近年来,随着国内大型企业的信息化建设不断稳定完善,企业内各业务系统所存储的业务数据量也在成倍的增长。企业已经不再满足业务系统的实施,他们寄望于业务系统不但是一个成功的日常业务处理系统,而且是一个良好的决策支持系统,为企业管理层提供全面经营管理决策的辅助支持,实现企业的商务智能。但由于企业内各个系统的应用平台和存储平台都较为独立,各系统间接口较难实现。对于数据分析基本上是依靠每个系统自有(开发)的报表分析功能,很难实现数据共享和关联分析。企业也因此意识到一个成功的业务系统并不等于是一个成功的决策系统。他们开始寻求第三方的商务智能解决方案,通过相对灵活、可扩展性强的数据仓库及数据挖掘技术,实现企业对业务数据的分析和决策。国内航运企业随着中国加入WTO和改革开放的不断深化,以及全球化的大规模生产和市场推广,其运输周转量正不断增加,同时在业务过程中涉及的客户、供应商等信息量也随之增加,企业对业务数据的分析也变得越来越困难。本论文首先从商务智能的相关基本理论出发,对数据仓库的特点、体系结构及目标等方面进行了深入研究,并探讨了OLAP的概念、特点及技术运用。根据目前国内大型航运企业的管理需求,本论文结合国外商务智能SAP BI软件,为企业设计了具有可扩展性的数据仓库模型,实现了与企业财务等系统的数据转换,建立了用于企业管理分析的大数据量报表系统。该系统为管理层提供了多维度的分析和查询功能,产生各种维度的图形和报表,实现了企业对客户、供应商等方面的即时分析和管理。虽然航运企业建立了相应的数据仓库,并对实现了对各客户、供应商等方面的分析和展示,但仍然无法直接从客户、供应商等业务数据中挖掘出隐含在其中的,对决策者有潜在价值的知识和规则。本论文在数据仓库的基础上,探讨了数据挖掘的方法、应用和过程等理论。在航运企业数据仓库的基础上,本论文结合SAP BI软件,设计并实现了企业数据挖掘的模型,并通过聚类分析过程的实例,分析和挖掘了客户、供应商等数据的潜在规律,为企业财务决策、经营决策、市场决策等提供了依据。国内航运企业信息系统具有业务系统数量多、集成度低、数据分析困难的特点。商务智能技术的深入应用,将使决策者更加轻松地从宏观到微观全面了解企业的状况,并提供企业管理层更加直观、有效的经营决策信息,从而实现企业价值的最大化。