随着ERP、WMS、SRM等这些业务系统的普及，企业管理者逐渐把目光转移到了商业智能系统这类决策支持系统上来。因此，近几年商业智能的应用也出现了“井喷”式的需求。

对于电商类、制造类、线下商贸类企业来说，库存管理是必不可少的部分；本文就从商业智能系统在库存管理中的应用谈起。

01 商业智能系统简介

商业智能系统于1996年由Gartner提出，笔者认为这是一个融合商业智能技术与企业管理思想的决策支持软件。

它通过商业智能技术提供快速分析数据的方法，按照企业管理思想与管理逻辑设计分析指标，然后把数据转化成有用的信息，帮助企业管理者透视经营、辅助决策。

现在市场上看到的商业智能系统，称为BI，可以分类两类，一类是平台类，另一类是应用类。

平台类主要是通过商业智能技术提供诸如：联机分析处理（OLAP）、数据仓库、数据挖掘这类分析工具。

应用类是在商业智能平台基础上做的决策分析、绩效分析等应用系统。

本文主要谈商业智能的应用，所以谈的是应用类相关内容。

商业智能系统与SAS、SPSS等统计分析软件是有很大的区别的，统计分析软件专业性强，它要求分析人员具有统计学、运筹学、数据建模等知识；而商业智能系统的用户只需理解所分析的业务即可，它对用户没有太高的专业门槛要求。

02 商业智能系统的应用架构

在介绍完商业智能系统是什么以后，我遵循“从技术到应用”的思路，一步步阐述商业智能技术是如何落地的。下面我就阐述一下商业智能系统的应用架构。

商业智能应用系统的数据主要来源于ERP、WMS、SCM等业务系统、办公系统或互联网的数据文件，通过ETL（Extraction-Transformation-Loading的缩写）工具提取、转换和加载到数据仓库中。

数据仓库、ETL调度设置、指标配置、分析展现，是商业智能应用架构的核心。

数据仓库可以设置成三层，在ODS（Operational Data Store）层，把抽取的业务数据转化成统一的数据格式和规则，为了提高效率，可以把每次更新的数据和以前抽取的数据分开存储；DW（Data Warehouse）层是传统意义上的数据仓库层，在这一层存储维度与事实数据，并根据分析需要确定数据存储的粒度；第三层是DM（DataMart）层，即：数据集市，这一层按照分析主题存储“数据立方体”。

从业务数据到数据仓库中数据分层的变化，技术上是通过ETL开发实现的，然后通过ETL调度设置，确定数据变换的规则。

很多分析指标需要对业务系统数据按照一定公式计算得到，因此，指标公式的设置，也是商业智能系统应用架构必不可少的环节。

如果把商业智能系统的应用分为台前与幕后的话，上述三部分是幕后默默的奉献者，分析展现便是台前的表演家，在分析展现部分，库存管理分析指标通过仪表板、雷达图、散点图等展现工具，按照管理需要呈现出来。

03 商业智能技术能帮助WMS“干什么”

在介绍完商业智能技术层面的内容后，下面介绍商业智能技术能帮助库存管理解决什么问题，带来什么价值？商业智能系统不像WMS、ERP一样，主要在库存管理的日常出入库、作业管理、运输管理等方面提供管理帮助，它主要是在业务分析、决策支持中为企业中高层管理者提供库存管理的帮助。

总体来讲，每个企业库存管理的重点会多少有差别，期望商业智能技术应用提供的帮助就也会有差别；那么，我就选择三个具有普遍代表性的方面进行解释。

其一，能够帮助降低供需不平衡的矛盾。从供应链的角度来讲，库存管理主要想解决“供需不平衡”的矛盾。引起供需不平衡的原因，涉及面广、问题复杂，到了库存环节一般都已经既成事实，所以库存管理经常是供需不平衡的“冤大头”。通过商业智能技术的应用，能够帮助分析库存储备，指导需求计划、运营计划，均衡出入库，进而帮助解决供需不平衡的矛盾。

其二，能够帮助降低物料的呆滞。降低了供需不平衡的矛盾后，在仓库中该出去的及时出去了，该进来的及时进来了；但是库存周转率不一定上去啊，库存周转率上不去，企业的盈利能力就上不去。要提高库存周转率，必须降低物料的呆滞，降低物料的库龄。