摘要：对于需要集成数据的决策应用来说，必须由企业编程人员编写专门的程序消除这些信息孤立情况以使这些数据集成起来。这样，以数据仓库为纽带，将ERP与商务智能整合应用能以较合理的代价取得有效的决策支持，进而充分利用了数据资源。

为了实现我国企业的可持续快速发展，国家提出了“以信息化带动工业化”的战略指导方针。企业信息化就是应用信息技术重构企业的核心业务，加强企业的运作控制，从国内外企业信息化的进程看，企业实施ERP系统是促进信息化的有效手段。十几年来，ERP系统在全球企业里推广实施并取得了巨大成功，但是如果只停留在ERP层面就会发现各类信息被分割开，很难有效地进行综合应用，很难提供有效的决策支持，造成了海盈数据与信息“孤岛”的并存。

　　1、ERP对决策支持的不足

　　ERP的应用实现了企业内部核心业务流程的信息集成以及企业外部供应链的信息集成。大多数的ERP尊龙凯时都提供了一些决策支持功能，决策支持所涉及的查询可以为较终决策提供一定的帮助，使决策者对生产销售数据有概括的了解，但是分析ERP数据处理的特点不难看出ERP对决策的支持有着明显的不足。

　　首先，ERP是面向事务处理的。由于不同层次的管理人员对数据的要求是不同的，因而处理决策相关问题时，ERP系统要面向不同的用户提供不同的数据，这常常要在日常事物级别上进行，耗费大量的系统资源并且性能低下。

　　其次，决策支持功能大多都是做在各个模块当中，不能成为一个统一的整体。对于需要集成数据的决策应用来说，必须由企业编程人员编写专门的程序消除这些信息孤立情况以使这些数据集成起来。可是，数据集成是一项十分繁琐的工作，都交给应用程序完成势必会大大增加编程人员的负担，而且会导致极低的处理效率，也不利于系统的维护。

　　此外，由于ERP系统处理的大多是细节数据，它能提供的统计数据量和决策功能都十分有限，提供的查询比较简单，因此很难满足企业日益增长的决策需要。

　　2、商务智能理论

　　商务智能的定义众说纷纭，Gartner Group认为“商务智能是将数据转换成信息的过程，然后通过发现将信息转化为知识”;商务智能大师利奥托德认为“商务智能是将存储于各种商业信息系统中的数据转换成有用信息的技术，它允许用户查询和分析数据库，可以得出影响商业活动的关键因素，较终帮助用户做出更好更合理的决策”。

　　笔者在总结商务智能的众多定义之后，将商务智能(Business Intelligence，简称BI)定义为：商务智能是指利用现代信息技术收集、管理和分析存储于各种商业信息系统中的数据，使之转换成有用信息，并以可视化的形式加以表现，使企业的各级决策者获得知识和洞察力，促使他们做出对企业更有利的决策的技术。

　　目前，各个行业都面临着激烈的竞争，及时、准确的决策已成为企业生存与发展的生命线。随着信息技术在企业中的普遍应用，企业产生了大量富有价值的电子数据。但这些数据大都存储于不同的系统中，数据的定义和格式也不统一，商务智能系统能从不同的数据源搜集的数据中提取有用数据，并对这些数据进行清洗，以确保数据的正确性，然后对数据进行转换、重构等操作后，将其存入数据仓库或数据集市中;再运用适合的查询分析工具、数据挖掘工具、OLAP工具等管理分析工具对信息进行处理，使信息变为辅助决策的知识，并将知识以适当的方式展示在决策者面前，供决策者运筹帷幄。制造业信息化

　　3、ERP系统建立商务智能的基础

　　3.1 数据基础

　　商务智能系统从大量的、不完全的、有噪声的、模糊的、随机的实际应用数据中提取有用数据，并对这些数据进行一系列处理后，将潜在有用的信息和知识转换成竞争优势，提高企业决策能力、决策效率及决策准确性。在长年的业务处理中，ERP系统产生了大量实时的、细节的、面向应用的数据，但这些数据缺少对历史数据的积累和便于分析访问的有效结构。由此可见，ERP系统为商务智能分析提供了数据源;同时，ERP也需要利用商务智能工具对原来没有利用的数据进行分析，形成计划-执行-分析-决策-调整的不断优化过程，构成决策和执行的闭环系统，帮助企业将数据变为信息和知识，提高企业竞争力。

　　3.2 资源互补

　　若直接利用ERP数据库中现有的数据进行决策的分析和推理，将影响ERP系统的效率，并造成繁忙的网络数据传输。数据仓库面匈主题的效据存储方式提高了分析和查询的效率。这样，以数据仓库为纽带，将ERP与商务智能整合应用能以较合理的代价取得有效的决策支持，进而充分利用了数据资源。

　　3.3 技术基础

　　数据仓库、数据挖掘和0LAP技术的发展为ERP与商务智能的整合应用带来了机会。对ERP系统来说，数据仓库可以容纳其长期的、大量的数据，并对这些数据进行有效的组织;对商务智能来说，数据仓库能够为它提供集中的、丰富的数据源，增强数据的完整性和安全性;OLAP、数据挖掘等分析技术能够验证、发掘大量的来自企业ERP的数据之间的关联，并发现潜在商机，预测未来趋势，为企业决策提供支持。