周海涛[1]2002年在《应用数据仓库技术提升企业决策能力研究》文中指出广义数据仓库是一种面向数据的决策支持系统，它为决策支持系统开辟了新的途径，使计算机辅助决策能力上了一个新的台阶。本文以数据仓库系统框架为出发点，论述了数据仓库系统作为管理决策系统的各个部分——狭义的数据仓库和在数据仓库基础上的决策支持应用(联机分析处理(OLAP)和数据挖掘(DM))。联机分析处理是一种数据分析技术，它可分为基于关系数据库OLAP(ROLAP)和基于多维数据库的(MD-OLAP)。数据挖掘是数据分析的深化，它可自动的挖掘出隐藏在大量数据中有趣的模式。在数据仓库需求分析的基础上，提出了数据仓库系统建设的总体框架和详细设计，然后论述了企业如何进行数据仓库系统构建。本文的主要创新点在于：在国内企业目前的信息环境下，如何结合数据仓库技术提高企业的决策能力，提出了一般企业的参照模型；在数据挖掘方面，提出了一个用以指导产品质量控制的数据挖掘模型。
付宏财[2]2006年在《决策的知识管理支持理论方法及支持系统研究》文中指出在信息与知识爆炸的年代,传统信息管理已逐步发展为更高级的知识管理。在这种条件下,企业决策主要是基于知识和信息。开展企业决策的知识管理支持研究主要还基于:知识是有效使用一切资源的基础,知识是企业中最活跃的元素;知识代表企业的竞争力;决策制定过程是知识运作的过程。开展这一研究要达到的目的是:明确企业决策的知识管理支持的过程、方法和机理,阐明决策过程中的知识应用规律和作用原理等,据此建立或完善企业决策的知识管理支持的理论、方法、策略、运作模式和内容体系;并在此基础上,设计一个较为可行的、基于知识管理的、以提高决策者决策知识水平和能力为核心的GDSS原型方案(即KB-GDSS),以推动GDSS的发展。本文在理论研究工作中紧密结合了知识管理和群决策的前沿理论及方法,而且在KB-GDSS的设计中结合了当今GDSS的发展趋势,充分考虑了企业的应用实际。设计的KB-GDSS不仅具有很强的知识处理功能、适合企业的模型支持功能(包括分析、预测、决策和群协商模型等)和基于知识的模型生成功能,还具有较强的解释与理解、人-机交流和以提高决策者决策知识水平和能力为核心的决策训练功能——这是企业GDSS方案的理想选择。最后,对大型冶金企业云南铝业股份有限公司作了“决策的知识管理支持”的系统实证研究,特别对该企业采用KB-GDSS和知识管理支持的模式、方法进行了设计和分析。全文研究的核心内容与综合成果概括为以下叁个方面:(1)系统阐明了企业决策的知识管理支持的体系、框架、内容和原理,并论述了知识工程的应用和局限;群决策过程中的行为、要素、阶段性、环境/方式的分析、设计与控制:战略决策和经理决策的知识管理支持要点;知识管理支持的方法、策略等。这确立了决策的知识管理支持的理论基础;(2)在知识管理支持运作方面,给出了企业决策的知识管理支持系列模式(包括企业知识系统概念模型、方法论模型、战略框架、决策函数模型、内容方法框架、组织结构框架、流程机制和监控模式等),这些模型是一组相互有机联系、逻辑基本完整的综合模型体系,实际已构成企业可操作的知识管理基础模型系统,既有利于企业认识知识管理,也有利于企业开展正确的决策-知识管理支持活动:(3)在上述理论方法和模型/模式研究的基础上,依据系统思想,设计了一个较为完善的基于知识的群决策支持系统KB-GDSS方案。在现有的技术开发条件下,完全可以依据该方案进行GDSS原型的应用开发,不仅可以支持企业的决策,还能提高决策者决策的知识水平和能力。
侯杰, 胡乃联, 李国清, 田庆梅, 傅钊[3]2016年在《基于商务智能的矿业集团运营决策系统解决方案》文中研究表明为了解决矿业集团运营过程中面临的成员矿山地域分散、事务层级复杂、分析方法单一等问题,从体系完整、业务独立和信息集成的角度出发,运用商务智能技术构建了以网络平台、数据仓库、联机分析处理和数据挖掘为核心部件的大型矿业集团运营决策系统架构。通过规划商务智能系统数据流,详细描述了分布式采集和逐级集成的数据加工处理逻辑,根据矿业集团运营数据的维度和粒度特征完成了主题域划分。综合运用数据仓库技术和数据挖掘算法,结合多维数据建模与分析方法,构建出面向矿业集团经营和发展的商业分析体系。以国内某大型矿业集团为例,验证了基于商务智能的矿业集团生产运营系统解决方案的可行性和有效性。
宫宇峰[4]2007年在《基于商务智能的CRM系统构建研究》文中研究表明客户关系管理对于我们来说已经不是一个新名词了,它的核心理念是“以客户为中心”。但是就目前的应用情况而言,大多数的客户关系管理系统仅仅只是停留在“以客户活动为中心”的层次上,并没有实现真正意义上的“以客户为中心”。而且随着企业信息化的不断发展,CRM系统必须与企业内各种应用进行集成,综合统一管理企业的客户资源。因此,本人认为有必要在商务智能的基础上对CRM的理论和应用做进一步的扩展和研究。本文在商务智能的理论和技术上,综合考虑企业的整体IT环境,对CRM系统进行了综合构建。通过商务智能中的存储技术和分析技术作为支撑,使客户关系管理系统具备了产生客户知识的能力。商务智能与客户关系管理相结合产生的客户智能,促进了客户关系管理理念的进一步深化和发展,可以使企业真正实现以客户数据为基础,以客户知识为驱动,以客户需求为导向的管理方式,充分贯彻“以客户为中心”(Customer-centric)的思想。
史洋[5]2015年在《A快消品企业商业智能系统建设研究》文中研究说明随着信息技术的飞速发展,企业的经营管理中越来越依赖各种信息系统的应用。尤其是在激烈竞争的快消品行业,市场环境瞬息万变,及时准确全面地掌握市场信息,深入系统地开展数据分析工作,是企业决策成功的重要保障。商业智能技术可以帮助企业对收集到的数据信息进行分析并转化为有效支持企业决策的知识。快速有效的决策恰恰是快销品企业核心竞争力的重要组成部分。因此,快消品行业商业智能系统建设的研究对于提高我国快消品企业市场竞争力有着重要的意义。本文以A快消品企业为例,分析了A公司面临的竞争环境以及公司的经营管理现状,阐述了商业智能在提升公司决策能力和经营管理效率上的作用并通过对A公司商业智能系统整体规划、实施过程、以及相关保障的研究,得出相关结论。为我国的快消品企业成功建设商业智能系统提供参考。本文站在企业视角分析了A公司建设商业智能系统的全过程,总结出企业成功建设商业智能的几点要素。首先,商业智能不同于一般的业务系统,它需要公司决策层的全力支持,需要各业务部门的参与和配合。其次,基于我国快消品企业的发展现状,在数据仓库的建设过程中应该从整体上规划,分布实施,先从数据集市建设开始,通过业务需求来驱动整体建设过程。最后,商业智能系统建设不能一蹴而就,它是一个长期的战略投资,需要企业根据自身发展需求和资金状况稳步向前推进。本文的研究为我国快消品企业构建自身商业智能系统提供借鉴,具有一定的理论研究价值和实践指导意义。
花维青[6]2003年在《基于商业智能相关技术的云南省烟草专卖局（公司）经济运行系统研究》文中研究说明商业智能是以数据仓库、联机数据分析、数据挖掘技术为基础，以数据抽取、清洗、聚类、查询、分析、挖掘、预测、知识发现为手段，对企业分析决策需求进行调研、规划、设计、实施、完善和不断改进的一套可操作可实施的解决方案。通过实施商业智能系统，可以为企业管理层提供面向企业经营决策和面向生产统计、分析的功能，为决策者提供最为有效和准确的数据依据，提供高层决策参考，对制定公司的战略发展目标、市场策略，促进业务发展，完善服务质量，提高客户满意度等提供支持，从而提高风险控制能力和经营决策能力，提高企业的竞争力。 本论文分为五个部分，第一章对现阶段企业信息化的本质以及企业如何实现信息化等相关问题进行一些思考，探讨商业智能怎样让企业在信息时代获取、保持竞争优势；论文第二章讲述了商业系统应用的系统架构以及核心支撑技术，探讨了商业智能系统实施的关键；论文叁、四、五章通过分析云南省烟草行业信息化现状，应用商业智能相关技术，开发云南省烟草专卖局(公司)经济运行分析系统，对各种数据结构进行底层的分析，建立数据整合平台和中心仓库，对所有数据集中管理，在此基础上，实现有利于决策分析的数据多维展示，并给出烟叶分析子系统的实例描述。
彭辛庚[7]2009年在《电信企业数据仓库经营分析系统的设计与实现》文中进行了进一步梳理当前通信市场及其相关技术正处于高速发展的阶段,电信运营企业需要不断提升科学决策能力和精细化运营管理能力。商业智能(Business Intelligence, BI)系统在新的市场竞争环境下能发挥重要作用。电信企业的经营分析系统直接反映企业经营管理状况,帮助企业进行经营决策和市场营销,是企业决策支撑系统。运用数据仓库、数据分析和挖掘技术,构建经营分析系统,对信息进行智能化加工处理,发现海量通信数据中蕴涵的知识,为市场决策管理者提供及时、准确、科学的决策依据,是提升电信企业竞争力的有效手段。本文分析电信企业经营分析系统中基于数据仓库(Data Warehouse, DW)和数据挖掘(Data Mining, DM)的相关技术,结合电信企业海量数据的特点,提出一种分级式数据仓库构建方法,并在该方法的基础上设计和实现分级式数据仓库经营分析系统原型并实现其中的营销管理功能。本文主要围绕叁个方面展开研究工作。一是分析电信企业海量数据的异构特点,提出一种分级式数据仓库构建方法,实现分级式经营分析系统。该方法通过统一数据仓库的数据结构、统一数据逻辑模型、统一业务指标口径定义,从而实现异构数据的集成与共享。该方法解决海量数据仓库内数据的统一存储和标准化问题,为数据质量管理及统一业务应用打下坚实的数据基础。二是研究数据挖掘技术在市场营销中的应用,利用大量数据信息资源,进行智能化加工和处理,提出一个精准营销预测模型,实现精细分析和精确营销。叁是在构建的分级式数据仓库经营分析系统的基础上,利用营销模型,实现系统营销管理功能,为市场营销和决策管理者提供准确及时的数据依据。
何超[8]2014年在《基于数据挖掘的企业竞争情报智能分析研究》文中研究说明随着知识经济时代的来临和经济全球化、信息化、网络化的快速深入,市场竞争日益激烈,企业间的对抗不断升级,影响企业经营活动的内外部因素更加难以预测。因此,企业要在如此残酷的竞争环境中求生存、谋发展,除了增大资金、技术、人才的投入以外,更重要的是面对激变的环境能够及时有效地做出正确的竞争策略。竞争情报作为知识经济时代企业保持竞争优势的战略资源和分析与预测行业发展态势、制定科学战略决策的依据,是被公认的除资本、技术、人才之外的企业“第四核心竞争力”。它是关于竞争对手、竞争环境以及由此引出的相应竞争策略的决策性知识,有助于帮助和支持企业组织成员评估关键发展趋势、跟踪正在出现的不连续性变化、把握行业结构的进化以及分析现有和潜在竞争对手的能力及动向,为企业保持和发展相对竞争优势提供强有力的智力支持和情报保障。基于数据挖掘的企业竞争情报智能分析吸收了情报学、商务智能、知识管理、现代竞争理论等学科的研究成果,并以众多高新信息处理技术为支撑,如本体工程、数据仓库、可视化技术等,为企业竞争情报的智能挖掘、分析、获取、创新及企业决策提供智力支持。本文的研究工作主要包括八章：第1章,本章主要介绍了企业竞争情报的基本概念、特征和功能,分析了当前知识经济环境下企业竞争情报分析的主要内容与分析方法,探讨了企业竞争情报的分析策略与价值增值过程,并给出了基于数据挖掘的企业竞争情报智能分析的优势。第2章,本章主要将数据挖掘技术融入企业竞争情报智能分析之中,构建了基于数据挖掘的企业竞争情报智能分析的体系框架,并从支撑理论与技术、智能分析策略与方法、智能分析结果可视化叁个层面对该体系框架进行了详细的阐述。第3章,本章主要是通过构建领域本体实现企业竞争情报源数据的语义组织,研究了企业领域本体的构建方法与实现,即综合应用知识工程与叙词表方法指导领域本体开发;复用Enterprise本体与TOVE本体的领域知识和概念模型构建领域本体框架,利用本体开发工具Protege对软件企业领域本体进行形式化编码,以便为后续的基于语义的数据挖掘与智能分析提供语义知识。第4章,本章主要从聚类挖掘的角度研究了企业竞争情报聚类分析的方法与算法,即针对传统的聚类挖掘方法与算法由于缺乏语义而导致聚类结果不理想等问题,通过利用领域本体提供语义知识进行语义层面的聚类挖掘,实现企业竞争情报语义聚类挖掘与分析；并以k-means算法为基础,设计了基于领域本体的k-means语义聚类挖掘算法Onto-kmeans,通过在WEKA上进行对比实验验证了该算法比传统的k-means算法有较大的优化。第5章,本章主要从分类挖掘的角度研究了企业竞争情报分类分析的方法与算法,即针对传统的分类挖掘方法与算法存在缺乏语义和需要大量人工标注等问题,通过利用通用本体与领域本体提供语义知识进行语义层面的分类挖掘,实现企业竞争情报语义分类挖掘与分析；设计了基于领域本体的语义分类挖掘算法Onto-TC,通过在WEKA上进行对比实验验证了该算法的有效性。第6章,本章主要从关联挖掘的角度研究了企业竞争情报关联分析的方法与算法,即针对传统的关联挖掘方法与算法由于缺乏语义而导致的I/O负载重、算法开销大、获取的规则概括性不强等问题,通过利用领域本体提供语义知识进行语义层面的关联挖掘,实现企业竞争情报语义关联挖掘与分析,并以Apriori算法为基础,设计了基于领域本体的语义关联挖掘算法Onto-Apriori,通过在WEKA上的对比实验验证了该算法比传统的Apriori算法有较大的优化。第7章,本章选择软件企业为实验对象,通过采集网络信息源作为实验数据,从中挖掘和分析影响软件企业竞争力的影响因素等情报内容。首先,通过语义聚类分析获取影响软件企业竞争力的八个主要因素；然后,以这些因素作为分类标准,利用语义分类分析进行两次分类分析,获取每个主要因素的具体影响要素；最后,通过语义关联分析获取这些主要要素和具体影响要素之间的语义关联,这些要素及其关联信息有助于软件企业核心竞争力的培育和市场风险的预测。第8章,本章对全文的主要内容进行了系统总结归纳以及对未来研究进行了展望。首先,从研究意义、研究内容上对全文进行总结,然后展望基于数据挖掘的企业竞争情报智能分析今后的研究方向,包括复杂数据类型的情报挖掘与分析、可视化情报挖掘与分析、动态情报挖掘与分析、以知识为中心的大数据挖掘与分析等。本文系2012年度教育部博士研究生学术新人奖项目“基于数据挖掘的商务情报分析方法研究”(项目批准号：5052012104001)、国家自然科学基金项目“企业竞争情报分析模型与方法研究”(项目批准号：71073121)和教育部人文社科重点研究基地重大项目“基于智能信息处理的知识挖掘技术及应用研究”(项目批准号：08JJD870225)资助的研究成果之一。
赵英杰[9]2012年在《基于商业智能技术的决策支持系统设计与开发》文中研究表明针对航天企业重视军品科研生产、重视军民融合发展、重视科技人才培养，计划任务与市场经济要素并存的特点，运用商业智能、决策支持和数据仓库等技术，通过详细的需求分析，合理的系统设计，实现了基于商业智能技术的决策支持系统设计与开发。能够从上级考核、企业运行风险等方面辅助管理决策，本系统的实现对航天某院的核心管理能力具有较大的提升，对整个航天行业的企事业单位具有借鉴作用。在对国内外商业智能技术充分研究和分析的基础上，结合数据仓库、数据挖掘和联机分析处理等的技术手段与多维模型方法，提出了基于商业智能技术的解决方案，并对决策支持系统进行了设计，旨在将分散在企业各信息系统的源数据抽取、清理、上载、打破原有数据库界限，重新整理组合后存储于数据仓库，利用联机分析处理工具再以新的形势展现，以满足管理层对信息的需求，提供有价值数据，有效地提高企业决策能力、运营能力，支持企业战略实施。本系统的研究是站在企业现有信息系统与数据库之上，运用商业智能、数据仓库等技术，综合利用信息系统积累的繁多数据资源，实现企业决策支持的需求。首先，本文从商业智能、决策支持的概念入手、阐述了基于商业智能技术的决策支持系统的理论基础和实现方法；依据数据总体的需求，进行了数据指标框架和具体指标的设计，并将各项指标按照定性进行分类，得出了需求。其次，本文设计了一个基于商业智能技术的系统总体架构，并依此设计了数据数据仓库的体系结构、数据ETL过程、应用层及前端展现层。最后，本文通过对系统设计与实践的相关分析，得出相应的结论；针对结论中存在的问题给出优化航天某院数据资源利用的对策建议。通过开展此项设计研究，可以使企业数据资源利用得到较大进步，帮助企业决策人员了解企业运营情况，发现建设中的优势和不足，并提出优化建议，为企业制定相关政策和规划提供了真实的依据，从而对企业的效益评估、发展战略决策及产业发展调整具有重大的价值。
迟晓鹏[10]2012年在《财务分析与决策支持系统的设计与开发》文中提出随着市场竞争的日益加剧，提高公司的管理水平以及降低运营风险已经成为提高企业综合竞争力的主要手段。但鉴于管理体系和组织机构的庞杂，使得快速获取有用的决策信息，提高管理效益变得非常困难，尤其是财务数据繁杂多样，更给管理者制定正确的决策带来了巨大的障碍。因此，中国石油天然气公司开展了以服务股份公司现代化财务管理的《财务分析决策支持系统》项目，以其实现中国石油财务管理的网络化、信息化、集成化和现代化，加强财务部门对管理决策的支持和参与，客观、真实地反映和评价公司绩效，全面提高中国石油及下属分公司的财务分析与决策能力。本文采用先进的分析方法与设计思想，建立了系统的数据模型。此系统有效地运用了数据仓库技术，并使用杜邦分析等方法来寻找问题根源。同时，通过提供自定义分析指标，来满足不同层次管理者个性化需求。并在整个数据仓库的体系结构之下来设计系统软件的结构，应用ETL、MOLAP、Data Mining等技术，提供了一个信息加工和知识转化的平台。在系统实现中，建立了统一的数据存储、处理和分析平台。实现了系统数据仓库的采集与数据提取，并能生成决策需要的全局性报表。并通过建立WEB分析展示平台，提供主题分析、报表分析、结构分析、预测分析和图形分析等功能。此外，该系统还通过所采用的叁项措施在整体上保证了系统的安全性和可靠性，同时也完善了设计和实现上的可扩展性和技术持续性。该财务分析决策支持系统具有预算管理、成本分析、投资评价和风险预警等功能。并且能够提供友好的交互界面，可完成数据的深层次加工和处理。作为公司生产经营决策支持系统的配套部分，通过股份公司、辽河油田以及下属区块对此系统的实际应用，结果验证了总体设计的合理性与各个模型的科学性和实用性，取得了非常好的效果，因此该系统能有效的服务于专业公司，为油田的生产经营提供准确的财务决策。
参考文献：
[1]. 应用数据仓库技术提升企业决策能力研究[D]. 周海涛. 中南大学. 2002
[2]. 决策的知识管理支持理论方法及支持系统研究[D]. 付宏财. 昆明理工大学. 2006
[3]. 基于商务智能的矿业集团运营决策系统解决方案[J]. 侯杰, 胡乃联, 李国清, 田庆梅, 傅钊. 计算机集成制造系统. 2016
[4]. 基于商务智能的CRM系统构建研究[D]. 宫宇峰. 吉林大学. 2007
[5]. A快消品企业商业智能系统建设研究[D]. 史洋. 大连海事大学. 2015
[6]. 基于商业智能相关技术的云南省烟草专卖局（公司）经济运行系统研究[D]. 花维青. 昆明理工大学. 2003
[7]. 电信企业数据仓库经营分析系统的设计与实现[D]. 彭辛庚. 湖南大学. 2009
[8]. 基于数据挖掘的企业竞争情报智能分析研究[D]. 何超. 武汉大学. 2014
[9]. 基于商业智能技术的决策支持系统设计与开发[D]. 赵英杰. 北京工业大学. 2012
[10]. 财务分析与决策支持系统的设计与开发[D]. 迟晓鹏. 电子科技大学. 2012
标签：计算机软件及计算机应用论文; 数据仓库论文; 数据挖掘论文; 大数据论文; 决策能力论文; 数据挖掘算法论文; 语义分析论文; 智能算法论文; 分类数据论文; 过程能力论文; 能力模型论文; 知识管理工具论文; 企业经营论文; 功能分析论文; 数据分析论文; 商务智能论文;