1 商業智能定義
商業智能(Business Intelligence，簡稱BI)的概念最早是Gartner Group的Howard Dresner于1996年提出來的，我國學者將之翻譯為“商業智能”或“商務智能”，本文選用“商業智能”作為Business Intelligence的中文翻譯。當時將商業智能定義為一類由數據倉庫(或數據集市)、查詢報表、數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的技術及其應用。
2007年，國內國外普遍加深了對BI的理解。Gartner商業智能峰會重定義了BI，視BI為一個傘狀的概念，它包括了分析應用、基礎架構和平臺以及良好的實踐。此舉印證也進一步引導BI實現著三個轉折：從數據驅動轉向業務驅動、從關注技術轉向關注應用、從關注工具轉向關注工具產生的績效。其實質是BI以業務為驅動，根據商業策略及其所需要的分析以運用數據。認識的轉變對技術的研發有著重大的指導作用。
2 商業智能的特點及核心技術
商業智能，首先是基于信息的大規模生產和數據庫技術的運用。目前，商業智能具有如下特點：
1、即時性
傳統手工數掘處理，從數掘收集、整理到分類、匯總，都需要經歷漫長的時間過程。但是，商業智能使用的技術，可以實時地從業務系統中獲得最新的數據。在對時間性敏感的決策分析中，這一點尤其重要。
2、準確性
在準確性方面，因為計算機數據處理，避免了手工操作中存在的失誤，所以計算結果是絕對準確和可靠的。
當然，這其中會存在因為業務邏輯關系的缺失而導致的錯誤，即程序中設定的限制條件不充分而導致數據失誤。所以，對待重要的決策信息，應同時建立數據核對機制，以保證建立在即時信息的準確性基礎上的決策的正確。
3、自動化
商業智能，包括一個數據抽取、轉換、裝載(ETL)的過程，這個過程可以按照用戶的要求，設定ETL的時間和周期，因此，整個基礎數據的獲得、數據的處理，以及數據的展現，都是一個自動化的過程，無需手工參與。使用者每同甚至每時獲得的信息，都可以是最新數據。這就為決策分析信息提供者的工作帶來了極大的便利。
4、靈活性
決策支持的展現方式靈活多樣，充分體現了智能的特點。
對于初級階段分析的展示，可以使用圖標和圖形的方式。譬如結構百分比，可以使用餅圖、三維餅圖的方式；對于趨勢百分比、同比、定比、環比，可以使用折線圖、柱狀圖等；對于KPI指標，可以使用儀表盤管理；其他的散點圖、泡泡圖等，都可以根據實際業務的需要而建立。
在圖表數據方面，可以進行數據的鉆取、旋轉和切片操作。當需要進一步了解明細數據的時候，需要使用數據鉆取功能，當需要從不同的角度觀測數據以發現數據變動規律時，需要利用多維數據的旋轉功能，而當需要關注特定數據的時候，可以對特定區域的數據進行切片分析。商業智能分析的靈活性，建立在分析模型設計時周全的考慮。
從商業智能系統建立的技術角度來看，構建一個完整的商業智能系統涉及到以下幾種核心技術：
·數據倉庫(data warehousing)
·聯機分析處理(on-line analytical processing，簡稱OLAP)
·數據挖掘(data mining)
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。聯機分析處理和數據挖掘是數據倉庫上獲取兩種不同的數據增值技術，將這兩類技術在一定程度上融合，會使分析操作智能化，使挖掘操作目標化，從而全面提高商業智能技術的實用價值，一方面，聯機分析技術可以為數據挖掘提供預期的挖掘對象和目標，避免挖掘的盲目性。另一方面，數據挖掘技術可以使聯機分析處理智能化，減少分析人員的負擔。把聯機分析處理技術和數據挖掘技術進行融合和互補，將是商業智能技術發展的未來走向。
3 商業智能的體系結構及構建流程
商業智能所涉及的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商資料及來自企業所處行業和競爭對手的數據，以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理(OLAP)工具和數據挖掘等技術。因此，從技術層面上講，商業智能并不是基礎技術或者產品技術，它是數據倉庫、聯機分析處理OLAP(OnlineAnalytical Processing)和數據挖掘等相關技術走向商業應用后形成的一種應用技術，其系統架構如圖1所示：
圖1 商業智能系統架構圖
從圖中可以看到，實現商業智能應用有4個十分關鍵的環節，包括數據源、ETL過程、數據倉庫及其應用和BI前端展現四個主要階段。
1、數據源，數據倉庫系統的數據來源主要是外部的操作性應用系統，這些數據源包括數據的業務含義和業務規則，表達業務數據的表、字段、視圖、列和索引。
2、ETL過程，ETL過程即抽取(Extraction)、轉換(Transformation)和裝載(Load)。ETL過程負責將業務系統中各種關系型數據、外部數據、遺留數據和其他相關數據經過清洗、轉化和整理后放進中心數據倉庫。
3、數據倉庫及其應用，數據倉庫是商業智能系統的基礎，是面向主題的、集成的、穩定的和隨時間不斷變化的數據集合。通過聯機在線分析處理(OLAP)。
可以對數據倉庫中多維數據的鉆取、切片及旋轉等分析動作，可以完成決策支持需要的查詢及報表。通過數據挖掘(DM)，可以挖掘數據背后隱藏的知識，通過關聯分析、聚類和分類等方法建立分析模型，預測企業未來發展趨勢和將要面臨的問題。
4、BI前端展現，在海量數據和分析手段增多的情況下，BI前端展現主要保障系統分析結果的可視化。一般認為數據倉庫、OLAP和數據挖掘技術是商業智能的三大核心技術。
最后，決策者通過正確運用商業智能，將使用結果加以反饋。通過反饋，可以暴露出潛在的問題，同時，也可以根據情況變化，表達新的需求，提高商業智能流程內在質量的提高。
4 商業智能行業應用
1、電子商務
分析商品銷售，協助改善網站經營狀況；實時分析客戶行為、消費傾向，從而實施更具針對性和高效的商業戰略；幫助決策者優化經營模式、發現新市場，提高用戶忠誠度。
2、零售業
商業智能在零售業中有如下一些應用：
預測：對需求進行預測，根據預測結果更好地管理庫存。
營銷：對顧客數據進行分析，從而不僅了解賣掉了什么，同時了解“誰”買了什么，實現由消費者“拉”動的營銷。
產品銷售模式：某種產品的銷售特點，不同產品之間的關聯關系，作為進貨和商店御局的參考。
3、保險業
商業智能在保險業中有如下一些應用：
理賠分析：根據險種、保單持有人、理賠類型以及其它特征分析理賠趨勢，以確定準備金的數量，理焙分析可以幫助識別保險欺詐。
顧客利潤率分析：分別按不同的品種、不同的地區、不同的代理人、不同的客戶群的服務的成本和所得到的收益進行量化分析，找出利潤率差異的原因，以利用開發新品種、對于已有品種進行客戶化改進并識別能帶來高利潤率的顧客。
客戶價值分析：顧客利潤率不是評價顧客對于保險公司價值的唯一指標，也許一個顧客具備在將來購買高利潤率保險產品的潛力，也許會成為很好的高利潤率顧客的介紹人，因此要考慮顧客在與保險公司打交道的整個過程中的價值。
客戶劃分：將有各種共同特征的客戶劃分為不同的客戶群，掌握其需求和產品的使用模式，以分別確定營銷方案；分析委托人的利潤率，識別機會，改進服務。
風險分析：了解引入新險種和發展新客戶的風險。識別高風險客戶群和能帶來機會的客戶群，減少理賠頻率。
4、金融和證券業
商業智能在金融和證券業中有如下一些應用：
顧客利潤率分析：了解各個顧客在當自仃的和長遠的利潤率。使盡量提高對于高價值顧客的銷售，減少用于低價值顧客的成本。
信用管理：了解各種產品的信用狀況，建立不同顧客群的信用模式，及早幫助顧客避免信用問題的發生，預測信用政策變化所產生的影響，減少信用損失；
5、電信業
商業智能在電信業中有如下一些應用：
用戶劃分：分析用戶使用電信產品的歷史數據，進行用戶呼叫行為分析，提供個性化服務和有效的激勵手段；
需求分析：分析用戶各種產品使用及其花費數據，深入了解顧客對于新產品和服務的需求，對于通信網絡投資、定價和競爭性進行分析。
6、制造業
商業智能在制造業中有如下一些應用：
市場營銷：提供面向顧客的交易數據，實現由消費者“拉”動的營銷；預測：(同零售業)；
采購分析：掌握供應商的成本、供貨及時性等因素；
5 商業智能的促進作用
1、促進ERP、SCM、CRM應用軟件規范使用
對于超市里諸如銷售員業績分析、銷售訂單與收款對比分析，需要應用軟件在設計上做出調整，以便在信息錄入的過程中就記錄下其間的關聯關系。
又譬如，某些ERP軟件中的產品成本信息只能歸集到產品大類的級別，無法真實記錄和歸集每個產品的成本信息。在這種情況下，企業的替代做法是將大類產品成本數據，按照一個標準(如明細產品的重量或者金額)劃分到每個明細產品中去。這是按照假設使用了一個可以接受的核算方法。但是，如果改進ERP軟件的核算機制，完全有可能將產品成本的記錄明細到單個產品上。
對于零售業的客戶會員信息，企業也可以采取一些相關措施，如對真實信息實行積分獎勵的辦法，促進消費者提供真實的信息。
正是由于商業智能分析軟件的運用，才會認識到企業應用系統中存在的問題，才會有針對性地改進和完善。
2、發現企業隱藏的問題
由于大量數據可以被及時和準確地提供，企業運營中的異常數據，即便是不使用數據挖掘技術，也可以很及時地被發現。
如超市旱的銷售毛利率異常波動、庫存商品呆滯期過長、應收帳款呆賬需要及時處理、超過信用額度的銷售發貨等等，都是容易被隱藏的經營情況。
3、輔助工作人員提高工作效率
事實上，商業智能分析報表不僅僅局限于決策支持。在商業智能分析過程中，很多報表其實是為普通操作者服務的。特別是對于需要向公司領導層提供報告的操作者，需要很多企業經營方面的報表數據作為原材料。
目前的ERP系統中，查詢報表很不方便，客戶一旦有新的查詢需求，就需要軟件公司提供二次開發。
但是只要用戶提供了可能的查詢角度，則商業智能分析系統中就可以存在相應的查詢報表，可以在用戶需要的時候，只通過簡單操作即可實現。
6 影響商業智能解決方案的因素
商業智能利用數據倉庫技術，OLAP和數據挖掘技術不斷發現新的知識，擴充到現有的企業知識中來。但就目前國內企業應用現狀和算法實現上來看，制約知識發現的因素較多，同時也影響了BI的性能。
1、基礎數據建設不完善
對于小企業來說，使用諸如ERP、SCM、CRM等在線交易系統的時間還不長，系統內存儲的數據量還不是很大。但隨著信息化的發展，中型企業基本上已經是比較成熟的ERP用戶了。正是進行商業智能分析的大好時機。
一般來說，基礎數據的不完善，存在著這樣2方面情況：
首先，是數據之間缺乏關聯關系。
譬如希望分析采購訂單與收貨記錄，以考核交貨及時率，但是系統的數據庫表中并不存在采購訂單與入庫驗收單之間的關聯；希望考核銷售員業績，但是系統的數據庫表中不存在銷售訂單與銷售員之間的關聯關系。這些關聯關系，都是在在線交易系統使用過程中實時錄入的，同后維護工作極大也不可行。
其次，是數據不真實。譬如超市對銷售客戶的分析。為了分析客戶的購買習慣，需要按照客戶的性別、年齡、家庭住址與超市的距離、家庭收入、家庭成員數等進行分類，但是，實際客戶填寫的資料并非是真實的。據此分析的結論顯然不會真實。
2、智能決策程度不高
由于目前中小型企業在擴張過程中，往往存在管理滯后的現象，以數據支持決策的工作還沒有得到成熟的階段。所以目前階段的商業智能分析，仍然處于收集數據、分類匯總、及時展現的初級階段。
目前的一些大型企業的商業智能項目，其項目實現的目標并不實用，它們僅僅是實現了會計的三大報表(資產負債表、損益表、現金流量表)，以及預算與實際的對比，而在預算與實際對比的系統運用中，并不如理想中的方便。有的企業的商業智能分析軟件，是提供一個接口，讓操作者在Excel電子表中制作相應格式的報表，然后定期導入到智能分析軟件中，完全喪失了軟件的自動化功能。
所以，中小企業應該以務實的念度來對待商業智能分析系統。應該通過商業智能分析，決策者看到報表數據，立刻可以決定下一步的行動計劃。決策者所需要的，僅僅是及時提供數據準確的報表。
3、系統智能不能很好實現
現有數據挖掘算法大多尚不成熟，效率較低。另外，作為BI數據基礎的數據倉庫或數據集市中數據量一般比較大，新知識形成的速度和準確性比較低，致使現有的BI系統在知識發現方面的能力不能滿足用戶要求。
4、系統工具缺乏
目前大多數BI系統功能集中在數據分析方面，如數據查詢、報表、OLAP、數據可視化，很少有開發商在系統中配有知識發現工具。因此，功能比較集中，更深一層次的要求無法滿足。
5、用戶需求不明確
大多數企業用戶對商業智能的認知還比較有限，如何準確定位這些企業的需求，激發其對于商業智能應用的意識？企業決定實施商業智能的項目，需要具備多個條件。
——企業信息化的建設已有一定的基礎；
——對科學決策有一定的認識和需求；
——對實施前后應該帶來的變化有一個初步的預估。
然而國內的大多數企業離這些要求還有一定的距離，在認識的層次上還有待提高。隨著商業智能領域的擴大，應該有效地引導新客戶在這方面的需求，擴大市場范圍，從長遠來看有利于商業智能的發展和提高。
6、標準的不統一
目前由于商業智能應用尚處于初期，許多概念并不清晰明確。就算是商業智能這個概念本身，不同的業界人士都會有不同的解讀，更不用說大多數對這個領域知之甚少的企業決策者。企業在實施商業智能項目的時候，可能會遇到由于該行業發展良莠不齊而導致的損害，企業投資卻得不到應有的回報等問題。
以歷史上ERP和BPR的開發應用以及大面積的失敗率為鑒，商業智能領域急需未雨綢繆，建立統一的商業智能的理念和實施標準，這也是在商業智能發展路上所面臨的一個巨大的挑戰。
轉載請注明出處：拓步ERP資訊網http://m.guhuozai8.cn/
本文標題：什么是商務智能（BI）？
相關文章
