商業智能(Business Intelligence，簡稱BI)通過對數據的收集、管理、分析以及轉化，使數據成為有價值的信息，從而獲得必要的洞察力與理解力，更好地輔助決策與指導行動，它能夠以靈活的多維分析、豐富直觀的數據展現形式，為管理者的日常決策提供幫助。

　　一、商業智能的體系結構

　　商業智能一般由數據倉庫(DW)、聯機分析處理(OLAP)、數據挖掘(DM)、數據備份和恢復等部分組成，商業智能的實現涉及到軟件、硬件、咨詢服務及應用。因此，應當把商業智能看成是一種解決方案。商業智能的關鍵是從許多來自企業不同的運作系統的數據中提取出有用的數據并進行清理。以保證數據的正確性。然后經過抽取(Extraction)、轉換(Transformation)和裝載(bad)。即ETL過程，合并到一個企業級的數據倉庫里，從而得到企業數據的一個全局視圖。

　　在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理(這時信息變為輔助決策的知識)，最后將知識呈現給管理者，為管理者的決策過程提供支持(圖1)。

圖1 商業智能的體系結構

　　在這樣的體系結構中，數據倉庫用于抽取、集成、分布、儲存有用的信息；多維分析可以從多個角度、全方位地了解企業運營的現狀：數據挖掘則是挖掘數據中原先未知、潛在的知識，發現問題、找出規律、預測未來，真正達到智能的效果。

　　二、物流企業商業智能平臺需求分析及功能設計

　　(一)物流企業需求分析

　　物流企業商業智能平臺構建的目的是能夠滿足物流企業各部門的數據分析需求。更好地為管理者提供決策支持。所以，在平臺設計時必須分析企業各部門的具體需求。目前物流企業在數據收集及分析方面普遍存在的問題有：在業務發展過程中收集了海量的數據，但缺乏數據間的連接及有效管理，形成數據“孤島”。無法對數據進行分析利用：信息化程度不高，缺乏對數據進行深入分析的方法和系統；缺乏基于數據分析的決策輔助系統，如運輸決策輔助、倉儲決策輔助等。物流企業商業智能平臺的建立應該有解決以上問題的能力，所以物流企業商業智能平臺應當具備兩個功能：第一，數據的收集及整合功能，商業智能體系中的數據倉庫可以實現此功能；第二，數據的深入分析以及直觀靈活的展示功能，以便輔助決策，通過商業智能平臺的OLAP、報表系統、主題分析等工具可實現此功能。

　　(二)商業智能平臺功能設計

　　1．領導頁面：通過折線網、柱狀圖、列表等方式，實現對當前關鍵業務數據的及時、直觀展現，使管理者對企業當前運營狀況有直觀的了解。

　　2．報表分析：提供各類統計和財務報表分析，可通過菜單選定參數，實現個性化報表分析需求，并且可以輔以柱狀圖、餅圖、雷達圖等圖形展現形式。

　　3．即席查詢：通過菜單選擇參數，實現對企業數據倉庫中數據的快捷查詢。

　　4．主題分析：利用OLAP靈活、全方位的分析手段。通過數據切片、旋轉、鉆取、鉆透等功能，實現不同主題的數據分析。如：市場細分、客戶業務分析、客戶優先權分析、庫存情況分析等。

　　5．數據挖掘：是目前最深層次的數據分析方法。可實現一般數據分析方法不能實現的功能，如客戶流失預警分析、客戶信用評估、庫存預警、業務開拓等。

　　6、ETL：指數據的抽取、轉換、加載。可定期執行，實現數據的整合、更新。并且可實現企業數據庫中臟數據的清理，提高數據分析結果的準確性。

　　7．系統管理：提供用戶管理、權限管理、參數配置、日志管理、數據備份等功能。

　　三、基于Web的物流企業商業智能平臺體系結構設計

　　商業智能的體系結構是指通過識別和理解數據在系統中的流動過程和數據在企業中的應用過程來提供商業智能平臺應用的主框架，商業智能的體系結構將指導商業智能平臺的建立。

　　物流企業商業智能平臺的體系結構采用目前流行的三層的B/S結構。與傳統的C/S結構不同，B/S結構在客戶端與服務器之間增加一個應用服務器，這種結構的優點在于將應用邏輯、GUI(圖形用戶界面)和DBMS(數據庫管理系統)嚴格區分開來，復雜的應用邏輯不是分布于網絡上的眾多客戶端上，而是集中存放在應用服務器上，從而集成和簡化原客戶端。專用的高性能服務器在中間層來運行OLAP服務以及同樣的高端服務器在后端運行數據倉庫引擎。數據倉庫被置于后端，中間層負責分析其數據。中間層從后端載入數據并分析它，分析的結果被傳輸到客戶機。

　　基于Web應用的B/S結構其實也是一種客戶機/服務器結構，只不過它的客戶端是瀏覽器。這種結構的優勢在于：使用簡單。用戶使用單一的瀏覽器軟件，只需在瀏覽器上完成數據瀏覽、查詢、輸入等簡單功能，特別適合非計算機人員使用：由于客戶機只需單一的瀏覽器軟件，極大地減輕了客戶機的負擔，不再負責處理復雜計算和數據訪問等關鍵事務。只負責顯示部分；易于維護，客戶端無需專用的軟件，當企業對網絡應用進行升級時，只需更新服務器端的軟件，減輕系統維護與升級的成本與工作量，把技術維護人員從繁重的維護升級工作中解脫出來：保護企業投資，B/S模式由于采用標準的TCP/IP技術、HTTP協議，可以與企業現有的網絡很好地結合。

　　根據上述三層B/S結構的分析與特點，將Web技術與數據倉庫、OLAP等技術結合起來，就組成了物流企業商業智能平臺的體系結構，分為數據源、數據倉庫、應用服務器和客戶端四個部分(圖2)。

圖2 物流企業商業智能體系結構圖

　　1．數據源。是物流企業數據倉庫的數據來源。物流企業在日常運營中可收集大量的業務數據，如客戶、貨物、倉儲、運輸等數據，分別存放于相關部門的數據庫中，這是物流企業數據倉庫最重要的數據來源。除此之外，還有來自與其他企業進行數據交換時所收集的數據，這類數據通常是各種各樣的異構數據源，需要將這些數據源通過ETL過程有效地集成到數據倉庫中。

　　2．數據倉庫。數據倉庫是物流企業商業智能體系結構中最核心的部分，它以主題方式存放數據。數據通過兩種途徑獲得：一是通過ETL工具從各部門業務數據庫中抽取、轉換和加載數據：二是通過手工錄入數據(OLTP過程)。數據倉庫處理的主要工作包括數據采集、集成和存儲，建立事實表和維表結構，實現各部分數據的關聯與整合，并且完工的數據倉庫中應該包含不同粒度的細節數據和匯總數據，以便應用服務器調用數據時能有較快的響應速度。

　　3．應用服務器。商業智能平臺體系中的應用服務器負責接受瀏覽器客戶端的請求。處理業務規則，提取多維數據集、數據展現等過程。主要包括分析服務器和Web服務器。分析服務器用于構建多維數據集和生成動態報表，它們可以通過客戶端的接口直接訪問；Web服務器提供Web服務。主要是用于支持終端用戶使用瀏覽器來訪問數據倉庫、多維數據集和動態報表的結果。本平臺中應用服務器包含了如下服務器組件：(1)Web服務器：提供Web服務，負責解析JSP、執行JAVA代碼等，在物流企業商業智能平臺中可選用JBOSS作為Web服務器。(2)OLAP引擎：提供多維分析與展現的事務，能夠實現多維報表的展現以及各類圖表的展現。(3)計劃調度引擎：是一個時間定制器。提供了定時處理報表的平臺，可按年、季、月、旬、日等時間頻率來產生報表。(4)報表引擎：是物流企業商業智能平臺的主要組件。報表服務器以Web服務的形式實現，可以為處理和呈現報表提供優化的并行處理基礎結構。報表服務器通過子組件來處理報表請求，并使報表可用于按需訪問或計劃分發。(5)權限管理引擎：負責用戶安全驗證及操作許可。

　　4．客戶端。主要是提供給用戶使用的環境，包括客戶端和瀏覽器兩種方式，客戶端是基于窗口式的訪問控件，瀏覽器是用網頁式的訪問環境。最終展示數據倉庫中的信息和OLAP的運行結果。

　　瀏覽器客戶端從邏輯角度可分為兩層，分別為界面表示層和界面邏輯層。界面表示層采用html標簽與JSP標簽實現：界面邏輯層采用JavaScript進行界面邏輯控制與客戶端驗證(主要是基于JavaScript良好的交互能力)。

　　在這種體系結構下用戶的操作流程如下：(1)瀏覽器用戶端以HTML文件中的表單形式提出數據分析請求并傳遞給Web服務器。(2)在Web服務器端調用相應的應用程序。并根據需要激活OLAP等服務程序。(3)OLAP服務器引擎將操作澤為SQL請求，并交于DWMS(數據倉庫管理系統)執行。(4)Web服務器將執行結果通過HTML格式反饋給用戶。

　　這種商業智能的體系結構各部分之間相互獨立。

　　任何一部分的改變不影響其它部分的功能，是一種靈活的、適用性強的體系結構。

　　四、總結

　　本文設計的物流企業商業智能平臺體系結構的是基于企業實際應用而提出的。商業智能平臺的構建很大程度地提高了物流企業數據整合以及數據分析的能力，很好地為管理者提供決策輔助。在實際項目應用中，為節約企業資源，采取將數據倉庫服務和ETL服務放在同一服務器。分析服務與Web服務放在同一服務器上，經過優化商業智能平臺實現了較快的響應速度。本文提出的商業智能體系結構在物流企業中具有一定的通用性。但由于各企業的業務范圍、管理模式和原有信息系統基礎的不同，物流企業需要根據自身的情況去構建合適的商業智能平臺。在物流行業競爭日益加劇的背景下，商業智能技術能夠實現業務數據的有效整合及深入分析，為企業各方面的業務提供有力的決策依據，它將成為物流企業提升綜合競爭力的必然選擇。