商务智能BI采用先进技术，是企业信息化的新领域，是企业数据生命周期的第二阶段。商务智能的实现依赖于大量的、准确的、真实数据；而ERP系统产生了大量的、准确的、真是的数据。因此，将商务智能建立在ERP系统原始数据的基础上，使孤立、分散的企业数据按历史顺序彼此相关，并且按高效、易于提取的结构进行存储，让用户可以按不同的透视方法进行快速分析，不失为一种良好的企业决策支持解决方案。本文从以下3个方面对ERP与商务智能整合应用的基本方案进行详细描述。

　　1、关于分析主题的确定

　　确定分析主题是成功实现ERP商务智能系统的第一步。准确地确定分析主题首先要熟悉ERP的管理模式，通过对ERP相关业务流程的分析确定主题。确定分析主题的依据主要有：对ERP功能模块的分析、对ERP业务流程的分析、对相同类型企业发展战略的了解。在实际的应用中，如果可以，最好能获得对企业历史数据的分析，便于概括地把握企业的“脉象”。

　　通过对ERP理论和金蝶ERP管理模式的研究，针对一般ERP的核心模块和核心业务流程，本文概括了ERP系统的8个分析主题，各个主题常用的度量值和纬度见表一。

　　1.1 销售主题

　　任务：准确及时地捕捉到销售信息，分析销售情况，对下一步的生产经营科学地进行决策。

　　主题解释：销售概况分析；销售通路分析；销售策略分析；销售员销售绩效分析；时间段销售分析；销售地区分析；客户销售量分析；客户分布分析；客户类型分析；公司销售成绩的多角度分析；销售规划及销售预测等。

　　1.2 市场主题

　　任务：把握市场动向，市场购买潜力和市场价格特点极其发展趋势。

　　主题解释：地区市场、行业市场的购买潜力分析；市场价格分析；市场趋势预测等。

　　1.3 产品主题

　　任务：掌握产品的销售能力和销售潜力，合理安排产品结构。

　　主题解释：产品销售量分析；产品销售额分析；产品销售贡献率分析；产品结构分析；产品市场占有率分析；未销售产品分析；不良品原因分析；产品退货分析；产品获利情况分析；产品订购信息等。

　　1.4 库存主题

　　任务：从级别、类别、货位、批次、单件等不同角度进行查询，辅助决策，解决企业深层次的相关问题。
　　
　　主题解释：原材料成本分析，人工成本分析；制造费用分析；间接费用分析；成本BOM查询与分析；各种费用占产品的总成本比重分析；生产成本与计划成本的比较分析；给定产量和给定售价下的利润分析等。

　　1.6 采购主题

　　任务：实现供应商信用评价、业务员业绩考核等决策分析。
　　
　　主题解释：供应商信用等级分析；采购价格变动分析；物品延期交货情况及原因分析；无聊需求分析；供应商情况分析；物品延期交货情况及原因分析；物料需求分析；供应商情况分析；货物存储仓库及货位查询；供应商报价查询；采购成本差异分析等。

　　1.7 财务主题

　　任务：实现对应收款、应付款的决策分析，提高从现金流量、资产负债、资金回收率等角度决策企业运营的科学化水平。

　　主题解释：各部门费用支出情况分析；多条件账目查询；明细账目查询；财务历史数据查询；客户购货金额及付款情况查询；客户欠款时间及细节查询；付款及欠款情况查询；客户现金折扣分析；客户信用等级分析等。

　　1.8 人力资源主题

　　任务：预测劳动满员和紧缺，分析超时和工作量，鉴别无效的工作和优秀的雇员，计算出某段时间内劳动的收益率。

　　主题解释：按部门、职称、专业、学历、性别等角度的职工统计和查询；综合职称、学历、工作量等方面的能力评价；人力工作量负荷分析；多角度职工收入统计分析；实际完成工作量和工时对比分析等。

　　现代企业用友错综复杂的业务，从ERP系统中能抽取到的主题很多。以上只是基于常见的ERP业务流程对分析主题的概括。在实践中还需要根据同类企业的情况具体分析。

　　2 关于数据迁移的问题

　　系统对ERP数据和对于商务智能分析的数据的要求是不同的。因此，存在于ERP里的数据不能直接进行分析处理，必须要将其从ERP数据库中抽取出来，去掉纯粹的操作型数据，消除数据的异构情况，构成面向主题的、集成的数据组织方式，再进行分析。ERP商务智能系统作为一个整合的系统，应该具备定期抽取ERP数据，定期删除过期的历史数据的功能。

　　将数据从操作型的ERP环境，经过相应的处理和转换，存储到数据仓库环境是ERP商务智能系统实现的关键一步。这一过程的主要作用在于屏蔽了复杂的业务逻辑，从而为各种智能分析和应用提供了统一的数据接口。如果有特殊的要求，这一过程的实现可以自己编写程序；一般情况下，为了提高效率，最好还是使用ETL工具。

　　3 关于智能分析的问题

　　智能分析是商务智能的主要内容，是ERP商务智能系统实现的又一关键步骤。

　　这一步有几个需要说明的问题：

　　3.1 数据仓库的应用

　　就商务智能本身而言，它不是必须建立在数据仓库的基础上的。但是如果将智能分析和数据仓库协同工作，则可以简化智能分析过程，从而大大提高智能分析的工作效率。

　　3.2 数据源

　　ERP与商务智能整合应用后，智能分析的数据来源于整个企业，保证了智能分析的数据来源的广泛性、完整性和准确性，从而保证了决策的质量。

　　3.3 智能分析主题的来源

　　面向ERP的商务智能分析，其分析的主题间接来源于ERP的管理模式以及ERP系统能够提供的数据内容。因此，在ERP商务智能系统的设计中，应该考虑根据同类企业业务的共性抽取分析主题，使系统能够具有普遍适用性，避免不同的用户对于相同的问题重复构造相似的数据模型。

　　3.4 数据分析手段

　　在实现商务智能分析时，一般采用两种主要的数据分析手段：OLAP和数据挖掘。OLAP可以建立在数据仓库之上，直接运用数据仓库的数据；也可以现在数据仓库智商建立数据集市，将OLAP应用建立在数据集市之上。数据挖掘既可以以数据仓库中的数据作为挖掘对象，也可以建立在数据集市之上。在ERP商务智能系统的实现过程中，根据分析主题，一般在部门级的决策需求活某个特定的业务中使用数据集市，对于整个企业的决策使用企业数据仓库。目前，大多数的数据仓库产品都提供了相应的OLAP和数据挖掘的中介层服务，能够监理多位数据集和数据挖掘模型，允许用户从多维数据集或关系数据库中建立数据的挖掘模型。但是，对于一些复杂的或是特殊的决策需求，需要编写相应的算法来完成。 

　　根据对理论的研究和分析，本文设计了ERP商务智能系统的总体结构。这个结构大致可以描述为：系统从ERP数据库获得原始数据，按分析主题的要求选择数据，并且对数据进行转换，然后将数据加载到全局数据仓库中，形成基本数据层。随着时间的推移，由时间控制机制将基本数据层的部分“过渡”数据转入历史数据文件。数据经过过滤和概括进入数据集市或者多维数据库，形成衍生数据层。如果数据量很大，管理层次复杂，还可以生成多层衍生数据层。经过建模，利用OLAP工具和数据挖掘工具访问衍生数据层的数据，最终通过人机交互界面得到智能分析的结果，实现ERP的“商务智能分析”功能。针对ERP商务智能系统的总体结构，本文从功能实现和技术实现两方面，设计了ERP商务智能系统的功能结构和技术结构。

　　在实际处理问题的时候，需要注意OLAP和数据挖掘代表了分析相同商务数据的两种不同的技术。Gartner Group等组织把OLAP视为数据挖掘的一部分。OLAP分析过程在本质上是一个演绎推理的过程；数据挖掘在本质上是一个归纳的过程。OLAP利用各个维对事实表数据进行分析；而数据挖掘通常集中在一个维上，其他数据则用来丰富这一维的信息。OLAP主要允许客户端设计汇总表来分析数据；数据挖掘主要用于自动发现可以预测未来结构的新的模式和规则。要注意根据不同的分析主题选择合适的技术。