陈雨萌
北京学而思教育科技有限公司 北京市 102208
摘要：21世纪作为信息化时代，海量、复杂的数据信息特点，使企业制定出科学合理的商务决策，需运用到高效化的商务智能工具，对数据进行深入挖掘与分析。而大数据的出现与应用，为企业商务决策的改进，提供了新的发展方向。合理运用大数据技术，构建出完善的商务智能决策系统，可确保商务决策的正确性，协助企业提升自身竞争力。针对此，本文在详细阐述商务智能与大数据概念的基础上，分析了大数据背景下商务智能决策存在的问题，并提出了商务智能决策的优化对策。
关键词：商务智能；大数据；商务决策；智能决策；
引言
为进一步促进我国互联网行业的发展，我国提出了“互联网+”的发展战略，其中明确以大数据技术为导向，深入改革与完善相关技术体系。此战略实施后，数据化成为了众多行业的发展特点，这有力促进商务智能的发展。但就当前我国商务智能发展现状而言，在商务决策方面，依然存有较多的不足之处，影响着商务智能的发展，需要借助大数据技术的支撑性作用，优化商务决策的水平。为此，本人结合个人所学及相关经验，就商务智能基于大数据的有效决策进行了分析，旨在为相关人员提供参考。
1商务智能
1.1商务智能概念
进入到信息化发展时代后，各种信息技术不断的涌现，为人们提供了新的工作与生活方式。在此背景下，众多行业纷纷利用信息技术，改变行业工作与生产方式，这促使各种信息系统被不断开发与应用。而经过长期的优化与改进，CRM、ERP、OA等基础信息系统，在众多行业生产中，实现了深入普及与应用。实际使用此系统时，工作人员或者是终端用户，可根据自身的信息使用需求，对数据库进行增加、删除与修改等操作。但人们使用此系统进行各种操作后，会产生大量的数据，采用传统的数据处理方式，进行数据的分析与处理，难免效率比较低效化。为满足人们信息处理的需求，需要一种更高效的数据处理方式，用于协助企业在决策时，能够快速对数据进行分析与整理。在此需求影响下，商务智能（business intelligence,BI）相应出现。
就商务智能的实质而言，商务智能是基于计算机技术运用下，由数据仓库、查询报表、数据分析、数据挖掘、数据备份和恢复等部分，相组成的软件系统，可为企业提供必要的功能服务。若立足于技术层面而言，商务智能运用到了众多先进技术，如ETL、数据仓库、OLAP、数据挖掘与分析等技术，此类技术相互协同合作下，可为用户提供多样化的服务。
1.2商务智能数据处理流程
商务智能在进行数据处理时，是先将采集到的企业数据，利用ETL技术进行数据处理，以从众多的数据信息中，挖掘出有价值的信息，并将此类信息进行清理。然后在此基础上，确保数据正确性与完整性后，对数据进行格式转换处理，使企业预定数据库的信息，能够有效转换到企业数据库中，完成数据信息的价值转换。通常情况下，企业在数据方面的信息，包含类型分为两种，一种为企业内部信息，即企业订单、库存数量、账单项目、客户资料与供应商资料等，另一种为外部信息，如企业所处行业信息与竞争对手信息。将企业数据信息有效转变为知识，系统是按照信息提取的要求，从系统数据库中，进行相关数据的提取，并在数据初步提取完成后，利用各种数据挖掘工具，对数据进行分析与处理，以最终整合出详细的数据报告，用于为管理人员提供决策参考。
2大数据
2.1大数据概念
信息技术的出现与应用，为人们提供更便捷与高效的生活方式，人们在日常生活与工作中，也愈发依赖于信息技术。据相关调查报告显示，通过信息技术的方式，将个人生活与工作信息进行数据化的用户，呈现出高速增长的趋势。在此背景下，互联网数据实现了爆炸性的增长，海量化的数据处理量，需要一种可从大量数据中，依据个人信息查询需求，搜索出有价值信息的数据分析工具。经不断研究与开发下，大数据技术概念相应出现。当前因很多学者对于大数据，展开了不同角度的研究，所获得研究理论差异较大，使得大数据的概念比较多内容化。但就现阶段的发展时代而言，大数据技术是指在有限的时间内，无法通过常见技术手段，对信息进行采集、分析与处理，实现数据信息的整合，而是需要运用到更强大、高效的信息处理模式，才能获取更多的信息资产。
2.2大数据技术特点
信息化时代下，各种信息产生效率较高，信息来源也比较多。如信息搜索、新闻制作、网络平台等，都会在使用过程中，产生大量的数据信息，这些类型复杂的数据信息，皆可称为大数据。而根据大数据的类型，可将其分为两种，一种是结构化数据，另一种是非结构化数据。结构化数据在进行展现时，可通过二维表的方式，将数据信息的结构描述处理。而非结构化数据则不能通过二维表，将数据类型展示出来。通常情况下，大部分行业人员对于大数据，表示其特点分为四方面，即规模性、多样性、高速性与价值性。其中，规模性是指大数据信息量较大，需要运用数据处理工具，对数据进行分析。多样性是指数据类型复杂，需要在深入分析与处理后，才能将所有数据转变为结构化数据。高速性是指信息搜索与处理时，需要具备较高的响应速度，及时对数据信息进行处理。价值性则是指数据的密度较小，当数据量达到一定程度后，才能获得更有价值的数据。
2.3大数据关键技术
Google公司在互联网领域，长期处于领头企业，此公司在大数据技术研发方面，已研发出GFS、MapReduce和Bigtable等技术，这些技术在海量化数据处理方面，具有良好的数据处理效果。尽管在Google公司之后，众多互联网企业对大数据技术，也展开了深入的研究。但在大数据技术功能与类型方面，存有很大的相似性。下面就大数据关键技术进行相关介绍。
MapReduce在实际运用时，属于一种编程模型，此模型在实际进行运用时，可支持大规模数据集的并行运算。若系统开发过程中，编程人员不能有效开发出分布式并行编程，可借助Hadoop作为载体，将系统程序进行处理后，使其运行于分布式系统中。因分布式系统在数据处理方面，能够同时支持多种服务器，这使其可以在完成海量数据计算的同时，也能为用户提供终端访问与输出功能。
3大数据对商务智能决策的重要作用
3.1提升商务智能决策水平
大数据技术的不断发展下，大数据融合性强、数据资源规模化等特点，使大数据可为管理人员，在商务智能决策方面，提供众多的作用。如借助大数据技术，构建出的数据仓库，将其与商务智能决策系统进行结合，能够根据信息采集与整理要求，有效整合相关数据，减少数据分散、利用价值低的情况出现。并且，基于大数据的时代下，所研发出的云计算技术，合理运用此技术，可对复杂、海量化的数据，进行高效、快速的数据处理。使用此类技术，所得出的数据报告，具有更高的精准性与全面性，商务决策人员根据这些数据，可在全面、系统分析下，制定出更科学合理的商务决策。
3.2扩展商务智能管理职能
大数据技术的出现与应用，有效改变了商务管理职能的方式与内容，为商务管理带来了新的发展机遇。具体表现在，通过运用大数据技术的方式，构建出商务智能管理系统，可根据商务决策的需求，全面收集企业财务、生产、营销及人员管理信息后，深入了解商务管理智能的不足之处。在此基础上，可适当改进与优化商务智能管理方式，使商务智能决策系统在功能方面，更具多样性与全面性。
决策人员使用此系统时，则能依据实际工作管理需求，运用商务智能管理系统的功能，有效开展数据采集、分析、转化处理及整合工作，为商务决策人员提供相关支持，研发出更多高效的管理内容与模式。
4大数据背景下企业面临的挑战
4.1异构复杂的海量数据挑战
企业在发展过程中，各种工作与运营的需求下，数据信息量呈现出不断增长的趋势。而进入到信息化时代后，信息技术的运用，及企业发展规模的扩大，更是增加了数据信息量，这促使数据信息趋向于巨量化。加之，受企业业务需求影响，数据来源比较多，类型较为复杂，众多数据接口不一致的情况下，数据信息的处理要求，也存有较大的差异情况，因此数据信息的处理难度较高。
4.2大数据分析技术的挑战
对于企业运营过程中，所产生的各种数据信息，在经各部门进行数据信息整理后，需将这些数据信息，转交给企业决策部门。不同于常规部门的信息处理要求，企业决策部门进行数据信息分析时，具有更明确、详细的数据信息处理要求，这给数据信息处理方式，提出了更多的要求与挑战。特别是在信息数据海量化的趋势下，企业决策部门提出的综合分析、快速查询等需求，使数据信息集中整合后，数据分析难度越来越大。常见的数据信息处理技术与工具，已经无法满足数据信息处理的需求，需运用到更高端、先进的技术，才能在机器自动分析、深入挖掘数据的功能实现下，以更精准、全面的功能，为商务智能决策人员提供相关技术支持。
4.3大数据并行处理的挑战
数据信息的海量化增长，以及处理需求的复杂，只有构建出更完善的管理机制，才能满足数据处理与分析的需求。同时，负责处理数据信息的平台，也需要具备一定的可扩展性，能够满足用户的并发性访问需求。受此种需求转变的影响，常见的高端服务器，无法满足数据信息处理的需求，需要使用先进的硬件，构建出大规模的机群平台后，将系统转变成分布式系统，才能达到动态扩展的水平。且系统在扩容方面，需以硬件扩容为标准，做好各方面的扩容要求，这对系统容量提出了更高要求。
5大数据背景下商务智能决策存在问题
5.1大数据应用缺乏重视性
近年来，大数据技术的深度应用与普及，使越来越多的企业，对大数据技术的认识程度加深，纷纷开始制定战略性规划，加快大数据技术与行业的融合发展。如企业利用大数据技术，构建商务智能决策系统，利用大数据技术的支撑性作用，提升企业商务智能决策的效果。但由于部分企业对于大数据技术，未能进行深入的了解与分析，运用大数据技术的方式比较单一，未能发挥出大数据技术的支撑性作用，导致商务智能决策系统的运用水平较低。也有部分企业，在信息数据方面，没有制定有序、规范的数据收集方式，使商务智能决策系统运用时，数据整合分析的作用，难以实现最大程度的发挥。
5.2大数据应用缺乏系统性
商务智能在数据处理方面，多为结构化数据，数据来源为企业交易数据。而大数据技术在数据处理方面，多为非结构化数据，来源包含企业内部与外部信息。商务智能进行数据处理时，是基于数据的因果原理，大数据技术则是基于关联原理，进行数据的分析与处理。由此可得知，大数据技术对商务智能具有支撑性作用，可将其进行系统化应用。然而，目前很多企业建立的商务智能决策系统，未能认识到大数据时代下，数据来源较为复杂，需要建立专业化的数据平台，用于满足大数据的系统性应用需求。因而，部分企业的数据信息收集，存有收集效率低与不准确等情况，影响了企业的经济效益。
6大数据背景下商务智能决策的优化对策
6.1提高大数据应用的重视性
有效将大数据技术运用于商务智能决策中，企业需以正确的观念，高度重视大数据技术的应用。首先，在推进大数据技术的深入应用过程中，始终坚持科学发展观，加强对企业内部人员的思想意识强化，使其能够重视大数据技术的应用，配合相关工作的展开。其次，需要加大资金方面的投入，使大数据技术在应用过程中，能够有着充足的资金保障，可引进先进的技术设备。再次，企业需结合自身发展情况，以商务智能决策为向导，制定出详细的大数据发展规划，以在有序的安排与法治下，促使大数据技术与商务智能决策系统有效融合，为后续发展奠定良好的基础。
6.2突出大数据应用的系统性
商务智能系统是为满足企业需求开发的，大数据系统是满足多种需求的，两者在众多方面，存有显著的差异性，这使得需通过系统的融合与创新，用于实现大数据应用的系统性。即企业在运用商务智能决策系统时，需要以系统性的思维角度，做好大数据技术转化模式的研究，以不断改进与创新大数据技术。如在大数据信息处理方面，企业商务智能决策系统的数据信息，多为企业交易数据。企业可结合实际需求，构建出专业的大数据平台，对各种数据信息进行收集。在此基础上，融入商务智能系统，用于整理与分析数据信息，进而在融合创新下，提升大数据应用的系统性。
6.3强化大数据应用的持续性
在大数据技术的不断发展下，未来大数据技术可能会延伸出各种新的技术，商务智能决策系统融合大数据技术，进行系统的创新性发展。企业需在实际发展过程中，始终遵循可持续的发展理念，不能在某一阶段，运用大数据技术的优势，改进与优化商务智能决策系统，而是始终运用大数据技术，优化商务智能决策系统运用水平。首先，可通过构建大数据平台的方式，多渠道的收集数据信息，以借助平台数据处理信息高效化的方式，为商务智能决策提供基础的数据支持。其次，需要强化企业内部体系的管控水平，在企业各个部门处，同步制定大数据管理制度与体系，使各部门主动配合大数据的信息采集工作，根据制度的要求，定期整理与分析数据，上交给商务智能决策部门。此外，企业也可融合第三方技术，与其他平台进行战略合作，借助第三方平台的技术与人才优势，深入研究大数据技术。然后，将大数据技术研究成果，融入到商务智能系统创新中，不断改进与完善商务智能系统的功能，优化系统的运用水平。
结语：综上所述，大数据技术作为前沿性技术，在未来较长的一段时间内，大数据技术将会引导众多行业，进行技术创新与变革。为适应于时代的发展需求，实现企业的进一步发展，企业在运用大数据技术，进行商务智能方式的研发时，需以长远化的角度，正确看待大数据技术带来的众多优势。并分析企业在运用大数据技术，开展商务智能决策工作的过程中，所呈现出的各种问题，采取科学合理的策略，切实优化商务智能决策的方式，从而将大数据技术有效运用于商务智能决策中，借助大数据技术带来的优势，为企业制定科学合理的商务决策。
参考文献：
[1]冯秘芹.大数据时代下如何打造个性化的商务智能实践[J].全国流通经济，2020，（2）11-15.
[2]刘斌.大数据时代下如何打造个性化的商务智能实践[J].中国商论，2019，（22）67-69.
[3]张白洋.基于大数据融合的企业商务智能管理探讨[J].现代商贸工业，2021，（20）54-56.
[4]周秀丽.大数据背景下的企业商务智能应用分析[J].全国流通经济，2019，（30）22-28.
[5]张双.大数据场景中增强学习的商务智能实现方法[J].安徽财经大学，2018，71-79.
[6]董燕.高健飞.大数据时代下如何打造个性化的商务智能实践[J].科技资讯，2015，（27）25-26.
[7]王万程.大数据背景下的企业商务智能应用分析[J].通讯世界，2015，（21）72-79.
[8]陈红军.商务智能基于大数据的有效决策[J].企业管理，2018，（4）85-88.
[9]李涛.曾春秋.周武柏.周绮凤.郑理.大数据时代的数据挖掘-从应用的角度看大数据挖掘[J].大数据，2015，（4）24-26.
[10]陈红军.商务智能基于大数据的有效决策[J].企业管理，2018，（4）35-39.
作者简介：陈雨萌,（出生年月1989.8.6），性别，女，民族，汉，籍贯(省市)，辽宁省鞍山市，学习单位，中国人民大学.