BI技术在科研管理中应用探究.doc

BI技术在科研管理中应用探究 　　摘 要 信息时代，科研管理人员和决策者，对科研管理得出了新的要求。本文探讨了商业智能的一些概念、以及体系结构，探索商业智能在智能科研管理中的应用，并尝试以商业智能为基础，决策支持为核心的智能科研系统架构。 关键词 商业智能 智能科研系统 知识发现 中图分类号：TP311 文献标识码：A 人们对信息的要求，不在局限于对“静态”信息的获取、管理和使用，而是在追求更高一个层次的知识管理和智能决策支持。科研管理也是如此，科研是项目申请、管理、结项、成果鉴定和获奖、专利申请等一系列的过程，积累了大量的数据，如何有效地管理、使用这些数据是摆在科研人员面前的一个重要难题。高效的智能管理及决策支持系统，在完成传统的信息系统对相关数据的基本管理功能同时又能更深层次的从不同角度、不同层次，找出这些基本数据之间的联系，为管理者和科研人员提供“有效”数据，满足不同层次、不同角色的人员需求。这时，智能性能就成为新一代高校科研管理系统考虑过的一个重要属性。 1基本概念简述 1.1智能科研系统 智能科研系统是相对传统科研系统来说的，与传统管理系统在区别在于：智能科研系统能通过感知、学习、推理、判断，从而形成新的知识和推理，而这些新形成的知识和推理，会成为新一轮处理的对象，从而形成更高级的知识，进而协助管理人员和决策者对科研管理做出科学、合理的决策。 1.2商业智能（BI， Business Intelligence） 商业智能又名商务智能，英文为Business Intelligence，简写为BI，是企业对商业数据进行搜集、管理和分析的系统过程，目的是使企业的各级决策者获得知识或“预测能力”，帮助他们做出对企业更有利的决策。BI是包含一系列数据整理、分析、挖掘、展现等部分组成的可以为决策提供依据的技术及其应用。 商业智能的关键是从海量数据中提取出有用的数据并进行清理，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个数据仓库里，从而得到海量数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。 （1） 数据仓库技术。数据仓库虽然是从传统数据库系统发展而来，但是数据仓库区别于传统数据库系统还是有较大区别。从存储内容来看，数据库只存放当前值，而数据仓库存放的历史值，通俗的讲数据库存储的是“点”，而数据仓库存储的是“线”。另外，目标也不尽相同，数据库的目标是面向操作人员及其日常操作，而数据仓库的目标是面向中高层管理人员，为其提供决策支持。在智能科研系统中建立数据仓库的目的也是为辅助决策支持提供处理对象。 （2） 数据挖掘技术。数据挖掘与传统的数据分析（如查询、报表、联机应用分析）的本质区别是数据挖掘是在没有前提下去挖掘信息、发现知识，即数据挖掘是要发现那些未曾预料到的，不能靠直觉发现的信息或知识，甚至是违背直觉的信息或知识。数据挖掘通过预测未来趋势及行为，做出前摄的、基于知识的决策。目标是从数据库中发现隐含的、有意义的知识。 （3） 联机分析处理（OLAP）。OLAP使得数据分析人员能够从多角度对数据进行一致、快速、交互地存取，从而获得对数据的更深入了解。OLAP的目标是满足决策支持或者在多维环境下特定的查询和报表需求。实现维度变化、旋转、数据切片和数据钻取等，帮助决策做出正确的判断等功能。 2智能科研管理系统的重要作用 在实践中，科研决策者和管理人员为科学规范地开展工作，不仅需要对科研事务的日常管理，提高科研服务的质量，更需要的是建立科研管理知识发现系统来支持管理者的科学决策。 2.1智能科研系统为科研发展规划的制定提供支持 智能科研管理系统通过对数据进行有效的整理、分析和推理，针对关键的科研重点领域、关键技术和发展方向进行分类和预测；然后再对数据进行模型化、可视化和综述化，向管理者提供各种影响因素之间的内在关联，以指导科技发展规划的制订；通过聚类分析、关联分析和孤立点挖掘等方法与专家咨询动态结合，在数据仓库进行挖掘，可以判断优先发展领域和重点资助方向。 2.2智能科研系统是科研立项工作的决策提供保障 由于科研立项的多因素性和项目的数量庞大，导致许多科研项目重复研究，研究效果和水平也不能较好地体现立项的初衷。通过智能科研系统，对课题申请所涉及的申请者、申请单位、研究内容、领域等诸多因素进行数据挖掘，有利于建立科学的指标体系和规范的项目遴选方法，减少不合理因素对项目立项的影响，有效、准确、合理地选择确实需要资助的项目给予资助