǒng)一。BI系統(tǒng)的建立與配置應不僅僅從數(shù)據(jù)本身出發(fā)還應該從既定的分析任務出發(fā)，也即數(shù)據(jù)模型的建立應以支持決策為最終目的。目前，業(yè)務活動監(jiān)控（BAM）和業(yè)務事件監(jiān)控（BEM）的提出為實時決策回饋的實現(xiàn)提供了可能性。何?。?010）提出了基于BAM的實時商業(yè)智能，通過BAM實時監(jiān)控企業(yè)的各項業(yè)務活動、狀態(tài)信息以及變化過程，并將這些數(shù)據(jù)和信息存儲到實時數(shù)據(jù)倉庫中，結合數(shù)據(jù)分析技術判斷當前的業(yè)務活動與企業(yè)的目標的一致性，如果一致繼續(xù)執(zhí)行，如果不一致則重新回歸到企業(yè)的業(yè)務層，最終根據(jù)判斷結果自動做出決策，同時深入挖掘企業(yè)的業(yè)務活動信息，在定程度上也優(yōu)化了企業(yè)的整個業(yè)務流程。

（二）實時商業(yè)智能應用研究現(xiàn)狀

國內(nèi)對實時商業(yè)智能的應用領域較為廣泛，典型的有電信、銀行、保險、醫(yī)療、零售業(yè)等。周瑾（2007）指出商業(yè)智能的應用與行業(yè)內(nèi)信息化的基礎狀況密切相關，實施商業(yè)智能的企業(yè)中，以電信、金融行業(yè)的使用率較大，并且進步預測以制造型企業(yè)和零售業(yè)的低使用率和高預期值相比較，這兩個領域將是商業(yè)智能不可忽視的新市場。張瑞君等（2010）對制造業(yè)商業(yè)智能進行了研究，將商業(yè)智能應用于制造業(yè)，并提出了商業(yè)智能在制造業(yè)領域內(nèi)的研究框架與發(fā)展模式。

三、不足

實時商業(yè)智能從實時倉庫技術、實時分析技術以及實時回饋支持技術上實現(xiàn)了對傳統(tǒng)商業(yè)智能在數(shù)據(jù)延遲、分析延遲、決策延遲的改進，響應企業(yè)實時決策的需求。目前國內(nèi)對實時商業(yè)智能的研究仍處于初期階段，研究存在的不足主要有以下幾點：

（一）商業(yè)智能系統(tǒng)獨立于業(yè)務過程，數(shù)據(jù)的分析缺乏相關情境，使得企業(yè)人員不能完全理解、分析數(shù)據(jù)，導致企業(yè)人員無法做出全面、正確的決策。

（二）目前研究集中在實時商業(yè)智能實現(xiàn)技術方面，如數(shù)據(jù)倉庫、在線聯(lián)機分析、數(shù)據(jù)挖掘等，很少對商業(yè)智能理論進行延伸性研究，豐富商業(yè)智能方面的理論。

（三）少有研究結合目前的云計算熱點?？梢詫⑸虡I(yè)智能系統(tǒng)中的相關技術結合云計算技術從而實現(xiàn)快速的分析過程。