【IT168信息化】

　　0 引言

　　通过创新技术手段探索商业智能应用在电力行业管理集团化、集约化、精细化以及市场机制深入开展的今天，关键数据的重要性日益凸现。从领域覆盖角度来说，无论新兴的智能电网、物联网、节能减排还是电力传统业务。都与数据灵活便捷有效的聚集及分析支撑息息相关;从应用类型来说，企业投资建设各类应用系统，正是为了谋求获取各种有价值信息，辅助经营与生产快速面对问题正确决策。因此无论是决策型还是操作型商业智能数据应用。

　　都有着广泛的市场需求空间。传统商业智能(BI，Business Intelligence)技术体系一般是：通过数据规划梳理业务，清晰数据标准与关联关系;通过数据采集、清理等手段整合数据;通过建立数据中心、数据仓库(DW，Data Warehouse)存储数据;通过OLAP(On Line Analytical Processing)、数据挖掘(Data Mining)等手段定义分析与挖掘模型;再通过门户、驾驶舱、报表平台等方式将其展示出来。

　　但在实际应用中，除了在部分管理模式、分析模式已十分清晰的行业与部门，在信息化应用与数据基础比较好的前提下。传统商业智能应用模式的效果和作用会有体现。但在很多信息数据及其应用方式尚处探索性行业或业务中，在数据规律把握不足，分析模式与模型尚不确定情况下，实施效果不理想情况居多。存在数据虽然在源源不断地积累到数据中心，但对其如何发挥作用却很迷茫的状态，投入产出比较低的状况屡见不鲜。

　　本文将结合近几年行业研发应用实践，从技术角度提出新的创新应用手段，以期为决策支持或商业智能数据应用探索一条突破瓶颈提升效率的有效途径。

　　1 关键症结

　　在传统商业智能应用模式中，主要瓶颈是数据质量保证(采集数据不准确)，以及数据仓库构建效率与品质(数据分析与挖掘模型)。数据不准确会直接导致商业智能应用软件无用。而缺乏有效数据分析与挖掘模型则会导致商业智能展示空洞乏味。传统商业智能数据应用模式大致如图1所示。

▲图1 传统商业智能数据应用模式概览

　　其中数据质量难以保证主要由下述原因造成。

　　1)数据规划品质保证不足造成。诸如数据标准框架与数据业务关系梳理不清晰，数据属性定义不明确都会直接造成数据采集质量低下。

　　2)缺乏数据审核与校验措施。数据采集过程会由于内外部各种因素干扰发生异常，异常发现或者处理不及时，都会使数据展示效果直接受影响。

　　而数据分析与挖掘模型构建效率与品质难以保障则有以下原因：

　　1)分析与挖掘模型构建难度高。业务分析模型在业务专家头脑中。而构建模型的方式在技术专家头脑中。因此需要业务专家整理清晰业务管理思路与模式，包括相关数据应用模式。再依赖IT专家在理解业务的基础上选择适宜的模型构造出来，结合采集数据及定制展示方式。方可达到满意应用目标。这就必然带来对时间宝贵的专家依赖度高的问题。

　　2)模型调整不便。很多模型即使是专家思路，也需要反复验证和调整。才能趋向稳定。但采用传统数据仓库技术，由于其产生的数据是“历史的、不可变化的”。模型如需要调整就需重构，比较繁琐，需求难以满足，特别是那些数据应用模式尚未明确的业务。

　　此外，数据仓库应用大多采用单向的数据分析与数据展现形式。同样缺乏与业务对象业务数据互动交流的能力，如图1所示数据仓库应用的数据整合流程均是从源系统主题数据库中。经过清洗与装载，保存到操作数据层(ODS，Operational Data Store)、再抽取到中间汇总层(DW)、分析结果层(ST)，最后从ST层展现KPI及OLAP效果。各层之间难以形成有机应用关联，也使得应用效果受限。

　　2 解决方案

　　上海实时数据软件有限公司多年来专注于面向行业的商业智能基础与应用产品研发，在掌握自主商业智能产品性能基础上，创新商业智能应用模式。自主研发“特征数据梳理与属性定义”、“数据审核与校正”、“分析模型调整适配”等前台化平台，增强商业智能各技术手段间有机关联，弥补传统商业智能技术不足。使商业智能数据应用手段与形式更加丰富灵活、简单便捷。

　　创新商业智能数据应用模式如图2所示(杏黄色为创新产品，红色线为创新产品带来的新增数据走向与关联)。

　　如图2所示，特征数据梳理平台可充分保障数据规划持续完善，支持动态配置各类特征数据(有实际使用意义的数据的最小单位)属性及其关联关系;数据验证与调整模型平台。动态管理与配置数据验证与调整规则，以保障更富于行业针对性的数据ETL品质;分析模型调整适配平台。重点解决ODS层分析模型构建问题，既可丰富BI展示途径。同时起到提升OLAP构建效率与品质的作用：此外创新产品彼此及与传统商业智能产品之间均有机关联，可有效丰富展示结果输出途径。

▲图2 创新商业智能应用模式概览

　　3 应用实践

　　以发电企业经营分析功能为例说明创新商业智能应用模式应用步骤与方式，应用框架如图3所示。

▲图3 创新商业智能应用框架

　　1)通过特征数据梳理平台，依据数据规划成果，将经营分析所需特征数据(有实际使用意义的数据的最小单位)成体系定义完毕，同时配置数据属性，包括统计属性、维度属性、采集属性等。

　　2)通过分析模型配置平台配置数据分析实现方案(利润影响因素分析模型、量价平衡分析模型等)，本模型可移植到第三方OLAP平台上。

　　3)由数据ETL平台负责将所定义特征数据采集到数据中心数据库，数据源可以是多个，可以是电子表格、实时数据以及业务管理数据库中的数据。

　　4)通过应用展示平台布局设计展示各类分析模型。

　　4 方案性能特点

　　1)支持动态数据规划，保障数据采集品质。特征数据梳理即是数据关联体系和特征属性定义的过程，可高效高质构建主题与共享数据模型。从根本上解决数据规划数据ETL及数据分析模型构建的动态有机关联问题，使得数据规划成果动态持续得以应用，数据采集品质得以保障。

　　2)基于关系数据库实现分析模型配置，降低对业务与技术专家的依赖度。采用创新商业智能应用手段允许模型起初不甚理想(但有实际作用)，比如指标关系配置有问题，分析维度不足等，均支持结合实践反馈持续动态调整，逐步趋近专家级优质模型，效率高而对人员要求相对降低。

　　3)丰富数据展示途径。创新商业智能产品增强了商业智能技术之间的有机关联性，使得各层次都可提供商业智能展示信息，增强了积累数据被唤醒、组织起来发挥智能作用的可能性。

　　4)支持从任何一个应用点、任何信息化应用阶段开展商业智能或决策支持应用。实际上，无论企业信息化建设程度如何，企业信息资源始终存在，决策模型也客观存在，不过粗放些而已。

　　传统商业智能应用模式的思路是，通过ERP EAM、SIS等手段规范流程，获取并整合业务主题数据，再用数据仓库技术构建数据分析模型、形成数据集市，进而提供决策支持应用。

　　而本文创新商业智能应用模式，支持所有过程动态规范构造，可根据企业信息资源现状，有选择优先构造BI应用主题，从人工报表获取的数据即可开展数据规划、数据采集整合与分析模型构建，例如通过整合财务、生产与计划报表数据，即可构建发电经营分析全套模型，提供有价值的利润影响因素分析、预算目标执行情况分析等功能，与有无ERP系统无关，ERP带来的只会是数据质量的改变，而不会导致分析模型改变，这一性能附加价值在于：决策主持应用优先获得成效，有益信息化应用推进力度增加，有益过程应用软件(ERP、EAM)推行更加顺利，使用户可以结合经营现状增加一种选择信息化建设方式的途径。

　　5 结语

　　基于商业智能应用模式开发的产品，便于构造可重用决策应用产品，已实现的发电经营分析平台(集团与企业版)软件、生产综合分析平台软件、电网在线仿真计算软件节能综合监测与评价平台、IT运行维护系统监测与考核评估平台已经或正在通过直销和代理的形式应用于发电与电网企业，基于创新商业智能基础产品与应用产品部署的云平台也即将开始运营，面向行业用户提供定制商业智能数据应用服务，面向IT业务系统提供商提供定制嵌入决策支持应用功能服务。随着应用实践不断深入开展，这一创新科学实用的商业智能应用模式将得到进一步的完善发展，为用户带来高效快捷的决策支持应用。