Wednesday, November 5, 2008

信息化应用新的热点——商业智能

信息化应用新的热点——商业智能 [收藏] [打印] [推荐]

作者:  2008-10-30 02:43:47


商业智能(Business Intelligence,简称BI)是20世纪90年代末首先在国外企业界出现的一个术语,其表示为提高企业运营性能而采用的一系列方法、技术和软件,简而言之,它是能够帮助用户对自身业务经营做出正确明智决定的工具。现代化的业务操作,通常都会产生大量的数据,如订单、库存、交易账目、通话记录、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。如何利用这些数据增进对业务情况的了解,帮助我们在业务管理及发展上做出及时、正确的判断,也就是说,怎样从业务数据中提取有用的信息,然后根据这些信息来采用明智的行动,最终帮助企业达到经营目标。

1 BI的技术体系

BI的技术体系主要有数据仓库(DW:Data Warehouse)、联机分析处理(OLAP)以及数据挖掘(DM)三部分组成。数据仓库是BI的基础,许多基本报表可以由此生成,但它更大的用处是作为进一步分析的数据源。所谓数据仓库(DW)就是面向主题的、集成的、稳定的、随时间不断变化的数据集合,用以支持经营管理中的决策制定过程。多维分析和数据挖掘是最常听到的例子,数据仓库能供给它们所需要的、整齐一致的数据。

联机分析处理(OLAP)是以海量数据为基础的复杂分析技术。它支持各级管理决策人员从不同的角度、快速灵活地对数据仓库中的数据进行复杂查询和多维分析处理,并且能以直观易懂的形式将查询和分析结果展现给决策人员。

数据挖掘(Data Mining)是从海量数据中,提取隐含在其中的、人们事先不知道的但又可能有用的信息和知识的过程。数据挖掘的数据有多种来源,包括数据仓库、数据库或其他数据源。所有的数据都需要再次进行选择,具体的选择方式与任务相关,挖掘的结果需要进行评价才能最终成为有用的信息,按照评价结果的不同,数据可能需要反馈到不同的阶段,重新进行分析计算。数据挖掘的常用方法包括关联分析、分类和预测、聚类、检测离群点、趋势和演变分析等,可以说,联机分析处理和数据挖掘是数据仓库之上的增值技术。

目前,BI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。BI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,为此,把BI看成是一种解决方案应该比较恰当。商业智能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(见图1)。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。



图1


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。

2 BI的应用

2.1 客户分类和特点分析

根据客户历年来的大量消费记录以及客户的档案资料,对客户进行分类,并分析每类客户的消费能力、消费习惯、消费周期、需求倾向、信誉度,确定哪类顾客给企业带来最大的利润、哪类顾客仅给企业带来最少的利润同时又要求最多的回报,然后针对不同类型的客户给予不同的服务及优惠。

2.2 市场营销策略分析

利用数据仓库技术实现市场营销策略在模型上的仿真,其仿真结果将提示所制定的市场营销策略是否合适,企业可以据此调整和优化其市场营销策略,使其获得最大的成功。

2.3 经营成本与收入分析

对各种类型的经济活动进行成本核算,比较可能的业务收入与各种费用之间的收支差额,分析经济活动的曲线,得到相应的改进措施和办法,从而降低成本、减少开支、提高收入。

2.4 欺诈行为分析和预防

利用联机分析和数据挖掘技术,总结各种骗费、欠费行为的内在规律后,在数据仓库的基础上建立一套欺骗行为和欠费行为规则库,就可以及时预警各种骗费、欠费,尽量减少企业损失。

2.5 企业内部更为广泛的应用

网络为BI软件的广泛应用提供了基础平台。从BI软件受益的将不仅仅是管理者,还包括所有员工。如销售人员将通过移动设备或其他PDA设备获得客户关系管理(CRM)数据并快速做出决策;所有员工将可以轻松的查阅与自身职业生涯相关的人力资源分析报告。

2.6 企业外部的应用也将得到快速发展

企业将通过BI软件向他们的供应商、客户、股东、政府提供相关数据的访问。如企业允许供应商访问企业的供货数据,供应商可以获得诸如准时发货情况、发货差错情况和产品质量等信息;政府机构通过访问企业运作信息,可更深刻了解该企业。

3 BI与各种企业信息化系统的关系

BI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)、客户关系管理(CRM)、供应链管理(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BI提供了数据源,离开了它们,BI就会成为无源之水,无本之木,但BI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。

4 BI的应用实施

企业在实施BI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BI的实施。这种方法容易实现,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BI,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BI 系统,都需要经历BI 系统分析、系统设计和系统维护与管理三个阶段。

4.1 BI系统分析

BI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、BI 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。

BI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BI 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预测,使终端用户存取数据更有效率。

4.2 BI系统设计

BI系统设计,包括实体数据模型设计、ETL设计、数据挖掘方法设计、终端程序设计(OLAP或EIS)等步骤。

BI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,装载在BI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。

4.3 BI系统维护与管理

BI系统维护与管理,包括BI整合性系统建立、数据库管理、安全管理与效率管理等步骤。这里涉及两个层面:第一是维持与管理BI系统与其支持结构(数据库管理、安全管理、效能管理)所需的基本功能;第二是从技术及商业的角度来探讨BI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。

在欧美发达国家,以数据仓库、联机分析处理和数据挖掘为基础的BI应用首先在金融、保险、证券、电信、税务等传统数据密集型行业取得成功。由于经济全球化,打破了国际上存在的种种壁垒,消除了国家保护,卓有成效地驱动了国外数据仓库的增长,随着知识经济的发展,企业的数据量剧增,企业亟需从庞大的数据仓库中获知隐含的信息和知识,制定相适应的政策,增强企业的竞争力,这些都极大促进了其BI的发展。

国内BI起步不久,但电信、金融、证券、税务、零售业等已有大量操作型数据积累的企业都出现了迫切的应用需求,BI正在从部门级应用进化成为企业级应用,从企业内部应用进化为向全局应用。因此可以预计,在二十一世纪,BI在我国会有广阔的应用前景,它将成为信息应用的新热点。(万方数据)

No comments: