0 引言
通過創新技術手段探索商業智能應用在電力行業管理集團化、集約化、精細化以及市場機制深入開展的今天，關鍵數據的重要性日益凸現。從領域覆蓋角度來說，無論新興的智能電網、物聯網、節能減排還是電力傳統業務。都與數據靈活便捷有效的聚集及分析支撐息息相關；從應用類型來說，企業投資建設各類應用系統，正是為了謀求獲取各種有價值信息，輔助經營與生產快速面對問題正確決策。因此無論是決策型還是操作型商業智能數據應用。
都有著廣泛的市場需求空間。傳統商業智能(BI，Business Intelligence)技術體系一般是：通過數據規劃梳理業務，清晰數據標準與關聯關系；通過數據采集、清理等手段整合數據；通過建立數據中心、數據倉庫(DW，Data Warehouse)存儲數據；通過OLAP(On Line Analytical Processing)、數據挖掘(Data Mining)等手段定義分析與挖掘模型；再通過門戶、駕駛艙、報表平臺等方式將其展示出來。
但在實際應用中，除了在部分管理模式、分析模式已十分清晰的行業與部門，在信息化應用與數據基礎比較好的前提下。傳統商業智能應用模式的效果和作用會有體現。但在很多信息數據及其應用方式尚處探索性行業或業務中，在數據規律把握不足，分析模式與模型尚不確定情況下，實施效果不理想情況居多。存在數據雖然在源源不斷地積累到數據中心，但對其如何發揮作用卻很迷茫的狀態，投入產出比較低的狀況屢見不鮮。
本文將結合近幾年行業研發應用實踐，從技術角度提出新的創新應用手段，以期為決策支持或商業智能數據應用探索一條突破瓶頸提升效率的有效途徑。
1 關鍵癥結
在傳統商業智能應用模式中，主要瓶頸是數據質量保證(采集數據不準確)，以及數據倉庫構建效率與品質(數據分析與挖掘模型)。數據不準確會直接導致商業智能應用軟件無用。而缺乏有效數據分析與挖掘模型則會導致商業智能展示空洞乏味。傳統商業智能數據應用模式大致如圖1所示。
圖1 傳統商業智能數據應用模式概覽
其中數據質量難以保證主要由下述原因造成。
1)數據規劃品質保證不足造成。諸如數據標準框架與數據業務關系梳理不清晰，數據屬性定義不明確都會直接造成數據采集質量低下。
2)缺乏數據審核與校驗措施。數據采集過程會由于內外部各種因素干擾發生異常，異常發現或者處理不及時，都會使數據展示效果直接受影響。
而數據分析與挖掘模型構建效率與品質難以保障則有以下原因：
1)分析與挖掘模型構建難度高。業務分析模型在業務專家頭腦中。而構建模型的方式在技術專家頭腦中。因此需要業務專家整理清晰業務管理思路與模式，包括相關數據應用模式。再依賴IT專家在理解業務的基礎上選擇適宜的模型構造出來，結合采集數據及定制展示方式。方可達到滿意應用目標。這就必然帶來對時間寶貴的專家依賴度高的問題。
2)模型調整不便。很多模型即使是專家思路，也需要反復驗證和調整。才能趨向穩定。但采用傳統數據倉庫技術，由于其產生的數據是“歷史的、不可變化的”。模型如需要調整就需重構，比較繁瑣，需求難以滿足，特別是那些數據應用模式尚未明確的業務。
此外，數據倉庫應用大多采用單向的數據分析與數據展現形式。同樣缺乏與業務對象業務數據互動交流的能力，如圖1所示數據倉庫應用的數據整合流程均是從源系統主題數據庫中。經過清洗與裝載，保存到操作數據層(ODS，Operational Data Store)、再抽取到中間匯總層(DW)、分析結果層(ST)，最后從ST層展現KPI及OLAP效果。各層之間難以形成有機應用關聯，也使得應用效果受限。
2 解決方案
上海實時數據軟件有限公司多年來專注于面向行業的商業智能基礎與應用產品研發，在掌握自主商業智能產品性能基礎上，創新商業智能應用模式。自主研發“特征數據梳理與屬性定義”、“數據審核與校正”、“分析模型調整適配”等前臺化平臺，增強商業智能各技術手段間有機關聯，彌補傳統商業智能技術不足。使商業智能數據應用手段與形式更加豐富靈活、簡單便捷。
創新商業智能數據應用模式如圖2所示(杏黃色為創新產品，紅色線為創新產品帶來的新增數據走向與關聯)。
如圖2所示，特征數據梳理平臺可充分保障數據規劃持續完善，支持動態配置各類特征數據(有實際使用意義的數據的最小單位)屬性及其關聯關系；數據驗證與調整模型平臺。動態管理與配置數據驗證與調整規則，以保障更富于行業針對性的數據ETL品質；分析模型調整適配平臺。重點解決ODS層分析模型構建問題，既可豐富BI展示途徑。同時起到提升OLAP構建效率與品質的作用：此外創新產品彼此及與傳統商業智能產品之間均有機關聯，可有效豐富展示結果輸出途徑。
圖2 創新商業智能應用模式概覽
3 應用實踐
以發電企業經營分析功能為例說明創新商業智能應用模式應用步驟與方式，應用框架如圖3所示。
圖3 創新商業智能應用框架
1)通過特征數據梳理平臺，依據數據規劃成果，將經營分析所需特征數據(有實際使用意義的數據的最小單位)成體系定義完畢，同時配置數據屬性，包括統計屬性、維度屬性、采集屬性等。
2)通過分析模型配置平臺配置數據分析實現方案(利潤影響因素分析模型、量價平衡分析模型等)，本模型可移植到第三方OLAP平臺上。
3)由數據ETL平臺負責將所定義特征數據采集到數據中心數據庫，數據源可以是多個，可以是電子表格、實時數據以及業務管理數據庫中的數據。
4)通過應用展示平臺布局設計展示各類分析模型。
4 方案性能特點
1)支持動態數據規劃，保障數據采集品質。特征數據梳理即是數據關聯體系和特征屬性定義的過程，可高效高質構建主題與共享數據模型。從根本上解決數據規劃數據ETL及數據分析模型構建的動態有機關聯問題，使得數據規劃成果動態持續得以應用，數據采集品質得以保障。
2)基于關系數據庫實現分析模型配置，降低對業務與技術專家的依賴度。采用創新商業智能應用手段允許模型起初不甚理想(但有實際作用)，比如指標關系配置有問題，分析維度不足等，均支持結合實踐反饋持續動態調整，逐步趨近專家級優質模型，效率高而對人員要求相對降低。
3)豐富數據展示途徑。創新商業智能產品增強了商業智能技術之間的有機關聯性，使得各層次都可提供商業智能展示信息，增強了積累數據被喚醒、組織起來發揮智能作用的可能性。
4)支持從任何一個應用點、任何信息化應用階段開展商業智能或決策支持應用。實際上，無論企業信息化建設程度如何，企業信息資源始終存在，決策模型也客觀存在，不過粗放些而已。
傳統商業智能應用模式的思路是，通過ERP EAM、SIS等手段規范流程，獲取并整合業務主題數據，再用數據倉庫技術構建數據分析模型、形成數據集市，進而提供決策支持應用。
而本文創新商業智能應用模式，支持所有過程動態規范構造，可根據企業信息資源現狀，有選擇優先構造BI應用主題，從人工報表獲取的數據即可開展數據規劃、數據采集整合與分析模型構建，例如通過整合財務、生產與計劃報表數據，即可構建發電經營分析全套模型，提供有價值的利潤影響因素分析、預算目標執行情況分析等功能，與有無ERP系統無關，ERP帶來的只會是數據質量的改變，而不會導致分析模型改變，這一性能附加價值在于：決策主持應用優先獲得成效，有益信息化應用推進力度增加，有益過程應用軟件(ERP、EAM)推行更加順利，使用戶可以結合經營現狀增加一種選擇信息化建設方式的途徑。
5 結語
基于商業智能應用模式開發的產品，便于構造可重用決策應用產品，已實現的發電經營分析平臺(集團與企業版)軟件、生產綜合分析平臺軟件、電網在線仿真計算軟件節能綜合監測與評價平臺、IT運行維護系統監測與考核評估平臺已經或正在通過直銷和代理的形式應用于發電與電網企業，基于創新商業智能基礎產品與應用產品部署的云平臺也即將開始運營，面向行業用戶提供定制商業智能數據應用服務，面向IT業務系統提供商提供定制嵌入決策支持應用功能服務。隨著應用實踐不斷深入開展，這一創新科學實用的商業智能應用模式將得到進一步的完善發展，為用戶帶來高效快捷的決策支持應用。
轉載請注明出處：拓步ERP資訊網http://www.guhuozai8.cn/
本文標題：通過創新技術手段探索商業智能應用
相關文章
