一、商業智能概述
商業智能(Business Intelligence)對于身處IT和業務領先領域的技術和業務人員而言，用盡人皆可知來描述可能言過其實，但相信絕大多數人已對此有一定了解。事實上，很多人對商業智能已有深入研究，并取得了一定成果。但是，目前國內這一技術的成功應用案例并不多見，原因何在?
大約在7-8年前，中國就已引入了商業智能的概念。然而，對這一概念的理解至今很多人仍存在偏差，常常有人把商業智能和數據挖掘、數據倉庫等混用，也有人將其和多維分析等混用。商業智能的真正含義是什么呢?這個問題的焦點在于Business和Intelligence的翻譯和理解.這兩個詞都有多種解釋，Business可譯為商業、商務、生意、事務等;Intelligence可譯為智力、理解力、聰明、情報等。兩個單詞組合后，譯作商業智能或商務智能，甚至事務智能等都沒有錯。問題在于，如何定義商業智能或商務智能等。較為合理的定義應該是：如何通過技術手段對分散在不同系統的數據進行有效整合，從數據中獲取有用的信息，再將這些信息轉化為知識，用于商業決策。這個過程包括四個關鍵點：數據、信息、知識和決策。
圍繞這些關鍵點，從技術的實現方法來看，直接相關的技術主要是數據倉庫技術和數據挖掘技術。數據倉庫包含兩個含義：數據倉庫數據庫(Data Warehouse Database)和數據倉庫環境(Data Warehouse Environment)。從業務的角度來講，則主要是知識和商業決策過程。
從應用的角度看，商業智能主要是指企業、事業、和政府部門如何發掘、利用所擁有的數據中的信息，主旨是在決策過程之中應用這些信息，進而提升和改善自身的管理和服務水平等。需要注意的是，雖然事業單位和政府部門不屬于商業范疇，但從技術、應用和管理的角度來看，商業智能可延伸得到非商業性機構。換言之，只是應用對象的不同，技術本身并沒有差別。
二、商業智能技術
商業智能的技術主要包括數據倉庫和數據挖掘。數據倉庫主要是對分散在不同系統的數據進行收集、整理和分析，用于克服常常出現的信息孤島問題，使機構對客戶和自己內部有一個完整、準確的理解，更好地服務于客戶，有效的管理內部。它是管理信息的基礎工程，是企業和政府走向智能管理的關鍵和基石。數據挖掘主要是從大量的數據中提取潛在、有用的信息，并把信息用于決策之中的過程。
20世紀80年代，數據倉庫起源于美國，早期成功率并不高，不到50%。經過了一段艱苦歷程，從90年代中期開始已經很成熟，項目的成功率已經達到95%以上。而在美國這樣的技術和應用領先的國家，數據挖掘得到大力推廣也是1996年之后的事情了，但是，數據挖掘的實用性很快得到業內的認可，并迅速地推廣到全球的許多地方，尤其是歐美國家。
數據挖掘引入中國最早是在20世紀末，起步較晚。但是這一技術很快得到銀行和電信的認可。
從2000年開始，國內的一些企業已經開始建立數據倉庫，確切地講應該是開始探索和使用一些多維分析工具和前端展現工具。2003年，數據倉庫在銀行、電信等行業已經開始推廣。期間數據挖掘在國內也已經開始推行，但這些都還處于啟蒙時期。
數據倉庫和數據挖掘的理念以及它們可能為企業、事業和政府所帶來的經濟效益和管理水平的提高已經得到普遍的認可。但是，這些技術距離有效推廣和應用尚有一段路要走。從對于技術本身的把握以及應用的理解方面來看，目前我國和發達國家相比還有較大的差距。只是從硬件和通用軟件的角度來看，似乎差別已不明顯。事實上，我們很多企業的硬件產品先進程度已經遠遠超過國外的同行。造成這種現象有多種原因，其中包括但不僅限于大廠商的宣傳、鼓動;企業的理念和方法的問題;企業的決策機制;目前國內廠商和企業的應用實施能力還不太高;企業的應用和理解能力有限等等。眾多的原因導致了我們許多企業花錢不少，但效益不高。
三、計算機軟硬件水平不等于商業智能應用水平
我國目前在商業智能應用方面整體落后于西方發達國家，但是我們很多企業用于實施數據倉庫和數據挖掘的軟件和硬件卻并不落后。軟件方面，我們許多企業購買的版本幾乎和國外廠商的最新產品同步。我們許多企業所購買的硬件往往優于國外同行。這中間有多種理由，但是主要還是理念問題。
很多企業追求的就是國內先進和國際一流，以為我們購買的機器和通用軟件達到一流，我們的企業就是一流。很多銀行和電信企業的計算機通用軟件已經達到一流，但是絕大部分企業和西方先進企業的差距依然很大。片面地追求工具技術的領先和銀行、電信的業務以及業務管理水平的提高沒有太大的關系。
計算機的并行處理速度和能力很重要，但它決不等于一家銀行或電信公司的商業智能應用水平。機器的大小和節點的多少與企業的經濟效益未必成正比，這些更不能代表一個企業的先進性。許多企業在做數據倉庫的概念驗證時主要是看機器的處理速度、并行處理能力等。
這些性能指標對于IT廠商很重要，對于計算機公司很重要，但對于銀行和電信來講是重要的，但是沒有廠商宣傳的那么重要。對于銀行和電信來講，重要的是應用，是用新系統和技術解決企業問題。
銀行和電信都是服務提供商或產品提供商。重要的是搞好企業的運營和管理，開發出客戶喜歡的產品，提供客戶所需要的服務，做好風險管理和企業內部管理等等。只有用好商業智能技術解決企業的基本問題，才能提升企業的工作效率、盈利能力和抗風險能力等。技術的有效應用遠比技術本身重要，尤其是對商業智能技術來講。
四、商業智能實施的難點
實施商業智能項目有許多難點，主要是幾個方面。
第一，實施前的規劃工作。實施前的規劃工作非常重要，也有相當的難度。數據倉庫項目是一個大而且實施周期較長的項目，所以規劃工作顯得非常重要。規劃工作應該體現實用性和超前性。系統首先要解決實際問題才會有生命力，才能夠生存和成長，才能夠得到領導和業務部門的支持。同時，數據倉庫是一項長期和大型工程，超前性也非常重要。具有超前性系統才會長久，才會更容易體現技術的先進性和業務的預見性。其他屬性諸如安全性、可擴展性、災難恢復等也很重要。對于數據倉庫這樣的大型項目，統一規劃、分步實施應該是一條需要認真貫徹的原則。
第二，在實施過程中，一定要注意并努力“沿途下蛋”。這一條原則是上海證券交易所內部的數據倉庫開發團隊和決策領導在實施過程中總結出的一條成功策略。只有這樣才能夠比較容易地在長時間的實施過程中得到領導和業務人員的認可和支持。對于任何一個大型項目，如果長期投入但在過程中看不到任何中間成果，這樣的項目就可能引起領導的懷疑。在過程中不斷出成果是解決這一問題的有效方法。
第三，需求的提出和分析是實施數據倉庫的首要難題。要做好數據倉庫，需求是關鍵。沒有一套好的需求，建設一個好的系統只能是一種夢想。但是，需求的提出難度非常大，必須要有一套好的方法和流程。在一套有效的方法的指導下，同時遵照一個好的流程，就容易得到領導支持，得到業務人員的有效參與和技術人員的有力配合，這樣就有可能提出一套既實用又具有超前性的需求。但是，這些只是必要條件，并非充分條件。否則，就會陷入目前企業在實施過程中的許多實際困境：技術人員會抱怨業務人員提不出需求，業務人員覺得廠商和技術人員做出來的系統沒有實施前宣傳的那么好。沒有正確的方法指導，業務人員提不出需求很正常。這就猶如要一個從來沒有見過也不了解小轎車的人憑空提出一套豪華轎車的功能、設計和性能需求一樣。在提需求的過程中，經驗、方法和操作流程是關鍵。
第四，實施的另外一個難點是元數據的管理。元數據管理目前是所有數據倉庫項目實施過程總最沒有成熟方法和規范的部分之一。元數據的管理難在工具，難在方法。數據倉庫涉及的數據源很多，結構自然復雜。要建立一套規范、自動、有效的元數據系統實屬不宜。如果在加上對于元數據的重視不夠，出問題的幾率就相當大了。
第五，數據倉庫建設管理工作量大、面廣、任務重。數據倉庫是一套管理信息系統，它不同于大家熟悉的業務系統，在建設過程方面有許多不同點。業務系統往往只是按照需求實現即可，大部分過程是要寫“死”的。而數據倉庫對于許多內容的實現要體現的是一個“活”字。這樣對于數據倉庫建設的管理者的要求就較高。數據倉庫的管理者首先必須要有很好的溝通和交流技巧，主要是工程本身牽扯的部門很多，遠非一般業務系統可比;其次，管理者要以良好的學習態度來學習技術和業務知識，實施經驗和其他管理能力必不可少。
在數據倉庫這樣一個龐大系統的實施過程中，引入監理機制也非常必要。監理公司或監理者必須要有豐富的數據倉庫建設經驗，了解數據倉庫建設的全過程，在數據倉庫建設的各個環節都要有足夠的技術和業務專家。監理者應該是建設質量的管理者、建設的監督者和指導者。在建設的過程中，要能夠對實施廠商提出建設性的意見，要有團隊和協作精神。監理公司的主要職責是保證項目按時、保質完成開發和推廣�；纠砟钍翘峁┯行У谋O理服務和咨詢服務。咨詢在先、監理為重是數據倉庫監理工作中一個很好的理念。它要求監理廠商除了提供常規的監理工作之外，還要提供實施過程中的咨詢服務。監理公司需要秉承中立原則：公正和公平地對待項目開發商，協調企業和開發商的關系;保護企業對數據倉庫項目投資、控制質量以及確保項目進度。對于像數據倉庫這樣的大型系統工程，引入監理機制很有必要。
第六，ETCL(抽取、轉換、清洗和加載)過程。ETCL過程的技術難度不大，但是技巧性很高。時間和速度在數據倉庫的ETCL過程非常重要。如果技巧和方法不當，時間會為這一環節的重要敵人。每天的后續加載的壓力很大，對于銀行這樣的企業，可以用于加載的時間非常短。如何在較短的時間內完成大量數據的加載將會成為主要挑戰。
除了這些以外，模型的設計、應用的設計、推廣、培訓等等也都非常重要。
對于數據挖掘來講，實施的難點沒有數據倉庫那么多。但是，關鍵在于對于數據發掘算法、方法和應用的理解和掌握。對于我們碰到的每個問題常常有幾種不同的算法可以解決。每種算法也都可以用來解決不同的問題。對于每種算法和應用的理解至關重要，需要非常熟悉。數據挖掘的另外一個難點就是對于數據挖掘過程的理解。在數據挖掘課題中，理解算法很重要，工具的使用也很重要，但是對于數據挖掘過程的掌握更為重要。在數據挖掘的過程中，大部分的時間都花在對于問題的理解及數據的收集、處理和整理過程中。關鍵是思考和尋求解決客戶問題的方法和思路。如果這些工作做的好，一般來講，好的結果是水到渠成的事情。前期工作不到家，結果好也只是運氣好，不說明什么。在這種情況下，即使結果好而沒有合理的業務知識解釋，恐怕企業也未必敢用。數據挖掘的靈魂是一個“活”字，數據挖掘的關鍵是解決問題的過程。
五、小結
商業智能技術在飛速發展，其應用在國內已經廣泛開展。商業智能應用的潛在價值也被越來越多的人所認識。但是，在目前商業智能應用發展的形勢下，仍然存在很多問題和潛在的風險。如果對于出現的問題不及時加以討論和解決，商業智能技術的價值和淺能就未必能夠得到充分發揮，進而可能被懷疑。許多企業在從不了解和認可再到懷疑的過程可能會付出巨大的代價。這種代價不但包括人力、物力的損失，更包括時間、信心和理念的喪失。相信，隨著市場的成熟，流程的規范，從業人員的技術、業務水平的提高，商業智能技術的推廣應用一定能夠提升企業的管理水平，進而給企業帶來巨大的經濟效益和管理水平的明顯提升。
核心關注：拓步ERP系統平臺是覆蓋了眾多的業務領域、行業應用，蘊涵了豐富的ERP管理思想，集成了ERP軟件業務管理理念，功能涉及供應鏈、成本、制造、CRM、HR等眾多業務領域的管理，全面涵蓋了企業關注ERP管理系統的核心領域，是眾多中小企業信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處：拓步ERP資訊網http://www.vmgcyvh.cn/
本文標題：商業智能BI的應用認識
相關文章
