智能商务的研究动态

1．研究基础

智能商务是智能商务的演化。1989年Gartner Group的Howard Dresner首次提出“商务智能”（business intelligence，BI）的概念。商务智能是由企业终端查询和报表、数据仓库、联机分析处理、数据挖掘、企业决策支持等一系列信息技术组合而成的应用，这些信息技术开发的软件集合完成企业中从数据搜集、信息整合到智能决策的过程（陆海鹰，2011）。20世纪末期，国外的研究主要集中在数据库和数据建模上。21世纪初，越来越多的企业把智能商务作为一种帮助决策层管理、经营企业的有效手段。随着智能商务在企业中应用的普及，对智能商务的研究逐渐从技术层面上升到了企业战略层面（李维特，2012）。

Davenport（2006）归纳认为，智能商务是通过大量运用数据、统计与数量分析、探索与预测模型以及基于实际的管理来促进决策和行动的。Sircar（2009）进一步指出，智能商务的范围是管理科学（模型和数量方法）、统计（数据分析和数据挖掘）和信息技术（数据库）三者的相交处。Brannon（2010）认为，智能商务是指采用一系列技术和方法进行数据的收集、储存、分析，以便帮助企业做出更优的商务决策，智能商务系统将代替决策支持系统，并使得企业的多种报告工具更加便利。典型的智能商务系统包含数据来源系统、交易数据、数据储存库、数据终端显示、报告和分析工具等组成部分。Business Objects公司创始人伯纳德·利奥托德（Bernard Liautaud）曾提出，智能商务是通过采用一系列方法、技术、过程和软件，并提供针对不同企业规模和特点的解决方案，帮助企业提高企业决策能力和运营能力的概念。

尽管近年来国内众多企业开始了商务业务智能化的进程，但相关理论研究尚未形成规模，国内学者的理论研究成果较少，理论滞后于实践。

陈贤（1998）指出，因特网一类的通信技术及其服务呈爆炸式增长引出了新型的社会经济视角。他认为，信息管理是业务进程的中心问题，利用信息交付战略决策的能力已成为制定业务决策强有力的工具，而处理信息的力量也已成为所有机构保持竞争力的关键。因此，智能商务是企业全新的管理方式。

徐绚等（2004）认为，智能商务是一项技能，该技能起到整合分析企业数据、提炼数据信息、发现知识的作用，从而帮助企业管理者调整产品结构，改进销售渠道，完善业务流程，辅助企业决策者优化企业资源，搜寻新的商业机会，预测企业发展趋势，最终提高企业市场竞争优势。

焦慧敏等（2006）定义智能商务是通过挖掘企业内外部数据信息，加强对竞争者、客户和市场的识别，为企业决策者提供科学决策依据的工具。

夏国恩（2007）通过分析国内大量相关文献指出，智能商务在系统功能上应具有全局性、可扩展性，应注重对企业全局动态性的分析、评价。他认为，融合联机分析处理技术与数据挖掘技术会使分析操作智能化，使挖掘操作目标化，从而全面提升智能商务技术的实用价值。

赵卫东（2009）认为，智能商务是指站在企业战略的角度，结合现代化信息技术和管理模式，通过对企业数据的整合和提炼来创造商业价值，并辅助企业决策层、管理层和业务层充分发挥各自的水平，为企业创造更多的利润，帮助企业提升竞争优势。

夏国恩等（2006）分别对SCI、EI以及CNKI进行了检索。检索内容为1994—2004年在国内期刊上发表的相关文章，以及被SCI和EI收录的我国有关智能商务方面的研究文章。整理发现，国内的研究文章对智能商务核心技术理论的研究主要集中在数据仓库（data warehouse，DW） 、联机分析处理（on-line analytical processing，OLAP）、数据挖掘（data mining，DM）和企业信息门户（enterprise information portal，EIP） 四项技术上。

（1）数据仓库技术

目前比较通用的对数据仓库的定义最早是由W. H. Inmon提出的。他认为，数据仓库是一个用于支持管理决策而制定的面向主题的、集成的、稳定的、包含历史数据的数据集合。数据仓库是实现商业智能的数据基础，是企业长期事务数据的准确汇总。数据仓库完成了数据的收集、集成、存储、管理等工作，而智能商务面对的是经过加工的数据，使得智能商务能够更专注于信息的提取和知识的发现。数据仓库为智能商务撷取或载入大量原始信息，归并各种数据源的数据，用于支持企业管理和商业决策。智能商务要充分发挥潜力，就必须和数据仓库的发展结合起来。

国内在该领域的研究时间较短，相关的研究集中在简单介绍和一般系统的结构设计上。目前数据仓库的供应商很多，比较著名的有IBM、Sybase、甲骨文、微软等。IBM和Sybase等公司的数据仓库技术中含有不同的策略和算法。以IBM和Sybase为例，IBM在其数据仓库系统中集成了Intelligent Miner，能够进行典型数据集自动生成、关联发现、序列规律发现、概念性分类和可视化呈现，它可以自动实现数据选择、数据转换、数据发掘和结果呈现这一整套智能商务解决方案。Sybase公司研发的行业数据仓库架构IWS是Sybase专家长期实施数据仓库所积累的知识和经验的结晶，它不仅提供了各个行业的CRM模型，而且提供了各行业特定的绩效分析模型。它的产品可以帮助客户识别最有潜力的客户群，并揭示其中的特性；分析用户访问路径的规律，改善电子商务的策略；通过精确的评分机制提高客户的利润贡献度；实现欺诈检测、客户流失管理、非法侵入检测以及其他需要预测的应用。因此，数据仓库技术是智能商务发展的基础，其发展决定了智能商务的未来。

（2）联机分析处理技术

联机分析处理是关系数据库之父E. F. Codd博士在1993年提出的，它为准确定义多维模型、操纵多维立方体提供了技术基础。利用联机分析处理技术可以对基于数据仓库中多维的商务数据进行在线分析处理，生成新的商业信息，又能实时监视商务运作的成效，使管理者能自由地与商务数据相互联系。该技术可用于多个领域，例如市场利润分析、后勤分析、经济预算和预测、税收计划、成本会计等。

国内由于受到数据仓库技术应用发展的限制，联机分析处理技术缺少具体的实现环境，关于该技术在智能商务方面的应用的综述性文章较多，但是缺少较深入的理论研究。国内的研究内容主要集中在对技术和概念的介绍以及简单系统的构造应用等方面，如对联机分析处理、数据立方体等基本概念和特点的介绍以及对基础立方体集概化算法的应用。

（3）数据挖掘技术

数据挖掘是指从存放在数据库、数据仓库或其他信息库中的大量数据中挖掘人们感兴趣的知识的过程。利用该技术的智能商务的智能化程度最高，在海量数据和文档中发现以前未知的、可以理解的信息，以预测未来的企业行为。其理论依据是：如果能根据现有客户的特征，预测其未来变化趋势，就能掌握制胜先机。数据挖掘可以发现复杂或精细的答案，而这些是联机分析处理所不能做到的（李振国等，2007）。

国内对于数据挖掘技术应用于智能商务的研究开展得比较晚，主要有如下研究方向。①分类使用：分类商业问题涉及商业规则的查找，类的描述为显式的或隐式的。②侧面生成Best N：分类方法的变种，用于目标市场、测试邮件及恰当处理的决策。③神经网络使用：从结构上模仿生物神经网络，是一种通过训练来学习的非线性预测模型应用。④规则发现和决策树的使用：规则发现算法用于带有属性或描述的数据项中，目的是要显式描述抽取的规则，显式规则有时模型化为决策树，典型例子是信用卡的信用风险分析。⑤关联的使用：关联描述一组数据项目的密切度或关系，通过发掘事务数据可以派生关联规则。⑥顺序模式和顺序序列使用：分析数据仓库中一组同类型的数据，如订购了打印机，以后还可能订购打印纸，可借此发起促销，增加效益和提高顾客满意度。⑦聚簇分析：当要分析的数据缺乏描述信息，或者无法组织成任何分类模式时，利用聚簇函数自动找到类，可实现一组顾客的现金流分析或市场细分。

（4）企业信息门户技术

企业信息门户技术提供了一个用户与企业的商业信息和应用软件间的接口。企业的商业信息，不只是被储存在数据仓库中，而是分布在不同的系统和应用软件之中。智能商务系统是通过企业信息入口来收集、组织和集成整个企业范围内的商业信息，并且对不同的用户提供不同的访问信息权限的系统。

国内对企业信息门户技术的分析和研究近几年逐渐增多，并逐渐深入。国内的企业信息门户技术研究主要集中在以下内容。

①全客户门户技术。全客户门户也称为非网络化门户，这种技术采用客户机/服务器结构，以高速处理器运行应用程序，预留存储空间存储数据文档以及安装高容量内存处理并发任务。同时，采用数据库中间件，允许客户透明地访问后台各种异质的数据源。其结构强壮，可以进行离线分析，但成本较高。

②瘦客户门户技术。瘦客户门户也称为网络化门户，采用浏览器/服务器结构。不同的是，这种应用在通过采用数据库中间件允许客户透明地访问后台各种异质的数据源的同时，采用Web服务器中间件提交Web客户的请求。其结构没有全客户门户结构强壮，作用与功能相对较弱，但成本较低，结构部署更快、更容易。该结构允许用户通过网络访问个性化的界面和应用，以实现商务应用，可以把现有的业务应用与数据、实时的数据流、业务事件和Web的内容集成到一个统一的信息窗口，具有持续的可用性和端到端的安全性，将客户、雇员、合作伙伴和供应商的业务流程直接联结，从而帮助现代企业达到节约资源、拓展市场的目的。

2．研究前沿

2011年，IBM公司针对快速变化的商务环境提出了智能商务（smarter commerce）的概念，认为智能商务是一种能力，可以利用隐藏在企业各部门系统中的数据来帮助决策者做出更明智的决策，业务人员通过提取、转换、加载数据仓库中的数据，对数据进行联机分析、处理和挖掘后，得到可以辅助领导层的决策知识，从而更好地帮助企业提高决策效率和竞争力，最终帮助企业获得更多利润。

黄浩等（2011）从技术角度讨论了云计算和物联网对智能商务技术产生的影响，并总结了目前智能商务依然面临的具有挑战性的问题。晏楚瑜（2011）认为，现有的智能商务系统存在过于依赖结构化数据而无法满足分析人员或决策者的个性需求的缺陷，缺乏必要的商业背景信息，需要决策者自己去理解和判断这些数据，并且缺少协同功能。故提出了一种将智能商务和协同技术结合起来，以满足企业协同决策和协同业务处理的需要的协同智能商务系统。

朱张祥（2013）认为，随着智能商务系统对自身性能要求的不断提高，云计算与智能商务的结合成为一种必然，在此观点上，他分析了传统智能商务在企业中应用存在的问题以及对企业竞争力的影响，并深层次地讨论了云计算给传统智能商务带来的影响，进而分析了基于云计算的智能商务对企业核心竞争力产生影响的途径，以期为今后的相关实践提供理论支持。

刘乐乐等（2014）通过分析智能商务的研究现状，探讨了物联网与云计算技术对智能商务的影响，提出了基于云计算与物联网技术的智能商务发展趋势，并对智能商务发展面临的挑战进行了探讨。