IBPM数据仓库管理

　　基于业务系统的数据仓库系统建模相对起来比较简单，不用重新去对商业对象调研，从零开始建模，只需要根据数据仓库的一般模型如星型和雪花型把业务系统中的三类数据：基础数据，操作型数据，事实数据，组织起来即可[,40]1411。

　　1．基础数据建模

　　基础数据是指业务系统中的主数据，如：产品数据，客户数据，供应商数据，科目数据等等。数据仓库建立时，可以稍加整理，比如把一些不需要做分析的字段去掉，剩下关键字段加载到数据仓库，这些数据就是数据仓库中的维度表。基础数据的一些属性字段可以作为维度的不同层次。

　　2．操作数据建模

　　操作型数据是业务系统的业务操作记录数据，如订单数据，发货数据，付款凭证数据等等，当需要做某个主题分析时，将该数据提取关键字段，直接加载到数据仓库中。

　　3．事实数据建模

　　记录历史交易事实的数据，如销售数据，库存数据等，如果需要做该事实数据主题分析时，将该数据提取关键字段，直接加载到数据仓库中。

　　聚类分析应用

　　聚类分析是按照一定的规则将目标群体划分为不同的类别，使得特征相近的聚为一类，特征相差较大的聚为不同的类。聚类算法将会在数据中寻找自然分组。解决数据分组不明显这种问题还有另外一种方法，该方法是找出能准确地把数据进行分组的隐含变量。由于聚类算法有能力发现用来对数据进行分组的隐含变量，基于这个思路，我们可以按照被评测者在各个KPI方面的得分将被评测者聚类，找出特殊孤立点，从而可以将企业员工进行正确的分配和调用，充分发挥员工各自的优势，例如那些员工具有潜在的上升趋势，属于提拔对象，那些员工应该属于被淘汰的对象，那些员工调到别的岗位更能发挥他们的优势，通过聚类分析便一目了然，这种划分对于确定员工薪金，提供统一培训，对员工的综合评测提供决策支持。

　　由于数据挖掘需要大量的基础数据作为研究基础，本文对商业智能的应用尚在探索研究的阶段，因为客观条件的限制无法获取企业内部所有完整的基础数据，加上个人对商业智能软件处理大量数据实现起来的困难性和复杂度，本文只能暂时采用几个部门部分样本点(每个被评测人就是一个样本点)之间的距离来进行聚类以供参考。具体算法参见2．3．3．3节，由于各个指标之间的量纲相同，取值范围相同，尽量考虑反映被评测者不同方面的表现和能力，所以基本上可以看作是独立的。所以满足使用欧式距离的条件。可以在计算样本点时使用欧式距离。即

　　第五章 结束语

　　本文回顾了商业智能技术的应用及发展，重点分析研究了数据仓库、数据挖掘技术的应用，介绍了目前主要的商业智能工具，以及本人在实习过程中，对我国目前企业绩效管理的一些感受和体会，提出了我国目前企业绩效管理存在的问题：我们如何从数据仓库中的大量历史数据中得到哪些有用的决策信息，如何帮助企业建立科学健全的绩效管理体系，企业最高决策层如何掌舵整个企业的发展方向是不是正确。讨论了实施我国目前企业实施商业智能的必要性和可行性。针对我国目前企业绩效管理现状，我认为今后我们努力的方向应该逐步与国际化接轨，结合国际先进的平衡计分卡和关键绩效指标的理念，将企业的管理作为一个整体的系统，通过商业智能来实施，基于商业智能提出了一个三层的绩效管理系统框架，同时以某制造业企业为例，对如何构建企业绩效管理系统， 商业智能如何在企业中实施运用进行了相关的分析研究， 相信对我国企业以后逐步实施商业智能项目有一定的借鉴作用。

　　商务智能越来越成为现代企业提高竞争力的一个重要手段，技术需要不断的发展和创新，商务智能领域也日新月异，目前商业智能在我国的应用还仅限制在某些行业比较浅显的层面，随着我国加入WTO，国内企业面对更多的国际先进企业集团的竞争。如何提高自身的竞争力越来越成为各个企业当务之急需要解决的问题。商务智能就是一个很好的解决方案。因此如何成功的实施商务智能项目，最大程度减少决策风险也就成为各个企业必须要研究的问题，不断的关注这个领域，跟上国际领先的技术，将成为这个领域研究人员的责任。希望商业智能能在我国得到更大的普及。

　　由于个人精力有限，本文还存在许多不足之处，本文提出的基于商业智能的BPM系统框架要想能够在企业当中成功实施运作，还需要考虑多方面的因素。商业智能的技术和功用要想完全发挥出来，还需要企业高层的支持以及一大批能够快速掌握商业智能工具的技术人才， 由于时间以及实际情况的限制，本文对商业智能技术的研究也只是处于一个探索研究的阶段，无法对提出的智能绩效管理系统进行更为详细更为全面的功能设计，对于数据挖掘方法的应用也只能以少量样本数据为基础，企业要想真正发挥出数据挖掘的作用还要依靠大量真实的数据为基础。本文提出的系统方案尚需在实践中逐步的检验和完善。