SAP商务智能系统在电力企业信息化建设中的应用
企业级ERP系统的实施统一了企业内部的信息流，理顺了各业务的流程，提高了企业的运行效率，但ERP系统中历史性的数据开始出现，对大量历史数据的管理已迫在眉睫；同时，企业需要利用ERP系统提供的信息反馈，来控制、指挥企业的各种活动，如何将信息展现已成当务之急。近几年，SAP商务智能技术的发展，为此问题的解决提供了良好的方案。
1 SAP商务智能系统简介
SAP商务智能系统由多个功能模块组成，体系结构一般为：数据源层、数据转换层、数据仓库层、智能分析层、用户展现层。数据仓库(Data Warehouse，DW)、联机分析处理(Online Analytical Processing，OLAP)、数据挖掘(Data Mining，DM)为商务智能系统的核心技术。数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理决策制定。数据仓库的典型处理流程包括数据建模、抽取以及对数据仓库流程的管理等，因此数据仓库是商务智能系统的基础。OLAP是用于从多角度对信息进行快速、一致、交互存取，从而获得对数据更深了解的软件技术。
OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求。数据挖掘是从大量的数据中分析出潜在的、不为人知的有用信息、模式和趋势的过程，企业决策者可根据这些信息做出科学决策。
2 SAP商务智能系统的设计与应用
2．1 设计中的核心技术
2．1．1数据仓库
电力企业中的ERP系统涉及人力资源、财务、物资、设备、项目五大模块，每个模块都有千万条数据，因此只有建立结构化的数据仓库，从不同的维度来组织这些数据，从多方面进行深入分析，才能挖掘出有价值的经验和规则。企业数据仓库对来自任何数据源(ERP和非ERP源)、任何时期的数据进行集成、转换、合并、清理、存储及加工，将数据转化成有价值的信息，为SAP商务智能系统构建提供数据基础。数据仓库还提供了管理平台(数据仓库工作台)，集成了数据建模、数据获取、流程管理和数据仓库管理等工具，从业务流程的角度，可以将企业数据仓库分成建模和运行两大部分，如图1所示。
a．数据仓库建模。首先是数据建模，数据建模支持具有高度灵活性和综合性的信息模型并使建模容易化；其次是数据获取，数据获取是将SAP商务智能系统接入到不同的源系统中，同时也支持到源系统的远程连接，实现实时查询；数据转换是数据合并、清理和集成的主要流程，从可能的异构源系统过来的数据通过这个流程实现语义上的一致性；除对数据仓库中的数据进行查询以外，数据也可以发布到其他的数据仓库系统中。元数据和文档必须得到管理并支持搜索功能，应该能与其他系统进行开发式的交互。
b．数据仓库运行。首先要对数据流进行控制，数据流能帮助创建数据传输进程和信息包，数据传输进程和信息包中设置了企业数据仓库数据获 取时需要的各种参数，这个流程可以定义处理链，用来自动完成数据获取工作；其次是管理及监控流程，用于计划及监控企业数据仓库日常工作的各种活动，包括对数据质量方面的控制；企业数据仓库的性能优化集中体现在查询性能方面的优化，查询性能的提高有利于保持用户的满意度；信息生命周期管理有利于减少数据仓库中管理的数据量，从而减少信息维护成本，提高系统性能。用户管理实现了公司在数据安全方面的指导方针，并根据企业的业务需要以高度灵活的方式授予最终用户权限。
2．1．2联机分析处理
商务智能平台提供了SAP BI技术的基础架构及基于企业数据仓库的各种分析技术和功能，是对企业数据仓库的应用和深化。
OLAP是针对特定问题的在线数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度，例如企业在考虑物资采购时，通常从时间、物料、供应商等不同的角度深入观察采购物资的情况，这里的时间、物料和供应商就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础。
多维分析是指对多维形式组织起来的数据采取钻取、切片、旋转等分析动作剖析数据，使用户能从多角度、多侧面观察数据库中的数据，从而深入理解包含在数据中的信息。钻取是指改变维的层次，变换分析的角度；切片是在一部分维上选定值后，度量数据在剩余维上的分布；旋转是变换维的方向，即在表格中重新安排维的位置。
2．1．3数据挖掘
数据挖掘是一种深层次的数据分析方法，按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏、未知或验证已知的规律性，并将其规模化的数据处理技术。数据挖掘能够提高企业决策者的市场决策能力，能够帮助企业检测到异常模式，以及在过去的经验基础上预测未来的趋势等。
商务智能系统左侧为基础数据层(源数据)。主要包括ERP系统的数据和外围系统的数据。系统的中间部分为数据仓储，包括主数据、数据存储对象(DSO)和信息块(CUBE)等存储结构。数据转换通过对数据源层的数据抽取、清洗和转换形成统一的信息层。在逻辑和存储上，对源数据和数据仓库进行隔离，基于多模型、按照主题分析的需要建立企业级全局数据存储。数据挖掘、报表查询和OI。AP等智能引擎对数据仓储中的数据进行分析和查询，最后通过前端工具对智能引擎的结果进行展现，为企业管理层的决策提供支持。
2．3 信息的展现
通过数据转换，将所需的数据源转换成多维数据模型，再通过元数据模型工具发布生成数据立方体，再通过业务浏览器来进行多维分析。业务浏览器是SAP BI为企业战略分析和决策支持提供灵活报表和分析工具的组件。在多维数据源(OLAP报表)的基础上分析数据，使在同一时间对几个维度进行分析成为可能。数据可以用表格或图表来展示，既能清晰展示对比情况又能解答很多明细问题。
将业务浏览器套件与企业门户集成，用户可以通过互联网和局域网访问数据分析中的业务数据，不同角色的用户拥有对应的访问权限，有利于提高企业各级人员获取信息的速度，使信息更好的服务于企业。
3 SAP商务智能系统的应用效果
SAP商务智能系统抽取ERP人力资源、财务、物资、设备、项目五大模块数据库中的数据，全面实现河北省电力公司ERP系统的流程、数据、界面的集成与展示，为企业领导的决策提供数据支持。ERP的实施为河北省电力公司管理层提供快速、丰富的人、财、物等统计分析数据和决策支持，进一步规范了公司的管理流程，大幅度提升了河北省电力公司系统的信息化水平。
4结束语
目前，SAP商务智能技术集中体现在数据分析上，但商务智能的应用不仅限于数据分析，在业务理论和系统实施实践上，基于数据仓库的应用在不断增加。随着电力企业信息化的建设和商务智能技术的不断提高，商务智能技术会更加科学、准确地帮助企业决策者模拟、分析、监控、优化管理企业运行状况，为决策者提供决策依据，使企业在竞争中处于领先地位。 
企业级ERP系统的实施统一了企业内部的信息流，理顺了各业务的流程，提高了企业的运行效率，但ERP系统中历史性的数据开始出现，对大量历史数据的管理已迫在眉睫；同时，企业需要利用ERP系统提供的信息反馈，来控制、指挥企业的各种活动，如何将信息展现已成当务之急。近几年，SAP商务智能技术的发展，为此问题的解决提供了良好的方案。
1 SAP商务智能系统简介
SAP商务智能系统由多个功能模块组成，体系结构一般为：数据源层、数据转换层、数据仓库层、智能分析层、用户展现层。数据仓库(Data Warehouse，DW)、联机分析处理(Online Analytical Processing，OLAP)、数据挖掘(Data Mining，DM)为商务智能系统的核心技术。数据仓库是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理决策制定。数据仓库的典型处理流程包括数据建模、抽取以及对数据仓库流程的管理等，因此数据仓库是商务智能系统的基础。OLAP是用于从多角度对信息进行快速、一致、交互存取，从而获得对数据更深了解的软件技术。
OLAP的目标是满足决策支持或者满足在多维环境下特定的查询和报表需求。数据挖掘是从大量的数据中分析出潜在的、不为人知的有用信息、模式和趋势的过程，企业决策者可根据这些信息做出科学决策。
2 SAP商务智能系统的设计与应用
2．1 设计中的核心技术
2．1．1数据仓库
电力企业中的ERP系统涉及人力资源、财务、物资、设备、项目五大模块，每个模块都有千万条数据，因此只有建立结构化的数据仓库，从不同的维度来组织这些数据，从多方面进行深入分析，才能挖掘出有价值的经验和规则。企业数据仓库对来自任何数据源(ERP和非ERP源)、任何时期的数据进行集成、转换、合并、清理、存储及加工，将数据转化成有价值的信息，为SAP商务智能系统构建提供数据基础。数据仓库还提供了管理平台(数据仓库工作台)，集成了数据建模、数据获取、流程管理和数据仓库管理等工具，从业务流程的角度，可以将企业数据仓库分成建模和运行两大部分，如图1所示。
a．数据仓库建模。首先是数据建模，数据建模支持具有高度灵活性和综合性的信息模型并使建模容易化；其次是数据获取，数据获取是将SAP商务智能系统接入到不同的源系统中，同时也支持到源系统的远程连接，实现实时查询；数据转换是数据合并、清理和集成的主要流程，从可能的异构源系统过来的数据通过这个流程实现语义上的一致性；除对数据仓库中的数据进行查询以外，数据也可以发布到其他的数据仓库系统中。元数据和文档必须得到管理并支持搜索功能，应该能与其他系统进行开发式的交互。
b．数据仓库运行。首先要对数据流进行控制，数据流能帮助创建数据传输进程和信息包，数据传输进程和信息包中设置了企业数据仓库数据获 取时需要的各种参数，这个流程可以定义处理链，用来自动完成数据获取工作；其次是管理及监控流程，用于计划及监控企业数据仓库日常工作的各种活动，包括对数据质量方面的控制；企业数据仓库的性能优化集中体现在查询性能方面的优化，查询性能的提高有利于保持用户的满意度；信息生命周期管理有利于减少数据仓库中管理的数据量，从而减少信息维护成本，提高系统性能。用户管理实现了公司在数据安全方面的指导方针，并根据企业的业务需要以高度灵活的方式授予最终用户权限。
2．1．2联机分析处理
商务智能平台提供了SAP BI技术的基础架构及基于企业数据仓库的各种分析技术和功能，是对企业数据仓库的应用和深化。
OLAP是针对特定问题的在线数据访问与分析。它通过多维的方式对数据进行分析、查询和报表。维是人们观察数据的特定角度，例如企业在考虑物资采购时，通常从时间、物料、供应商等不同的角度深入观察采购物资的情况，这里的时间、物料和供应商就是维。而这些维的不同组合和所考察的度量指标构成的多维数组则是OLAP分析的基础。
多维分析是指对多维形式组织起来的数据采取钻取、切片、旋转等分析动作剖析数据，使用户能从多角度、多侧面观察数据库中的数据，从而深入理解包含在数据中的信息。钻取是指改变维的层次，变换分析的角度；切片是在一部分维上选定值后，度量数据在剩余维上的分布；旋转是变换维的方向，即在表格中重新安排维的位置。
2．1．3数据挖掘
数据挖掘是一种深层次的数据分析方法，按企业既定业务目标，对大量的企业数据进行探索和分析，揭示隐藏、未知或验证已知的规律性，并将其规模化的数据处理技术。数据挖掘能够提高企业决策者的市场决策能力，能够帮助企业检测到异常模式，以及在过去的经验基础上预测未来的趋势等。
商务智能系统左侧为基础数据层(源数据)。主要包括ERP系统的数据和外围系统的数据。系统的中间部分为数据仓储，包括主数据、数据存储对象(DSO)和信息块(CUBE)等存储结构。数据转换通过对数据源层的数据抽取、清洗和转换形成统一的信息层。在逻辑和存储上，对源数据和数据仓库进行隔离，基于多模型、按照主题分析的需要建立企业级全局数据存储。数据挖掘、报表查询和OI。AP等智能引擎对数据仓储中的数据进行分析和查询，最后通过前端工具对智能引擎的结果进行展现，为企业管理层的决策提供支持。
2．3 信息的展现
通过数据转换，将所需的数据源转换成多维数据模型，再通过元数据模型工具发布生成数据立方体，再通过业务浏览器来进行多维分析。业务浏览器是SAP BI为企业战略分析和决策支持提供灵活报表和分析工具的组件。在多维数据源(OLAP报表)的基础上分析数据，使在同一时间对几个维度进行分析成为可能。数据可以用表格或图表来展示，既能清晰展示对比情况又能解答很多明细问题。
将业务浏览器套件与企业门户集成，用户可以通过互联网和局域网访问数据分析中的业务数据，不同角色的用户拥有对应的访问权限，有利于提高企业各级人员获取信息的速度，使信息更好的服务于企业。
3 SAP商务智能系统的应用效果
SAP商务智能系统抽取ERP人力资源、财务、物资、设备、项目五大模块数据库中的数据，全面实现河北省电力公司ERP系统的流程、数据、界面的集成与展示，为企业领导的决策提供数据支持。ERP的实施为河北省电力公司管理层提供快速、丰富的人、财、物等统计分析数据和决策支持，进一步规范了公司的管理流程，大幅度提升了河北省电力公司系统的信息化水平。
4结束语
目前，SAP商务智能技术集中体现在数据分析上，但商务智能的应用不仅限于数据分析，在业务理论和系统实施实践上，基于数据仓库的应用在不断增加。随着电力企业信息化的建设和商务智能技术的不断提高，商务智能技术会更加科学、准确地帮助企业决策者模拟、分析、监控、优化管理企业运行状况，为决策者提供决策依据，使企业在竞争中处于领先地位。
