为了提高企业的核心竞争力，企业管理者需要及时准确地了解经营信息以便及时做出正确决策，因此许多企业都建立了基础的信息系统，如客户关系管理系统(Customer Relation Management，简称CRM)、企业资源管理系统(Enterprise Resource Planning，简称ERP)．虽然这些系统提高了企业经营数据的收集和处理能力，加快了企业经营和管理信息化的步伐，但是并没有充分利用企业数据，在对企业管理者的决策支持方面仍然存在较大的局限性．为了让企业从大量的数据中较快地分析出有价值的信息，更好地实现决策支持，商务智能技术应运而生．1989年Gartner Group提出商务智能(Business Intelligence，简称B1)的概念，认为“BI是通过分析企业的日常业务数据，提取隐含在数据中的信息，从而帮助管理者在经营、规划和管理方面做出及时正确决策的过程蚍引．自2000年IBM正式推出商务智能的企业级启动计划以来，BI技术在电信、旅游、医疗等行业得到了较为广泛的应用¨qj。目前主要的智能商务系统包括Oracle BIS、Brio、Cognos、BO(Business Objects)、IBM DB2等，这些系统在商务信息的智能化处理、转换、分析以及结果的定制化表达方面具有很强的功能，但与此同时仍存在着一些缺陷：
(1)系统的主动性差．目前的系统只能被动地分析报表，无法积极主动地监督商业环境变化并做出反应，而飞速增长的信息量和日趋激烈的竞争要求企业对信息做出反应的时间必须尽可能缩短。
(2)系统的集成性差．大部分系统需要与已有的商务系统集成后才能对数据进行采集和分析，而实际商务环境中现有系统的复杂多样性使得集成不容易实现。
Agent是运行于动态环境中具有较高自治能力的实体，能感知环境并作用于自身和环境的系统．多Agent系统(Multi Agent System，简称MAS)是在开放、分布、异构的环境中多个自治智能Agent相互作用所形成的动态系统．由于Agent具有主动性、交互性和智能性，因而能够有助于数据挖掘以及发现、定位有价值信息。
本文将多Agent引入到商务系统中，提出了基于多Agent的商务智能系统框架，利用Agent建立、维护数据仓库，当商务环境发生变化时，根据规则进行推理分析．系统应用到贵州贵航汽车零部件销售管理中，能够较好地解决目前智能商务系统中主动性、独立性差的缺陷，为商务决策的快速、准确制订提供了一种较好的支持。
1 商务智能概述
1.1 商务智能体系结构
商务智能通过运用数据仓库、联机分析处理和数据挖掘技术来对业务数据进行分析，从中得到支持业务决策的有用信息，以对业务决策进行支撑．其体系结构如图1所示：
商务智能的技术体系主要包括3个部分：数据仓库、数据挖掘和联机分析处理，其中数据仓库作为进行进一步分析的数据源，是商务智能的基础，数据挖掘是利用统计学、机器学习等挖掘技术对数据仓库中的数据进行高度自动化的分析，得出潜在模式和关系的过程．联机分析处理技术通过多维数据立方体技术帮助管理者从多种角度审视数据，得出符合管理者需求的准确的结论。
1.2 Agent技术理论
Agent产生白人工智能领域，1993年召开了Agent形式化模型的国际会议，从此Agent融入计算机科学领域，并逐渐获得广泛的应用．尽管Agent得到了广泛应用，但是由于其内涵丰富，学术界尚未形成Agent统一的定义．目前得到广泛接受的是Wooldrige提出的弱定义和强定义。
弱定义：Agent是一个具有：自治性、响应性、社交性、主动性特征的软硬件系统；强定义：Agent是指不仅具有弱定义中的基本特性，还有类似于人类的精神化概念，包括知识、信念、意图和义务，具有移动性、通信能力、理性或其他特性。
1.3 多Agent系统
虽然Agent具有一定的智能性，但是由于现实问题的复杂性以及单个Agent所拥有的知识和资源的局限性，往往无法独立解决这些问题．此外即使单个Agent能解决某个特定问题，但是由于问题的复杂性，可能存在处理速度慢、可靠性和灵活性较低等缺陷，因此需要组织多个Agent独立处理，并通过合作和协调形成统一而全面的解决方案。多Agent因而得到迅速发展，并逐渐成为分布式人工智能的研究热点。
