会员登录
会员注册商业智能把数据变为知识，用知识帮助决策
作者：李全伟
曾有一段时间，沃尔玛公司在美国的店面经理发现一种现象: 每周啤酒和尿布的销量都会有一次同比攀升，但一时搞不清是什么原因。后来，沃尔玛运用商业智能（Business Intelligence，简称 BI）技术发现，购买这两种产品的顾客几乎都是 25 岁到 35 岁、家有婴儿的男性，每次购买时间均在周末。沃尔玛在对相关数据分析后得出，这些人习惯晚上边看球赛、边喝啤酒，对于要照顾的孩子，为了图省事就用一次性尿布。得到结果后，沃尔玛决定，把这两种商品集中摆在一起，结果销量有了显著增加。
这是一个运用 BI 技术的典型例子。在如今的商业环境中，企业面临大量的数据，如何在这些看似杂乱无章、错综复杂的信息中理出头绪，分析提炼出知识，从而帮助企业管理者做出及时、正确的决策，最终让企业占领先机、取得竞争优势，正是 BI 的用武之地。最早正式提出 BI 概念的，是美国市场调研公司 Gartner Group，当时是在 1996 年。简单地说，商业智能是通过收集、存储、挖掘和分析数据，为决策者提供相应的决策依据。负责商业智能业务的微软（中国）有限公司副总经理孙建东进一步解释说，时至今日，BI 已经成了一种定量数据分析管理技术，将存储于各种商业信息系统中的数据转换成知识， 向企业各级管理者尤其是 CEO 提供决策支持，从而提高决策效率和水平。在西方，像沃尔玛一样运用 BI 技术帮助决策，在企业中已经比较普遍，许多企业的 CIO（首席信息官）把 BI 作为最优先选择的三项信息技术之一。
BI 近年来逐渐成为热点，可以说是企业信息化发展到一定著度的必然。BI 能够运算大量信息，然后为企业找出市场趋势和经营上的问题，并发现市场的新机会，这正是企业一直以来都在寻找的软件。对于 BI 的应用，几乎每个企业都需要，但大规模的市场分析主要集中在竞争激烈的生活消费品行业、零售业以及金融服务业，如银行、保险等行业。
一个有远见、有价值的公司，跟一个普通公司的区别到底在哪里？对于数据，几乎所有的企业都拥有，有的甚至非常庞大。实际上，对于这些数据的有效应用，不同的企业差别很大。有的公司能够靠这些数据产生更大的价值，有些公司却让其躺在数据库里“睡大觉”。“一个 CEO 可能对具体技术不了解，但如何在 IT 上投入，并把其中的价值应用最大化，很关键。” 微软的孙建东说，现在企业 IT 的现状是，不同的部门都建立了不同的系统，比如财务系统、人事管理系统、企业资源计划（ERP）、供应链管理系统（SCM）、客户关系管理系统（CRM）等，投入都比较大，但存在信息孤岛现象，各个系统之间没有一个有机连接，所有的数据都是分部门存在的。如果 CEO 做一项决策时能够参考的数据资料不统一，数据资料很难帮助决策。
一家公司在一次市场宣传活动中投入 2,000 万元广告经费，却很难搞清提高了多少业绩。这是因为导致业绩提高的因素太多了，可能是减价、广告、培训销售人员，还可能是销售旺季、竞争对手较弱等，其中的组合太多了。公司规模越大，组织越庞大，这种影响因素就越多。没有 BI 系统的企业靠的是根据经验去决策，就像瞎子摸象、似是而非，很难把握效果。而 BI 却能让数据说话，分析出哪种因素起到了关键作用，从而帮助 CEO 作出下一步的决策。曾有一家手机生产商想要降价，进一步促销某款高档手机，但通过 BI 技术分析后，得出购买这种手机的目标顾客对价格并不敏感，反倒是他们把拥有这种手机当作身份和品位的象征，如果冒然降价反而不利于该手机的销售。
Gartner Group 调查发现，企业竞争优势的大小，一定著度上取决于其收集和分析数据、制定和执行决策这两方面所花时间的多少。企业在应对变化、需要作出决策时，一般都经历上面的两个方面、四个过著。没有 BI 系统的公司，大量的时间会花在收集和分析数据信息这两步上，只有很少的时间花在制定和执行决策上，因为在相对固定的时间内，前面花费时间太多，肯定会影响后面的决策时间。这种情况下所做的决策，质量很难保证。而拥有 BI 系统的公司恰恰相反，因为资源的合理分配，决策效率会非常高，取得的效果也截然不同。
美国红罗宾汉堡连锁店购买了一套 BI 系统，为企业追踪营销活动成果，并监督每家分店的汉堡销售情况。结果，红罗宾很快就发现自己浪费了太多钱购买一种白色酱料，这种酱料其实根本就没有人吃。于是，红罗宾决定自己研发酱料，不再向外购买。还有一家冰激凌生产商，总是听到顾客对产品的抱怨，而产品的质量没有问题，一直不知道原因所在。最后还是靠 BI，通过分析知道了问题出在产品的外包装上，由于包装上冰激凌图片放的水果数量较多，而实际产品并没有那么多，这个因素导致了顾客的不满。后来改变包装后，顾客的抱怨也就停止了。
作为一种信息化技术之一，BI 并不太复杂。其技术实现过著为: 根据不同企业的业务模型建立数据仓库，在搜集原始数据的基础上，进行抽取、净化、转换和装载，在数据仓库中通过一系列的数学模型进行数据挖掘、多维分析，分主题提炼出各种有用的信息，以可视化的形式展现给决策者，为企业决策提供依据。具体而言，BI 包括数据仓库、联机分析处理、数据挖掘在内的用于统计和分析商务数据的先进信息技术。数据仓库是一个面向主题的、集成的、随时间变化的、非易失的、主要用于决策支持的数据集合。在 BI 中，最有价值的是数据挖掘，又称“知识发现”（Knowledge Discovery in Database，简称 KDD），是从大量数据中抽取有意义的、隐含的、以前未知并有潜在使用价值的知识的过著。数据挖掘是一个多学科交叉性学科，涉及统计学、机器学习、数据库、模式识别、可视化以及高性能计算等多个学科。
一个典型的 BI 系统，首先需要比较大的数据处理量。BI 可以把财务、进销存、运输、市场、竞争对手等物理数据库变成一个逻辑数据库。可以把这个数据库通过图表形式及时表现出来。到这一步时，数据还只是信息，怎么变成知识，需要通过在线、多维的分析工具和不同的数据模型，得出能够帮助企业作决策的知识。BI 最有价值的还是分析和预测功能，通过对数据信息中一些规律性行为预见未来趋势。当然，这种预测也是为决策者提供参考信息。
微软（中国）的孙建东说，相对于复杂的 ERP、SCM 来说，BI 系统并不需要太大的投入，且实施也不复杂，不需要改变现有数据库的结构。目前，许多企业已经建有数据库，许多数据早已存在企业当中，只是没有产生价值。
与许多信息化项目类似，企业在实施 BI 系统时，一定要做到管理层高度重视，并目标明确，看自己的企业是不是拥有大量的数据，这些数据是不是处于杂乱无章的情况，在决策时是不是还处于想当然的阶段。如果是这样，就应考虑上马 BI 系统。此外，由于 BI 针对企业整体经营情况，所以必须坚持“一把手工著”。只有高层领导重视，才能使 BI 实施获得成功。特别值得注意的是，BI 本身是企业在信息化具备一定基础的条件上出现的一种管理方法，要求企业的数据库等基础工作必须到位。
现在国内企业应用 BI 并不太多，但市场前景非常巨大。一般来说，企业应用 BI，分为数据共享、分析和预测三个层次。目前，有些国内企业把提供各种基础数据作为 BI 的最基本功能，也就是核心功能，这也是它们根据实际情况作出的必然选择。据山东建行信息中心统计，其数据仓库每天分析出来的结果就有 400 多张报表，涵盖了全行的 285 个核算机构，产生了大约 8 万多个分析结果。这 8 万多个分析数据为各级管理人员提供了决策参考。可以预计，随 BI 应用的不断深化，它对企业各级管理者的帮助会越来越大。