数据挖掘技术在业务流程重组中的应用

申请免费试用、咨询电话：400-8352-114

1 引言

业务流程重组(Business Process Reengineering，简称BPR)是重新设计生产过程以提高生产效益，促进企业资源计划(Ente印riseResourceplanning，简称ERP)系统在企业中运行的一项方法。如何行之有效的实施BPR以及怎样实施，是当今许多管理者热切关注的问题。Intemet的普及和信息技术的发展，各种数据剧增，数据挖掘技术能够从大量的数据中提取、组合人们需求的数据来指导生产、预测生产目标以及给决策者提供决策，成为有效查找、搜索和利用数据的技术之一。在BPR中运用数据挖掘技术能够帮助管理者发现那些隐含的对实施生产有价值的数据，从而对企业业务流程分析和重组提供支持。

2 数据挖掘技术(DataMining，简称DM)

数据挖掘就是从数据库中抽取隐含的具有潜在用途信息的过程。利用数据挖掘技术，企业能够从数据仓库的大量信息中获得对生产经营有用的数据，预测生产前景和生产的具体活动，帮助生产决策者制定具有前瞻性的合理决定。数据挖掘技术已经在零售与批发、制造、保险、软件开发、股票市场、运输等社会生产的许多领域得到应用并取得了一定的经济效益。例如利用DM的购物篮分析可以帮助零售商制定营销策略如协助货架布置、促销活动时间、促销商品组合以及了解滞销和畅销商品状况等。

常用的DM技术有以下几类:

(1)神经网络(NeuralNetWOrks)。它是多年来科研人员进行人脑神经学习机能模拟的成果，经过训练后的神经网络就像具有某种专门知识的“专家”，可以像人一样从经验中学习。

(2)决策树(Decisiontrees)。在知识工程领域，决策树是一种简单的知识表示方法，它将事例逐步分类代表不同的类别。由于分类规则是比较直观的，因而比较易于理解。它使用一组用属性描述的训练例，按属性值构造一棵树(二叉或多叉树)，从根节点到叶节点代表一条规则，叶节点就是一个类，由这棵树对另一组测试例进行分类或预测。

(3)粗糙集(roughset)方法。粗糙集理论可以用于分类，发现不准确数据或噪声数据内在的结构联系。现实世界的数据，通常有些类不能被可用的属性区分，通过引人不可区分关系作为粗糙集理论的基础，粗糙集可以用来近似地定义这种类，并在此基础上定义了上下近似等概念，粗糙集理论能够有效地逼近这些不精确概念。

(4)基于事例的推理方法(case一basedreasoning，简称CBR)。这种方法的思路非常简单，当预测未来情况或进行正确决策时，系统寻找与现有情况相类似的事例，并选择最佳的相同的解决方案，这种方法能用于很多问题求解。

2.1数据挖掘的功能

数据挖掘的功能在于可以挖掘到怎样的数据。数据挖掘的任务概括为以下几个方面:

(1)描述:用概括精确的方式描绘每个类或概念，将此类或概念与一个或多个对比类或概念的一般特征比较。比如，利用查询语言查找数据库中2仪阵年销售增加20%的软件产品，收集这些产品的特征，将它们与同时期销售下降10%的那些产品进行比较。

(2)关联分析:通过发现大量数据之间的关联而总结关联规则。比如通过发现顾客放入其购物篮中不同商品之间的联系，分析顾客购买习惯从而了解哪些商品频繁的被同时买走。

(3)分类和预测:找出类或概念的模型，以便能够使用模型预测目标类的值或者标记未知的类。例如，根据销售情况对已经销售的商品分类，由不同分类中商品的特性导出各自的模型，根据模型可以理解销售活动对产品销售的影响，帮助销售者设计以后的销售活动。

(4)演变建模:根据随时间变化的数据分析，总结规律或趋势进而建模。例如，从过去几年的某个股票交易市场的数据研究可以总结整个股票交易市场或特定公司股票的演变规律，帮助预测未来的股票市场。

(5)聚类分析:把具有高相似性的对象分为一个对象类，使它与剩下的对象相区别。

(6)背离分析:找出与一般数据模型不一致的数据或者类，用来分析异常情况。

2.2企业受益于DM

企业在组织中利用DM技术可以得到很大的收益，比如理解消费者的消费行为调整销售策略，制定更好的网站宣传策略等等。

利用DM可以统计新客户的数量，预测相关联产品销售的可能性，理解哪一类的消费群体频繁的购买哪些类的产品，分析顾客二次光顾商家或者其网站的可能性等。利用DM还可以为商家挑选出更好的网站设计风格以适应消费者的喜好，帮助商家确定网站中哪些版面受消费者欢迎哪些版面应该改进，还可以针对不同消费者的上网习惯进行个性化的广告投递等。

3 基于DM技术的BPR

BPR是企业适应新时代需求，加速自身发展，增加竞争优势的策略之一。一个企业要想适应外界环境的迅速变化，要能在激烈的竞争中求生存、求发展，就不仅要采用先进的科学技术，而且要尽快地改变与现代化生产经营不相适应的管理方式。从整体上看，企业的管理方式正从工业社会的生产管理向信息经济时代的创新管理和信息资源管理转变，也就是说信息时代的企业不再是过去那种以单纯金融资本或自然资源来表明本企业与其他企业的不同，而是通过管理获取竞争优势。

3.1BPR的内涵

BPR是对经营过程进行彻底的反思和根本性的改变，使企业在成本、产品质量、服务和运作速度关键部分上取得显著提高以适应市场需求的过程。信息技术的发展以及管理理论的不断完善为BPR的实施提供了有利条件。BPR涉及到以下几个方面:

(1)经营理念的改变。彻底性的重新设计要求彻底摆脱旧的不适应时代需求的经营理念，应该以顾客为中心考虑经营目标和战略导向，根据顾客需求考虑应设置哪些经营过程。

(2)人的转变。高层领导者要有富于革新、勇于向风险挑战的精神;企业内部员工也应该适应时代要求提高自身素质，勇于接受新事物。

(3)组织重构。按具体项目组成面向经营过程的职能部门。部门内部各成员的作用和职责分工明确，拥有自主决策权。各部门之间有机合作，企业利用网络加速信息传递，实现信息共享，成为协向土作的组织。

(4)技术重构。先进的信息技术改造企业的信息基础结构，譬如利用建模仿真土具可以重新设计经营过程;采用计算机网络、数据库和多媒体等技术建立覆盖整个企业的信息网络，使每位员工通过网络就可得到与自己业务有关的各种信息;利用专家系统和决策支持系统，可以使原来只能由专业技术人员和领导承担的工作转为由一般员工也可以承担等。

(5)信息重构。将旧的经营过程中使用的信息根据生产经营过程的不同需求重新组合排列，并且利用先进的信息技术收集对经营过程有用的信息并进行分析，使之成为有价值的能够为决策者提供决策帮助的信息或知识。

3.2一种DM/BPR框架

在实施BPR的过程中，要求企业从大量的数据中收集整理推进BPR所需的数据，例如制定新的企业文化，重构计划所需的各项评价指标以及员工适应新的工作流程所需的技术知识等。利用数据挖掘技术能够帮助高层管理者以及决策者从企业的数据库中抽取有用、相关的隐含数据来实施新的经营模式。

数据库中存储着在旧的经营过程中积累下来的经营目标、技术信息、管理制度、销售数据、服务制度、统计数据以及领导角色定位等数据。对于新的经营模式所需要的数据，需要对以往的数据进行精确的分析和验证，重新组合。利用DM技术分析这些旧的数据，建立模型，可以对新的经营模式做出预测，并且可以发现隐含的、未知的、对新的经营模式有用的数据，管理者和决策者把这些数据运用到BPR当中，指导新的生产经营活动。DM/BPR框架见图1要想 达 到 BPR的任务也就是使企业的业绩有显著的提高，就需要从大量数据中深层分析，找到有利析处理，为其提供全面的数据仓库解决方案。

3.2合作模式和策略

联合研究实验室的建立和发展，可以按照循序渐进，水到渠成的模式运作。首先 ，可以通过定期开展技术经验交流活动，由厂商提供或捐赠数据仓库和商业智能系统和软件，提供相关培训课程和教材，作为商业智能与数据仓库教学和科研使用，为双方下一步共建研究实验室奠定坚实的基础。然后 ，基于双方在数据仓库和商业智能领域的强大优势，以及对该市场巨大发展潜力的一致共识，共建商业智能与数据仓库研究实验室。

商业智能与数据仓库联合实验室将在双方的指导和管理下运作:

供应商负责提供先进的设备、开发工具和规范化的研究实验环境，包括DW/Bl系统服务器、系统软件平台、数据迁移服务器、存储网络等相关的硬件设备平台，包括相关软件产品。并长期提供参与项目的技术人员，并负责为研究中心培训讲师和技术骨干。并承诺提供长期的支持，不遗余力地将这些一流的技术和相关经验及知识引进中国。联合 实 验 室建设，学院将提供研究中心和办公场地、网络、教师及学生资源，并负责研究中心及配套硬件和软件的日常管理和维护工作。

联合实验室除了担负起数据仓库及商业智能教学和研究的重任，每年将为中国市场培养数百名数据仓库和商业智能的专业人才，提升我国大学在该领域的教育和科研水平，推动数据仓库技术在政府和其他行业的应用。另外，还将承担相关认证的培训工作，使其成为我国数据仓库及商业智能教学、科研和人才培养基地，并成为国际知名厂商商业智能与数据仓库用户和所需人才的培训基地。这种面向市场服务社会的合作，为我国数据仓库专业人才职业技能培训，以及国际化IT公司人才资源培养方面开创了一条更高层次的合作道路。

联合实验室还将共同选择一些具有攻关价值的前瞻性课题和核心技术、长远性和实用性的研究项目，通过合作研究和联合项目，发展商业智能与数据仓库的核心技术和创新应用，并在原有数据仓库平台上开发出适用于我国各行业，尤其是金融、保险、证券、税务等行业的数据仓库和商业智能应用系统。（万方数据）