在日积月累的账务处理过程中，企业ERP系统的信息集成功能优化了企业的运作流程，使企业在后台数据库中形成了比较准确、及时、完整的基本业务数据，并能够提供相关的决策支持功能。但目前ERP现有的决策支持功能大多仅限于各个模块(如财务、销售模块的战略制定)，对于半结构化、结构化、需要集成数据支撑的年度经营决策来说，ERP的处理效率仍较低。根据IBM的调查，一般企业对ERP中集成数据的利用率只有2%～4%。

如何最大程度地开发利用ERP系统中丰富的数据资源，发挥信息资源的效用来支持决策，是ERP后续发展的重点。要充分利用ERP的数据优势，首先要明晰ERP中数据分析的缺陷，主要包括以下几个方面：

1.ERP系统本身是面向事务处理型的系统，而非数据分析型。ERP系统是基于MPRII发展起来的，其设计的主要思想是对供应链进行管理，由多个模块实时记录企业的业务数据，对数据处理的及时性要求其所获取的数据是独立的，尽可能避免冗余。而决策制定关乎的是企业发展的命脉，其必须依赖充分的数据分析，更倾向于ERP系统和企业其余事务系统数据之间的关系以及变化趋势。

2.ERP系统所采用的是数据库技术，用于存储在线交易数据，而数据挖掘主要依赖的是存储历史数据。企业在日常经营过程中需要处理多笔交易，这就要求ERP具有事务处理的时效性，因此采用了符合范式规则的数据库技术。而数据分析是事后的，需要在历史数据的基础上进行，其强调的是数据积累的完整程度。

3.传统ERP系统中的决策(如生产决策)是以模拟为基础的，通过比较多种不同的方案，做出最优的决策。然而在这种方法基础上做出的决策，不能对市场需求变化做出及时响应。要满足企业对市场变化做出及时响应的需求，就必须在传统ERP的基础上增强其数据挖掘和分析的能力。

【基于数据仓库技术的数据挖掘】

数据挖掘是按照企业的既定目标，从数据仓库中通过数据抽取、转换、分析和模型化处理，提取隐含在其中的有用信息和知识的过程。它是一类深层次的数据分析方法，主要利用人工智能、统计学、模式识别等技术，高度自动化地分析企业已有的历史数据，通过归纳推理，预测市场和客户的变化，以构建企业的决策支持系统。数据挖掘重视数据之间的关联性、完整性，因此强调数据处理速度的数据库技术已经不能满足数据关联性的要求，这就要求使用数据仓库技术。

数据仓库技术，是一种面向主题的、集成的、与时间相关且不可修改的数据集合，其将历史数据、现有数据库中的数据、外部数据源的数据清理后，消除数据冗余和不一致性。现在，数据仓库技术已经得到各领域专家的重视，其在数据分析和决策支持中的优势表现为：

1.面向主题存储，实现数据的区分和特征化处理。数据仓库将数据按照同一主题进行存储，而非按照传统的系统模块存储，因此只需要根据企业的决策目标，选择合适的数据主题，就可以方便地实现数据的查询和趋势分析。

2.支持关联分析。关联分析的目的是找出在各种数据之间隐含的关联网，其使用支持度和可信度两个阀值来度量相关性的大小。数据挖掘技术着重于数据间的关联规则，通过规定一组特定的条件，就可以查找决策相关的数据;通过找出不同数据组的描述和区分条件，可以形成模型进行预测。

3.数据具有时间属性，为演变分析提供可能。出于决策需要，数据仓库中的数据都标明了时间属性。因此，通过企业数据信息随时间变化的规律或趋势，可以进行建模、预测。

基于数据仓库技术的数据挖据，既可以充分利用企业生产过程中积累的海量数据，也能对数据的迅速变化做出快速响应，随着新数据的不断增加，不断完善原有的数据搜寻规则。

数据挖掘和数据仓库技术的实施要充分结合企业的信息化建设规划进行。重视对供应链系统的整合，实现供应物流数据的透明化，为经营决策等提供了科学的依据，在此基础上，企业自然而然需要重视数据挖掘的重要性。

因此，选择数据挖掘合适的实施点也是企业在信息化进程中不可忽视的。