商务智能在电子商务中的应用研究

    在基础网络不断完善、信息技术高速发展的今天，许多新兴的产业正补充或者逐步替代着传统产业，电子商务就在这一背景下应运而生，并且在国民经济中显现出越来越重要的作用。截至2008年3月1日，按用户数量计算，中国已经超过美国成为全球最大的互联网市场，而且电子商务正在逐步成为外贸、能源、制造、金融等行业业务发展的重要途径。

    随着电子商务由起步阶段转化到蓬勃发展的应用阶段，信息量不断的急剧增长，同时信息的复杂性也越来越高。在信息时代，企业对信息处理和利用能力的强弱成为决定其兴衰成败的关键，企业不再仅仅依赖于基于数据的事务性处理，而是开始追求信息中所蕴含的价值。企业不但要求对数量庞大的历史数据进行准确的展现、查询、分析，更希望对历史数据做前瞻性分析，以预测企业在未来即将面临的状况。

    因此，能在庞大的信息中提取有用的信息，发现潜在的、有用的关系，从而发掘企业新的增长点的商务智能成为企业赢得新一轮竞争的利器。

1 电子商务发展历程及趋势

    从20世纪90年代我国开始开展EDI的电子商务应用到2000年电子商务进入了务实发展阶段这短短十几年的时间，电子商务这一崭新的商务模式已成为了时代的特征。

    1.1 电子商务的含义

    1)世界电子商务大会的定义：1997年11月6日至7日，国际商会在法国首都巴黎举行第一次世界电子商务会议，其中有一项重要内容是共同探讨电子商务的概念问题，大会结束时发布的电子商务的权威性定义为：“电子商务(Electronic Commerce)，指实现整个贸易活动的电子化。它涵盖的范围可以定义为：交易的各方以电子贸易的方式，而不是通过当面交换或直接面谈方式进行的任何形式的商业交易活动；从技术方面可以定义为：电子商务是一种多技术应用的集合体，包括交换数据(如电子数据交换EDI，电子邮件E-mail)、获得数据(如共享数据库、电子公告牌BBS)以及自动捕获数据(如条形码、IC卡应用等)。

    2)世界贸易组织的定义：国际组织世界贸易组织(WTO)在其《电子商务》专题报告中，对电子商务的定义是：“电子商务是通过电信网络进行的生产、营销、销售和流通活动，它不仅指基于因特网的交易活动，且指所有利用电子信息技术(IT)来解决问题、降低成本、增加价值和创造商业和贸易机会的商业活动，包括通过网络实现从原材料查询、采购、产品展示、订购到出品、储运、电子支付等一系列的贸易活动。”
    3)联合国经济与发展组织的定义：联合国经济与发展组织(OECD)对电子商务的定义是：“电子商务是发生在开放网络上的包含企业之间(Business to Business)、企业与消费者之间(Business to Consumer)的商业交易。”

    可以看出，电子商务是指在因特网开放的网络环境下，基于浏览器／服务器应用方式，买卖双方不谋面地进行各种商贸活动，实现消费者的网上购物、商户之间的网上交易和在线电子支付以及各种商务活动、交易活动、金融活动和相关的综合服务活动的一种新型的商业模式。

    1.2 电子商务的发展历程

    我国电子商务发展历程可分为三阶段：

    1)1990年—1993年，EDI形式的电子商务应用阶段。自1990年开始，国家计委、科委将EDI列入“八五”国家科技攻关项目，EDI——电子商务的雏形开始在国内外贸易、交通、银行等部门应用。

    2)1993年—1997年，“三金工程”助电子商务发展。1993年政府组织开展以金关、金卡、金税为内容的“三金工程”，为我国电子商务发展打下基础。1994年10月亚太地区电子商务研讨会在京召开，使电子商务概念开始在我国传播。1995年，中国互联网开始商业化，互联网公司开始兴起。1996年1月成立国务院国家信息化工作领导小组，统一领导组织我国信息化建设。同年，金桥桥网与因特网正式开通。

    3)1998年，进入互联网电子商务发展阶段。从1998年3月我国第一笔互联网网上交易成功到1999年3月8848等B2C网站正式开通，这短短一年的时间里，我国电子商务已经进入实际应用阶段。同时，电子政务、远程教育、远程诊断等广义电子商务形式开始出现。

    4)2000年，完善、实施阶段。进入2000年，随着网络基础设施等外部环境的快速发展、电子商务法律法规的不断完善、安全问题的逐渐解决，政府、各行业部门以及众多企业对电子商务已经从密切关注开始走向了实施，我国电子商务全面启动并已初见成效。

    1.3 电子商务的发展趋势

    1)中国电子商务将呈现国际化发展趋势：2008年1月29日世界互联网媒体测评机构“尼尔森在线”公布的研究数据显示：全球在线购物的网民比例已经达到85％。其中中国、巴西和印度电子商务的蓬勃发展是推动全球在线购物网民比例迅速增长的主要动力；截至2008年3月13日，按用户数量计算，中国已经超过美国而成为全球最大的互联网市场；中国BDA咨询公司预计“电子商务将成为中国下一个蓬勃发展的产业”。这一切都说明中国的电子商务发展正呈现出国际化发展趋势。

    2)电子商务将与企业信息化逐步融合：通过对广义电子商务概念的理解可以看出，广义的电子商务强调企业利用信息化手段开展经营管理，即“企业信息化”。许多企业已经将企业资源计划(ERP)、客户关系管理(CRM)、供应链管理(SCM)等融入到了电子商务之中，实现了信息的共享。可以说企业信息化与电子商务是密切相关的，而且将逐步融合。

    伴随着电子商务的这种发展趋势，可以看出以电子商务为特征的新经济逐步走向成熟，企业需要处理的数据量越来越多，数据库应用的规模、范围和深度不断扩大，已经从单机、局域网发展到网络，甚至到因特网全球信息系统。

2 商务智能及其关键技术

    2.1 商务智能的定义

    商务智能没有一个统一的定义，综合一些观点后，本文对商务智能的定义如下：

    商务智能(Business Intelligence，缩略为BI)是在计算机软硬件、网络、通信和决策等多种技术的基础上出现的用于处理海量数据的一项技术，是企业收集、管理和分析结构化和非结构化的数据和信息，创造和累计商务知识和见解，帮助企业管理者进行科学决策，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的一种平台和综合解决方案。

    2.2 商务智能的关键技术

    商务智能通过利用多个数据源的信息，运用数据仓库、在线分析和数据挖掘技术，对信息进行萃取、整合和分析，得出与各个主题相关的高质量和有意义的资料来帮助人们分析信息，并应用经验得出结论、形成假设，更好的支持决策过程，提高企业战略和战术决策能力。从技术层面来理解，商务智能就是从许多来自不同的企业运作系统的数据中提取出有用的数据进行清理，然后经过抽取(Extraction)、转换(Transformation)和装载(Load)，即ETL过程。通过此过程数据被合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理，最后将知识呈现给管理者，为管理者的决策提供支持的过程。

    因此，商务智能的核心技术主要包括数据仓库(Data Warehousing，DW)技术、联机分析处理(Online Analytical Processing，OLAP)技术和数据挖掘(Data Mining，DM)技术。

    2.2.1 数据仓库技术

    数据仓库是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，它有面向主题、集成、相对稳定、随时间不断变化四个特性。数据仓库从分布的、异构的信息源中检索和集成数据，以支持管理层、决策层用户更好更快地进行决策分析。数据仓库是实现商务智能的数据基础，数据仓库为商务智能撷取或载人大量原始信息，归并各种数据源的数据，完成了数据的集成、清洗、转换、存储、管理等工作，并建立以各种主题为导向的数据仓库。这样商务智能面对的就是经过加工的数据，使得商务智能更专注于信息的提取和知识的发现，使其能更有效的支持企业管理和商业决策。

    2.2.2 联机分析处理技术

    联机分析处理(OLAP)是以海量数据为基础的复杂分析技术，其典型的应用是对商业问题的建模与商业数据分析，也被称为多维分析。利用该技术可以对基于数据仓库中多维的商务数据进行在线分析处理，生成新的商业信息，又能实时监视商务运作的成效，使管理者能自由地与商务数据相互联系。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的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结果展现给决策人员。联机分析处理使决策者、管理者、执行者能从多个角度对数据仓库中的数据进行快速、一致、交互的存取，从而满足决策支持或多维环境下特定的查询和报表需求。

    OLAP的基本多维分析操作有钻取、切片和切块、以及旋转等。

    2.2.3 数据挖掘技术

    数据挖掘是从存放在数据库、数据仓库或其他信息库中的大量的、不完全的、有噪声的、模糊的及随机的实际应用数据中，挖掘出隐含的、先前未知的、对决策有潜在价值的知识和规则的过程。数据挖掘结合了机器学习、数理逻辑、统计学数据库技术和人工智能技术等众多领域的知识，是解决从大量信息中获取有用知识、提供决策支持问题的有效途径。数据挖掘工具利用数据仓库、模型库和知识库共同完成数据挖掘过程。通过数据挖掘工具触发数据仓库管理系统，从数据仓库中获取与商业决策具体任务相关的数据。数据挖掘可以帮助企业在大量的数据中发现那些不能靠直觉发现的信息或知识。

    目前主要的数据挖掘方法有关联分析、规则归纳、聚类、分类和预测、演变分析、决策树、神经网络、遗传算法、公式发现、统计分析、模糊集合、可视化技术、云模型方法等，通过数据挖掘得出的结果一般以图形、图表或者数据报表的方式表示。