有关BI(转)

    商业智能（Business Intelligence，简称BI）的概念最早是Gartner Group于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。当时，Gartner Group预测说：到2000年，信息民主（注：指组织内信息共享的无差别性）将在具有前瞻性思维的企业中浮现。借助商业智能，员工、咨询员、客户、供应商以及公众能够有效地运用信息。其实，商业智能所涉及的技术与应用，在Gartner Group命名之前就有，起初被称为经理信息系统（EIS），在羽化成商业智能之前叫决策支持系统（DSS）。

    目前，商业智能通常被理解为将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。这里所谈的数据包括来自企业业务系统的订单、库存、交易账目、客户和供应商资料来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。而商业智能能够辅助的业务经营决策，既可以是操作层的，也可以是战术层和战略层的决策。为了将数据转化为知识，需要利用数据仓库、联机分析处理（OLAP）工具和数据挖掘等技术。因此，从技术层面上讲，商业智能不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

为此，把商业智能看成是一种解决方案应该比较恰当。BI的关键是从许多来自不同的企业运作系统的数据中，提取出有用的数据，进行清理以保证数据的正确性，然后经过抽取（Extraction）、转换（Transformation）和装载（Load），即ETL过程，合并到一个企业级的数据仓库里，从而得到企业数据的一个全局视图，在此基础上利用合适的查询和分析工具、数据挖掘工具、OLAP工具等对其进行分析和处理（这时信息变为辅助决策的知识），最后将知识呈现给管理者，为管理者的决策过程提供支持。商业智能的这个基本过程如图所示。

因此，BI是涉及一个很宽领域的，集收集、合并、分析和提供信息存取功能为一身的解决方案，包括ETL软件、数据仓库、数据集市、数据查询和报告、多维/联机数据分析、数据挖掘和可视化工具

    在当今的商业环境中，那些看似杂乱无章、错综复杂的信息往往隐藏着巨大的商业价值。能否从中分析提炼出有价值的信息，进而支持管理者做出及时、正确的决策，这对企业应对复杂的竞争是相当重要的。虽然工商银行、民生银行、广东发展银行等金融企业，和乐百氏、双汇这类传统企业都在着手建立BI系统，但目前还无法验证应用的效果到底如何。

    据相关统计数字显示，在国外，投资建设BI的企业有60%～70%以失败告终;而在中国，这个数据可能会更高。其中的原因有很多，比如缺乏历史数据支持、理解上存在误区等等。双汇集团CIO刘小兵认为：“虽然BI技术并不复杂，但若要它发挥应有的作用，至少要有3～5年的历史数据积累来辅助研究，不然投入再大也是徒劳。”

　　BI应用的三大障碍

那些能够成功地利用手中所掌握的信息资源的企业，它们必然清楚地知道信息所能带来的商业利益，不单是提升硬件上的效率，而且在提高销售业绩、改进工作效率和增强客户满意度等软的领域获益匪浅。

但对于大多数企业而言，信息至今仍是一笔未被充分挖掘的资产，也就是说，大多数企业还没有从花费巨资所构建的信息系统中享受到应有的益处。那么在企业部署BI的过程中，常常会遇到哪些障碍呢?

首先是不能提供可靠的信息。

据《商业周刊》去年的研究显示，43%的商业人士不能确信他们企业内部的信息是否准确，77%的被访者表示他们因为缺乏可信的信息而做出过失败的决策。这其中，数据的质量存在很大的问题。

比如本土银行，它们的数据库中的信息少则几千万条，多则几亿条。数量是足够庞大了，但质量如何呢?同名账户、废弃账户，一个人有多个账户，这些信息需要专业的工具来清洗和改良，还要预防质量低下的数据输入系统。外资银行在业务流程中，就特别地强调客户信息搜集的准确性，这使得它们在把握客户需求和产品创新上占得了优势。

其次是能否针对非技术人员设计出简便而形象的用户界面。

对于非技术人员而言，系统操作的简便程度如何，很可能成为能否普及BI的一大关键。也就是说，最终用户希望简捷、自动地获取信息，而不是被迫学习和认知一个全新的环境，或者依赖于IT部门的帮助。特别是，商业决策的制定从来不是靠某个人在真空的环境中完成的这需要用户围绕着信息数据开展协同和商讨之后才能做出，这就要求有一个易于操作的环境。

BI应用的部署与管理也应该简便易行，越来越多的企业用户希望找到打包的、易于实施的中端市场解决方案或者软件服务项目，这样他们可以在网上直接访问到BI的应用，不需要安装任何其他的软件程序。