本文从商务智能含义、物流企业、第三方物流企业对商务智能的需求及商务智能的实际应用等几个方面，阐迷了商务智能在物流企业管理和决策中的作用和实际应用。
1引言
随着我国经济发展及对外交流加强，现代物流作为现代经济的重要组成部分得到迅猛发展。物流管理不仅表现为实物流动，更表现为对计划、控制等蕴含于物流过程中无形管理的组织效率和技术创新。“物流管理，信息先行”已经成为全球物流企业共识。一方面，物流质量取决于信息，物流服务依靠信息，商务智能通过对数据的采集、整理、挖掘和分析，为物流企业组织内的各层次人员提供信息，提高企业的决策能力，加快决策速度，确保决策准确性，同时实现企业内部的远程管理。另一面，也为企业外部用户提供有效信息，共同分享销售、库存等商业数据，共同进行品类分析和管理，提升了对外服务水平。商务智能作为一项新兴技术已成为物流管理中最有利的工具之一。
2 商务智能
商务智能是指将企业的各种数据及时地转换为企业管理者感兴趣的信息（或知识），并以各种方式展现出来，帮助企业管理者进行科学决策，加强企业的竞争优势。具体地说，商务智能技术就是包含数据仓库、联机分析处理、数据挖掘三者在内的用于综合、探察和分析商务数据的信息技术的统称。它主要是通过联机分析处理技术，在数据仓库中对数据进行挖掘，取样，利用聚类，切片，分类等技术，来提取有应用价值的信息，来帮助决策者进行正确的决策。
2.1 商务智能含义
商务智能英文是Business Intelligence，简称BI，最早由美国加特纳公司的分析师Howard Dresner 提出。商务智能经过十多年的发展，已经日趋成熟，在中国正处于蓬勃发展的时期。对商务智能的研究不乏专家学者，关于商务智能含义，不同的学者根据自身的理解给予不同看法，主要有以下几种：
2.1.1商务智能是指通过数据的收集、管理、分析以及转化，使数据成为可以用的信息，从而获要的洞察力和理解力，更好地辅助决策和指导行为。
2.1.2商务智能是运用了数据仓库，在线分析和数据挖掘技术来处理和分析数据的技术，用户可以无障碍的直接查询和分析数据库和数据仓库，找出影响商业活动的关键因素，最终帮助用户做出更好、更合理的决策。
2.1.3商务智能是应用于Internet 上的集查询、报表、分析为一体的在线分析处理工具，企业用户在客户端可对数据进行深层次的挖掘、钻取、切片等分析处理，轻松完成数据的分析处理，报表统计工作。
2.1.4商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识，改善商务决策水平，采取有效的商务行动，完善各种商务流程，增强企业的综合竞争力。
2.1.5商务智能是通过利用多个数据源的信息以及应用经验和假设，促进对企业动态特性的准确理解，以便提高企业的决策能力的一组概念、方法和过程的集合。它通过数据的获取、管理和分析，为企业组织的各种人员提供信息，以提高企业的战略和战术决策能力。
2.2 商务智能体系结构
商务智能体系结构一般为:源数据层、数据转换层、数据仓库(数据集市)层、OLAP及数据挖掘层、用户展现层。数据仓库(Data Warehouse,DW)、联机分析处理(OLAP)和数据挖掘(Data Mining, DM)是商务智能的三大技术支柱.
DW是商务智能系统的基础，是面向主题的、集成的、稳定的和随时间不断变化的数据集合。OLAP技术的核心是“维”，通过对多维数据的钻取、切片及旋转等分析动作。来完成决策支持和多维环境下的查询及报表。DM是从海量数据中提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。挖掘的数据有多种来源，包括数据仓库、数据库或其他数据源。所有的数据都需要再次进行选择，具体的选择方式与任务相关。挖掘的结果需要进行评价才能最终成为有用的信息。按照评价结果的不同，数据可能需要反馈到不同的阶段，重新进行分析计算。数据挖掘的常用方法包括关联分析、分类和预测、聚类、检测离群点、趋势和演变分析等。
物流质量取决于信息，物流服务依靠于信息，商务智能对数据的采集，挖掘，分析为企业实现信息，帮助决策管理者做出卓越决策。
商务智能如何在物流企业中得到应用，不同学者给出了他们不同的看法。结合他们的看法，以及自身对物流的理解，分别对物流中不同环节中商务智能的应用状况做出如下概括：
3 物流企业对商务智能的需求
现代物流系统是一个庞大复杂的系统，包括运输、仓储、配送、搬运、包装和再加工等诸多环节，每个环节信息流量十分巨大，产生了巨大的数据流，使企业很难对这些数据进行准确、高效的收集和及时处理，以此帮助决策者做出快速、准确的决策，实现对物流过程的控制，降低整个过程的物流成本。商务智能能够帮助物流企业及时、准确地收集和分析客户、市场、销售及整个企业内部的各种信息，对客户的行为及市场趋势进行有效的分析，了解不同客户的爱好，从而可以为客户提供有针对性的产品和服务，大大提高各类客户对企业和产品的满意度。在以下几方面的应用：
3.1采购环节
采购是物流中不可忽视的重要环节之一，原材料的获取是企业生产的基础，, 一个好的全面的采购分析对于领导制定下一步采购策略是至关重要的。而在这里遇到的问题是，如何在如此庞大的供应商中选择适合自己企业的，如何把握好供应商的产品质量，以及业务员绩效如何等等问题。
基于数据仓库技术的商业智能系统可实现供应商信用评价、业务员业绩考核等决策分析, 帮助企业为顺利生产打下坚实的基础, 为最终产品在质量和成本上的定位提供科学的依据,具体可以有：
3.1.1在采购价格上进行数据分析，分析价格波动规律，以及寻找出可能的商机。
3.1.2对采购商进行供应信用等级分析, 从交付日期、质量、数据和价格等方面评估供应商的表现。这些数据可以从企业的财务，库存等部门获得。
3.1.3对物品延迟交货情况进行分析，对可能影响整个供应链的因素进行抑制。商务智能，是基于商务的，也就是说其应用重点还是在商业交易中。在销售上应用的非常多，在现在企业的战略宝典中，提高销售利润总是重中之中。现代物流中，已由传统中推式生产转为拉式生产，如何更好的满足顾客需求已经成为每个企业必要思考的问题。销售处于供应链的最下游，也就是最能得到顾客需求信息的环节，决策者如何准确、及时捕捉到到销售信息，分析销售情况, 随时根据历史的销售情况, 对下一步的生产经营科学地进行决策，成为企业是否能领先于竞争对手，保持企业生命活力的重要环节。销售分析需要的基础数据主要来源于销售、库存、财务和人事等。对于零售物流等，大部分来源于POS终端系统所反映出来的信息情况。但实际中，由于销售数据分析也是最烦琐的一块，利用率也常常不及20%，如何能更好的利用这些有用的数据，成为我们研究的对象。
3.3.1 专职销售的企业分析：如超市，连锁店等
在销售商品数据中，哪些商品具有相关性，比如某些客户在买了牙膏之后都会买牙刷。这是比较显性的相关，也有些是不明显的相关，比如某些客户购买了卫生纸产品后也会购买啤酒，这个就需要分析人员对其调查分析，原来可能是他们的家庭情况所导致的，这样就可以更好的帮助企业提供更好的服务，也可以更好的进行促销等活动。
在大量的销售数据中，找到那些贡献值最大的数据，也就是常说的“二八”原则，20%的产品，销售额却占到总销售的80%以上，对这一类产品需要重点关注。对某类商品的特殊销售情况进行分析，在销售数据中，可能发现某类商品销售走向发生重大变化，对该类商品给予关注，找出原因，更好的进行采购。
对滞销商品进行统计，找出哪些商品滞销，为什么滞销，如何处理。对快过期商品进行统计，以便及时促销，收回成本。
3.3.2 一般企业的销售情况分析
对产品退货情况分析，分析为什么退货，是因为质量原因，还是未按时完工，还是不符合顾客要求。对同一种产品，对可能销售地与销售目的的不同制定出不同的商品价格，在经济学中称为“定价歧视”。
对不同地区销售策略也有所不同，比如伞厂卖伞，广州就主要是太阳伞，而在杭州，就可能是雨伞了。对其地区不同，结合往年产品销售数据切片，切块进行分析，发现潜在商机。
哪种产品被哪个客户订购多少，哪种产品哪类客户购买的最多?这些都可以进行分析，以便更好的实行CRM（客户关系管理）。多角度分析销售成绩，根据销售数量，销售金额，或者是为某新产品打开市场等等角度来对销售员进行绩效管理。
3.4运输管理
运输起着连接物流生产地与消费地之间空间距离的作用，运输在物流中通常占有大量成本，并且由于其难以控制性，而带来了不小的风险，如何更好的改善运输状况，是物流企业中考虑最多的事情，将商务智能运用于运输领域，可以起到不小成果：
建立智能交通系统，通过GPS、与GIS（地理信息系统）等先进的通信定位技术，对整个运输状况进行跟踪处理，防止车辆的中途无效状况。并且GPS通信导航，可以为车辆提供及时的路面信息与道路状况，为其选择最佳路线与实时导航。
3.5财务分析
商业智能基于数据仓库技术的财务分析满足企业领导对各业务部门费用支出情况查询的要求, 并实现了对应收款、应付款的决策分析。综合提高企业的财务运行状况。对这个方面商务智能主要有以下运用：
3.5.1对客户财务交易情况进行查询，比如客户的欠款时间，欠款次数，金额等等，以此为依据建立客户信用等级，为客户管理提供参考。
3.5.2对供应商的财务交易情况分析，对其采购情况，收帐情况来进行信用对比。为其更好的选择适合自身企业的供应商。
3.5.3对各部门的帐款情况进行分析，发现其可能存在的坏帐，以及不正常金额出入情况，以及与其他业务相联系，发现企业的不正常运作，为管理者更好的管理下面分属企业。
3.5.4分析各种材料成本在产品总成本中的比重如何，分析其与实际生产情况中所用比例是否相同。以发现采购活动中可能存在的漏洞。
对以上分析中，我们可以看出，通过商务智能企业可以深入的了解其内部经营状况，寻找到许多潜在的机会和问题。为企业的决策者改善物流运作能力提供有力支撑。避免人为导致的经营疏忽，把顾客数据转换成个性化的智能来增加顾客满意度和忠诚度,提高“高价值用户的” 收益性。使数据信息得到更有效的利用。
下一页
