随着入世后全球化的步伐加快,企业竞争方式向深层次、智能化转变,我国传统劳动密集型企业的发展面临着重重阻力。虽然ERP、OA等信息化系统已经应用到许多企业中,也带来了一定的效益,但是这些系统在业务处理过程中产生的大量数据是操作型数据,不能直接进行分析处理,企业也不能自动从这个海量数据中获得对管理决策有用的信息。如何把这些数据变成有利于决策的信息是当前企业面临的主要问题之一,而建立商业智能系统是解决这一问题的最好方法。商业智能通常被理解为将企业中现有的数据转化为信息,帮助企业做出明智的业务经营决策的工具。在企业做大做强的过程中,商业智能扮演着至关重要的角色,它使企业能精确地把握不断变化的商业环境,做出快速而准确的管理决策。商业智能的支撑技术包括数据仓库、联机分析处理和数据挖掘。其中数据仓库技术用于搭建集成数据环境,联机分析处理和数据挖掘技术则为各用户角色提供不同层次、面向主题的数据分析手段。本文结合省科技厅重大项目课题,针对新光饰品有限公司展开研究,关于如何在劳动密集型企业内部实现商业智能这个问题进行了一些探索,提出了一套切实可行的面向劳动密集型企业的BI解决方案。在深入了解劳动密集型企业的行业特点和领域知识,通过对数据仓库、OLAP技术、数据挖掘技术的学习研究,详细阐述了商业智能技术在劳动密集型企业产品营销中的应用。本文的主要工作如下:1.从技术体系角度,对商业智能的核心技术进行总体介绍,并根据实际情况选定系统开发工具。2.根据市场的实际分析需求,设计了三个数据仓库的主题,分别是产品主题、销售主题和客户主题,并在SQL Server 2005中建立基于这三个主题的数据仓库。将企业现有ERP和OA系统中的原始数据经过抽取、清洗、转换,加载到数据仓库中,构成面向主题的、集成的、时变的数据仓库,有效地实现企业各类信息的整合、共享,为商业智能系统的OLAP分析和挖掘搭建数据环境,且对商业智能系统的安全实现进行了讨论。3.在所建的数据仓库上,用微软的Analysis Services对三个分析主题建立对应的多维数据集,用MDX语言实现各种分析需求和数据的钻取、切片、切块,使得商业智能系统可以快速反馈复杂查询的分析结果,并用Reporting Services开发基于Web的前端数据展现和Pivot Table开发基于客户端的数据分析,实现及时准确的产品营销分析、客户/市场分析等等,为企业的管理、决策提供及时可靠的信息依据。4.在分析决策树和时序算法的基础上,详细介绍了决策树算法及决策树的构造,并选用此算法设计和实现了预测型挖掘模型,用来分析、预测客户类型,同时使用时序算法实现对企业的销售分析、预测,将企业中现有的数据转化为知识,实现对商业数据中隐藏信息的挖掘,为决策人员提供决策的依据。