{

\"code\": 200,

\"title\": \"\",

\"content\": \"商業智慧的概念於1996年最早由加特納集團（GartnerGroup）提出，加特納集團將商業智慧定義為：商業智慧描述了一係列的概念和方法，通過應用基於事實的支援係統來輔助商業決策的製定。商業智慧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資訊，然後分發到企業各處。\\n\\n商業智慧，又稱商務智慧，英文為BusinessIntelligence，簡寫為BI。\\n\\n目前，學術界對商業智慧的定義並不統一。商業智慧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係統的訂單、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。而商業智慧能夠輔\\n\\n商業智慧\\n\\n助的業務經營決策，既可以是操作層的，也可以是戰術層和\\n\\n商業智慧戰略層的決策。\\n\\n為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層麵上講，商業智慧不是什麼新技術，它隻是數據倉庫、OLAP和數據挖掘等技術的綜合運用。\\n\\n可以認為，商業智慧是對商業資訊的蒐集、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。商業智慧一般由數據倉庫、聯機分析處理、數據挖掘、數據備份和恢複等部分組成。商業智慧的實現涉及到軟件、硬體、谘詢服務及應用，其基本體繫結構包括數據倉庫、聯機分析處理和數據挖掘三個部分。\\n\\n因此，把商業智慧看成是一種解決方案應該比較恰當。商業智慧的關鍵是從許多來自不同的企業運作係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裡，從而得到企業數據的一個全域性視圖，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（這時資訊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援。\\n\\n提供商業智慧解決方案的著名IT廠商包括微軟、IBM、Oracle、Informatica、Microstrategy、BusinessObjects、Cognos、SAS、Royalsoft等。\\n\\n定義\\n\\n商業智慧定義為下列軟件工具的集合終端用戶查詢和報告工具。專門用來支援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。\\n\\nOLAP工具。提供多維數據管理環境，其典型的應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。\\n\\n數據挖掘（DataMining）軟件。使用諸如神經網絡、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。\\n\\n數據倉庫（DataWarehouse）和數據集市（DataMart）產品。包括數據轉換、管理和存取等方麵的預配置軟件，通常還包括一些業務模型，如財務分析模型。\\n\\n聯機分析處理(OLAP)的概念最早是由關係數據庫之父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作為一類產品同聯機事務處理(OLTP)明顯區分開來。\\n\\n當今的數據處理大致可以分成兩大類：聯機事務處理OLTP（On-LineTransactionProcessing）、聯機分析處理OLAP（On-LineAnalyticalProcessing）。OLTP是傳統的關係型數據庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數據倉庫係統的主要應用，支援複雜的分析操作，側重決策支援，並且提供直觀易懂的查詢結果。\\n\\nOLAP是使分析人員、管理人員或執行人員能夠從多角度對資訊進行快速、一致、互動地存取，從而獲得對數據的更深入瞭解的一類軟件技術。OLAP的目標是滿足決策支援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。\\n\\n“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。\\n\\nOLAP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。\\n\\n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彙總數據，或者減少維數；而drilldown則相反，它從彙總數據深入到細節數據進行觀察或增加新維。\\n\\n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佈。如果剩餘的維隻有兩個，則是切片；如果有三個，則是切塊。\\n\\n商業智慧\\n\\n商業智慧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\\n\\n換）。\\n\\nOLAP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。\\n\\nROLAP表示基於關係數據庫的OLAP實現（RelationalOLAP）。以關係數據庫為核心，以關係型結構進行多維數據的表示和存儲。ROLAP將多維數據庫的多維結構劃分爲兩類表：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、成員類彆等維的描述資訊。維表和事實表通過主關鍵字和外關鍵字聯絡在一起,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”。\\n\\nMOLAP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。\\n\\nHOLAP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。\\n\\n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查詢的特殊支援。\\n\\nOLAP工具是針對特定問題的聯機數據訪問與分析。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采取切片（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、多側麵地觀察數據庫中的數據，從而深入理解包含在數據中的資訊。\\n\\n主流的商業智慧工具包括BO、COGNOS、BRIO。一些國內的軟件工具平台如KCOM也整合了一些基本的商業智慧工具。\\n\\n根據綜合性數據的組織方式的不同，目前常見的OLAP主要有基於多維數據庫的MOLAP及基於關係數據庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據，ROLAP則利用現有的關係數據庫技術來模擬多維數據。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，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。\\n\\n數據質量與商業智慧\\n\\n數據質量在商業智慧中扮演的角色\\n\\n對於增強數據資產準確度和價值而言，將數據質量規則與活動（探查、清洗和監測）和MDM流程相整合顯得十分關鍵。在啟動任何MDM項目之前，您都需要瞭解源數據的內容、質量和結構。在數據源進行的數據探查使數據管理員和數據倉庫管理員能夠在數據進入MDM係統之前，快速發現和分析跨所有數據源的所有數據異常。此流程可極大加快從MDM實施中獲取價值。\\n\\n由於數據清洗增強了數據的準確度，帶來了數據完整性，並從源頭增進了數據的可信度，因此數據清洗改善了MDM係統中的數據一致性。一旦源數據進入MDM係統，它將接受數據質量處理，其中包括驗證、更正和標準化。MDM係統存儲了在數據清洗前後的整個曆史記錄，從而開發人員不必再跟蹤數據倉庫中的數據沿襲。\\n\\n最後，數據質量度量標準使數據倉庫管理員能夠更好地監控參考數據的質量，並確保可以長期持續使用高質量的數據。\\n\\n因此，從技術角度看，實施MDM和InformaticaDataQuality，作為數據倉庫中主數據的確定來源，可以從提取、轉換和加載（ETL）流程中簡化數據整合。此方法可極大減低與數據倉庫有關的整個開發和維護工作。通過建立數據質量度量標準和定義數據質量目標，數據倉庫管理員和數據管理員能夠更好地監控參考數據的質量，並確保隨著時間的推移能夠跨企業持續使用高質量的數據。MDM簡化了對數據倉庫維度更新的處理，因為用於確定更改內容的所有邏輯均封裝在MDM係統中。\\n\\n此外，MDM係統可以卸除大多數數據倉庫的曆史記錄跟蹤負擔，使數據倉庫僅管理它需要為進行聚合而應跟蹤的變更。此係統可帶來更小的數據倉庫維度以及對負荷和查詢效能的重大改進。運用MDM和InformaticaDataQuality將最終降低數據整合的工作量，提高從商業智慧和報表推導的洞察分析的質量，確保能夠從為商業智慧增效的數據倉庫方案中獲得預期的價值和投資回報。\\n\\n數據質量水平與商業智慧的關係\\n\\n當無法通過商業智慧係統和報告係統提供準確的數據時，業務總體上都會受到影響。以下是為創建報表的商業智慧係統提供不可靠數據所造成的一些後果：\\n\\n業務負責人：不準確的管理報告導致決策不夠明智。\\n\\n合規主管：合規性法案要求公司能為其財務和合規報表提供一定的透明度和可審計性。\\n\\n業務分析師：如果業務分析師花費過多時間在多個商業智慧係統間手動搜尋和整理資訊以更新和修正報表，則業務分析師的生產率會受到影響。此低效的工作會直接影響成本和營利能力。\\n\\n這些業務問題的根源在於冇有關於客戶、產品、渠道合作夥伴和供應商的唯一真實版本。由於在處理每個業務流程的不同係統間收集、存儲和管理這些數據（亦稱之為參考數據或主數據），因此，需要正確地解析重疊和衝突的參考數據，以獲得唯一真實版本，從而帶來寶貴而可操作的洞察力。許多組織擁有數十或數百數據庫，並且在這些數據庫中有維護相同核心參考對象的數十個（有時為數百個）不同的應用程式，而這些核心參考對象還具有重疊的屬性。\\n\\n商業智慧係統的用途是以中立的視角報告取自多個係統的現有數據。商業智慧係統可以為維度分析進行一些累積工作，但是設計或配備商業智慧係統並非為了創建唯一的真實版本。在取自應用程式孤島的客戶或產品數據中存在的不一致會對數據倉庫中運行的分析可靠性產生消極的影響。\\n\\n總而言之，企業的商業智慧隻會與企業的數據質量水平相當。\\n\\n數據質量與五種形式的商業智慧\\n\\n商業智慧已經發展成為多種形式，旨在滿足企業不斷增長的要求和任務關鍵型活動日益增長的水平。這些形式都有其自己的一套數據質量要求。\\n\\n記分卡和儀錶板\\n\\n記分卡和儀錶板正被廣泛采用，越來越多的用戶利用它們獲取財務，業務和績效監控的鳥瞰圖。通過可視化的圖形、圖標和計量表，這些傳輸機製幫助跟蹤效能指標並向員工通知相關趨勢和可能需要的決策。提供整合視圖所需的數據元素通常跨越多個部門和學科，需要絕對最新纔能有效。\\n\\n數據質量會影響記分卡和儀錶板用戶，因此這些用戶必須能夠：\\n\\n1．使用儀錶板中計量表和刻度盤上的完整數據，並迅速采取措施\\n\\n2．獲取整合視圖並使用標準化數據進行協作\\n\\n3．利用具有一致數據的正式記分卡方法\\n\\n4．向下鑽取以檢視組或個人級彆績效的準確數據\\n\\n5．找到能夠生成明顯趨勢且重複數據最少的業務流程\\n\\n6．推導關聯性並通過驗證的數據執行交叉影響分析\\n\\n企業報告\\n\\n企業報告為所有級彆的個人提供來自企業資源規劃（ERP）、客戶關係管理（CRM）、合作夥伴關係管理（PRM）、發票和帳單係統，以及整個企業內其他源係統的各種運營報告和其他業務報告。這些報告分佈廣泛，而薪酬和其他激勵計劃通常與報告的結果有關。\\n\\n數據質量會影響組織報告，因為組織必須：\\n\\n1．瀏覽多個報告，將它們顯示到從不同來源聚合數據的多個表單中\\n\\n2．選擇各種參數並通過標準化數據為用戶定製報告\\n\\n3．利用各種效能指標的協調數據呈現多個表格和圖表\\n\\n4．使業務用戶能夠利用高精準數據創建自己的報告，無需IT部門參與\\n\\n5.通過清洗和匹配的數據減少合規性管理的人工檢查和審計\\n\\n6．利用完整財務數據直接從商業智慧報告開具發票和帳單\\n\\nOLAP分析\\n\\nOLAP使用戶能夠即時以互動方式對相關數據子集進行“切片和切塊”。同時，OLAP功能，比如向上鑽取、向下鑽取、或任意挖掘（跨業務維度）、透視、排序、篩選、以及翻閱，可用於提供關於績效的基本詳細資訊。最為重要的是它能夠回答存在的任何業務問題。這意味著調查深入到單個或多個數據倉庫中可用的最原子級彆的詳細資訊。\\n\\n數據質量會影響OLAP分析，因為用戶和組織需要：\\n\\n1．通過對目標數據的完全訪問在所有維度中任意鑽取以進行深入調查\\n\\n2．通過設置好格式的一致數據將OLAP輕鬆應用於任何維度子集\\n\\n3．利用一致的基本數據對象最大限地減少衝突報告，確保互動性\\n\\n4．利用多個維度的正確數據執行用戶驅動的適時分析\\n\\n5．提供更新的同步數據來處理事務級數據分析\\n\\n高級\\/預測分析\\n\\n高級和預測分析使富有經驗的用戶能夠充分調查和發現特定業務績效背後的詳細資訊並使用該資訊預測遠期效果。此方法可能涉及高級統計分析和數據挖掘功能。為了推動積極決策和改進對潛在商業威脅的姿態，預測分析可能包括假設測試，客戶流失預測，供應和需求預測，以及客戶評分。預測建模可用於預測各種業務活動及相關效果。\\n\\n數據質量會影響高級和預測分析，因為用戶會尋求：\\n\\n1．為可定製報告創建跨越任何數據元素的報告過濾標準\\n\\n2．為標準化數據格式搜尋模式和預測洞察力以促進積極決策\\n\\n3．通過一致數據獲得信心，找出相互依存的趨勢和預期成果\\n\\n4．對準確數據采用多變量複原和其他技術，以實現更好的預測\\n\\n5．在無數據重複的前提下定製數據分組，最大限度減少衝突\\n\\n6．使用經認證的數據檢驗假設並使用統計、財務和數字函數\\n\\n通知和警報\\n\\n使用電子郵件、瀏覽器、網絡服務器和列印機、PDA或門戶網站時，通過通知和警報在廣泛的用戶觸點間主動共享資訊。通過及時交付目標資訊，關鍵相關人士和決策者可以識彆潛在的機會領域併發現要采取措施的問題領域。這種“一線”BI傳輸機製使組織能夠保持協調一致，與業務風險和機會並進，同時事件仍將保持新鮮和有意義以保證響應。\\n\\n在此領域，數據質量會影響組織，因為組織會努力：\\n\\n1．從任何和所有數據源向最廣泛的用戶接觸點釋出警報\\n\\n2．確保標準化及非衝突數據集上各種訂閱類型的高吞吐量\\n\\n3．使用戶能夠打開附件或點擊鏈接，同時呈現一致、整合的數據\\n\\n4．通過預先評定並覈準的數據質量來降低釋出錯誤警報和通知的風險\\n\\n5．允許在多個事件數據符合特定闕值時實時觸發警報\\n\\n6．利用經驗證的數據進行內容個性化和組關聯\\n\\n功能綜述\\n\\n目前，很多廠商活躍在商業智慧（下麵稱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、安全性控製、連接數據源以及訪問、分析和共享資訊的功能。BI平台的標準化也非常重要，因為這關係到與企業多種應用係統的相容問題，解決不了相容問題，BI係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係統模型（我們將其稱為D係統）進行功能解剖，來介紹BI係統。D係統是一個麵向終端使用者，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係統。D係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係統涵蓋了常規意義上商業智慧（BI）係統的功能，主要構架包括以下幾個方麵。\\n\\n讀取數據\\n\\nD係統可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的檔案，同時可讀取關係型數據庫(對應ODBC)中的數據。在讀取文字和數據的基礎上，D係統還可以完成：\\n\\n連接文字把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，這樣可以象操作數據庫一樣方便，但無須用戶編程即可實現。\\n\\n設置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，還可以設置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。\\n\\n期間設置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。\\n\\n設置等級對於數值項目，可以任意設置等級，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。\\n\\n分析功能\\n\\n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，事件發生的概率和條件概\\n\\n相關書籍\\n\\n率應該符合一定的統計意義。D係統把這種關聯的分析設計\\n\\n相關書籍成按鈕的形式，通過選擇\\n\\n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係統的關聯分析，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。利用這種知識可以采取積極的營銷策略，擴展客戶購買的產品範圍，吸引更多的客戶。\\n\\n顯示數值比例\\/指示顯示順序D係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，動態顯示不斷髮生變化。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。\\n\\n監視功能預先設置條件，使符合條件的按鈕顯示報警（紅）、注意（黃）信號，使問題所在一目瞭然。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係統就把以店名命名的按鈕用相應的顏色表示出來。\\n\\n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]。\\n\\n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。\\n\\n多媒體情報表示功能由數碼相機拍攝的照片或影像檔案、通過掃描儀輸入的圖形等多媒體檔案、文字處理或者電子錶格軟件做成的報告書、HTML等標準形式儲存的檔案等，可以通過按鈕進行查詢。\\n\\n分割按鈕功能在分割特定按鈕類的情況下，隻需切換被分割的個彆按鈕，便可連接不斷實行已登錄過的定型處理。\\n\\n程式調用功能把通過按鈕查詢抽取出的數據，傳給其他的軟件或用戶原有的程式，並執行這些程式。\\n\\n查詢按鈕名稱功能通過按鈕名查詢按鈕，可以指定精確和模糊兩種查詢方法。另外，其他的按鈕類也可以對查詢結果相關的數據進行限定。\\n\\n豐富畫麵\\n\\n列表畫麵可以用and\\/or改變查詢條件，可以進行統計\\/排序。統計對象隻針對數值項目，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。\\n\\n視圖畫麵提供切換視角和變換視圖功能，通過變換與設置條件相應的數值（單元格）的顏色表示強調。依次變換視角可進行多方麵的數據分析。視圖的統計對象隻針對數值項目，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。\\n\\n數值項目切換通過按鈕類的階層化（行和列最多可分彆設置8層），由整體到區域性，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。\\n\\n圖表畫麵D係統使用自己開發的圖形庫，提供柱形圖、折線圖、餅圖、麵積圖、柱形 折線五大類35種。在圖表畫麵上，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。\\n\\n數據輸出\\n\\n列印統計列表和圖表畫麵等，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格式儲存。\\n\\n定型處理\\n\\n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，隻需按此按鈕，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。\\n\\n應用範圍\\n\\n商業智慧係統可輔助建立資訊中心，如產生各種工作報表和分析報表。用作以下分析：\\n\\n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、週轉率、同比、環比等等；而分析維又可從管理架構、類彆品牌、日期、時段等角度觀察，這些分析維又采用多級鑽取，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資訊、報警資訊等分析數據；還可根據各種銷售指標產生新的透視表。\\n\\n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彆結構、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\\n\\n商業智慧\\n\\n度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品\\n\\n商業智慧、暢銷商\\n\\n品、滯銷商品、季節商品等多種指標。通過D係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。\\n\\n人員分析通過D係統對公司的人員指標進行分析，特彆是對銷售人員指標（銷售指標為主，毛利指標為輔）和采購人員指標（銷售額、毛利、供應商更換、購銷商品數、代銷商品數、資金占用、資金週轉等）的分析，以達到考覈員工業績，提高員工積極性，併爲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、采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。\\n\\n實施步驟\\n\\n實施商業智慧係統是一項複雜的係統工程,整個項目涉及企業管理,運作管理，資訊係統,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軟件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.商業智慧項目的實施步驟可分為：\\n\\n(1)需求分析:需求分析是商業智慧實施的第一步，在其他活動開展之前必須明確的定義企業對商業智慧的期望和需求,包括需要分析的主題，各主題可能檢視的角度(維度);需要發現企業那些方麵的規律.用戶的需求必須明確.\\n\\n(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，並規劃好係統的應用架構,將企業各類數據按照分析主題進行組織和歸類.\\n\\n(3)數據抽取:數據倉庫建立後必須將數據從業務係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.\\n\\n(4)建立商業智慧分析報表：商業智慧分析報表需要專業人員按照用戶製訂的格式進行開發,用戶也可自行開發(開發方式簡單，快捷).\\n\\n(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係統,最終用戶的使用是相當簡單的，隻需要點擊操作就可針對特定的商業問題進行分析.\\n\\n(6)係統改進和完善：任何係統的實施都必須是不斷完善的.商業智慧係統更是如此,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係統進行重構或完善\\n\\n企業效益\\n\\n商業智慧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.但商業智慧軟件係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.因此商業智慧係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，而這些資訊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資訊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征和喜歡購買商品之間的聯絡，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.\\n\\n市場分析\\n\\n製造業是商業智慧的重要市場\\n\\nManufacturingInsights(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\\n\\n商業智慧\\n\\n億美元，預計該市場將以11.4%的年複合增長率平穩增長，\\n\\n商業智慧到2008年市場\\n\\n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，更好地控製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、應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(BI)解決方案進行投資，從而為更好的內部協作和決策製定提供基礎平台。\\n\\nIDC的報告顯示，2004年亞太區(不含日本)商務智慧(BI)工具軟件市場規模為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應用係統部署為未來5年BI工具的采用打下了基礎。有關專家指出，隨著互聯網的普及，在決策支援係統基礎上發展商業智慧已成為必然。隨著基於互聯網的各種資訊係統在企業中的應用，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資訊，這些資訊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的進一步應用。\\n\\n從行業發展來看，商業智慧作為業務驅動的決策支援係統，其發展是以較為完善企業的資訊係統和穩定的業務係統為基礎的。商業智慧未來的應用與行業內資訊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不可忽視的新市場。企業隨著資訊化水平的提高，商業智慧產品將會與ERP和CRM等管理軟件進一步融合，目前很多ERP廠商都把商業智慧嵌入到相應的ERP係統內，比如SAP的ERP就巢狀了BO公司的商業智慧產品，AD也與和勤軟件進行了類似的合作。\\n\\n當然，商業智慧如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瞭解。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。而商業智慧產品的發展趨勢必將是整合平台基礎上的整合化應用。如何切實瞭解自身需求、選擇具有優勢的廠商產品，將是企業實施商業智慧成功的關鍵。\\n\\n發展趨勢\\n\\n與DSS、EIS係統相比，商業智慧具有更美好的發展前景。近些年來，商業智慧市場持續增長。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等應用係統的引入，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援的需求越來越強烈，由此帶動的對商業智慧的需求將是巨大的。\\n\\n商業智慧的發展趨勢可以歸納為以下幾點：\\n\\n功能上具有可配置性、靈活性、可變化性\\n\\nBI係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係統提供廣泛的、具有針對性的功能。從簡單的數據獲取，到利用WEB和局域網、廣域網進行豐富的互動、決策資訊和知識的分析和使用。\\n\\n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，提供客戶化的介麵\\n\\n針對不同企業的獨特的需求，BI係統在提供核心技術的同時，使係統又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客戶化的介麵和擴展特性；可為企業提供基於商業智慧平台的定製的工具，使係統具有更大的靈活性和使用範圍。\\n\\n從單獨的商業智慧向嵌入式商業智慧發展\\n\\n這是目前商業智慧應用的一大趨勢，即在企業現有的應用係統中，如財務、人力、銷售等係統中嵌入商業智慧組件，使普遍意義上的事務處理係統具有商業智慧的特性。考慮BI係統的某個組件而不是整個BI係統並非一件簡單的事，比如將OLAP技術應用到某一個應用係統，一個相對完整的商業智慧開發過程，如企業問題分析、方案設計、原型係統開發、係統應用等過程是不可缺少的。\\n\\n從傳統功能向增強型功能轉變\\n\\n增強型的商業智慧功能是相對於早期的用SQL工具實現查詢的商業智慧功能。目前應用中的BI係統除實現傳統的BI係統功能之外，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係統應該加強的應用，以更好地提高係統效能。\\n\\n商業智慧解決方案走向完整\\n\\n正當國內企業級用戶對基於世界先進商業智慧技術的本地化解決\\n\\n方案的需求日益高漲與迫切時，IBM（中國）公司日前在北京釋出大型\\n\\nIBM商業智慧解決方案，來自海內外技術專家的精彩演示，淋漓儘致地\\n\\n展示了IBM商業智慧解決方案的先進技術、強大功能和完善的服務支援，\\n\\n為基於新一代IBM數據倉庫與智慧挖掘的商業智慧應用方案在國內的廣\\n\\n闊應用前景繪出了精彩藍圖。\\n\\n作為第一個進入中國市場的完整的、本地化的商業智慧解決方案，\\n\\nIBM商業智慧解決方案的推出標誌著國內用戶利用商業智慧技術開展電\\n\\n子商務的時機更加成熟，國內企業因此能夠藉助世界最先進的資訊技\\n\\n術，更好地瞭解客戶，更有效地開展客戶關係管理，進而獲得更有利\\n\\n的競爭優勢。所謂商業智慧（BusinessIntelligent），就是將企業中的現有數\\n\\n據轉化為知識的過程。企業在開展業務的同時，獲得了大量數據，來\\n\\n自國外的統計結果表明，全球企業的資訊量平均每1．5年翻一番，而\\n\\n目前僅僅利用了全部資訊數據的7%。隨著知識經濟時代的來臨，記錄\\n\\n客戶與市場數據的資訊和資訊利用能力已經成為決定企業生死存亡的\\n\\n關鍵因素，越來越多的國內外企業已經根據資訊流和數據分析技術進\\n\\n行企業重整，傳統的數據記錄方式無疑被更先進的商業智慧技術所代\\n\\n替。據美國PaloAlto管理集團預測，到2001年，全球商業智慧市場將\\n\\n達到700億美元。在商業智慧解決方案的幫助下，企業級用戶可以通過充分挖掘現\\n\\n有的數據資源，捕獲資訊、分析資訊、溝通訊息，發現許多過去缺乏\\n\\n認識或未被認識的數據關係，幫助企業管理者做出更好的商業決策，\\n\\n例如開拓什麼市場、吸引哪些客戶、促銷何種產品等等。商業智慧還\\n\\n能夠通過財務分析、風險管理、欺詐分析、銷售分析等過程幫助企業\\n\\n降低運營成本，進而獲得更高的經營效益。根據世界權威性的IDC公司的調查結果表明，企業用於商業智慧的\\n\\n投資回報率平均2．3年高達400%。數據倉庫是商業智慧解決方案的基\\n\\n礎，一項來自美國MetaGroup的市場分析指出，92%的企業將在今後\\n\\n3年內使用數據倉庫，到2000年，全球數據倉庫的使用者就將達到\\n\\n1000萬，數據庫訪問因特網和企業內部網所帶來的投資回報率達68%。\\n\\n麵臨的問題\\n\\n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等基礎資訊化係統。這些係統的統一特點都是：通過業務人員或者用戶的操作，最終對數據庫進行增加、修改、刪除等操作。上述係統可統一稱為OLTP(OnlineTransactionProcess，在線事務處理)，指的就是係統運行了一段時間以後，必然幫助企事業單位收集大量的曆史數據。但是，在數據庫中分散、獨立存在的大量數據對於業務人員來說，隻是一些無法看懂的天書。業務人員所需要的是資訊，是他們能夠看懂、理解並從中受益的抽象資訊。此時，如何把數據轉化為資訊，使得業務人員(包括管理者)能夠充分掌握、利用這些資訊，並且輔助決策，就是商業智慧主要解決的問題。\\n\\n如何把數據庫中存在的數據轉變為業務人員需要的資訊?大部分的答案是報表係統。簡單說，報表係統已經可以稱作是BI了，它是BI的低端實現。\\n\\n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階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。\\n\\n數據報表不可取代\\n\\n傳統的報表係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，傳統報表係統麵臨的挑戰也越來越多。\\n\\n1．數據太多，資訊太少\\n\\n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資訊、什麼趨勢?級彆越高的領導，越需要簡明的資訊。如果我是董事長，我可能隻需要一句話:目前我們的情況是好、中還是差\\n\\n2．難以互動分析、瞭解各種組合\\n\\n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碼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。\\n\\n3.難以挖掘出潛在的規則\\n\\n報表係統列出的往往是表麵上的數據資訊，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，對於決策支援的價值越大，但是，也越難挖掘出來。\\n\\n4．難以追溯曆史，數據形成孤島\\n\\n業務係統很多，數據存在於不同地方。太舊的數據(例如一年前的數據)往往被業務係統備份出去，導致宏觀分析、長期曆史分析難度很大。\\n\\n因此，隨著時代的發展，傳統報表係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係統的目的是帶給我們更多的決策支援價值，並不是取代數據報表。報表係統依然有其不可取代的優勢，並且將會長期與數據分析、挖掘係統一起並存下去。\\n\\n八維以上的數據分析\\n\\n如果說OLTP側重於對數據庫進行增加、修改、刪除等日常事務操作，OLAP(OnlineAnalyticsProcess，在線分析係統)則側重於針對宏觀問題，全麵分析數據，獲得有價值的資訊。\\n\\n為了達到OLAP的目的，傳統的關係型數據庫已經不夠了，需要一種新的技術叫做多維數據庫。\\n\\n多維數據庫的概念並不複雜。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。\\n\\n除了時間、產品和地區，我們還可以有很多維度，例如客戶的性彆、職業、銷售部門、促銷方式等等。實際上，使用中的多維數據庫可能是一個8維或者15維的立方體。\\n\\n雖然結構上15維的立方體很複雜，但是概念上非常簡單。\\n\\n數據分析係統的總體架構分為四個部分:源係統、數據倉庫、多維數據庫、客戶端。\\n\\n·源係統：包括現有的所有OLTP係統，搭建BI係統並不需要更改現有係統。\\n\\n·數據倉庫:數據大集中，通過數據抽取，把數據從源係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數據庫上，往往符合叫做“星型結構”的模型。\\n\\n商業智慧\\n\\n商業智慧·多維數據庫：數據倉庫的數據經過多維建模，形成了立方體結構。每一\\n\\n個立方體描述了一個業務主題，例如銷售、庫存或者財務。\\n\\n·客戶端:好的客戶端軟件可以把多維立方體中的資訊豐富多彩地展現給用戶。\\n\\n數據分析案例：\\n\\n在實際的案例中，我們利用Oracle9i搭建了數據倉庫，MicrosoftAnalysisService2000搭建了多維數據庫，ProClarity6.0作為客戶端分析軟件。\\n\\n分解樹好像一個組織圖。分解樹在回答以下問題時很有效:\\n\\n·在指定的產品組內，哪種產品有最高的銷售額\\n\\n·在特定的產品種類內，各種產品間的銷售額分佈如何\\n\\n·哪個銷售人員完成了最高百分比的銷售額\\n\\n數據挖掘看穿你的需求\\n\\n廣義上說，任何從數據庫中挖掘資訊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演算法，找到數據下麵隱藏的規律，這些規律往往被用來預測、支援決策。\\n\\n關聯銷售案例：\\n\\n美國的超市有這樣的係統:當你采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資訊，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\\n\\n這句話決不是一般的促銷。因為計算機係統早就算好了，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，我剛纔一直冇找到紙杯。\\n\\n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演算法實現的係統。\\n\\n每天，新的銷售數據會進入挖掘模型，與過去N天的曆史數據一起，被挖掘模型處理，得到當前最有價值的關聯規則。同樣的演算法，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。\\n\\n數據報表、數據分析、數據挖掘是BI的三個層麵。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。商業智慧所帶來的決策支援功能，會給我們帶來越來越明顯的效益。\\n\\n軟件廠商\\n\\n目前國內市場主要商業智慧軟件廠商有：金蝶、用友、IBM、Informatica、Power-BI、ORACLE(甲骨文)、SAP、SAS、Sybase、Analyzer、\\n\\n微軟、菲奈特、和勤\\n\\n\"

}