商务智能 是什么? 不是什么?

 商务智能的定义不说多如牛毛,也是众说纷纭。人们对商务智能的理解如同那七个印度盲人对大象的理解:有人认为它是高级管理人员信息系统(EIS),有人认为它是管理信息系统(MIS),有人认为它是决策支持系统(DSS); 有人说它是数据库技术,有人说它是数据仓库,有人说它是数据集市,有人说它是数据整合与清洗工具,有人说它是查询和报告工具,有人说它是在线分析处理工具,有人说它是数据挖掘,有人说它是统计分析;有人把它当作分析性ERP, 有人把它当作分析性CRM, 有人把它当作分析性SCM, 有人把它当作企业绩效管理,有人把它当作平衡记分卡……

  商务智能是什么?

  商务智能的定义不说多如牛毛,也是众说纷纭。人们对商务智能的理解如同那七个印度盲人对大象的理解:有人认为它是高级管理人员信息系统(EIS),有人认为它是管理信息系统(MIS),有人认为它是决策支持系统(DSS); 有人说它是数据库技术,有人说它是数据仓库,有人说它是数据集市,有人说它是数据整合与清洗工具,有人说它是查询和报告工具,有人说它是在线分析处理工具,有人说它是数据挖掘,有人说它是统计分析;有人把它当作分析性ERP, 有人把它当作分析性CRM, 有人把它当作分析性SCM, 有人把它当作企业绩效管理,有人把它当作平衡记分卡……

  真正的商务智能包括上述的一切但又不止上述的一切, 因而我们无法把上述的一切简单地加起来就给商务智能下定义。笔者在总结商务智能的定义的众多版本之后,给商务智能下了这样一个定义:

  “商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息,创造和累计商务知识和见解,改善商务决策水平,采取有效的商务行动,完善各种商务流程,提升各方面商务绩效,增强综合竞争力的智慧和能力。”

  下面,笔者就这一定义的语义要素进行分解:

  企业——这里用“组织机构”或“实体”会显得更完整,因为所有的组织机构和实体(不只是企业)都可以而且应该利用商务智能;之所以仍用“企业”是为保持与“商务”的一致性。各行各业,包括非企业性机构,比如政府部门、教育机构、医疗机构和公用事业等,都应该而且能够利用商务智能。

  利用现代信息技术——这是这一定义中的关键之一,现代信息技术的发展产生了信息经济和信息社会,在这一新型的经济和社会形态中,信息的爆炸式激增又产生了对能够处理和控制信息的新技术的强烈需求;商务智能就是新的信息技术在商务分析中的有效利用。商务智能过程中所涉及的信息技术主要有:从不同的数据源(交易系统或其他内容储存系统)收集的数据中提取有用的数据,对数据进行清理以保证数据的质量,将数据经转换、重构后存入数据仓库或数据集市(这时数据变为信息),然后寻找合适的查询、报告和分析工具和数据挖掘工具对信息进行处理(这时信息变为辅助决策的知识),最后将知识呈现于用户面前,转变为决策。

  收集——收集数据是管理和分析数据的前提,数据收集工作是十分重要的,必须引起企业的充分重视,在这方面中国企业与世界上发达国家中的先进企业之间的差距非常大,这是商务智能在中国还不能很快成熟起来的重要原因之一, 这应了中国的一句俗话:“巧妇难为无米之炊”。数据和信息的收集主要是通过各种交易系统进行的,比如企业资源规划(ERP)、客户关系管理(CRM)、供应链管理(SCM)和电子商务等系统。随着中国企业在这些方面的进步,数据和信息的数量会快速增长的。另外,信息,特别是非结构化的信息,来自公司各个部门和各个员工创造和收集的、没有放在上述交易系统中的内容。第三方也是企业收集数据和信息的一个重要来源,这样的外部数据和信息包括市场调研报告、人口统计报告、顾客信用报告等。

  管理——这里的“管理”主要是指对数据的储存、提取、清洗、转换、装载、整合等工作,其目的主要是为了提高数据的质量和安全性。

  和分析——“分析”是一个广泛的概念,这里包括数据查询、数据报告、多维分析、数据挖掘、高级统计分析等。大多数人理解的商务智能都集中在这些分析工具上。

  结构化——结构化的数据主要是指储存于各个交易系统背后的关系型数据库中的数据,通常都是以表格的形式存在和展现的。传统的商务智能概念只包括这种结构化的、可定量的数据。

  和非结构化的——非结构化的数据和信息主要是上面的提到的各个部门和各个员工创造和收集的、没有放在各种交易系统中的内容,通常是以零散的文件形式存在和展现的;新的商务智能概念纳入了非结构化内容的分析,但是非机构化的内容的管理仍然主要是通过文件管理和内容管理(Document Management & Content Management)软件来进行的。

  商务数据和信息——商务数据和信息并不能加以狭隘的理解,这里所致的商务数据和信息包括一切可能对商务产生影响的、直接和间接的数据和信息,往小里说包括顾客的名字、地址和电话号码等,往大里说包括过国际上的政治、经济、文化和军事情况等。

  创造和累计商务知识和见解——这是商务智能的第一层的目的和功能, 也是最直接的目的和功能;“知识和见解”正是“智能”得名的由来。

  改善商务决策水平——这是商务智能的更高一层的目的和功能,企业能否利用好这一功能、实现这一目的在很大程度上取决于领导者的意识和胸襟以及企业文化中决策科学化和民主化的成分。

  采取有效的商务行动——采取有效的商务行动是创造和累计商务知识和见解、改善商务决策水平的目的和动力。商务智能是能够指导实战的高明兵法,而不是“无所不知、但无能为力”的“纸上谈兵”。

  完善各种商务流程——残缺、散乱、僵化、低效的商务流程是企业的顽疾,商务智能能够为这一顽疾的诊断和治疗做出一定的贡献; 优化后自动化(请注意先后顺序)的商务流程反过来也会促进商务智能的发展。

  提升各方面商务绩效——这是商务智能在企业内部的最高目的和作用,有效的商务智能系统和技术能够帮助企业提升各个方面的绩效:财务的和非财务的,前台的和后台的,企业内的和供应链内的,组织的和个人的。企业绩效管理已成为热门的管理和技术概念,这既是因为各种软件厂商的推动又是因为企业所面临的绩效方面的压力的增大。

  增强综合竞争力的——这是商务智能在企业中的最高目的和作用。商务智能事关企业的兴衰成败和生死存亡。如今以及未来企业之间的竞争是主要是综合智能上的竞争,不管是中国企业还是外国企业,不管是国营企业还是民营企业,不管是大企业还是小企业,都必须提高企业经营和竞争活动中的智能水平,争取成为优秀的智能企业,否则一定会落后于智能上高人一等、捷足先登的企业。

  智慧和能力——把商务智能分为智慧和能力是因为真正的商务智能既有思想层面也有行动层面(而且“智能”本身可以一分为二、二合为一)。

  关于商务智能的所有图示之中与笔者上述定义最接近的是美国数据仓库研究院2003年推出的题为“二十一世纪的聪明公司”的调查报告中把商务智能比作“数据炼油厂”的图示(见图 1-1 )。

  图 1-1 作为数据炼油厂的商务智能

  资料来源:美国数据仓库研究院(www.dw-institute.com)

  希望读者在看过笔者对商务智能的定义的详解以后,能够认同并产生共鸣。如果您还能够不失时机地对其加以推广,相信对于统一和提高中国企业和员工对商务智能的认识将起到积极的作用。

  商务智能不是什么?

  虽然笔者给商务智能下了比较清楚、详尽的定义,但是估计还是有许多读者不能完全理解什么是商务智能。这也不奇怪,因为商务智能作为一个分析型系统只有在与企业的交易系统(订单输入、库存和运送等功能)相比较才能显得更加明了。

  商务智能与交易系统之间的差异主要体现在系统设计和数据类型上(见表 1-1 和表 1-2)。交易系统把结构强加于商务之上, 不管谁来进行一项交易活动,都会遵循同样的程序和规则,而且一旦一个交易系统设计出来以后,轻易不会改变。而商务智能则能适应商务,因为它是一个学习型系统,能不断适应商务不断变化的需求。在商务智能系统中,变化越多越好。如果商务智能不能变化以解决新的问题,就不能满足商务的需要。从技术的角度讲,商务智能系统中变化的是数据、数据模型、元数据、报告和应用软件。商务智能的真正挑战就在于设计和管理一个总在变化的系统, 这好比是一个没有终点的旅行。

  表 1-1 商务智能系统与交易系统在系统设计上的差异

交易系统

商务智能系统

流程自动化

决策支持

设计目标为效率

设计目标为效果

为商务设定结构

适应商务变化

对事件做出反应

预测事件

创造最优化的交易环境

创造最优化的查询和分析环境

  资料来源:美国数据仓库研究院

  交易系统和商务智能的区别还在于各自所管理的数据的类型不同。交易系统跟踪的是最近的交易情况,保留极有限的历史情况(通常只有60到90天)。而商务智能系统维持来自多个交易系统的、好多年的交易情况, 因而许多企业都保有几十甚至上百个Terabytes的数据(美国的希尔斯商店70个 Terabytes的数据,第二大折价连锁店凯玛特有90个Terabytes的数据, 第一大折价连锁店沃尔玛到2002年底就有284个Terabytes的数据,联合利华单独北美公司就有106个Terabytes的数据)。 商务智能系统通过总结和计算建立需要跟踪的商务指标。商务智能之所以要从交易系统中独立出来,是因为二者放在一起会互相影响、两败俱伤, 后者不能保证查询、分析和报告所需要的速度,前者影响后者的正常运行。

  表 1-2 商务智能系统与交易系统在数据类型上的差异

交易系统

商务智能系统

当下

历史

不断更新

定期更新

因来源不同而不同

整合的

以应用软件导向的

以主题为导向的

只有细节层面的

细节的、总结过的和衍生的均有

posted on 2009-03-08 17:00  smwikipedia  阅读(396)  评论(0编辑  收藏  举报

导航