為了提高企業的核心競爭力，企業管理者需要及時準確地了解經營信息以便及時做出正確決策，因此許多企業都建立了基礎的信息系統，如客戶關系管理系統(Customer Relation Management，簡稱CRM)、企業資源管理系統(Enterprise Resource Planning，簡稱ERP)．雖然這些系統提高了企業經營數據的收集和處理能力，加快了企業經營和管理信息化的步伐，但是并沒有充分利用企業數據，在對企業管理者的決策支持方面仍然存在較大的局限性．為了讓企業從大量的數據中較快地分析出有價值的信息，更好地實現決策支持，商務智能技術應運而生．1989年Gartner Group提出商務智能(Business Intelligence，簡稱B1)的概念，認為“BI是通過分析企業的日常業務數據，提取隱含在數據中的信息，從而幫助管理者在經營、規劃和管理方面做出及時正確決策的過程蚍引．自2000年IBM正式推出商務智能的企業級啟動計劃以來，BI技術在電信、旅游、醫療等行業得到了較為廣泛的應用¨qj。目前主要的智能商務系統包括Oracle BIS、Brio、Cognos、BO(Business Objects)、IBM DB2等，這些系統在商務信息的智能化處理、轉換、分析以及結果的定制化表達方面具有很強的功能，但與此同時仍存在著一些缺陷：
(1)系統的主動性差．目前的系統只能被動地分析報表，無法積極主動地監督商業環境變化并做出反應，而飛速增長的信息量和日趨激烈的競爭要求企業對信息做出反應的時間必須盡可能縮短。
(2)系統的集成性差．大部分系統需要與已有的商務系統集成后才能對數據進行采集和分析，而實際商務環境中現有系統的復雜多樣性使得集成不容易實現。
Agent是運行于動態環境中具有較高自治能力的實體，能感知環境并作用于自身和環境的系統．多Agent系統(Multi Agent System，簡稱MAS)是在開放、分布、異構的環境中多個自治智能Agent相互作用所形成的動態系統．由于Agent具有主動性、交互性和智能性，因而能夠有助于數據挖掘以及發現、定位有價值信息。
本文將多Agent引入到商務系統中，提出了基于多Agent的商務智能系統框架，利用Agent建立、維護數據倉庫，當商務環境發生變化時，根據規則進行推理分析．系統應用到貴州貴航汽車零部件銷售管理中，能夠較好地解決目前智能商務系統中主動性、獨立性差的缺陷，為商務決策的快速、準確制訂提供了一種較好的支持。
1 商務智能概述
1.1 商務智能體系結構
商務智能通過運用數據倉庫、聯機分析處理和數據挖掘技術來對業務數據進行分析，從中得到支持業務決策的有用信息，以對業務決策進行支撐．其體系結構如圖1所示：
商務智能的技術體系主要包括3個部分：數據倉庫、數據挖掘和聯機分析處理，其中數據倉庫作為進行進一步分析的數據源，是商務智能的基礎，數據挖掘是利用統計學、機器學習等挖掘技術對數據倉庫中的數據進行高度自動化的分析，得出潛在模式和關系的過程．聯機分析處理技術通過多維數據立方體技術幫助管理者從多種角度審視數據，得出符合管理者需求的準確的結論。
1.2 Agent技術理論
Agent產生白人工智能領域，1993年召開了Agent形式化模型的國際會議，從此Agent融入計算機科學領域，并逐漸獲得廣泛的應用．盡管Agent得到了廣泛應用，但是由于其內涵豐富，學術界尚未形成Agent統一的定義．目前得到廣泛接受的是Wooldrige提出的弱定義和強定義。
弱定義：Agent是一個具有：自治性、響應性、社交性、主動性特征的軟硬件系統；強定義：Agent是指不僅具有弱定義中的基本特性，還有類似于人類的精神化概念，包括知識、信念、意圖和義務，具有移動性、通信能力、理性或其他特性。
1.3 多Agent系統
雖然Agent具有一定的智能性，但是由于現實問題的復雜性以及單個Agent所擁有的知識和資源的局限性，往往無法獨立解決這些問題．此外即使單個Agent能解決某個特定問題，但是由于問題的復雜性，可能存在處理速度慢、可靠性和靈活性較低等缺陷，因此需要組織多個Agent獨立處理，并通過合作和協調形成統一而全面的解決方案。多Agent因而得到迅速發展，并逐漸成為分布式人工智能的研究熱點。
