BI如何在企业信息化中助ERP一臂之力?

简介:

商务智能一般由数据仓库、数据分析、数据挖掘、在线分析、数据备份和恢复等部分组成。商务智能的工作原理主要是两大部分:首先对源数据的抽取、转化、集合,将分布在财务、物流、生产等各个部分的数据集中存储;然后依据管理模型对存储以后的数据进行多维多点的分析,以找到各数据之间的关联提出管理的决策依据。从技术角度来说,BI是一个复杂的技术集,它包含数据仓库,分析规则,展现工具等,而其应用的基础是数据,大量的来自业务部门的基础数据,包括静态的和动态的数据。

企业对信息系统存在两个不同方面的需求:一是结合先进管理思想,能够完整、准确和及时的完成一系列基本数据处理,高效集成企业内外部资源为企业战略目标服务的事务处理系统;二是能够从大量基础数据中提取有用信息支持管理决策的联机分析处理系统。有需求就会有发展,到了20世纪90年代,信息系统技术的发展出现了两个新的方向:企业资源计划(ERP)和数据仓库(Data Warehousing)。而这两种技术的相互融合与支持,也成为支持商务智能发展的一个基点问题。

基于ERP的商务智能

前面提到企业信息系统要能提供事务处理和决策支持两方面的功能。当企业实施了ERP之后,企业所遇到的第一个问题就可以得到解决,剩下的问题就是如何把ERP系统事务数据和其它外部数据集成转化为信息。

ERP是一个技术型信息系统,也是一个包含了多种先进管理思想的社会型信息系统,它强调的是管理的先进性、及时性、安全性、可靠性等。虽然,现在的ERP软件系统都提供了部分的管理决策支持功能,如各种报表等,但这些并不能完全解决企业对管理决策的需要,因为毕竟ERP在系统设计时关注的是数据的“入”而非“出”,要从中实时取得有价值信息是比较困难的。

如果将ERP的事务数据经过清理转入数据仓库,再在数据仓库基础上建立各种分析型应用形成商务智能的话,那将是一个绝佳组合,ERP处理企业事务,商务智能辅助企业管理决策,各司其职。建立基于ERP的数据仓库,首先是分析ERP的数据模型,在其基础上建立相应的数据仓库数据模型,这时对关键数据的识别、整理、清洗、转化和主题域的确定非常重要,之后的数据抽取程序建立也不容忽视。

有了基于ERP的数据仓库系统,就可以建立各种商务智能应用。针对企业各部门和ERP系统模块,对外可以建立供应商分析、客户分析。内部可以建立生产、库存、销售、人事和财务等分析系统,并且这些系统可以进行交叉分析,例如可以对某员工在某时间段对某客户的销售情况进行交叉多维分析,还可以进行一些高级的数据挖掘分析等。

ERP与商务智能的结合

ERP在二十多年的发展中越发成熟,经历了由粗放到精简的历程,尤其在制造业中的应用,更加凸显了ERP的价值。但是随着企业业务的深入和企业业务需求的变化,传统的ERP已经不能快速的适应企业的变化。从功能上来讲,ERP实现了企业资源的共享,但是没有把信息资源进行更加有效的分析和处理,企业的信息价值没有得到更多的体现。商务智能为企业实现信息价值提供了有效的渠道,帮助企业建立了一套全面的分析系统来帮助企业进行有效的分析。

以特大型钢铁企业马钢为例,马钢于2007年在ERP经验基础上实施了马钢整体ERP项目,覆盖产供销整个过程和生产经营计划管理、财务管理、设备资产管理等八个方面的内容,并且在实施SAP-ECC系统的同时,同步上线了数据仓库BW系统,随后又实施了管理驾驶舱。马钢的ERP体系是在ECC系统中完成业务处理,每天定时将数据提取到BW系统中,由BW负责数据分析,出具分析报表。BW系统作为数据系统支持应对不同层次需求的Bex、EP和 BO三个智能平台,涵盖SAP和非SAP系统的所有业务范围,业务部门和领导层、决策层都可以通过商务智能平台分析掌握马钢公司整体生产经营状况。马钢 ERP与商务智能的集成避免了手工数据上报的不准确性,实现了信息的事前预测、实时监控、事后管理监督,对马钢的生产经营起到了指导作用,为领导的决策提供了依据,进一步降低了经营成本,增强了企业竞争力。

建立基于ERP的商务智能需要注意的问题

分别建立ERP和数据仓库的目的是将企业事务处理和决策支持相分离;而两者集成的目的是为了更好的把ERP中的事务处理数据和外部数据转化为管理决策所需的信息,并能够对这些数据进行多维深度挖掘。

但是,要真正建立一个良好的基于ERP的数据仓库却不是件容易的事。建立基于ERP的数据仓库面临的问题总的来说集中在两个方面:一是如何将事务处理逻辑模型和数据仓库模型对应起来,并将ERP事务处理和外部数据转入数据仓库中,即数据仓库的建立;二是在数据仓库基础上如何构建企业的商务智能来支持企业的管理决策活动,即数据仓库的应用。

ERP系统中,一股数据库的表会达到几千张,要将数据从ERP向数据仓库迁移,构建这种数据转换抽取程序也是非常困难的。在建立商务智能应用时,如报表查询、多维分析和数据挖掘等,要结合企业具体的需求和一些高级商业应用系统所提供的功能进行考虑,还有可能要针对各个部门需要建立各自相应的分析应用系统。

本文转自d1net(转载)

相关文章
|
8月前
|
存储 数据可视化 大数据
彻底搞定数据产品选型-报表平台、BI平台、大数据平台、数据中台一网打尽
彻底搞定数据产品选型-报表平台、BI平台、大数据平台、数据中台一网打尽
|
14天前
|
自然语言处理 数据可视化 数据挖掘
首批!瓴羊Quick BI完成中国信通院大模型驱动的智能数据分析工具专项测试
首批!瓴羊Quick BI完成中国信通院大模型驱动的智能数据分析工具专项测试
25 1
|
7月前
|
SQL 数据可视化 数据挖掘
货拉拉云台系统架构设计(简称:BI(商业智能)可视化平台)
货拉拉云台是货拉拉内部自研BI(Business Intelligence(商业智能),简称:BI)可视化平台。 截至2022年12月,货拉拉业务范围已覆盖352座中国内地城市,月活司机达66万,月活用户达950万,随着公司业务不断扩张,对数据分析和数据价值转化的需求愈加明显,原先提供的数据分析平台在一定程度上已经无法满足业务的多样化需求,且无法直接与公司现有的权限管理系统、业务应用系统打通,更存在一定的数据权限管控和数据泄露风险,此时打造自研BI平台的迫切性越来越强,货拉拉云台便应运而生。
|
10月前
|
SQL 监控 Java
2022年围绕着BI平台的成长
2022年围绕着BI平台的成长
82 1
|
SQL 运维 监控
如何建设省时省力的BI平台?
您还在通过SQL和程序代码的方式做数据分析和报表开发吗? 您还在因为业务部门频繁变更数据口径和数据指标和而苦恼吗? 您还在被业务吐槽“做的数据报表太丑了”而深深地感到审美和设计无力吗? Quick BI——阿里云上客户都在用的BI工具,无缝对接各类云上数据库和自建数据库,大幅提升你的数据分析和报表开发效率,0代码鼠标拖拽式操作交互,让业务人员也能轻松实现海量数据可视化分析。
13889 0
如何建设省时省力的BI平台?
|
存储 监控 数据可视化
生意参谋牵手Quick BI 让数据再次驱动店铺经营
作为生意参谋联合Quick BI的初次尝试, “自助分析”面向店铺提供自助分析解决方案,支持店铺个性化数据报表制作,同时支持长周期的数据存储和分析,形成店铺专属的数据监控和分析看板,以帮助店铺提升经营效率。
8579 0
生意参谋牵手Quick BI 让数据再次驱动店铺经营
|
数据采集 数据可视化 前端开发
【致后浪】给企业BI信息化建设选型的建议
要实现数据驱动业务增长的理想蓝图,企业需要强有力的商业智能(BI)工具的支撑,以落地大数据应用最后一公里。
1794 0
【致后浪】给企业BI信息化建设选型的建议
|
数据挖掘 BI
Quick BI数据分析故事:银行产品营销营利性分析
此系列为分析故事系列,以一个仪表板说明其背后的故事,以及如何利用Quick BI 解决问题实现业务价值。
482 0
Quick BI数据分析故事:银行产品营销营利性分析
|
数据采集 机器学习/深度学习 人工智能
以数赋智,市场上有哪些受欢迎的BI系统?
数字化时代,由于移动互联网、物联网、云计算等技术的迅速发展,数据总量呈指数型增长。
|
数据挖掘 BI
BI商业智能,想说爱你不容易丨科技云·视角
在大数据概念“泛滥”的今天,BI对于企业的价值越来越明显,然而大部分的企业还在这条路上探索。 BI是英文Business Intelligence的缩写,即商业智能。商业智能一词最早是由国际知名的IT咨询机构Gartner在1996年提出的,指的是用数据仓库技术、联机分析处理、数据挖掘和数据展现技术进行数据分析以实现商业价值。
4848 0