上海雙菱空調(diào)器制造有限公司是一家中日合資企業(yè)，位于上海市浦東工業(yè)綜合開發(fā)區(qū)，建有設(shè)施先進的現(xiàn)代化廠房，年生產(chǎn)能力超過 300萬臺，產(chǎn)品包括雙菱定速、變頻、民用商用空調(diào)系列，款式包括窗式、分體掛壁式、落地式、嵌入式、吊頂式及小型家用中央空調(diào)。上海雙菱是空調(diào)行業(yè)的知名企業(yè)，在全國二十幾個省市設(shè)有商務(wù)代表處，20%以上產(chǎn)品出口歐洲的意大利、西班牙、希臘、東南亞的印尼、印度、新加坡、東歐、中東及北美洲等幾十個國家和地區(qū)。

    上海雙菱空調(diào)一直比較重視企業(yè)信息化建設(shè)，但由于其分子公司較多，經(jīng)營水平參差不齊，信息化需求各不一樣，因此信息化應(yīng)用系統(tǒng)欠缺統(tǒng)一性。目前，雙菱空調(diào)已經(jīng)實施信息化的業(yè)務(wù)領(lǐng)域包括企業(yè)財務(wù)管理、企業(yè)內(nèi)部物流管理，使用的軟件品牌包括博科、用友、金蝶。上海雙菱空調(diào)為了解決企業(yè)信息化數(shù)據(jù)相對分散，信息化數(shù)據(jù)利用率不高的問題，開始著手選擇商業(yè)智能軟件。 作為第一批使用國產(chǎn)化商業(yè)智能軟件的用戶，上海雙菱與博科資訊合作，開始了商業(yè)智能的應(yīng)用之路，商業(yè)智能的三大核心技術(shù)在上海雙菱都得到充分應(yīng)用。

    數(shù)據(jù)倉庫（DW）

    上海雙菱在實施博科商業(yè)智能——財務(wù)智能倉（ BI-FIW））之初，已經(jīng)有了許多的業(yè)務(wù)數(shù)據(jù)，但這樣數(shù)據(jù)都沒有得到有效利用。例如客戶交易資料，管理人員無法從這些數(shù)據(jù)中分析出客戶的效益和商業(yè)行為特征。面對一份個別客戶的詳細檔案，何時采用何種方式才能滿足該客戶的需求？這是令管理人員非常苦惱的事情。當然，客戶數(shù)據(jù)的分析確實不是一件容易的事情：如果收集了1000個客戶的信息，每個客戶100條交易數(shù)據(jù)，然后必須存儲、管理和分析100，000個具體數(shù)據(jù)。即使是一件很小的分析工作，需要處理的數(shù)據(jù)之多也令人生畏。數(shù)據(jù)的集中存儲，成為上海雙菱使用商業(yè)智能的最初原因。

    數(shù)據(jù)倉庫的建立是為了滿足決策支持的需要，而更好地組織企業(yè)內(nèi)所有可能收集到的數(shù)據(jù)。建立數(shù)據(jù)倉庫不是目的，只是進行決策支持的中間環(huán)節(jié)，保證數(shù)據(jù)的一致性、準確性、綜合性、易用性，為各種決策支持方案提供統(tǒng)一的數(shù)據(jù)源。例如以客戶為中心的數(shù)據(jù)倉庫是根據(jù)客戶管理的需求，對企業(yè)所有可能和客戶相關(guān)的數(shù)據(jù)進行重組，使得企業(yè)對自己的客戶具有統(tǒng)一的認識。上海雙菱建立的數(shù)據(jù)倉庫，包含以下幾個要素： ETL(數(shù)據(jù)的抽取、轉(zhuǎn)換和裝載)；數(shù)據(jù)倉庫的存儲；數(shù)據(jù)倉庫的管理和維護(包含元數(shù)據(jù)的管理)。

    聯(lián)機分析處理(OLAP)

    上海雙菱空調(diào)采用了博科自主的 OLAP技術(shù)，用于對集中存儲的管理數(shù)據(jù)進行多維多點的即時分析。OLAP 是聯(lián)機分析處理的英文縮寫，是一種用于對大容量數(shù)據(jù)歸總與分析的技術(shù)，它使用戶能夠以更快、更易于使用的交互方式從數(shù)據(jù)中獲得信息。 OLAP的關(guān)鍵是能夠以用戶想得到的方式來表示數(shù)據(jù)，主要通過多維的方式來對數(shù)據(jù)進行分析、查詢和報表，它不同于傳統(tǒng)的OLTP應(yīng)用。OLTP應(yīng)用主要是用來完成用戶的事務(wù)處理，通常要進行大量的更新操作，同時對響應(yīng)時間要求比較高。而OLAP應(yīng)用主要是對用戶當前及歷史數(shù)據(jù)進行分析，輔助領(lǐng)導決策。其典型的應(yīng)用有對銀行信用卡風險的分析與預(yù)測、公司市場營銷策略的制定等。主要是進行大量的查詢操作，對時間的要求不太嚴格。

    目前，常見的 OLAP主要有基于多維數(shù)據(jù)庫的MOLAP及基于關(guān)系數(shù)據(jù)庫的ROLAP。在數(shù)據(jù)倉庫應(yīng)用中，聯(lián)機分析處理應(yīng)用一般是數(shù)據(jù)倉庫應(yīng)用的前端工具，同時，聯(lián)機分析處理工具還可以同數(shù)據(jù)挖掘工具、統(tǒng)計分析工具配合使用，增強決策分析功能。

    此外， OLAP的一個重要特點是多維數(shù)據(jù)分析，這與數(shù)據(jù)倉庫的多維數(shù)據(jù)組織正好形成相互結(jié)合、相互補充的關(guān)系。OLAP技術(shù)中比較典型的應(yīng)用是對多維數(shù)據(jù)的切片和切塊、鉆取、旋轉(zhuǎn)等，它便于使用者從不同角度提取有關(guān)數(shù)據(jù)，OLAP技術(shù)還能夠利用分析過程對數(shù)據(jù)進行深入分析和加工。

    OLAP主要的應(yīng)用技術(shù)是“旋轉(zhuǎn)和切片”、“數(shù)據(jù)挖掘”。

    ——旋轉(zhuǎn)和切片。 OLAP讓最終用戶能夠?qū)φ磉^的信息進行切片和旋轉(zhuǎn)操作，以便從不同角度考察數(shù)據(jù)。用戶可以沿著任一軸“切割”或“轉(zhuǎn)動”一片特定的繼承數(shù)據(jù)。

    ◆切片和切塊

    通過切片、切塊功能，用戶可以對數(shù)據(jù)進行過濾，專注于某一方面的問題，例如，用戶通過拖拽的方式很容易的得到諸如“華東地區(qū) 2003 年的銷售情況”這樣的數(shù)據(jù)。

    ◆鉆取

    鉆取包含向下鉆取和向上鉆取操作，鉆取的深度與維所劃分的層次相對應(yīng)。 向下鉆取是通過對某一行匯總數(shù)據(jù)進行細分來分析數(shù)據(jù)。例如，用戶分析“各地區(qū)、城市的銷售情況”時，可以對某一個城市的銷售額細分為各個年度的銷售額，對某一年度的銷售額，可以繼續(xù)細分為各個季度的銷售額。通過鉆取的功能，使用戶對數(shù)據(jù)能更深入了解，更容易發(fā)現(xiàn)問題，做出正確的決策。 向上鉆取是指自動生成匯總行的分析方法。通過向?qū)У姆绞剑脩艨梢远x分析因素的匯總行，例如對于各地區(qū)各年度的銷售情況，可以生成地區(qū)與年度的合計行，也可以生成地區(qū)或者年度的合計行。

    ◆旋轉(zhuǎn)

    為了方便用戶更直觀的查看分析數(shù)據(jù)，博科財務(wù)智能倉支持數(shù)據(jù)的旋轉(zhuǎn)功能，從不同的視角來查看數(shù)據(jù)，對于一些數(shù)據(jù)，通過旋轉(zhuǎn)功能，看起來可以更加直觀，例如時間序列分析中，各地區(qū)各年度的增長量情況，把年份作為旋轉(zhuǎn)維度，則同一地區(qū)不同年度的數(shù)據(jù)以及增長量將在一行顯示，看起來更容易理解。

    ——數(shù)據(jù)挖掘。數(shù)據(jù)挖掘是按照既定的業(yè)務(wù)目標，對大量的企業(yè)數(shù)據(jù)進行探索、揭示隱藏其中的規(guī)律并進一步將之模型化了的先進、有效的方法。 OLAP允許用戶使用“數(shù)據(jù)挖掘”或?qū)Ш郊夹g(shù)獲取更詳細的信息。數(shù)據(jù)導航能幫助最終用戶回答“為什么”的問題，大多數(shù)OLAP工具都可以使用戶在一個數(shù)據(jù)集內(nèi)向下挖掘到最深層次的細節(jié)，而大多完整的工具允許用戶“挖掘到任何地方”，除“向下挖掘”外，還可“向上挖掘”，甚至可以“跨越挖掘”，即在同一層次上從一個數(shù)據(jù)集水平地移到另一套數(shù)據(jù)上。例如，使用者可以按照季度、商店類型、洲三個維度來展現(xiàn)數(shù)據(jù)，并對每一項提供了“實際消費”、“平均實際消費”、“該項消費占該類消費的百分比”、“實際收益”、“平均實際收益”以及“該項數(shù)據(jù)占該類收益的百分比”的比較數(shù)據(jù)。這樣可以使消費和收益的數(shù)據(jù)更為直觀地進行橫向的和縱向的比較。

    數(shù)據(jù)挖掘（DM）

    數(shù)據(jù)挖掘，也可以稱為數(shù)據(jù)庫中的知識發(fā)現(xiàn) (KDD，Knowledge Discovery in Database)，是從大量數(shù)據(jù)中提取出可信、新穎、有效并能被人理解的模式的高級處理過程。數(shù)據(jù)挖掘是一種決策支持過程，它從大量的數(shù)據(jù)中提取隱含的、潛在的、以前未知的有用信息或模式。它主要基于人工智能、機器學習、統(tǒng)計學、數(shù)據(jù)庫等技術(shù)，通過分析大量的原始的數(shù)據(jù)，作出歸納性的推理，挖掘出潛在的模式并預(yù)測客戶的行為，幫助企業(yè)的決策者調(diào)整市場策略，減少風險，做出正確決策。

    上海雙菱空調(diào)使用數(shù)據(jù)挖掘技術(shù)，是希望按照企業(yè)既定的業(yè)務(wù)目標，對大量的企業(yè)數(shù)據(jù)進行探索、揭示隱藏其中的規(guī)律性并進一步將之模型化的先進、有效的方法。如通過對客戶各種數(shù)據(jù)深入分析，了解客戶的行為，建立模型，并對客戶未來的行為進行預(yù)測。多年來，上海雙菱的統(tǒng)計人員采用手工方式“挖掘”數(shù)據(jù)庫，尋找統(tǒng)計學上的重要模式。現(xiàn)在，數(shù)據(jù)挖掘技術(shù)被很好地用于為上海雙菱空調(diào)預(yù)測客戶行為進行建模。預(yù)測建模可以對客戶進行分類，同時對客戶的行為進行打分，這些信息可以被整合到數(shù)據(jù)倉庫和其他市場營銷應(yīng)用中。

    上海雙菱空調(diào)采用的數(shù)據(jù)挖掘分析方法主要有：關(guān)聯(lián)分析、序列模式分析、分類分析和聚類分析等。數(shù)據(jù)挖掘利用人工智能領(lǐng)域中一些已經(jīng)成熟的算法和技術(shù)如：人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、決策樹方法、鄰近搜索算法、規(guī)則推理、模糊邏輯、公式發(fā)現(xiàn)等來進行數(shù)據(jù)的挖掘。數(shù)據(jù)挖掘是人工智能中的成熟技術(shù)在決策支持系統(tǒng)中的具體應(yīng)用。

    OLAP和數(shù)據(jù)挖掘是相輔相成的，但它們的側(cè)重點不同，OLAP側(cè)重于與用戶的交互、快速的響應(yīng)速度及提供數(shù)據(jù)的多維視圖而數(shù)據(jù)挖掘則能自動發(fā)現(xiàn)隱藏在數(shù)據(jù)中的模式和有用信息。OLAP的分析結(jié)果可以給數(shù)據(jù)挖掘提供分析信息作為挖掘的依據(jù)，數(shù)據(jù)挖掘可以拓展OLAP分析的深度，可以發(fā)現(xiàn)OLAP所不能發(fā)現(xiàn)的更為復雜、細致的信息。從上面的論述可以看出如果將OLAP與數(shù)據(jù)挖掘相結(jié)合將會發(fā)揮更好的效用，這是OLAP發(fā)展的又一個新方向。

    數(shù)據(jù)挖掘是當前業(yè)界的熱門技術(shù)，已經(jīng)在多個應(yīng)用領(lǐng)域產(chǎn)生了巨大的效益。數(shù)據(jù)挖掘不一定需要建立在數(shù)據(jù)倉庫的基礎(chǔ)上，但是，如果將數(shù)據(jù)挖掘和數(shù)據(jù)倉庫協(xié)同工作，則可以簡化數(shù)據(jù)挖掘過程的某些步驟，從而大大提高數(shù)據(jù)挖掘的工作效率。并且，因為數(shù)據(jù)倉庫的數(shù)據(jù)來源于整個企業(yè)，保證了數(shù)據(jù)挖掘中數(shù)據(jù)來源于整個企業(yè)，保證了數(shù)據(jù)挖掘中數(shù)據(jù)來源的廣泛性和完整性，例如，上海雙菱的信息化數(shù)據(jù)包括了財務(wù)及物流業(yè)務(wù)的管理領(lǐng)域，數(shù)據(jù)來源包括了博科、用友、金蝶的軟件系統(tǒng)，以及自主開發(fā)的軟件系統(tǒng)。

    數(shù)據(jù)挖掘技術(shù)是數(shù)據(jù)倉庫中應(yīng)用比較重要也是相對獨立的部分，目前正處在發(fā)展不斷當中。數(shù)據(jù)挖掘涉及到數(shù)理統(tǒng)計、模糊理論、神經(jīng)網(wǎng)絡(luò)和人工智能等多種技術(shù)，技術(shù)含量比較高，實現(xiàn)難度較大。此外，上海雙菱還考慮在以后將數(shù)據(jù)挖掘技術(shù)與可視化技術(shù)、地理信息系統(tǒng)、統(tǒng)計分析系統(tǒng)相結(jié)合，豐富數(shù)據(jù)挖掘技術(shù)及工具的功能與性能。