ERP系统与商务智能系统BI的设计方案
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.
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
出水服务 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。
瞄准器 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。古籍扫描仪
现代企业拥有错综复杂的业务，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。预绞丝
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
火花塞中心电极
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.
网页聊天 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.
本文来源于互联网，e-works本着传播知识、有益学习和研究的目的进行的转载，为网友免费提供，并以尽力标明作者与出处,如有著作权人或出版方提出异议，本站将立即删除。如果您对文章转载有任何疑问请告之我们，以便我们及时纠正.:editor＠e-works。net tel：027-87592219/20/21。
在BI商业智能系统中，面向分析的数据模型一般是多维数据分析模型,分析模型由相应分析领域的分析维度（见附1)和分析指标（见附2）组成。针对面向不同层级用户的需求，分析模型按照分析的粒度划分为不同的层次，这里以面向高层管理人员宏观管理及决策分析需求、面向中层管理人员及业务人员的日常经营分析及业务跟踪与监控需求为例,仅将分析模型划分为“经营层次的分析模型”、“管理层次的分析模型”两个层次。
1、经营层次的分析模型
经营层次的分析模型是按照业务环节（业务环节是业务流程中的业务事件、交易事务等业务操作单元）组织的多维分析数据模型，一般情况下每个业务环节包含一到两个分析模型，该层次的分析模型一般保存细节粒度的事实数据,以便满足该环节的未知分析需求对维度组合及数据聚合等方面的灵活要求,同时也能够避免当业务流程发生改变，仅通过对维度成员的标识与追加及对事实数据的横向及纵向扩充就能够适应，而非因维度梳理补全、事实粒度细节不够所导致的对既有模型及数据的摒弃与重建。
经营层次分析模型的例子有计划预算模型、客户拜访模型、营销活动模型、物料请购模型、采购分析模型、入库分析模型、库存分析模型、库存异动模型、出库分析模型、客户订单分析模型、临检分析模型、医院结算模型、成本分摊模型、客户价格分析模型、客户耗材模型、客服投诉模型、质控核查分析模型、凭证分析模型、科目分析模型、核算分析模型（含往来核算，即往来客户及应收应付数据）、人员结构与变动模型、薪资分析模型、人员培训模型、招聘模型等。
2、管理层次的分析模型
管理层次的分析模型是基于经营层次的分析模型构建的,一般通过提升粒度(如时间维度的最小周期提升到月）、降维（如财务及业务分析模型通过将维与预算模型融合为预算执行跟踪模型等）并通过一致性（公共)维度联合等手段，形成横跨多个业务单元的管理模型。
管理层次分析模型的例子有：计划预算跟踪模型、库存需求预测模型、产品销售跟踪与分析模型、账龄分析模型、财务报表及指标分析模型、综合财务绩效评价模型、人员绩效分析模型等。
附1:分析维度
分析维度类似于业务实体，类似企业管理及业务领域的主数据信息,每个维度都要根据业务需求,按照多个视角组织成不同的层级关系，并分别包含若干扩展属性。主属性用来组织维度的层次结构并作为主要标识，主属性和扩展属性都可以在在查询分析中使用。
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议