基于产业链协作平台的商务智能架构及数据挖掘技术探讨

穆俊

(临沧师范高等专科学校信息科学与技术系，云南临沧677000)

基于产业链协作平台的商务智能架构及数据挖掘技术探讨

穆俊

(临沧师范高等专科学校信息科学与技术系，云南临沧677000)

主要对产业链协作平台的商务智能架构及数据挖掘技术进行分析，通过总结当今企业的发展形势，以某企业为例，从商务智能架构和数据挖掘技术两方面进行阐述。相关人员应了解和掌握产业链协作平台，并进行商务智能系统的功能设计、商务智能系统的体系设计，使商务智能架构更好地为企业服务。在数据挖掘技术的研究中，要根据不同的环境选择合适的挖掘技术，更好地进行数据挖掘，为企业提供真实、准确的信息。

产业链协作平台;商务智能架构;数据挖掘技术

计算机应用数据挖掘技术为企业的各项发展提供了一个更加方便的平台，尤其是在产业链的协作平台中，商务智能架构的形式增强了企业的综合竞争力。企业通过合理运用计算机技术，以便其售后服务能够顺利开展。企业在经营过程中，要合理规划系统设计和售后服务，将得到的信息反馈给服务商，通过这种方法保证信息的有效和真实，提升企业响应市场的速度。在准确采集信息的前提下，利用数据挖掘技术能够及时解决企业发展中存在的问题，为企业决策奠定良好的信息基础。

一 基于产业链协作平台的商务智能架构

商务智能是一种复杂的系统，针对不同的行业有不同的表现形式，所以在产业链协作中，应合理构建商务智能结构，更好地为行业服务，解决行业中商务智能系统存在的问题。［1］

1．产业链协作平台。

汽车的产业链是以汽车制造作为核心产业，这个过程会涉及原材料、交通运输、服务维修等行业，所以产业链协作平台高度关注企业群体。产业链协作平台明确规定了相关内容，为商务智能体系创建了一组模型集合，其结构构建的意义是通过描述商务智能系统的功能和运行方式，相关人员应利用计算机技术熟练地掌握系统构成，由此对商务智能架构进行优化。

2．商务智能系统的功能设计。

以中小型制造企业为例，要想建立一个完善的商务智能平台，需要较高的成本和风险。在这个情况下，相关人员选择ASP模式作为第三方提供的服务模式，这种租赁方式能够通过网络和中央服务器进行传输，使管理更加便捷和有效。［2］ASP是通过企业的外包服务和软件应用而逐渐发展起来的，主要围绕着企业的生产经营活动，在系统设计中，相关数据传递给ASP，然后由ASP进行处理，再反馈给企业使用。工作人员在应用计算机处理这些数据时，可以将系统升级的繁琐步骤省略掉，而且企业只需要支付一次租赁费，就能够享受到各种信息化服务。

数据聚类挖掘分析和数据关联挖掘分析能够帮助企业进行产品分析，并总结出故障发生的原因。［3］近年来，市场竞争的内容受到外界影响有了很大变化，所以找出数据间的关联所在，能够对企业的产品质量进行完善，这个过程对于企业的服务质量也有重要的意义。企业通过构建商务智能架构，应用数据挖掘技术，将故障件之间的关联给找出来，然后通过更换配件或修理，杜绝这种故障［4］。例如，在汽车制造企业中，如果发现车辆出现故障，那么应及时找出故障车辆与损坏时间的关联关系，提前做出配件进库或通过客户保养配件等处理方式;如果发现故障件和车辆行驶里程的关联关系，可以应用相关个性化服务，从而提高企业的产品质量，增加企业的品牌价值。

相关人员在设计商务智能系统功能时，应管理企业用户和用户权限。用户可以根据不同的形式，体现系统中不同角色的差异，从而更好地进行功能分配。系统中每个功

能的权限有一定差别，所以管理员应掌握这些内容，并定期检查其密码使用的日志管理情况。

在系统管理中，其他模块中有权限管理的接口，其他模块在窗体初始化和窗体内部功能权限验证时，都可以通过这个接口进行调用。［5］计算机在分析数据时，需要在各个模块查询相关信息，所以在商务智能系统中要直接调用产业链协作平台的查询功能，以免给用户带来不便。

3．商务智能系统的体系设计。

这种体系框架应用了信息引擎技术和计算机网络计算，从商务智能体系上保证系统的性能可拓展，并具有一定规模，这种体系能够满足未来企业的信息共享和业务操作。这种体系架构能在计算机网络上实现，N层架构的核心是可规模化特性，能为用户提供较好的服务和功能。相关人员在设计商务智能系统时，要妥善利用SOA框架和统一的组件，由此对系统框架进行完善。相关人员将程序整理到一些功能模块中，然后这些人通过已经整理好的功能模块组件系统，通过这些程序体现SOA的服务性能。

在商务智能的整个架构流程来看，商务智能流程的每个步骤都是一些服务，从整个商务流程的执行情况来看，经过数据挖掘过程，集成数据仓库之后，能够通过对数据仓库的访问，使相关人员在计算机应用中提高数据交互的能力。在数据挖掘过程中，相关人员要了解数据挖掘的流程和组件，并需要根据实际情况开发程序，相关人员要分析系统数据，充分调用数据挖掘技术。

这种方式对企业发展非常有价值，数据挖掘的过程，往往伴随大量的数据和计算过程。从企业发展来讲，复杂的数据挖掘模型需要高性能的数据分析处理和挖掘计算，相关人员要使用WSRF来封装挖掘过程，就能够使商务智能系统的成本得到降低。

随着商业决策对商业数据反馈快速性要求的提高，相关人员应在计算机网络平台或交叉平台的任意一个环境中进行数据交互，这种需求也越来越多。这种SOA方式能够有效构建商务智能系统，在这个过程中，客户端可以不安装服务器交互的客户组件，能够对商务智能功能进行访问。结合这些内容，基于产业链协作平台的商务智能架构体系如下图所示:

图1 基于产业链协作平台的商务智能架构体系

二 数据挖掘技术探讨

商务智能的应用程序封装了数据挖掘的部分功能，所以在应用计算机使用数据挖掘技术的过程中，通过数据访问接口层，然后对数据仓库中的数据进行访问，并进行有效的计算和处理，最后将结果反馈给展示层。［6］展示层根据应用层对数据的处理结果，利用多种图形技术画出图形制作报表，并传送至界面层，界面层是用户访问系统的接口，并能通过WEB界面得以实现，用户可以通过浏览器的访问系统，对图形报表进行查看。

1．数据挖掘技术种类。

相关人员通过计算机进行数据挖掘，主要采用人工神经网络的形式，这个过程主要是模拟人体大脑的神经元结构，然后在这种结构中建立非线性的预测体系，然后快速完成聚类、特性规则等多种数据挖掘工作，这种方式还有多种网络模型，使相关人员有针对性地进行选择。在数据挖掘中，相关人员应合理利用多种技术，例如模糊技术是对一些实际问题进行模糊判断，这种方法和理论得到有效应用。

事件拥有模糊性，系统具有复杂性，系统的复杂性越强，其模糊性也越高。相关人员在工作中发现，传统理论和概率统计方法能够构成有效的转化模型，这种模型具有不稳定性，会根据期望值的变化而变化。所以相关人员应将模糊理论和不确定性相结合，为用户提供一种全新的表达方式，由此使工作人员更好地进行数据挖掘。［7］

可视化计算是利用直观图形的方式，将信息模式、数据关联，以及相关信息告知决策者，这样相关人员就能够通过这种数据挖掘技术更好地对数据关系进行分析。［8］相关人员发现挖掘技术能够通过三个方面体现，相关人员应找准这些过程之间的关系。例如可视化的数据基本是由直方图或散点图组成的，所以在进行数据挖掘中，相关人员可以应用树形方式，对数据流程进行描述和表达。

根据上述数据挖掘技术方法发现，数据挖掘技术各不相关，适用的环境也有一定差异，所以相关人员应根据相关方法，［9］对关联规则、特征规则和序列模式进行挖掘，然后对决策树方法等技术方式进行总结，明确挖掘技术利用的

范围，准确应用计算机实现数据挖掘，更好的为相关企业提供有效的数据信息。

2．数据挖掘的数据来源。

在数据挖掘过程中，相关人员应了解其理论基础，并建立在适当的环境中。数据挖掘的数据一般有三种，相关人员应找准其来源，更准确的获得信息。［10］例如挖掘数据仓库中的数据时，要合理利用计算机技术，并分析数据的具体要求，而后进行整合，由此顺利的在数据库中获取信息，存入相应的位置，其中数据仓库中的数据挖掘流程如下图所示:

图2 数据仓库中的数据挖掘流程

在这个过程中，数据库和数据仓库有一定区别，主要表现在:数据库是面向业务人员的，使用的人员一般都是为了业务，然后进行日常的数据处理和维护工作，而数据仓库是为决策，使用的人员主要是高层管理人员，所以数据库中的数据应真实准确，数据仓库并不负责处理业务，所以企业运行数据主要为用户分析和决策，它的数据来源是企业的业务数据库，还可以使用Excel表格等。数据库注重的是企业运行的当前数据，并收集企业的记录和数据;而数据仓库主要是面对非即时性的历史数据，主要形式是从企业的业务数据中提取业务数据，并经过一定加工和处理，更好地支持企业的决策工作。

3．ODS的数据挖掘。

相关人员在应用计算机的过程中，要详细了解信息处理的多层次要求，并妥善解决DB－DW中的问题，ODS是DB－DW中的一部分，所以相关人员应处理好操作性数据之间的问题，使其更加真实、准确。［11］相关人员应掌握数据不断变化的规律，更好地对结构及框架进行规范，从而充分发挥数据挖掘作用。通过系统之间的数据交换，ODS能更好地对数据进行整合。所以减轻了数据仓库的负担，操作性报表的应用，为ODS的后期应用奠定了有利基础。这种操行性数据存储方式，能够在不同的环境中灵活运用。

目前企业需要在处理数据过程中，应用集成的形式，ODS能在数据仓库体系中充分发挥这项作用，所以ODS拥有OLTP系统和数据仓库的一部分特征。在应用数据仓库的过程中，能够将数据划分成两种类型:一是操作型，二是分析型，通过这两种形式，构建相应的体系结构，但是这部分内容无法满足所有数据的要求，例如一些实时性决策问题，其周期时间短，并需要进行整理，所以在数据处理中，相关人员应构建良好的数据环境，建立DB－ODS－DW三层体系。

4．基于逻辑数据仓库的数据挖掘。

逻辑数据仓库主要是建立在企业业务和数据库基础上，并实现物理环境下的相关问题，从而将数据按照主题顺序载入缓存。在缓存中对数据进行组织，能够通过缓存数据进行数据挖掘达到相应的目的，由此更好地解决相关问题和方案，形成逻辑数据仓库的数据挖掘。所以相关人员应用数据仓库的数据挖掘，是将数据仓库中的数据存入缓存，然后在缓存中进行组织和处理，使数据的生命周期在结束系统运行时终止，从而延长数据仓库的数据保存时间。下表为对数据仓库、ODS和逻辑数据仓库的多方面比较。

表1 数据仓库、ODS和逻辑数据仓库的比较

三 结束语

通过本文对产业链协作平台的商务智能架构和数据挖掘技术的分析，可以得出，商务智能架构和数据挖掘技术，在现代企业发展中具有重要意义，所以相关人员应明确企业的产业链形式，并找准其协作平台的相关内容，以便于在建立商务智能体系中，更加符合企业的相关要求，从而提高企业的发展进程。相关人员应充分利用计算机网络技术进行数据挖掘，合理选择数据挖掘方法，使在最合适的环境充分运用，得到准确的数据信息，让企业在各项业务和决策中，利用这些信息，增加企业决策的可信度，从而提高企业的综合竞争力。

［1］范黎林．基于产业链协作平台的商务智能架构及数据挖掘技术研究［D］．西南交通大学，2009(5):168－169．

［2］郭斌．商务智能在汽车产业链协作平台中的应用研究［D］．西南交通大学，2010(6):154－155．

［3］李丽．基于产业链协作平台的汽车故障分析与诊断系统的研究与应用［D］．西南交通大学，2011(7):125－126．

［4］陈静．面向业务关联的多产业链协作网络和公共服务平台关键技术研究［D］．西南交通大学，2011(5):110－111．

［5］文巨峰，朱美琳，邢汉承．面向商务智能应用的分布式数据挖掘系统设计［J］．东南大学学报(自然科学版)，2012(12):196－197．

［6］张瑞君，胡耀光，王运志，冯毅雄．制造业商务智能研究框架与发展模式［J］．中国制造业信息化，2010(5):114－115．

［7］王兴林，李晓红，蒋成彬．基于商务智能的综合信息平台的建设与应用［J］．中国管理信息化，2014(11):201－202．

［8］刘东坡．基于多维数据模型的制造业商务智能研究［D］．兰州理工大学，2010(4):194－195．

［9］陈静，王淑营，孙林夫．面向柔性的业务关联的多产业链协作公共服务平台模型和架构［J］．计算机集成制造系统，2011(1):240－241．

［10］黄哲学，陈小军，李俊杰，王强．面向服务的大数据分析平台解决方案［J］．科技促进发展，2014(1):261－262．

［11］林川，王小华．基于ERP的商务智能系统设计与应用［J］．航空制造技术，2014(4):163－164．

On Business Intelligence Architecture and Data Mining Technology Based on Industry Chain Cooperation Platform

Mu Jun
(Department of Information Science and Technology，Lincang Teachers’College，Lincang，Yunnan 677000，China)

This article mainly discusses the business intelligence architecture and data mining technology based on the industry chain cooperation platform．As for the business intelligence architecture and data mining technology，the paper thinks that we should understand and master the industry chain cooperation platform and carry on the function design，the system design of the business intelligence system，make it better serve for the enterprises．According to the different environment to choose the appropriate mining technology and carry on the data mining in order to provide true and accurate information for the enterprises．

industrial chain collaboration platform;business intelligence architecture;data mining technology

TP311．13

A

1672－6758(2015)05－0025－4

(责任编辑:蔡雪岚)

穆俊，硕士，讲师，临沧师范高等专科学校。研究方向:计算机应用技术和软件理论及数据挖掘。

云南省教育厅科学研究基金重点项目“行动规则挖掘的建模与算法研究”(No．2014Z137)。

Class No．:TP311．13 Document Mark:A