商業智慧型技術

商業智慧型的概念於1996年最早由加特納集團(Gartner Group)提出,加特納集團將商業智慧型定義為:商業智慧型描述了一系列的概念和方法,通過套用基於事實的支持系統來輔助商業決策的制定。商業智慧型技術提供使企業迅速分析數據的技術和方法,包括收集、管理和分析數據。將這些數據轉化為有用的信息,然後分發到企業各處。

基本介紹

  • 中文名:商業智慧型技術
  • 性質:輔助商業決策的制定
  • 組成:數據倉庫 數據分析等
  • 目的:對企業更有利的決策
技術原理,定義,功能,綜述,讀取數據,分析功能,豐富畫面,數據輸出,定型處理,體系結構,套用範圍,實施步驟,主要套用,決策注入活力,主要套用,企業效益,市場分析,發展趨勢,面臨的問題,軟體廠商,

技術原理

商業智慧型是對商業信息的蒐集、管理和分析過程。目的是使企業的各級決策者獲得知識或洞察力,促使他們做出對企業更有利的決策。商業智慧型一般由數據倉庫、數據分析、數據挖掘、線上分析、數據備份和恢復等部分組成。
目前,學術界對商業智慧型的定義並不統一。商業智慧型通常被理解為將企業中現有的數據轉化為知識,幫助企業做出明智的業務經營決策的工具。這裡所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客戶和供應商等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。而商業智慧型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、在線上分析處理(OLAP)工具和數據挖掘等技術。因此,從技術層面上講,商業智慧型不是什麼新技術,它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。
可以認為,商業智慧型是對商業信息的蒐集、管理和分析過程,目的是使企業的各級決策者獲得知識或洞察力(insight)。=,促使他們做出對企業更有利的決策。商業智慧型一般由數據倉庫、在線上分析處理、數據挖掘、數據備份和恢復等部分組成。商業智慧型的實現涉及到軟體、硬體、諮詢服務及套用,其基本體系結構包括數據倉庫、在線上分析處理和數據挖掘三個部分。
因此,把商業智慧型看成是一種解決方案應該比較恰當。商業智慧型的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理,以保證數據的正確性,然後經過抽取(Extraction)、轉換(Transformation)和裝載(Load),即ETL過程,合併到一個企業級的數據倉庫里,從而得到企業數據的一個全局視圖,在此基礎上利用合適的查詢和分析工具、數據挖掘工具、OLAP工具等對其進行分析和處理(這時信息變為輔助決策的知識),最後將知識呈現給管理者,為管理者的決策過程提供支持。
提供商業智慧型解決方案的著名IT廠商包括微軟、IBM、Oracle、Microstrategy、BusinessObjects、Cognos、SAS等。國內主流商業智慧型廠商有SmartBI,FineBI,Qlikview,Yonghong Z-Suite等。

定義

商業智慧型定義為下列軟體工具的集合
終端用戶查詢和報告工具。專門用來支持初級用戶的原始數據訪問,不包括適應於專業人士的成品報告生成工具。
OLAP工具。提供多維數據管理環境,其典型的套用是對商業問題的建模與商業數據分析。OLAP也被稱為多維分析。
數據挖掘(DataMining)軟體。使用諸如神經網路、規則歸納等技術,用來發現數據之間的關係,做出基於數據的推斷。
數據倉庫(DataWarehouse)和數據集市(DataMart)產品。包括數據轉換、管理和存取等方面的預配置軟體,通常還包括一些業務模型,如財務分析模型。
在線上分析處理(OLAP)的概念最早是由關係資料庫之父E.F.Codd於1993年提出的,他同時提出了關於OLAP的12條準則。OLAP的提出引起了很大的反響,OLAP作為一類產品同在線上事務處理(OLTP)明顯區分開來。
當今的數據處理大致可以分成兩大類:在線上事務處理OLTP(On-LineTransactionProcessing)、在線上分析處理OLAP(On-LineAnalyticalProcessing)。OLTP是傳統的關係型資料庫的主要套用,主要是基本的、日常的事務處理,例如銀行交易。OLAP是數據倉庫系統的主要套用,支持複雜的分析操作,側重決策支持,並且提供直觀易懂的查詢結果。
OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、互動地存取,從而獲得對數據的更深入了解的一類軟體技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求,它的技術核心是"維"這個概念。
“維”是人們觀察客觀世界的角度,是一種高層次的類型劃分。“維”一般包含著層次關係,這種層次關係有時會相當複雜。通過把一個實體的多項重要的屬性定義為多個維(dimension),使用戶能對不同維上的數據進行比較。因此OLAP也可以說是多維數據分析工具的集合。
OLAP的基本多維分析操作有鑽取(rollup和drilldown)、切片(slice)和切塊(dice)、以及旋轉(pivot)、drillacross、drillthrough等。鑽取是改變維的層次,變換分析的粒度。它包括向上鑽取(rollup)和向下鑽取(drilldown)。rollup是在某一維上將低層次的細節數據概括到高層次的匯總數據,或者減少維數;而drilldown則相反,它從匯總數據深入到細節數據進行觀察或增加新維。切片和切塊是在一部分維上選定值後,關心度量數據在剩餘維上的分布。如果剩餘的維只有兩個,則是切片;如果有三個,則是切塊。
旋轉是變換維的方向,即在表格中重新安排維的放置(例如行列互換)。
OLAP有多種實現方法,根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。
ROLAP表示基於關係資料庫的OLAP實現(RelationalOLAP)。以關係資料庫為核心,以關係型結構進行多維數據的表示和存儲。ROLAP將多維資料庫的多維結構劃分為兩類表:一類是事實表,用來存儲數據和維關鍵字;另一類是維表,即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯繫在一起,形成了“星型模式”。對於層次複雜的維,為避免冗餘數據占用過大的存儲空間,可以使用多個表來描述,這種星型模式的擴展稱為“雪花模式”。
MOLAP表示基於多維數據組織的OLAP實現(MultidimensionalOLAP)。以多維數據組織方式為核心,也就是說,MOLAP使用多維數組存儲數據。多維數據在存儲中將形成“立方塊(Cube)”的結構,在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維數據報表的主要技術。
HOLAP表示基於混合數據組織的OLAP實現(HybridOLAP)。如低層是關係型的,高層是多維矩陣型的。這種方式具有更好的靈活性。
還有其他的一些實現OLAP的方法,如提供一個專用的SQLServer,對某些存儲模式(如星型、雪片型)提供對SQL查詢的特殊支持。
OLAP工具是針對特定問題的在線上數據訪問與分析。它通過多維的方式對數據進行分析、查詢和報表。維是人們觀察數據的特定角度。例如,一個企業在考慮產品的銷售情況時,通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這裡的時間、地區和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數組則是OLAP分析的基礎,可形式化表示為(維1,維2,……,維n,度量指標),如(地區、時間、產品、銷售額)。多維分析是指對以多維形式組織起來的數據採取切片(Slice)、切塊(Dice)、鑽取(Drill-down和Roll-up)、旋轉(Pivot)等各種分析動作,以求剖析數據,使用戶能從多個角度、多側面地觀察資料庫中的數據,從而深入理解包含在數據中的信息。
根據綜合性數據的組織方式的不同,目前常見的OLAP主要有基於多維資料庫的MOLAP及基於關係資料庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據,ROLAP則利用現有的關係資料庫技術來模擬多維數據。在數據倉庫套用中,OLAP套用一般是數據倉庫套用的前端工具,同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用,增強決策分析功能。

功能

綜述 目前,很多廠商活躍在商業智慧型(下面稱BI)領域。事實上,能夠滿足用戶需要的BI產品和方案必須建立在穩定、整合的平台之上。該平台需要提供用戶管理、安全性控制、連線數據源以及訪問、分析和共享信息的功能。BI平台的標準化也非常重要,因為這關係到與企業多種套用系統的兼容問題,解決不了兼容問題,BI系統就不能發揮出應有效果。這裡我們通過對一個實驗室的BI系統模型(我們將其稱為D系統)進行功能解剖,來介紹BI系統。

綜述

D系統是一個面向終端使用者,直接訪問業務數據,能夠使管理者從各個角度出發分析利用商業數據,及時地掌握組織的運營現狀,作出科學的經營決策的系統。D系統可實現從簡單的標準報表瀏覽到高級的數據分析,滿足組織內部人員的需求。D系統涵蓋了常規意義上商業智慧型(BI)系統的功能,主要構架包括以下幾個方面。
讀取數據 D系統可讀取多種格式(如Excel、Access、以Tab分割的txt和固定長的txt等)的檔案,同時可讀取關係型資料庫(對應ODBC)中的數據。在讀取文本和數據的基礎上,D系統還可以完成:

讀取數據

連線文本把2個CSV檔案中的共同項目作為鍵(Key),將所需的數據合併到一個檔案,這樣可以象運算元據庫一樣方便,但無須用戶編程即可實現。
設定項目類型作為數據的項目類型,除按鈕(button)(文字項目)、數值項目以外,還可以設定日期表示形式的日期數據項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。
期間設定日期項目數據可以根據年度或季度等組合後生成新的期間項目。同樣,時間項目數據可以根據上午、下午或時間帶等組合後生成新的時間項目。
設定等級對於數值項目,可以任意設定等級,生成與之相對應的按鈕。例如,可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。
分析功能 關聯/限定關聯分析主要用於發現不同事件之間的關聯性,即一個事件發生的同時,另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。其主要依據是,事件發生的機率和條件機率應該符合一定的統計意義。D系統把這種關聯的分析設計成按鈕的形式,通過選擇有/無關聯,同時/相反的關聯。對於結構化的數據,以客戶的購買習慣數據為例,利用D系統的關聯分析,可以發現客戶的關聯購買需要。例如,一個開設儲蓄賬戶的客戶很可能同時進行債券交易和股票交易。利用這種知識可以採取積極的行銷策略,擴展客戶購買的產品範圍,吸引更多的客戶。

分析功能

顯示數值比例/指示顯示順序D系統可使數值項目的數據之間的比例關係通過按鈕的大小來呈現,並顯示其構成比,還可以改變數值項目數據的排列順序等。選擇按鈕後,動態顯示不斷發生變化。這樣能夠獲得直觀的數據比較效果,並能夠凸顯差異,便於深入分析現象背後的本質。
監視功能預先設定條件,使符合條件的按鈕顯示報警(紅)、注意(黃)信號,使問題所在一目了然。比如說:上季度營業額少於100萬元的店警告(黃色標出),少於50萬元的報警(紅色標出)。執行後,D系統就把以店名命名的按鈕用相應的顏色表示出來。
按鈕增值功能可將多個按鈕組合,形成新的按鈕。比如:把[4月]、[5月]、[6月]三個按鈕組合後得到新的按鈕[第2季度]。
記錄選擇功能從大量數據中選擇按鈕,取出必要的數據。挑出來的數據可重新構成同樣的操作環境。這樣用戶可以把精力集中在所關心的數據上。
多媒體情報表示功能由數位相機拍攝的照片或影像檔案、通過掃瞄器輸入的圖形等多媒體檔案、文字處理或者電子表格軟體做成的報告書、HTML等標準形式保存的檔案等,可以通過按鈕進行查找。
分割按鈕功能在分割特定按鈕類的情況下,只需切換被分割的個別按鈕,便可連線不斷實行已登錄過的定型處理。
程式調用功能把通過按鈕查找抽取出的數據,傳給其他的軟體或用戶原有的程式,並執行這些程式。
查找按鈕名稱功能通過按鈕名查找按鈕,可以指定精確和模糊兩種查找方法。另外,其他的按鈕類也可以對查找結果相關的數據進行限定。
豐富畫面 列表畫面可以用and/or改變查找條件,可以進行統計/排序。統計對象只針對數值項目,統計方法分三種:合計、件數、平均,而且可以按照12種方式改變數值的顯示格式。
商業智慧型FineBI監視紅綠燈功能商業智慧型FineBI監視紅綠燈功能

豐富畫面

視圖畫面提供切換視角和變換視圖功能,通過變換與設定條件相應的數值(單元格)的顏色表示強調。依次變換視角可進行多方面的數據分析。視圖的統計對象只針對數值項目,統計方法有合計、平均、構成比(縱向、橫向)、累計(縱向、橫向)、加權平均、最大、最小、最新和絕對值等12種。
數值項目切換通過按鈕類的階層化(行和列最多可分別設定8層),由整體到局部,一邊分層向下挖掘,一邊分析數據,可以更加明確探討問題所在。
圖表畫面D系統使用自己開發的圖形庫,提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上,也可以像在階層視圖一樣,自由地對層次進行挖掘和返回等操作。
數據輸出 列印統計列表和圖表畫面等,可將統計分析好的數據輸出給其他的應用程式使用,或者以HTML格式保存。

數據輸出

定型處理 所需要的輸出被顯示出來時,進行定型登錄,可以自動生成定型處理按鈕。以後,只需按此按鈕,即使很複雜的操作,也都可以將所要的列表、視圖和圖表顯示出來。

定型處理

體系結構

通常決策支持系統由數據採集的整合、數據呈現及分析兩部分組成。前者將企業的各種數據源(ERP、OA等)進行多維度、多角度的採集並整合,供下一步分析使用;後者通過量身定做的數據抽取、轉換導入工具,建立數據倉庫或數據集市。在數據集市的基礎之上,建立銷售、採購結算、儲運、財務、成本、預算、盈虧、績效、客戶等各種分析模型,這些模型存放在多維資料庫中,利用線上分析工具以圖表、旋轉透視表等方式提供給企業各個管理層次的信息需求者實現商業智慧型。同時,還可以嵌入第三方的工具,將決策支持信息通過WAP手機、PDA、移動PC等設備輕鬆快捷地傳送到信息使用者和最終管理者的手中。

套用範圍

商業智慧型系統可輔助建立信息中心,如產生各種工作報表和分析報表。用作以下分析:
銷售分析主要分析各項銷售指標,例如毛利、毛利率、交叉比、銷進比、盈利能力、周轉率、同比、環比等等;而分析維又可從管理架構、類別品牌、日期、時段等角度觀察,這些分析維又採用多級鑽取,從而獲得相當透徹的分析思路;同時根據海量數據產生預測信息、報警信息等分析數據;還可根據各種銷售指標產生新的透視表。
商品分析商品分析的主要數據來自銷售數據和商品基礎數據,從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等,從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過D系統對這些指標的分析來指導企業商品結構的調整,加強所營商品的競爭能力和合理配置。
人員分析通過D系統對公司的人員指標進行分析,特別是對銷售人員指標(銷售指標為主,毛利指標為輔)和採購人員指標(銷售額、毛利、供應商更換、購銷商品數、代銷商品數、資金占用、資金周轉等)的分析,以達到考核員工業績,提高員工積極性,並為人力資源的合理利用提供科學依據。主要分析的主題有,員工的人員構成、銷售人員的人均銷售額、對於銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、採購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量如何等等。

實施步驟

實施商業智慧型系統是一項複雜的系統工程,整個項目涉及企業管理,運作管理,信息系統,數據倉庫,數據挖掘,統計分析等眾多門類的知識。因此用戶除了要選擇合適的商業智慧型軟體工具外還必須按照正確的實施方法才能保證項目得以成功.商業智慧型項目的實施步驟可分為:
(1)需求分析:需求分析是商業智慧型實施的第一步,在其他活動開展之前必須明確的定義企業對商業智慧型的期望和需求,包括需要分析的主題,各主題可能查看的角度(維度);需要發現企業那些方面的規律.用戶的需求必須明確。
(2)數據倉庫建模:通過對企業需求的分析,建立企業數據倉庫的邏輯模型和物理模型,並規劃好系統的套用架構,將企業各類數據按照分析主題進行組織和歸類。
(3)數據抽取:數據倉庫建立後必須將數據從業務系統中抽取到數據倉庫中,在抽取的過程中還必須將數據進行轉換,清洗,以適應分析的需要。
(4)建立商業智慧型分析報表:商業智慧型分析報表需要專業人員按照用戶制訂的格式進行開發,用戶也可自行開發(開發方式簡單,快捷)。
(5)用戶培訓和數據模擬測試:對於開發—使用分離型的商業智慧型系統,最終用戶的使用是相當簡單的,只需要點擊操作就可針對特定的商業問題進行分析。
(6)系統改進和完善:任何系統的實施都必須是不斷完善的。商業智慧型系統更是如此,在用戶使用一段時間後可能會提出更多的,更具體的要求,這時需要再按照上述步驟對系統進行重構或完善。
商業智慧型FineBI的系統架構/實施步驟商業智慧型FineBI的系統架構/實施步驟

主要套用

在多變的市場環境下,企業必須力爭成為市場的支配者,而不是追隨者。商業智慧型的最大好處是可以得到最精確、最及時的信息,幫助企業贏得競爭優勢。企業的決策者們可以據此分析顧客的消費趨勢,培養忠實顧客,加強與供應商的聯繫,減少財政支出,挖掘新的商業機會,分析未來發展趨勢,展開商業策略,調整產品結構、分銷渠道、工作流程和服務方式等。
商業智慧型涉及到複雜的過程和眾多相關的技術,它的體系結構能夠適應日益增長的工作量和用戶的需求,商業智慧型能“從根本上幫助你把公司的運營數據轉化成為高價值的可以獲取的信息或知識,並且在恰當的時候通過恰當的方式把恰當的信息傳遞給恰當的人”。
在實踐中,可以以多種形式來套用,我們知道,商業智慧型可以幫助我們找到所需要的信息,並且對其進行共享和分析,商業智慧型的主要套用表現在:
(1)整合企業內部和外部的信息
這些信息可以是存儲在資料庫、數據集市、數據倉庫中的數據,也可以是在SCM、CRM、ERP、BPR、SFA等企業套用系統中產生的非結構化的任意檔案(HTML、文本、電子表格、DOC等)。
(2)簡單的報告和查詢
在這一層次,商業智慧型僅僅是把信息進行粗加工。上個月Y產品的銷售量是多少?我們擁有多少客戶?用戶向系統提出的問題是“告訴我發生了什麼”。
(3)線上分析處理(OLAP)
</strong>商業智慧型工具能夠讓用戶分析信息,創造增值信息和對信息更好地融會貫通。在哪個地區我們的產品獲得了最大的成功?哪部分用戶購買了什麼品種的產品?在簡單報告的基礎上,我們可以進一步提出很多問題。不僅要問發生了什麼,還要問為什麼要發生。
(4)經理信息系統(EIS)
目前領導獲取業務信息的基本手段是報表,由於種種原因,完全依靠信息部門編制的報表無法完全滿足領導對信息的需求,而且查閱大量的企業報表會占用高層領導很多的時間。在商業智慧型分析軟體基礎上建立的高層領導信息系統,可以幫助行業的各級領導,快速方便地獲取信息。同時,利用相關工具的主動查詢機制,可以對信息數據中與行業業務相關的關鍵數據進行查詢,通過查詢如果發現行業運行的不正常情況,系統會自動通過各種手段向領導報告,提醒相關領導者關注出現的問題。
(5)數據鑽取
通過統計方法,可以詳細展現未來的景象。比如說,通過利用商業智慧型工具,我們能夠預測哪種客戶最有可能購買我們的新產品。市場行銷戰略由此可以集中在有限的一部分客戶中。企業的市場行銷戰略由此也更為有效,成本也可以降低。在這種情況下,我們的問題就是:告訴我未來會發生什麼。
(6)全地域信息支持
</strong>商業智慧型平台不僅僅局限在企業內部,而且可以擴展到一個比較大的範圍,讓更多的用戶來共享信息。信息可能存儲在組織的不同資料庫中,還可能在組織之外,還可能包括聲音和圖像。商業智慧型能在任意的地域、恰當的時機為企業和組織的用戶提供快捷、及時、準確的信息,從而大大提高他們的判斷能力和決策水平。
(7)監控企業基礎績效指標
企業基礎績效指標從企業套用系統中經“萃取”計算而得,這些套用系統包括銷售、市場、客戶服務、財務、人力資源、製造和供應鏈等。商業智慧型系統的績效信息架構能根據基礎指標設定企業目標,並即時對比實際狀況與計畫值,建議可能的應變行動。通過績效信息架構,系統能計算商業智慧型信息,提供企業主管即時信息,企業主管並能進一步分析與查詢整體或細節資料。
(8)挖掘業務規律
</strong>採用數據挖掘方法從資料庫中抽取隱含的、以前未知的、具有潛在套用價值的信息。數據挖掘與傳統分析工具不同的是數據挖掘使用的是基於發現的方法,運用模式匹配和其它算法決定數據之間的重要聯繫。
商業智慧型技術是一個聯繫信息生產者和信息使用者的完整的信息供應鏈。它可以使組織中的工作人員按照他們的需要,利用合適的工具來獲得企業信息,進而增強企業核心競爭力。
這個全新的供應鏈關係可使信息技術人員充分發揮他們在資料庫管理、安全保障、基礎設施維護、報表編寫和分發等方面的優勢,同時使得信息用戶可以依靠他們自己的業務知識,把注意力集中在回答商業業務問題上。
鋼鐵貿易雖然有了大量的交易基礎數據,但當今系統僅能做簡單的統計分析,不能有針對性的為決策提供支持報表及分析。使得許多管理者要花費80%的時間進行數據的分析,真正用於決策的時間只有20%。同時還要為大量的分析工作配備龐大的專業分析隊伍。

決策注入活力

商業智慧型是在ERP等信息化管理系統的基礎上提出的,是基於信息技術構建的智慧型化管理工具,它對ERP、CRM、SCM等系統生成的企業數據進行各種分析,並給出報告,幫助管理者認識企業和市場的現狀,做出正確的決策。
(1)BI迎合了企業的需求。BI能夠運算大量信息,然後為企業找出市場趨勢、經營上的問題,以及發現市場新機會。
(2)BI為企業提供的決策支持效果明顯。BI由於是基於對企業一手資料的分析,因而對企業的決策效果顯著。
(3)BI能讓企業所有員工自己進行資料分析,從而發現問題,這是原先一些決策支持系統所不具備的功能。一般而言,BI系統會將海量信息進行分類,讓相關信息聚集在一起,如財務、存貨、質量等主題。等到需要特定信息時,你就可以用BI軟體去搜尋你需要的信息。
(4)數據蒐集、數據挖掘已為BI提供了良好的基礎,企業對BI的需求上升。決策者希望能夠利用現有數據指導企業決策和提升企業競爭優勢,這些數據若用於決策支持會帶來顯著的附加值。若再加上行業分析報告、獨立的市場調查、評測結果和顧問評估等外來數據,上述處理過程產生的效益可進一步增強。所以說,商業智慧型近年來逐漸成為熱點可以說是企業信息化發展到一定程度的必然。BI正是以數據倉庫為基礎,運用了OLAP工具、數據挖掘等技術,為企業的決策提供支持。

主要套用

對於BI的套用,幾乎每個企業都需要,以下結合作者的實際工作經驗討論一下BI在鋼鐵貿易領域的主要套用。
(1)銷售分析
</strong>每日按地區、部門、銷售員和產品生成銷售情況的匯總,給經理提供比較和趨勢分析,有助於確定問題和機會。BI套用能夠分析和評價以往產品的銷售,以確定產品成功或失敗的因素。藉助DSS,可以利用全公司的數據來推測一個決策所隱含的利潤和收入。
(2)市場分析
市場分析決策模組包括:(1)市場面分布分析;(2)市場產品競爭分析;(3)價格變動對需求影響程度分析;(4)開闢新市場分析等。為此,決策支持系統應提供市場潛力模型,以便支持管理者考慮提高產品競爭能力,占領未實現市場,開闢未開發市場。這些模型作為銷售決策的支持工具,可用於正確選擇企業產品的目標市場和重點市場,制定開拓、占領和擴大市場的方針、戰備和策略,正確地制定產品的價格政策和促銷策略等,提高企業生產經營活動的經濟效益。
(3)客戶分析
</strong>決策支持系統套用可以利用統計工具來分析每天收集的交易數據,以確定各種類型客戶的消費模式,然後採取相應的行銷措施,從而實現最大的利潤。對於重點客戶要提供更好的服務和更優惠的價格策略;對於潛在客戶要進行促銷以爭取;對於易流失的客戶要分析原因以挽回。
(4)市場研究
市場研究包括:利用預測模型分析得出每種產品的增長模式,以便作出終止或者擴張某種產品的適當決定;企業品牌和形象的研究,以便提高企業和品牌的知名度和美譽度;分析客戶滿意度;市場規模和潛在規模的研究等。
(5)財務分析
按年、月、日或其它自定義周期來進行實際費用和花費的比較;審查過去現金流的趨勢,並預測未來的現金需求量;複雜項目的預算計畫和成本分攤;整合各分支機構的財務數據,形成正確、一致的財務報表。
(6)企業分析
</strong>企業分析包括贏利能力、流動比率、市場份額、人力資源分析,還包括廣告分析,產品定價,每周(每天)的銷售結果,客戶的銷售潛力、市場趨勢,對外貿易和匯率,行業趨勢,勞動力成本趨勢等。
(7)產品成本分析
</strong>根據資料庫中產品的採購價格、銷售價格、產品運費、倉儲費、其他管理費用、資金成本費用、銷售量等分析維度數據和分析實體數據,生成產品成本分析數據源,在此基礎上統計各種產品的成本狀況。利用這些基礎分析數據靈活生成各類採購分析報表,並採用鑽取、迴轉和旋轉等分析手段,分析尋找產品成品的其它感興趣結果。
(8)價格分析
用系統提供的模型,或者是用戶自己定義函式,分析價格浮動比例,歸類某一時間段內價格增幅或降幅較大的產品,分析價格浮動原因,以便及時有效地制定或調整行銷、採購、庫存政策。價格預警分析,觀測產品最高價和最低價超出警戒線的高度,並評測其與預定價格之間的比例關係,及時掌握該產品市場價格異常情況。
商業智慧型FineBI分析示例商業智慧型FineBI分析示例

企業效益

商業智慧型幫助企業的管理層進行快速,準確的決策,迅速的發現企業中的問題,提示管理人員加以解決。但商業智慧型軟體系統不能代替管理人員進行決策,不能自動處理企業運行過程中遇到的問題.因此商業智慧型系統並不能為企業帶來直接的經濟效益,但必須看到,商業智慧型為企業帶來的是一種經過科學武裝的管理思維,給整個企業帶來的是決策的快速性和準確性,發現問題的及時性,以及發現那些對手未發現的潛在的知識和規律,而這些信息是企業產生經濟效益的基礎,不能快速,準確地指定決策方針等於將市場送給對手,不能及時發現業務中的潛在信息等於浪費自己的資源。比如,通過對銷售數據的分析可發現各類客戶的特徵和喜歡購買商品之間的聯繫,這樣就可進行更有針對性的精確的促銷活動或向客戶提供更具有個性的服務等,這都會為企業帶來直接的經濟效益。

市場分析

製造業是商業智慧型的重要市場
ManufacturingInsights(IDC公司附屬公司)的報告顯示,2004年亞太區(不含日本)製造業IT市場規模為137億美元,預計該市場將以11.4%的年複合增長率平穩增長,到2008年市場規模將達210億美元。2004年底,亞太區(不含日本)製造業IT支出共137億美元,其中離散製造占78.6%,流程製造占22.4%。由於市場全球化和自由化帶來了更加激烈的競爭和複雜性,亞太區(不含日本)的許多製造商繼續對IT進行投資,以提高運營效率,更好地控制不斷增長的業務成本。隨著越來越多的製造商在華建立了生產基地,降低成本並占領巨大的國內市場,這些製造商需要對主要的IT基礎架構、套用和服務進行投資以使其運營能夠健康平穩地發展,並獲得領先優勢。這將繼續促進中國和海外製造商的製造業IT投資。在對基礎架構投入大量資金的同時,在中國和印度這樣的新興大型市場的許多製造商將繼續對企業資源管理(ERM)和商務智慧型(BI)解決方案進行投資,從而為更好的內部協作和決策制定提供基礎平台。
IDC的報告顯示,2004年亞太區(不含日本)商務智慧型(BI)工具軟體市場規模為2.332億美元,預計該市場將以12.3%的年複合增長率迅猛增長,到2009年市場規模將達4.173億美元,增長預計主要源於中國和印度日益發展的經濟。這兩國近幾年更加健康的經濟環境和不斷增多的套用系統部署為未來5年BI工具的採用打下了基礎。有關專家指出,隨著網際網路的普及,在決策支持系統基礎上發展商業智慧型已成為必然。隨著基於網際網路的各種信息系統在企業中的套用,企業將收集越來越多的關於客戶、產品及銷售情況在內的各種信息,這些信息能幫助企業更好地預測和把握未來。所以,電子商務的發展也推動了商業智慧型的進一步套用。
從行業發展來看,商業智慧型作為業務驅動的決策支持系統,其發展是以較為完善企業的信息系統和穩定的業務系統為基礎的。商業智慧型未來的套用與行業內信息化的基礎狀況密切相關,以製造型企業為主,其次是流通企業,這兩個領域將是商業智慧型不可忽視的新市場。企業隨著信息化水平的提高,商業智慧型產品將會與ERP和CRM等管理軟體進一步融合,目前很多ERP廠商都把商業智慧型嵌入到相應的ERP系統內,比如SAP的ERP就嵌套了BO公司的商業智慧型產品,AD也與和勤軟體進行了類似的合作。
當然,商業智慧型如ERP一樣,實施中存在著一定的風險,企業首先要認清自身的需求情況,在選擇合作夥伴的同時也要進行充分的了解。各主流廠商都有各自的優勢,比如SAS的數據挖掘、Hyperion的預算與報表合併、BO的數據分析與報告等。而商業智慧型產品的發展趨勢必將是整合平台基礎上的集成化套用。如何切實了解自身需求、選擇具有優勢的廠商產品,將是企業實施商業智慧型成功的關鍵。

發展趨勢

與DSS、EIS系統相比,商業智慧型具有更美好的發展前景。近些年來,商業智慧型市場持續增長。IDC預測,到2005年,BI市場將達到118億$,平均年增長率為27%(InformationAccessToolsMarketForecastandAnalysis:2001-2005,IDC#24779,June2001)。隨著企業CRM、ERP、SCM等套用系統的引入,企業不停留在事務處理過程而注重有效利用企業的數據為準確和更快的決策提供支持的需求越來越強烈,由此帶動的對商業智慧型的需求將是巨大的。
商業智慧型的發展趨勢可以歸納為以下幾點:
功能上具有可配置性、靈活性、可變化性
BI系統的範圍從為部門的特定用戶服務擴展到為整個企業所有用戶服務。同時,由於企業用戶在職權、需求上的差異,BI系統提供廣泛的、具有針對性的功能。從簡單的數據獲取,到利用WEB和區域網路、廣域網進行豐富的互動、決策信息和知識的分析和使用。
解決方案更開放、可擴展、可按用戶定製,在保證核心技術的同時,提供客戶化的界面
針對不同企業的獨特的需求,BI系統在提供核心技術的同時,使系統又具個性化,即在原有方案基礎上加入自己的代碼和解決方案,增強客戶化的接口和擴展特性;可為企業提供基於商業智慧型平台的定製的工具,使系統具有更大的靈活性和使用範圍。
從單獨的商業智慧型向嵌入式商業智慧型發展
這是目前商業智慧型套用的一大趨勢,即在企業現有的套用系統中,如財務、人力、銷售等系統中嵌入商業智慧型組件,使普遍意義上的事務處理系統具有商業智慧型的特性。考慮BI系統的某個組件而不是整個BI系統並非一件簡單的事,比如將OLAP技術套用到某一個套用系統,一個相對完整的商業智慧型開發過程,如企業問題分析、方案設計、原型系統開發、系統套用等過程是不可缺少的。
從傳統功能向增強型功能轉變
增強型的商業智慧型功能是相對於早期的用SQL工具實現查詢的商業智慧型功能。目前套用中的BI系統除實現傳統的BI系統功能之外,大多數已實現了圖2中數據分析層的功能。而數據挖掘、企業建模是BI系統應該加強的套用,以更好地提高系統性能。

面臨的問題

經過幾年的積累,大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是:通過業務人員或者用戶的操作,最終對資料庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(OnlineTransactionProcess,線上事務處理),指的就是系統運行了一段時間以後,必然幫助企事業單位收集大量的歷史數據。但是,在資料庫中分散、獨立存在的大量數據對於業務人員來說,只是一些無法看懂的天書。業務人員所需要的是信息,是他們能夠看懂、理解並從中受益的抽象信息。此時,如何把數據轉化為信息,使得業務人員(包括管理者)能夠充分掌握、利用這些信息,並且輔助決策,就是商業智慧型主要解決的問題。如何把資料庫中存在的數據轉變為業務人員需要的信息?大部分的答案是報表系統。簡單說,報表系統已經可以稱作是BI了,它是BI的低端實現。
現在國外的企業,大部分已經進入了中端BI,叫做數據分析。有一些企業已經開始進入高端BI,叫做數據挖掘。而我國的企業,目前大部分還停留在報表階段。
數據報表不可取代
傳統的報表系統技術上已經相當成熟,大家熟悉的Excel、水晶報表、ReportingService等都已經被廣泛使用。但是,隨著數據的增多,需求的提高,傳統報表系統面臨的挑戰也越來越多。
1.數據太多,信息太少
密密麻麻的表格堆砌了大量數據,到底有多少業務人員仔細看每一個數據?到底這些數據代表了什麼信息、什麼趨勢?級別越高的領導,越需要簡明的信息。如果我是董事長,我可能只需要一句話:目前我們的情況是好、中還是差?
2.難以互動分析、了解各種組合
定製好的報表過於死板。例如,我們可以在一張表中列出不同地區、不同產品的銷量,另一張表中列出不同地區、不同年齡段顧客的銷量。但是,這兩張表無法回答諸如“華北地區中青年顧客購買數位相機類型產品的情況”等問題。業務問題經常需要多個角度的互動分析。
3.難以挖掘出潛在的規則
報表系統列出的往往是表面上的數據信息,但是海量數據深處潛在含有哪些規則呢?什麼客戶對我們價值最大,產品之間相互關聯的程度如何?越是深層的規則,對於決策支持的價值越大,但是,也越難挖掘出來。
4.難以追溯歷史,數據形成孤島
業務系統很多,數據存在於不同地方。太舊的數據(例如一年前的數據)往往被業務系統備份出去,導致巨觀分析、長期歷史分析難度很大。
因此,隨著時代的發展,傳統報表系統已經不能滿足日益增長的業務需求了,企業期待著新的技術。數據分析和數據挖掘的時代正在來臨。值得注意的是,數據分析和數據挖掘系統的目的是帶給我們更多的決策支持價值,並不是取代數據報表。報表系統依然有其不可取代的優勢,並且將會長期與數據分析、挖掘系統一起並存下去。八維以上的數據分析
如果說OLTP側重於對資料庫進行增加、修改、刪除等日常事務操作,OLAP(OnlineAnalyticsProcess,線上分析系統)則側重於針對巨觀問題,全面分析數據,獲得有價值的信息。
為了達到OLAP的目的,傳統的關係型資料庫已經不夠了,需要一種新的技術叫做多維資料庫。
多維資料庫的概念並不複雜。舉一個例子,我們想描述2003年4月份可樂在北部地區銷售額10萬元時,牽扯到幾個角度:時間、產品、地區。這些叫做維度。至於銷售額,叫做度量值。當然,還有成本、利潤等。
除了時間、產品和地區,我們還可以有很多維度,例如客戶的性別、職業、銷售部門、促銷方式等等。實際上,使用中的多維資料庫可能是一個8維或者15維的立方體。
雖然結構上15維的立方體很複雜,但是概念上非常簡單。
數據分析系統的總體架構分為四個部分:源系統、數據倉庫、多維資料庫、客戶端。
源系統:包括現有的所有OLTP系統,搭建BI系統並不需要更改現有系統。
數據倉庫:數據大集中,通過數據抽取,把數據從源系統源源不斷地抽取出來,可能每天一次,或者每3個小時一次,當然是自動的。數據倉庫依然建立在關係型資料庫上,往往符合叫做“星型結構”的模型。
多維資料庫:數據倉庫的數據經過多維建模,形成了立方體結構。每一個立方體描述了一個業務主題,例如銷售、庫存或者財務。
客戶端:好的客戶端軟體可以把多維立方體中的信息豐富多彩地展現給用戶。
數據分析案例:
在實際的案例中,我們利用Oracle9i搭建了數據倉庫,MicrosoftAnalysisService2000搭建了多維資料庫,ProClarity6.0作為客戶端分析軟體。
分解樹好像一個組織圖。分解樹在回答以下問題時很有效:
在指定的產品組內,哪種產品有最高的銷售額?
在特定的產品種類內,各種產品間的銷售額分布如何?
哪個銷售人員完成了最高百分比的銷售額?
數據挖掘看穿你的需求
廣義上說,任何從資料庫中挖掘信息的過程都叫做數據挖掘。從這點看來,數據挖掘就是BI。但從技術術語上說,數據挖掘(DataMining)特指的是:源數據經過清洗和轉換等成為適合於挖掘的數據集。數據挖掘在這種具有固定形式的數據集上完成知識的提煉,最後以合適的知識模式用於進一步分析決策工作。從這種狹義的觀點上,我們可以定義:數據挖掘是從特定形式的數據集中提煉知識的過程。數據挖掘往往針對特定的數據、特定的問題,選擇一種或者多種挖掘算法,找到數據下面隱藏的規律,這些規律往往被用來預測、支持決策。
關聯銷售案例:
美國的超市有這樣的系統:當你採購了一車商品結賬時,售貨員小姐掃描完了你的產品後,計算機上會顯示出一些信息,然後售貨員會友好地問你:我們有一種一次性紙杯正在促銷,位於F6貨架上,您要購買嗎?
這句話決不是一般的促銷。因為計算機系統早就算好了,如果你的購物車中有餐巾紙、大瓶可樂和沙拉,則86%的可能性你要買一次性紙杯。結果是,你說,啊,謝謝你,我剛才一直沒找到紙杯。
這不是什麼神奇的科學算命,而是利用數據挖掘中的關聯規則算法實現的系統。
每天,新的銷售數據會進入挖掘模型,與過去N天的歷史數據一起,被挖掘模型處理,得到當前最有價值的關聯規則。同樣的算法,分析網上書店的銷售業績,計算機可以發現產品之間的關聯以及關聯的強弱。
數據報表、數據分析、數據挖掘是BI的三個層面。我們相信未來幾年的趨勢是:越來越多的企業在數據報表的基礎上,會進入數據分析與數據挖掘的領域。商業智慧型所帶來的決策支持功能,會給我們帶來越來越明顯的效益。

軟體廠商

目前國內市場主要商業智慧型軟體廠商有:金蝶、用友、IBM、Power-BI、ORACLE、SAP、SAS、Sybase、Analyzer、微軟、菲奈特、和勤

相關詞條

熱門詞條

聯絡我們