商務智能BI采用先進技術，是企業信息化的新領域，是企業數據生命周期的第二階段。商務智能的實現依賴于大量的、準確的、真實數據；而ERP系統產生了大量的、準確的、真是的數據。因此，將商務智能建立在ERP系統原始數據的基礎上，使孤立、分散的企業數據按歷史順序彼此相關，并且按高效、易于提取的結構進行存儲，讓用戶可以按不同的透視方法進行快速分析，不失為一種良好的企業決策支持解決方案。本文從以下3個方面對ERP與商務智能整合應用的基本方案進行詳細描述。 1、關于分析主題的確定 確定分析主題是成功實現ERP商務智能系統的第一步。準確地確定分析主題首先要熟悉ERP的管理模式，通過對ERP相關業務流程的分析確定主題。確定分析主題的依據主要有：對ERP功能模塊的分析、對ERP業務流程的分析、對相同類型企業發展戰略的了解。在實際的應用中，如果可以，最好能獲得對企業歷史數據的分析，便于概括地把握企業的“脈象”。 通過對ERP理論和ERP管理模式的研究，針對一般ERP的核心模塊和核心業務流程，本文概括了ERP系統的8個分析主題，各個主題常用的度量值和緯度見表一。 1.1 銷售主題 任務：準確及時地捕捉到銷售信息，分析銷售情況，對下一步的生產經營科學地進行決策。 主題解釋：銷售概況分析；銷售通路分析；銷售策略分析；銷售員銷售績效分析；時間段銷售分析；銷售地區分析；客戶銷售量分析；客戶分布分析；客戶類型分析；公司銷售成績的多角度分析；銷售規劃及銷售預測等。 1.2 市場主題 任務：把握市場動向，市場購買潛力和市場價格特點極其發展趨勢。 主題解釋：地區市場、行業市場的購買潛力分析；市場價格分析；市場趨勢預測等。 1.3 產品主題 任務：掌握產品的銷售能力和銷售潛力，合理安排產品結構。 主題解釋：產品銷售量分析；產品銷售額分析；產品銷售貢獻率分析；產品結構分析；產品市場占有率分析；未銷售產品分析；不良品原因分析；產品退貨分析；產品獲利情況分析；產品訂購信息等。 1.4 庫存主題 任務：從級別、類別、貨位、批次、單件等不同角度進行查詢，輔助決策，解決企業深層次的相關問題。 主題解釋：原材料成本分析，人工成本分析；制造費用分析；間接費用分析；成本BOM查詢與分析；各種費用占產品的總成本比重分析；生產成本與計劃成本的比較分析；給定產量和給定售價下的利潤分析等。 1.6 采購主題 任務：實現供應商信用評價、業務員業績考核等決策分析。 主題解釋：供應商信用等級分析；采購價格變動分析；物品延期交貨情況及原因分析；無聊需求分析；供應商情況分析；物品延期交貨情況及原因分析；物料需求分析；供應商情況分析；貨物存儲倉庫及貨位查詢；供應商報價查詢；采購成本差異分析等。 1.7 財務主題 任務：實現對應收款、應付款的決策分析，提高從現金流量、資產負債、資金回收率等角度決策企業運營的科學化水平。 主題解釋：各部門費用支出情況分析；多條件賬目查詢；明細賬目查詢；財務歷史數據查詢；客戶購貨金額及付款情況查詢；客戶欠款時間及細節查詢；付款及欠款情況查詢；客戶現金折扣分析；客戶信用等級分析等。 1.8 人力資源主題 任務：預測勞動滿員和緊缺，分析超時和工作量，鑒別無效的工作和優秀的雇員，計算出某段時間內勞動的收益率。 主題解釋：按部門、職稱、專業、學歷、性別等角度的職工統計和查詢；綜合職稱、學歷、工作量等方面的能力評價；人力工作量負荷分析；多角度職工收入統計分析；實際完成工作量和工時對比分析等。 現代企業用友錯綜復雜的業務，從ERP系統中能抽取到的主題很多。以上只是基于常見的ERP業務流程對分析主題的概括。在實踐中還需要根據同類企業的情況具體分析。 2 關于數據遷移的問題 系統對ERP數據和對于商務智能分析的數據的要求是不同的。因此，存在于ERP里的數據不能直接進行分析處理，必須要將其從ERP數據庫中抽取出來，去掉純粹的操作型數據，消除數據的異構情況，構成面向主題的、集成的數據組織方式，再進行分析。ERP商務智能系統作為一個整合的系統，應該具備定期抽取ERP數據，定期刪除過期的歷史數據的功能。 將數據從操作型的ERP環境，經過相應的處理和轉換，存儲到數據倉庫環境是ERP商務智能系統實現的關鍵一步。這一過程的主要作用在于屏蔽了復雜的業務邏輯，從而為各種智能分析和應用提供了統一的數據接口。如果有特殊的要求，這一過程的實現可以自己編寫程序；一般情況下，為了提高效率，最好還是使用ETL工具。 3 關于智能分析的問題 智能分析是商務智能的主要內容，是ERP商務智能系統實現的又一關鍵步驟。 這一步有幾個需要說明的問題： 3.1 數據倉庫的應用 就商務智能本身而言，它不是必須建立在數據倉庫的基礎上的。但是如果將智能分析和數據倉庫協同工作，則可以簡化智能分析過程，從而大大提高智能分析的工作效率。 3.2 數據源 ERP與商務智能整合應用后，智能分析的數據來源于整個企業，保證了智能分析的數據來源的廣泛性、完整性和準確性，從而保證了決策的質量。 3.3 智能分析主題的來源 面向ERP的商務智能分析，其分析的主題間接來源于ERP的管理模式以及ERP系統能夠提供的數據內容。因此，在ERP商務智能系統的設計中，應該考慮根據同類企業業務的共性抽取分析主題，使系統能夠具有普遍適用性，避免不同的用戶對于相同的問題重復構造相似的數據模型。 3.4 數據分析手段 在實現商務智能分析時，一般采用兩種主要的數據分析手段：OLAP和數據挖掘。OLAP可以建立在數據倉庫之上，直接運用數據倉庫的數據；也可以現在數據倉庫智商建立數據集市，將OLAP應用建立在數據集市之上。數據挖掘既可以以數據倉庫中的數據作為挖掘對象，也可以建立在數據集市之上。在ERP商務智能系統的實現過程中，根據分析主題，一般在部門級的決策需求活某個特定的業務中使用數據集市，對于整個企業的決策使用企業數據倉庫。目前，大多數的數據倉庫產品都提供了相應的OLAP和數據挖掘的中介層服務，能夠監理多位數據集和數據挖掘模型，允許用戶從多維數據集或關系數據庫中建立數據的挖掘模型。但是，對于一些復雜的或是特殊的決策需求，需要編寫相應的算法來完成。 根據對理論的研究和分析，本文設計了ERP商務智能系統的總體結構。這個結構大致可以描述為：系統從ERP數據庫獲得原始數據，按分析主題的要求選擇數據，并且對數據進行轉換，然后將數據加載到全局數據倉庫中，形成基本數據層。隨著時間的推移，由時間控制機制將基本數據層的部分“過渡”數據轉入歷史數據文件。數據經過過濾和概括進入數據集市或者多維數據庫，形成衍生數據層。如果數據量很大，管理層次復雜，還可以生成多層衍生數據層。經過建模，利用OLAP工具和數據挖掘工具訪問衍生數據層的數據，最終通過人機交互界面得到智能分析的結果，實現ERP的“商務智能分析”功能。針對ERP商務智能系統的總體結構，本文從功能實現和技術實現兩方面，設計了ERP商務智能系統的功能結構和技術結構。 在實際處理問題的時候，需要注意OLAP和數據挖掘代表了分析相同商務數據的兩種不同的技術。Gartner Group等組織把OLAP視為數據挖掘的一部分。OLAP分析過程在本質上是一個演繹推理的過程；數據挖掘在本質上是一個歸納的過程。OLAP利用各個維對事實表數據進行分析；而數據挖掘通常集中在一個維上，其他數據則用來豐富這一維的信息。OLAP主要允許客戶端設計匯總表來分析數據；數據挖掘主要用于自動發現可以預測未來結構的新的模式和規則。要注意根據不同的分析主題選擇合適的技術。
轉載請注明出處：拓步ERP資訊網http://m.hanmeixuan.com/
本文標題：ERP系統與商務智能系統BI的設計方案
本文網址：http://m.hanmeixuan.com/html/consultation/1082058592.html
相關文章
