商务智能是指将企业的各种业务数据进行收集、汇总、过滤、分析、传递、综合利用，及时地把数据转换为企业管理者感兴趣的信息（或知识）、规则，并以各种方式展现出来，以帮助企业管理者进行科学决策，加强企业的竞争优势。商务智能可以帮助企业决策者对商业数据进行联机分析处理和数据挖掘，比如预测企业发展趋势、辅助商务决策、对客户进行分类、挖掘潜在客户群等。
商务智能系统简单的来说就是依据企业海量的业务数据，进行数据分析和数据挖掘得到辅助决策知识的系统，更广泛地说它不仅包括决策知识发现的系统，还包括各种类型的企业业务处理系统，辅助决策知识的发现使企业的业务处理智能化，从而帮助和改善了企业管理决策，提高了企业的生存力，图1为企业商务智能系统的框架。
图1 企业商务智能系统的框架
在该框架中，数据仓库（DW）是商务智能的基础。数据仓库是一个用于更好地支持企业或组织的决策分析处理的数据集合;它有面向主题、集成、相对稳定、随时间不断变化的特性。数据仓库的关键技术包括数据的抽取、清洗、转换、加载和维护技术。联机分析处理（CLAP）是以海量数据为基础的复杂数据分析技术。它支持各级管理决策人员从不同的角度、快速灵活地对数据仓库中数据进行复杂查询和多维分析处理，并且能以直观易懂的形式将查询和分析的结果展现给决策人员。
所谓的数据挖掘（Data Mining)是从海量数据中，提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘有多种来源，包括数据仓库、数据库或其他数据源。
在企业商务智能的框架中，其基础是企业业务处理系统所积累的海量结构化的业务数据。但是在企业的商务决策中，决策者常常应用在实践中不断积累的案例经验来辅助决策，这些案例形式的经验知识结构化程度较差，不能够被通用的企业商务智能来处理而辅助决策，本文针对这一现实问题，提出了应用案例推理技术来处理案例经验知识，增强商务智能的知识处理能力。
案例经验知识与案例推理
在企业中，支持企业商务决策的数据除了海量的业务数据外，还有不断积累的大量实用的案例，它是决策者对决策问题处理过程经验的详细叙述的产物，案例内容表述中包含数据、图表、文本等形式，其中包含了隐含的知识规则。对支持企业商务决策的数据信息特点分析如图2所示。
图2 支持企业商务决策的数据特点分析
从图2中可以看出，为商务决策提供服务的不同层次的数据信息有：结构化业务数据（数据库）、面向决策主题的数据仓库、通过数学模型运算处理后的决策敏感数据、联机分析后的多维数据视图、由数据挖掘得到的数据模式、案例形式的经验知识信息、规则知识库等。在对案例形式的经验知识的处理中，本文采用案例推理技术来实现经验知识的复用。
基于案例的推理（Case-Based Reasoning，CBR）源于认知科学中记忆在人类推理活动中所扮演的角色，通过访问案例库中的同类案例（源案例）的求解从而获得当前问题（目标案例）解决方法的一种推理技术。在推理中案例就是指一次经历，实质上，案例是一组带有相关值的特征，这些特征描述了一个问题及其结论。案例的获取降低了知识获取的难度，不需要得出像规则那样的准确和抽象的知识，而是直接使用隐含着难以提取规则的知识片段（案例）；不仅可以学习正面的经验，还可以学习反面的经验，基于案例推理技术自身的这些特点，非常适合于企业经验知识管理的实现。
