陳樹勝　褚貴忠

摘要：本文介紹了商務(wù)智能理論的主要內(nèi)容、關(guān)鍵技術(shù)和目前的應(yīng)用，認(rèn)為商務(wù)智能同樣可以應(yīng)用于教育領(lǐng)域的決策支持，并簡要分析了在高校教務(wù)管理、人事管理和數(shù)字圖書館建設(shè)等幾項(xiàng)工作中引入商務(wù)智能的可行性及應(yīng)用思路。

關(guān)鍵詞：商務(wù)智能 數(shù)據(jù)倉庫 數(shù)據(jù)挖掘 決策支持

中圖分類號(hào)：G203 文獻(xiàn)標(biāo)識(shí)碼：B 文章編號(hào)：1673-8454（2009）07-0085-03

一、問題的提出

高等教育的快速發(fā)展和信息技術(shù)的廣泛應(yīng)用推動(dòng)了高等教育信息化的發(fā)展，當(dāng)前各高?；径家呀⒘俗约旱拈T戶網(wǎng)站和相應(yīng)的管理信息系統(tǒng)，并運(yùn)用于日常管理。這些管理信息系統(tǒng)的引入對(duì)各部門工作有積極作用，但也呈現(xiàn)出以下幾個(gè)方面的問題：（1）這些管理信息系統(tǒng)最初都是基于本校內(nèi)不同部門的業(yè)務(wù)流程來設(shè)計(jì)開發(fā)，以滿足本部門管理信息化的需要為目的，不同部門都設(shè)計(jì)開發(fā)了自己的一套管理信息系統(tǒng)，各自為政，前臺(tái)的數(shù)據(jù)操作和后臺(tái)的數(shù)據(jù)管理環(huán)境也不盡一致，未能實(shí)現(xiàn)部門間橫向的數(shù)據(jù)和信息共享。這也就是所謂的“信息孤島”現(xiàn)象。（2）這些管理信息系統(tǒng)基于的都是傳統(tǒng)的關(guān)系數(shù)據(jù)庫系統(tǒng)，進(jìn)行的都是日常的事務(wù)性處理，即主要是數(shù)據(jù)的錄入、修改、查詢，以及簡單的統(tǒng)計(jì)、報(bào)表等，實(shí)際上只是部分代替了原來的手工管理工作，對(duì)數(shù)據(jù)的深層次分析功能尚顯不足。（3）這些管理信息系統(tǒng)經(jīng)過若干年的使用，都積累了大量的歷史數(shù)據(jù)，這些歷史數(shù)據(jù)對(duì)信息管理者來說卻幾乎成了“雞肋”，棄之肯定舍不得，但似乎又不能從中再得到更多的東西。大量的歷史數(shù)據(jù)被深埋于各個(gè)管理信息系統(tǒng)中，但這些數(shù)據(jù)的潛力和其中所蘊(yùn)含的價(jià)值卻不能或難以加以利用，反而在數(shù)據(jù)的維護(hù)上要花費(fèi)大量的時(shí)間和精力，有研究者稱之為“信息囚籠”。

以上這些就要求部門尤其是學(xué)校層面的管理者，對(duì)當(dāng)前管理信息系統(tǒng)中的數(shù)據(jù)尤其是海量的歷史數(shù)據(jù)加以整合利用，從中發(fā)現(xiàn)這些數(shù)據(jù)背后所隱藏的價(jià)值，以進(jìn)一步改進(jìn)管理工作，提高管理效率，尤其是對(duì)學(xué)校層面的決策工作起支持輔助作用。

到目前為止，還沒有專門為教育領(lǐng)域量身定制的此類專用系統(tǒng)和工具，不過，近幾年在商業(yè)領(lǐng)域風(fēng)頭正勁的商務(wù)智能理論卻為這些問題提供了解決之道。盡管商務(wù)智能理論源于商業(yè)領(lǐng)域，最初是為解決商業(yè)領(lǐng)域中相關(guān)問題而提出的，但它的思想?yún)s同樣適用于教育領(lǐng)域。本文就對(duì)商務(wù)智能理論在信息化背景下的高校管理中的應(yīng)用作一分析。

二、商務(wù)智能理論的主要內(nèi)容

商務(wù)智能（BI，Business Intelligence），也譯為商業(yè)智能，其概念最早是Gartner Group的Howard Dresner于1996年提出的。當(dāng)時(shí)將商務(wù)智能定義為一類由數(shù)據(jù)倉庫（或數(shù)據(jù)集市）、查詢報(bào)表、聯(lián)機(jī)分析、數(shù)據(jù)挖掘、數(shù)據(jù)備份和恢復(fù)等部分組成的，以幫助企業(yè)決策為目的的技術(shù)及其應(yīng)用。商務(wù)智能系統(tǒng)建設(shè)的目標(biāo)就是要為企業(yè)提供一個(gè)統(tǒng)一的分析平臺(tái)，充分利用原有系統(tǒng)中由業(yè)務(wù)處理所積累的寶貴數(shù)據(jù)，對(duì)其進(jìn)行深層次的挖掘，并從不同的角度分析企業(yè)的各種業(yè)務(wù)指標(biāo)和構(gòu)建業(yè)務(wù)知識(shí)模型，進(jìn)而滿足決策的信息需求，實(shí)現(xiàn)通過技術(shù)輔助決策的功能。

1.商務(wù)智能的含義

在商務(wù)智能發(fā)展的進(jìn)程中，企業(yè)界和學(xué)術(shù)界從不同視角形成了很多看法，有一個(gè)名為《ttnn BI觀點(diǎn)》的電子期刊對(duì)比較典型的幾種觀點(diǎn)進(jìn)行了研究，大致分為4類：

（１）ＢＩ是努力——Ｍｉｃｒｏｓｏｆｔ主張的；

（２）ＢＩ是智能和知識(shí)——ＳＡＳ倡導(dǎo)的；

（３）ＢＩ是過程——ＤＭＲｅｖｉｅｗ定義的；

（４）ＢＩ是工具和技術(shù)的集合——以Ｇａｒｔｎｅｒ、ＩＤＣ、ＩＢＭ、ＳＡＰ和ＭＳＲＴ代表的。

目前，商務(wù)智能通常被理解為將企業(yè)中現(xiàn)有的數(shù)據(jù)轉(zhuǎn)化為知識(shí)，幫助企業(yè)做出明智的業(yè)務(wù)經(jīng)營決策的工具。筆者以為，可以把BI理解為一種管理理念，一種管理思想，是一套完整的問題解決方案，它以現(xiàn)存的豐富的業(yè)務(wù)數(shù)據(jù)為基礎(chǔ)，運(yùn)用數(shù)據(jù)庫管理手段，結(jié)合數(shù)據(jù)倉庫、OLAP（On-Line Analytical Processing，聯(lián)機(jī)分析處理）、數(shù)據(jù)挖掘等技術(shù)，從海量的歷史數(shù)據(jù)中發(fā)現(xiàn)潛在的知識(shí)和價(jià)值，最后呈現(xiàn)在用戶和管理者面前，運(yùn)用于企業(yè)的決策，從而提高企業(yè)的智能和競爭力?；诖耍珺I應(yīng)具有以下幾項(xiàng)關(guān)鍵的支撐技術(shù)。

2.BI的四大關(guān)鍵技術(shù)

（１）數(shù)據(jù)倉庫（Ｄａｔａ Ｗａｒｅｈｏｕｓｅ）和數(shù)據(jù)集市（Ｄａｔａ Ｍａｒｔ）

實(shí)施BI的前提就是要獲得企業(yè)大量的內(nèi)外部數(shù)據(jù)，這需要數(shù)據(jù)倉庫和數(shù)據(jù)集市技術(shù)的支持。數(shù)據(jù)倉庫是指把多個(gè)數(shù)據(jù)源的數(shù)據(jù)收集起來，以一種一致的存儲(chǔ)方式保存所得到的數(shù)據(jù)集合。數(shù)據(jù)倉庫創(chuàng)始人之一的W.H.Inmon將其定義為：“數(shù)據(jù)倉庫是一個(gè)面向主題的、集成的、穩(wěn)定的、包含歷史數(shù)據(jù)的數(shù)據(jù)集合，它用于支持管理中的決策制定過程”。在構(gòu)造數(shù)據(jù)倉庫時(shí)，要經(jīng)過數(shù)據(jù)的ETL過程，即抽?。ǎ牛簦颍幔悖簦椋铮睿?、轉(zhuǎn)換（Ｔｒａｎｓｆｏｒｍａｔｉｏｎ）和裝載（Ｌｏａｄ）過程。通過這一過程，將業(yè)務(wù)系統(tǒng)中各種關(guān)系數(shù)據(jù)、外部數(shù)據(jù)、遺留數(shù)據(jù)和其他相關(guān)數(shù)據(jù)根據(jù)需求，以完整一致的形式放進(jìn)中心數(shù)據(jù)倉庫，再將這些數(shù)據(jù)以一定的數(shù)據(jù)模型加以組織，目前所使用的主要有星型模式和雪花模式兩種。對(duì)數(shù)據(jù)倉庫的研究主要就是數(shù)據(jù)模式的設(shè)計(jì)、數(shù)據(jù)清洗和數(shù)據(jù)轉(zhuǎn)換、導(dǎo)入和更新等。

數(shù)據(jù)倉庫通常是企業(yè)級(jí)應(yīng)用，涉及的范圍和投入的成本都非常大，實(shí)際應(yīng)用中，也可以為某一部門建立一種適合自身應(yīng)用的部門級(jí)數(shù)據(jù)倉庫，稱之為數(shù)據(jù)集市。數(shù)據(jù)集市著眼于特定的主題，可以理解為是整個(gè)企業(yè)數(shù)據(jù)倉庫的子集。

（２）聯(lián)機(jī)分析處理（ＯＬＡＰ，Ｏｎ-Lｉｎｅ Ａｎａｌｙｔｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ）

聯(lián)機(jī)分析處理又稱多維分析，由Codd在1994年提出，它對(duì)數(shù)據(jù)倉庫中的多維數(shù)據(jù)通過鉆取、切片及旋轉(zhuǎn)等操作，進(jìn)行立體的多維分析和展現(xiàn)，從而使管理者能夠從多種角度獲得決策支持所需要的數(shù)據(jù)。理解OLAP，比較熟悉的一個(gè)例子就是Excel中的數(shù)據(jù)透視表。

（３）數(shù)據(jù)挖掘技術(shù)（Ｄａｔａ Ｍｉｎｉｎｇ）

數(shù)據(jù)挖掘是指按照預(yù)定的規(guī)則對(duì)數(shù)據(jù)庫和數(shù)據(jù)倉庫中已有的數(shù)據(jù)進(jìn)行信息開采、挖掘和分析，從中識(shí)別和抽取隱含的模式和規(guī)則，為決策者提供決策依據(jù)。這些模式和規(guī)則可以是預(yù)測型的，也可以是描述型的。在實(shí)際應(yīng)用中，根據(jù)模式的實(shí)際作用，可以有分類模式、聚類模式、回歸模式、關(guān)聯(lián)模式、時(shí)間序列模式等，具體算法有聚類算法（Ｃｌｕｓｔｅｒｉｎｇ）、回歸算法（Ｒｅｇｒｅｓｓｉｏｎ）、神經(jīng)網(wǎng)絡(luò)（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋｓ）、決策樹（Ｄｅｃｉｓｉｏｎ Ｔｒｅｅｓ）、遺傳算法（Ｇｅｎｅｔｉｃ Ａｎａｌｙｓｉｓ）、關(guān)聯(lián)算法以及各種統(tǒng)計(jì)模型。

（４）ＢＩ的前端展示

為了使分析后的數(shù)據(jù)直觀、簡練地呈現(xiàn)在用戶面前，需要采用一定的形式表示和發(fā)布出來，目前越來越多的分析結(jié)果是以可視化的形式表現(xiàn)出來。隨著Web 應(yīng)用的普及，商務(wù)智能的解決方案還應(yīng)當(dāng)能夠提供基于Web 的應(yīng)用服務(wù)，允許用戶直接從瀏覽器端訪問所需要的數(shù)據(jù)和信息。

3.我國目前商務(wù)智能的主要應(yīng)用

商務(wù)智能的應(yīng)用與行業(yè)信息化程度密切相關(guān)，當(dāng)前商務(wù)智能的應(yīng)用主要在商業(yè)領(lǐng)域。賽迪顧問調(diào)查顯示, 2006年中國BI應(yīng)用市場銷售額達(dá)到15.87億元(包括軟件授權(quán)和服務(wù))， 市場份額占有依次為銀行、保險(xiǎn)、電信、能源、制造、政府、零售。這些領(lǐng)域的應(yīng)用范疇主要集中在企業(yè)管理和客戶關(guān)系管理（ＣＲＭ）。如在企業(yè)管理中可進(jìn)行銷售分析、庫存分析、采購分析、成本分析、人力資源規(guī)劃分析等，在客戶關(guān)系管理中可進(jìn)行客戶購買習(xí)慣分析（也稱購物籃分析）、客戶忠誠度分析、客戶未來分析、客戶欺詐風(fēng)險(xiǎn)分析等。

筆者以為，商務(wù)智能的應(yīng)用具有普適性，不能也不應(yīng)當(dāng)只局限在商業(yè)領(lǐng)域內(nèi)，只要一個(gè)企業(yè)（可以推廣到任何組織）有大量的業(yè)務(wù)數(shù)據(jù)，積累了海量的歷史數(shù)據(jù)，并且對(duì)這些數(shù)據(jù)有進(jìn)行分析的需求，就可以引入商務(wù)智能，給各級(jí)管理者提供決策支持。教育領(lǐng)域也符合這些特征。以高校為例，隨著高等教育全方位改革和信息化管理的推進(jìn)，時(shí)下各高校的辦學(xué)體制、辦學(xué)模式、管理方式等都在發(fā)生著變化，高校在招生就業(yè)、教學(xué)、人事、數(shù)字化建設(shè)等各方面每天都有大量的日常業(yè)務(wù)，經(jīng)過多年的信息化應(yīng)用，也積累了海量的歷史數(shù)據(jù)，而且這些方面的工作又直接關(guān)系到高校的辦學(xué)質(zhì)量和效益，關(guān)系到高校的未來發(fā)展。毫無疑問，這些數(shù)據(jù)對(duì)高校的部門管理和高層決策至關(guān)重要。如何有效地利用這些數(shù)據(jù)，從這些數(shù)據(jù)中發(fā)現(xiàn)挖掘出潛在的知識(shí)，提供決策支持，正是商務(wù)智能在高校應(yīng)用的目的所在。

4.商務(wù)智能在高校管理中的應(yīng)用分析

要想有效地運(yùn)用商務(wù)智能方案，最關(guān)鍵的環(huán)節(jié)有兩個(gè)：一是確定功能，明確要解決的問題，二是設(shè)計(jì)數(shù)據(jù)倉庫。在數(shù)據(jù)倉庫的設(shè)計(jì)上，關(guān)鍵點(diǎn)也有兩個(gè)：確定主題和選擇數(shù)據(jù)模型。一旦主題確定，不論是使用星形模式還是雪花模式，核心任務(wù)都是事實(shí)表和維度表的構(gòu)造和確定，實(shí)際設(shè)計(jì)中星形模式使用的較多。這些工作完成以后，才可以考慮數(shù)據(jù)的來源、數(shù)據(jù)的ETL、采用何種分析和挖掘規(guī)則、算法以及最終的數(shù)據(jù)展示。對(duì)于以上所說的這些工作，很多軟件廠商都提供了比較完整的方案，目前使用較多的是Microsoft推出的SQL Server，它的兩個(gè)版本2000和2005都提供了BI的解決方案和相關(guān)工具，后者功能更多更強(qiáng)大一些。也就是說，工具的選擇已不是問題，最主要的還是結(jié)合本身的實(shí)際，對(duì)實(shí)施BI的整體設(shè)計(jì)。下面就從前述的兩個(gè)環(huán)節(jié)對(duì)高校管理中幾個(gè)典型領(lǐng)域給以簡單分析。

三、教務(wù)管理中的應(yīng)用

教務(wù)管理是大學(xué)的主要日常管理工作之一，涉及學(xué)校、院系、教師、學(xué)生的諸多方面。隨著教學(xué)體制的不斷改革，尤其是學(xué)分制、選課制的展開和深入，教務(wù)日常管理工作日趨繁重復(fù)雜。教務(wù)管理工作需要處理大量的數(shù)據(jù)，如學(xué)生信息、課程信息、成績信息、教師信息等。這些數(shù)據(jù)之間彼此存在聯(lián)系，同時(shí)也隱含著一些重要信息。將商務(wù)智能應(yīng)用于教務(wù)管理中，把這些重要的信息從數(shù)據(jù)庫中抽取出來，可以為教務(wù)管理人員提供有力的信息支持和工作指導(dǎo)，提高工作效率。此外，對(duì)數(shù)據(jù)挖掘工具的有效利用，也能較客觀地反映教學(xué)系統(tǒng)中存在的問題，為決策提供重要依據(jù)。

1.在高校的教務(wù)管理中

在高校的教務(wù)管理中，可以解決以下幾方面的問題：（１）使用分類和回歸方法運(yùn)用于學(xué)生的個(gè)性化培養(yǎng)；（２）使用關(guān)聯(lián)和時(shí)間序列運(yùn)用于學(xué)生選課，以合理設(shè)置課程，尋求最佳的排課方式；（３）使用聚類和關(guān)聯(lián)運(yùn)用于學(xué)生的成績分析，有效評(píng)價(jià)學(xué)生的學(xué)習(xí)效果。以教學(xué)為例，可將數(shù)據(jù)倉庫的主題定為“教學(xué)分析”，以“成績”為事實(shí)表，包括學(xué)號(hào)、課程號(hào)，成績等相關(guān)字段，位于星形模型的中間。涉及的維表可有以下幾個(gè)：

學(xué)生維表：學(xué)號(hào)，姓名，性別，年齡，生源地，專業(yè)，年級(jí)，培養(yǎng)方向等；

課程維表：課程號(hào)，課程名，課程類型，學(xué)時(shí)，學(xué)分，開課學(xué)期，考核類型等；

教師維表：教師編號(hào)，姓名，性別，年齡，學(xué)歷，職稱，研究方向等；

選課維表：學(xué)號(hào)，課程號(hào)，教師編號(hào)等。

時(shí)間維表：時(shí)間代碼，學(xué)年，學(xué)期。

2.人事管理中的應(yīng)用

高校人事信息資料數(shù)據(jù)量大，構(gòu)成復(fù)雜，變動(dòng)頻繁，目前大部分用于人事信息的查詢和統(tǒng)計(jì)，如果把這些大量的數(shù)據(jù)加以分析、挖掘，將對(duì)學(xué)校的人事考核、預(yù)測、培養(yǎng)、引進(jìn)等各方面的管理規(guī)劃起到重要的支持作用。

高校人事管理的主題可以有“績效考核”、“人才引進(jìn)”、“進(jìn)修培養(yǎng)”等，涉及的維表主要有教師基本情況表、教學(xué)表、科研表、業(yè)務(wù)進(jìn)修表等。再根據(jù)不同主題的需求組織數(shù)據(jù)來源，構(gòu)造相應(yīng)的數(shù)據(jù)模型。限于篇幅，不再具體給出。

這方面尤以關(guān)聯(lián)規(guī)則結(jié)合時(shí)間序列最為合適，采用此規(guī)則對(duì)教師的年齡、學(xué)歷、職稱、專業(yè)、來源、研究方向、科研成果等因素進(jìn)行分析，從中發(fā)現(xiàn)潛在的關(guān)聯(lián)，將對(duì)學(xué)校的學(xué)科建設(shè)、師資隊(duì)伍建設(shè)、優(yōu)化學(xué)員結(jié)構(gòu)、人才的引進(jìn)和培養(yǎng)等各方面提供決策支持。

3.圖書館管理中的應(yīng)用

目前各高校的圖書館管理信息化程度都比較高，紙質(zhì)和數(shù)字資源豐富，借閱量大，流通快，每天都有大量的借還記錄，從這一點(diǎn)說，高校的圖書館管理最符合商務(wù)智能的應(yīng)用環(huán)境，相關(guān)研究也相對(duì)較多。利用商務(wù)智能，可以較好地解決以下幾個(gè)方面的問題：（１）讀者的需求分析和個(gè)性化服務(wù)：運(yùn)用關(guān)聯(lián)和聚類規(guī)則，按年齡、學(xué)歷、專業(yè)等不同的因素，通過對(duì)讀者的屬性、特征、滿意度等分析，挖掘讀者的訪問模式和借閱習(xí)慣，預(yù)測訪問興趣，從而有針對(duì)性地提供信息定制服務(wù)；（２）借閱規(guī)律分析：運(yùn)用時(shí)間序列模式，分析讀者借還圖書的高峰和低谷，以此科學(xué)安排流通部門的工作，在人力、圖書資源有限的情況下，為讀者提供更多更優(yōu)質(zhì)的服務(wù)；（３）館藏建設(shè)：運(yùn)用回歸和時(shí)間序列，分析不同專業(yè)、層次、研究方向?qū)W生的借閱歷史，引導(dǎo)各類圖書的采購、淘汰、書架布置等。完成以上任務(wù)所需要的數(shù)據(jù)主要涉及以下幾個(gè)表：學(xué)生基本情況表、圖書信息表、借還記錄表、檢索信息等，這些對(duì)實(shí)行信息化管理的各高校來說應(yīng)是比較完備的。

四、結(jié)束語

以上只是對(duì)商務(wù)智能理論在高校管理中的幾個(gè)典型應(yīng)用作了簡單的分析，限于篇幅，并未述及具體的問題解決步驟和相關(guān)的關(guān)鍵技術(shù)，有待于在實(shí)際的系統(tǒng)開發(fā)中具體實(shí)現(xiàn)。另外，以教育信息化帶動(dòng)教育現(xiàn)代化口號(hào)的提出，必將更進(jìn)一步促進(jìn)各高校的信息化管理水平，我們有理由相信，會(huì)有越來越多的高校管理工作可以運(yùn)用商務(wù)智能，為各級(jí)管理提供決策支持，以全面提升高校的整體管理水平。

參考文獻(xiàn)：

[1]朱德利.SQL Server 2005數(shù)據(jù)挖掘與商業(yè)智能完全解決方案[M].北京:電工工業(yè)出版社,2007.

[2]陸泉,陳靜.決策支持系統(tǒng)實(shí)驗(yàn)教程[M].武昌:武漢大學(xué)出版社,2008.

[3]周瑾.我國商務(wù)智能研究[J].現(xiàn)代管理科學(xué),2007(4).

[4]張小平,馬垣,于淼.數(shù)據(jù)倉庫在高校教務(wù)系統(tǒng)的應(yīng)用研究[J].鞍山師范學(xué)院學(xué)報(bào)，2003(2).

[5]白菲,孟超英.數(shù)據(jù)挖掘技術(shù)在高校人事信息建設(shè)中的應(yīng)用[J].教育信息化,2005(8).

[6]雷啟明,周利平.數(shù)據(jù)倉庫技術(shù)在高校圖書館管理中的應(yīng)用研究[J].中國科技信息,2008(16).