图文定义：商业智能是一种解决方案

客户世界 | 2015年7月12日 | 标杆展示 | 评论已关闭 | 1228

客户世界|DinosBoy|2007-12-17

　　商务智能是20世纪90年代末首先在国外企业界出现的一个术语，其代表为提高企业运营性能而采用的一系列方法、技术和软件。它把先进的信息技术应用到整个企业，不仅为企业提供信息获取能力，而且通过对信息的开发，将其转变为企业的竞争优势，也有人称之为混沌世界中的智能。因此，越来越多的企业提出他们对BI的需求，把BI作为一种帮助企业达到经营目标的一种有效手段。

　　什么是商业智能

　　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猜测说：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、供给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、客户和供给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的要害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)，最后将知识呈现给治理者，为治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。

　　商业智能的典型应用

　　经营分析

　　经营分析包括经营指标分析、经营业绩分析和财务分析三部分。

　　经营指标分析是指对企业不同的业务流程和业务环节的指标，如：利润率、应收率、销售率、库存量、单品销售情况及所占营业比例、风险采购和库存评价指标等进行搜集和分析。但这些指标只能反映局部的经营状况。为了解企业的整体经营状况，还需对这些指标进行科学的组织和分析，利用智能治理技术，形成一个能反映企业整体情况的数学模型。这样通过观察总指标并设置告警，才能获得整个企业的经营状况。

　　经营业绩分析是指对各部门的营业额、销售量等进行统计，在此基础上，进行同期比较分析、应收分析、盈亏分析、各种商品的风险度分析等等。经营业绩分析有利于企业实时把握自身的发展和经营情况，有利于企业及时调整经营业务、化解经营风险。

　　财务分析是指对企业财务数据中的利润、费用支出、资金占用及其他具体经济指标进行有效分析。通过财务分析，可以及时把握企业在资金使用方面的实际情况，为及时调整和降低企业成本提供数据依据。

　　战略决策支持

　　在经营分析的基础上，将各类数据、信息进行高度的概括和总结，然后形成供高级决策者进行战略决策时参考的企业经营状况分析报告，是商业智能的优势所在。

　　商业智能对战略决策的支持，分别表现在对公司战略、业务战略和职能战略的支持上。在公司战略决策支持层面上，可以根据公司各战略业务单元的经营业绩和经营定位，选择一种合理的投资组合战略;在业务战略决策支持层面上，由于商业智能系统中集成了更多的外部数据，如外部环境和行业信息，各战略业务单元可据此分别制定自身的竞争战略;在职能战略决策支持层面上，由于来自于企业内部的各种信息，源源不断地输入进来，相应地可以提供营销、生产、财务、人力资源等决策支持。

　　绩效治理

　　商业智能技术能够从企业各种应用系统中提取出各种基础绩效指标与要害绩效指标(KPI, Key Performance Indicator)。为了考核员工的绩效，企业可以先将希望员工要做的工作进行量化，然后借助商业智能工具，治理人员可以追踪、衡量和评价员工的工作绩效，引导员工的思想方向和行动与企业的整体目标保持一致。

　　与各种企业信息化系统的关系

　　商业智能作为一种企业信息集成解决方案，为企业不同的应用系统，如企业资源规划(ERP)、客户关系治理(CRM)、供给链治理(SCM)、办公自动化(OA)、电子商务(E-Commerce)以及外部环境扫描(Environmental Scanning)等系统之间架起了互通的桥梁。同时，这些信息化系统也为商业智能提供了数据源，离开了它们，商业智能就会成为无源之水，无本之木。但商业智能的价值又在这些系统之上，因为它可以发现数据背后隐藏的商机或威胁，获得洞察力，了解企业和市场的现状，把握趋势，识别异常情况，理解企业业务的推动力量，认清正在对企业的业务产生影响的行为及影响程度如何等。

　　商业智能的应用实施

　　企业在实施商业智能技术时，有两种方法可供选择。一种较稳妥的方法是从企业中某一个局部的商业需求开始，尝试着进行商业智能的实施。这种方法轻易实现，回报快，三年ROI(投资回报率)较高。另一种方法则是在企业所有领域全面实施商业智能，以支持企业的所有业务过程，满足跨企业的决策支持。这种方法较前一种方法更具挑战性，三年ROI较低，收回投资的平均年限也较长。

　　无论采用哪一种方法，企业要建立自己的商业智能系统，都需要经历商业智能系统分析、系统设计和系统维护与治理三个阶段。

　　商业智能系统分析

　　商业智能系统分析，又可分为企业需求分析、信息来源分析、逻辑信息模型设计、商业智能系统结构设计等步骤。

　　企业需求分析可包含CRM分析、经营分析、产品组合分析、产品促销推广分析、财务风险分析与电子商务分析等等。

　　信息来源分析要对可能的信息来源进行调查，包括从顾客服务、商品销售、存货采购、会计财务、人力资源、推广促销、市场调查与电子商务等相关系统中考察可以收集的信息源。

　　逻辑信息模型设计主要的工作是从已经联机的信息系统中，找寻可用于信息分析的相关资料档案，并且与企业各项业务分析中的系统需求功能相比照，设计与汇集可符合企业需要的逻辑信息模型。

　　商业智能系统结构设计包括确定硬件与软件组成，设计信息从来源系统到商业智能系统数据库的处理流程。通常采用OLAP与数据挖掘工具进行分析猜测，使终端用户存取数据更有效率。

　　商业智能系统设计

　　商业智能系统设计，包括实体数据模型设计、ETL(抽取、转换和装载)设计、数据挖掘方法设计、终端程序设计(OLAP或EIS)等步骤。

　　实体数据模型设计就是数据抽取 (Extraction)、转换(Transformation)与装载(Loading)的功能设计。商业智能系统必须具备抽取各种类型信息的能力，并且依照资料的特性与决策者的需求，能够自动、定时地到来源数据库中抽取信息。数据转换则是将不一致的数据，根据规则转换为具有一致性的数据。装载则在商业智能的转换程序服务器上自动进行。装载程序需要考虑自上一次资料抽取之后，来源数据库内发生改变的项目，并对装载时产生的错误进行处理。数据挖掘方法设计即根据系统数据的特点，选择适用的挖掘算法，如可采用货篮分析、时间序列分析、聚类分析、决策树方法、遗传算法等。终端用户应用系统设计用于确定以何种形式将联机分析处理、数据挖掘分析的结果呈现给用户。

　　商业智能系统维护与治理

　　商业智能系统维护与治理，包括商业智能整合性系统建立、数据库治理、安全治理与效率治理等步骤。这里涉及两个层面，第一是维持与治理商业智能系统与其支持结构(数据库治理、安全治理、效能治理)所需的基本功能。第二是从技术及商业的角度来探讨商业智能系统配置是否达到最佳。从技术的角度而言，包括检查逻辑与实体数据库设计，以及所需工作效率调整是否合适。从商业的角度而言，包括数据库稽核，亦即访问商业使用者，以考察他们的需求是否获得满足，以及获得的投资报酬。

　　为了使商业智能系统获得成功，组建数据库治理小组是要害。数据库治理小组要负责建立实体数据模型、数据存储的DBMS以及备份与恢复程序，还要负责安全治理和效率治理。

　　北京燕莎望京购物中心商业智能的应用

　　零售企业的信息系统天天会产生大量的数据。假如采用商业智能系统对这些数据进行分析，不仅可以获得商品的关联关系，还可以获得有关商品结构、销售状况、库存状况、供给商和顾客等决策支持所需的珍贵信息。1999年11月，燕莎望京购物中心对原计算机系统进行了改造升级，开始实施商业智能。新系统重新整合和规范了北京燕莎望京购物中心的原有业务流程，使得在治理上更加规范和通畅。2001年，燕莎望京购物中心在原基础业务治理系统基础上导入了商业智能系统。该系统基于IBM公司的DB2数据库，并采用了一系列新的开发思想。

　　燕莎望京实施的BI运用了数据仓库、在线分析和数据挖掘技术来处理和分析数据，进行数据抽取、清洗、聚类、挖掘、猜测等处理，针对不同的”维”进行上下钻取、左右拖动及纵横旋转，通过连续的立体动态表来产生可透析的各种展示数据，直观地显示分析者所要探询的某种经营属性或市场规律。

　　该BI系统分为商业计划、商品配置、采购技术、销售技术、库存技术、资金分析、顾客分析、人员绩效八大模块，采用三维(时间维、经营活动维、指标维)模型进行全方位的分析，从而得出科学准确的结论。具体来说，对于时间维，可以选择从一年到一天甚至可以精确到某一小时，几乎可以对任意时段的同比和环比指标进行分析比较;对于经营活动维，既可以按照商品的类别如品牌、产地、新商品、淘汰品、促销品、账期品、组包品、多包装品摆放位置、柜组、楼面、占用面积和体积、价格带、毛利带等划分，又可以按照角色如买手、供给商、CEO、部门经理、营业员、收银员、一般消费者、贵宾客户进行划分;对于经营指标维，则可以从进货、销售、调配、库存(毛利、毛利率、动销率、周转率、交叉比率)、资金占用比、库存数量、金额、客人数、客单价等多个角度进行具体的统计与分析。

　　燕莎望京启用商业智能分析系统之后，有效地解决了原来存在于企业中的内外部矛盾。通过对供给商在特定时间段内的各项指标，包括订货量、订货额、进货量、进货额、到货时间、库存量、库存额、退换量、退换额、销售量、销售额、所供商品毛利率、周转率、交叉比率等进行的分析，为供给商的引进、储备、淘汰(或淘汰其部分品种)及供给商库存商品的处理提供了可靠的分析依据。比如，在分析的过程中，可能会发现某些供给商所提供的商品销售一直不错，某个时间段里的结款也非常稳定，而这个供给商的结算方式是代销。分析显示出，既然这个供给商所供商品销售风险较小，在资金不紧张的情况下，为什么不考虑将他们改为购销来降低经营成本呢?

　　通过采用商业智能分析系统，燕莎望京确定了以分析结构为主线的分析思路，进而指导了购物中心商品结构的调整，增强了所营商品的竞争能力，商品配置也更加趋于合理，并为及时调整商品的品类和价格定位、调整和监控供给商的经营行为、及时订货补货等提供了科学的依据。通过顾客分析，可以了解到燕莎望京的商圈里消费者的居住区域、文化层次、年龄段、平均月收入等，为燕莎望京总体的定位提供强有力的说服性数据。

责编：admin