BI应用卡在哪里？

  [an error occurred while processing this directive]

  [摘要]现在的BI（商业智能）就像几年前的ERP一样，成为CIO们关注的焦点。在ERP等基础信息系统部署完之后，企业能够对其业务数据来进行更有效的管理，于是如何利用这一些数据创造价值成为企业下一步思考的问题。在这一背景下，BI被提上日程。与操作型系统ERP不同，BI是分析型系统，利用BI分析的结果给企业带来商

  现在的BI（商业智能）就像几年前的ERP一样，成为CIO们关注的焦点。在ERP等基础信息系统部署完之后，企业能够对其业务数据来进行更有效的管理，于是如何利用这一些数据创造价值成为企业下一步思考的问题。在这一背景下，BI被提上日程。与操作型系统ERP不同，BI是分析型系统，利用BI分析的结果给公司能够带来商业经济价值才是BI系统部署成功的重要标志。

  说“BI逐渐火起来”说了好几年，但用户的BI项目实施却没看到有实质性的进展，“卡”在了什么地方？

  2005年12月，上海证券交易所宣布其以应用分析系统建设和完善数据仓库管理为目标的二期决策支持系统建设完成。数据资源是上交所的优势所在，但却始终没发挥出来，而在该项目完成之后，上交所形成了相对完善的信息产品服务体系。其信息产品有面向投资者的“个股交易统计”、“某指数成份股涨跌对指数涨跌的贡献分析”、“个股交易量最大前5名会员揭示”、“个股分类账户交易统计”等，以及面向会员单位的“营业部交易统计”、“席位交易统计”、“指定地区营业部排行统计”等，信息因此产生了价值。其中还有一个亮点――“上市公司财务风险分析以及诚信度分析”项目，可以预测哪些上市公司有几率存在财务欺诈现象。

  业内人士如此评价: 这是国内金融行业第一个真正意义上成功的商务智能（Business Intelligence，简称 BI）项目。这样的评价令人震惊，不过并非耸人听闻，国内金融、电信、零售等行业已经有部分企业实施了BI项目，但真正能实现应用分析功能的确实是少数。根据BI咨询公司吉贝克信息技术（北京）有限公司董事长刘世平博士的观点，目前国内BI的实际应用水平主要停留在基本的数据整合阶段和统计分析，真正的完成深度分析的应用极少。也许不能臆断这些处于初级阶段的BI应用都是失败的，但如果长期停留在该阶段，而没有相关的后期规划，那只能承认自己是失败的。在美国，BI项目的成功率也仅为20%。BI项目实施的难点在哪里？到底该如何去做一个BI项目？有没有一些令人兴奋的BI应用存在？

  事实上，国内一些实施过BI项目的银行和电信运营商正在重新招标他们的BI项目。虽然实施起来不容易，但当企业用户真正意识到BI已经到了能够发挥作用的时候，还是毅然决然继续漫漫BI之路。

  “早期BI项目不成功的根本原因之一就是需求把握不够准确，”刘世平在接受记者正常采访时说道。把握需求首先要了解BI系统能够做什么，其次要清楚自己希望能够通过BI系统解决什么样的问题，然后将二者结合，才能做出合心的BI应用。道理都明白，但BI系统到底能够做什么？就像以前的解放卡车司机说不出小轿车是啥样子，现在的普通百姓想不出比尔・盖茨的专车里都有哪些配置一样，大部分人没见过真正的BI应用。

  大多数业界专家将BI技术分为数据仓库和数据挖掘两部分，前者主要实现数据整合功能和业务统计分析功能，侧重对现有事实的描述; 后者则实现业务预测功能。引用神州数码信息化管理部BI系统部经理赵东对BI的理解，可以将BI实施目标分为三个阶段: 业务发生了什么？为何会发生？将来还会发生什么？

  数据整合阶段的需求相对来说还是比较好解决，无非是“各个部门要展现哪些数据？”、“以什么形式展现？”等问题。不过就算是在这个初级阶段，需求制定也非常强调与业务部门的交互，而且比ERP等侧重流程实现的业务系统更甚，因为BI应用出于不同业务部门用户多样的分析目的，对数据的需求是五花八门。泰康人寿保险股份有限公司信息技术部副总经理丁峻峰在接受记者正常采访时表示，泰康2004年启动BI项目一期工程之后，与十多个业务部门沟通，并与其实施顾问相互启发，花了大概两三个月的时间，才把需求基本确定下来，而且在项目部署过程中，还会不断出现新的需求或是需求变化。需求制定几乎贯穿了项目实施的始终。

  泰康人寿当时对BI应用的需求大多数表现在以下几个方面: 信息的实时刷新; 多个业务线对信息集成展现的需求; 业务用户主动提取数据的需求; 对已发生事件的总结。这些需求其实非常典型，几乎对每个行业都适用，所以说在提炼这些需求的时候并不能算难，难点其实在解决“为何会发生”的阶段。

  一个业务事件为何会发生？例如，在泰康人寿BI项目中实现的对产品、保单、客户和核保的成本分析中，可以从相关报表中看到某种类型的保单成本比较高，而某些产品的利润较低，为何会这样？还可以再继续向下钻取。在以应用分析为重点的第二阶段，就是要将业务部门对此类分析的所有需求提炼出来，繁杂程度可想而知，与业务人员深度交互的迫切性也可想而知。通常此阶段的需求是在第一阶段的应用用起来之后，用户更容易激发他的深层次需求，所以BI项目的分期实施很有必要。现在常见的BI分析应用大多分布在在企业内部的绩效分析、财务分析等以及企业对外的客户分析、渠道分析、市场分析等，一些常见的分析模型和方法贯穿在这些应用中，业务用户只需要按部就班地使用就可以了，而当用户遇到一些棘手的业务问题时，可能会要其他一些方法才能分析透彻时，企业只能向其BI项目实施服务提供商提出新增需求。这也是怎么回事在一个一期、二期投入分别为3000万的大项目中，企业还需要再支付15%运行维护费用的原因。

  神州数码（中国）有限公司信息化管理部总经理郑小维指出，其实相当多的需求是在用户使用的过程中提出来的。现有的这种项目部署形式显然不可能实现企业所有需求，而如果后续需求在实现上跟不上，一定会影响BI系统的使用效果。这是BI应用需求提炼与别的企业应用系统相比非常特别的地方。这些是怎么回事在最初BI系统被做成了固定的报表系统之后就等于宣告了BI系统失败的原因，虽然在一定改进之后，有些企业的BI系统做成了较为灵活的报表系统，但实际上BI应用的精髓仍然被埋没。

  至于“将来会发生啥”，中国企业的BI应用极少有到达此阶段的。就算是在国外，也才只是起步。这些需求的提出一方面要求用户对BI能够做什么有非常深入的了解，另一方面要求用户要能在日常的BI分析中发现了自己的业务在这方面的需求。比较值得一提的是上海证券交易所的“上市公司财务风险分析以及诚信度分析”项目，它能从上市公司披露的财报去分析该报表中有没有虚假陈述，及其诚信度的状况到底如何。其做法是通过对一个企业不同年份的财务情况进行对比，或是将两个同类企业放在一起进行横向比较，并最终给出相应的指标，去诊断该企业的财务健康情况，从而能知道什么样的企业诚信度较低，什么样的企业可能会出现财务欺诈。

  上海证券交易所在总结经验时表示，其成功的重点是前期的准备工作非常充分，参与了该项目的刘世平认为“BI项目80%的功夫在前期”。需求的提炼算是BI项目前期一项很重要的工作，还有两点则分别是前期的项目整体规划和数据来源及其质量控制，这三点都是直接决定BI项目成败的关键因素。

  整体规划看上去只要遵循一定的原则即可，如考虑与现有信息系统架构的整合、投资回报率等，但实际上从最初的需求提炼，到行业模型的客户化，到项目的具体实施推进策略――例如分步实施的步伐到底是多大，再到最后的业务用户培训都需要有相对细致的规划。从另一个角度看，从数据仓库的建设，到分析平台的构建，再到数据挖掘的规划，三个不同的应用阶段分别要实现怎样的功能也都要提前规划到位。

  丁峻峰在谈到整体规划的时候还强调，系统目标要切合实际，一个务实的出发点才可能会引起务实的BI系统。例如有些厂商跟泰康人寿说可以做客户行为分析，但实际上保险公司与客户的直接接触机会并不多，可能一年也就一两次，不像电信、银行，其用户经常需要到柜台，或利用互联网、ATM机等多个渠道办理相关业务，所以想做类似客户行为分析的功能在保险行业就没有相关的数据支持。

  “同样都是椅子，但不同设计师设计的产品坐起来感觉会不同，”刘世平如是说。他认为，国内用户很不重视BI项目的规划设计，这也是中国的文化导致，觉得只要说出来就行了，汉字大家都是能看懂的，数字也是大家能认识的，但实际上并没那么简单，就像农民盖房只要搭起来就行了，而专业设计师就会考虑采光、地理、风水等多种因素。

  通常一些项目实施服务提供商会提供一些相关的行业应用模型，不过模型是通用的，具体到每个用户都需要一些定制化工作，尤其有相当多的模型都是来自国外。据Sybase商务智能总监廖钢城介绍，从模型到实际应用都要经历客户化过程，例如考虑到组织机构、营销渠道、地域分布等因素的不同，从而会有一些个性化需求，通常有10%～20%的定制化工作。

  至于数据来源整合，技术上的实现并不难，但一定要在源头对数据质量来控制。数据的质和量有保证，后期的数据展现和分析才有意义。目前绝大多数数据都是来自企业内部的ERP等别的业务系统，中国石油化工集团股份有限公司信息中心副主任齐学忠认为，BI的部署需要企业具备较好的信息化基础，应该在ERP等基础信息系统完备之后再考虑。与此同时，有些企业上ERP的时间可能并不长，其数据量积累不够或是历史数据的保存不完整，都应该理智考虑上BI系统的时机，如果在这种情况下如果部署BI系统，反而也有一定可能会达不到预期效果。这也提醒企业用户在部署ERP等别的信息系统的时候要实现对自己的信息化有一个整体规划。

  原始数据整合之后，数据的抽取、转换、清洗和加载（ETCL）可以认为只是技术问题。按理说ETCL工具要承担保证数据质量的任务，例如剔除那些有空白字段的信息、找出小数点点错了的数据等，但目前的ETCL工具大多集中在数据的抽取、转换和加载方面的功能，对数据质量保证不够重视，而相关的确保数据质量的工具也比较缺少，所以在目前的大多数BI项目中缺少从技术角度去确保数据质量这个环节。

  “整体规划、分步实施”是现在所有BI实施服务提供商都在提的一个说法，但分步实施中“每一步”的步伐在每个具体的案例中有非常大的差异。正如前面提到现有的项目部署方式对需求的完整提炼有不利影响，这样的形式也会令分步实施的实际效果打些折扣。

  实际上大多数分步实施的颗粒度都比较大，比如先做绩效分析，然后做客户分析，再做市场分析等，这样的做法可以缓解用户的金钱上的压力，同时也能让客户更快地感受到BI的回报，从而对后续项目更有信心，但这些多是从厂商的角度考虑，如何让用户能更容易接受对BI来投资。这种分步实施并不能够做到随时激发用户的需求，并随时实现其新需求。

  将分步实施做到极致的国内企业非神州数码莫数。据赵东介绍，神州数码采用的小项目模式周期非常短，每个项目一般耗时1～3周，不但实现了用户当时的需求，而且在与用户一起实现需求的同时传播了相应的BI理念和方法。更重要的是，神州数码培养了一批能独立制作报表，并做多元化的分析的业务部门用户，从而用户在使用的过程中不断发现新需求，从而触动一个个小项目的诞生。如此“滚雪球”的方式，使得神州数码充分享受到了分步实施带来的好处。

  但并非所有企业都能做到神州数码这样细粒度的分步实施，因为神州数码的BI项目实施工作完全是由自己的IT部门承担，所以才可能这样分步实施。事实上，在系统正常运作之后，只有4个人来支持系统的“滚雪球”建设，其中还有一个人兼职做BI培训。之所以能够配置如此少的人力支持，是因为其BI培训体系培养出来的业务部门用户完全能根据自己的需求自己制作报表，其业务分析的工作是可以由业务用户自己独立完成。

  对于神州数码这种创新的BI实施方式大多数企业大概只能望而兴叹，或许让项目实施服务提供商来承包才是目前最可行的方式。那就提醒用户在项目实施过程中注意: 实施服务提供商在产品的提供上可做的文章并不多，保证项目实施质量的关键在于连接各个环节的二次开发。

  一个BI系统可以简单地看成由三个部分组成: 数据源到数据仓库（或数据集市），再到前端展现。但实际上它涉及的技术环境非常之多，包括ETCL、数据仓库、OLAP（联机分析处理）、前端展现、模型设计等，相关的软件产品和工具有很多种，而每个工具之间的连接都存在相当的二次开发工作，这恰恰是容易被用户忽视的地方。

  业界人士透露，实际上一些大型BI项目实施服务提供商只是扮演总承包商的角色，这些二次开发项目有很多都是外包给合作伙伴，甚至有些承包商并不把二次开发外包的实情告诉用户，只是在用户管得严的时候采用自己的开发队伍。不管是承包商自己节省了成本，还是它帮用户节省了成本，这样的做法肯定会影响到开发质量。

  斥巨资搭建BI系统的最终目的是，“让应该掌握数据的人成为数据的主人”才是正题。但什么样才算是真正掌握数据？

  实施了BI应用的企业都会在项目开始实施乃至项目完成之后对其业务部门用户进行培训，教他们如何使用BI的前端展现和分析工具，但往往效果并不理想，而且由于国内BI应用的整体水平偏低，实现业务分析功能的项目极少，所以真正能够利用BI工具帮助自己进行分析的业务人员少之又少。

  “但实际上业务人员对相关业务数据的敏感性远远大于技术人员，哪怕是一个微小的波动都有可能让他们发现其中的商机或是漏洞。让技术部门去进行业务分析，一定需要模型，需要工具，而让业务部门去分析，可能只需要看一眼数据就能得出结论。让业务人员在与数据的碰撞中产生感觉，才是BI应用的较高境界，如果再加上一些模型的帮助，则更是如虎添翼。”郑小维在接受记者采访时如是说。实际上，BI工具本身做得越来越傻瓜，就是为了让更多的业务人员能够使用。只有业务人员可能利用BI工具去挖掘商机。

  但培训业务人员使用BI工具与ERP操作培训有着本质的不同，ERP在用户中推广的最难点是因为它涉及到了企业管理机制变革，可能会影响到某些岗位的流程操作习惯甚至利益分配，而BI不涉及企业流程变革，它的培训难点在于让用户能真正主动应用BI工具去帮助业务，从而创造出价值。如果只是利用BI工具查找一些数据，其操作简易程度甚至比ERP的操作还要简单，但BI的精髓在于利用这些数据去分析业务问题，促进用户主动进行这样的BI分析才是BI培训的真正目标。

  前文曾提到，神州数码的业务部门用户完全可以依据自己的需求自己制作报表。这个在中国颇有些另类的BI项目制定了一套完整的培训体系，把BI工具真正放在了业务人员手中。BI系统部、各事业部的BI专员以及BI最终用户形成了神州数码的BI推广组织体系，其中BI专员是在部门一级设立的兼职人员，主要职责是管理、规范本部门的BI应用，并跟公司信息化管理部形成有效的沟通渠道。与此同时，为BI用户提供了周期性的常规和定制化的培训课程，分为初、中、高三个级别，可以通过面对面的培训方式，也可以通过网上的电子学习系统获得。

  逐渐地，BI系统部就像种菜的，只负责提供各种“菜源”（数据源），而BI用户成为厨师，自己爱吃什么就做什么，不再是从前的大锅饭了。赵东表示，开始的时候，业务人员会质疑，认为系统部将其工作转嫁到了他们身上，对BI工具使用的畏难情绪也会影响到业务人员的接受程度，但当这种小项目形式很快体现出回报之后，业务部门的态度开始逐渐改变。从2003年开始项目实施，经过两年的转型，神州数码的BI彻底改变了以前由技术人员“喂食”的状态。

  可以认为，神州数码的所有员工都已不同程度地成为“初级BI分析师”，虽然业界对BI分析师的定义要求比较严格，经常是那些擅长BI分析的统计学博士才可能成为真正的BI分析师，但神州数码的这种做法让记者感触颇深，希望借分析师的名头鼓励一下神州数码，也鼓励一下正在往这个方向靠拢的其他行业用户。

  浙电的数据仓库采用了倒置顺序：先做专题应用，再做数据挖掘，最后实现多维分析与报表。

  浙江电信是首个在中国电信集团建设集中企业级数据仓库的省公司。“经过一年多的努力，我们实现了浙江电信的数据大集中，本地网的MR（市场营销再造）项目也因此取得了意想不到的成绩。” 作为浙江电信信息化建设的主策划人，浙江电信企业信息化部副经理沈跃明对浙电数据省集中后所取得的效果感到非常兴奋。

  2004年3月，浙江电信开始启动数据省集中项目，利用NCR Teradata数据仓库将11个本地网、83套系统的数据集中到省公司；从2005年开始，在浙江电信省集中的数据仓库支撑下，浙江省11个电信本地网已经在MR项目上取得显著成效，实现了较高的市场营销的成功命中率。

  以前，浙电是一个两级架构的管理体系，省公司负责管理，所有生产系统、业务全在本地网。分散的IT基础导致数据极其分散，省公司在做经营决策时，为了要一份完整的报表，经常要向本地网发大量的传真，效率很低且易出错。各本地网每天产生的业务数据是以本地业务为核心，例如在杭州电信月租费有4项数据属性，其他本地网都各不相同，所以集中出报表往往是错误百出。

  “数据仓库项目不是系统报表，而是能够实现跨系统的多维分析及挖掘体系。”据沈跃明分析，在数据仓库建设的初期，除了重点突破专题应用、以点带面地推进系统建设和展现系统效益外，也可以通过少量的报表应用来推动数据质量的提高，毕竟数据质量是数据仓库的生命线。同时，采用事件驱动的模式可以迅速了解需求，一方面借助事件推动系统建设，另一方面通过结合事件可以对症下药，解决企业的实际问题。

  数据集中之后，浙江电信将数据仓库中的客户分群划分为9个群，并进行针对性营销。

  所谓MR，就是通过对数据仓库的了解，根据客户的特征进行分群，将某些特征相似的用户汇聚在一起，然后对这些客户做特征刻画，并进一步针对该客户群制定营销战略并执行。

  浙江电信宁波分公司作为浙江电信数据仓库项目的八个本地网试点地区之一，效果最为明显。首先他们通过数据仓库建立了包括243张表的宁波数据视图；然后又根据用户呼叫行为、数据业务使用行为、客户接触记录、缴/欠费信息等客户特征中提炼出39张关键表和337个关键变量。

  完成数据准备工作后，又挑选了最为重要的价值和行为变量进行了聚类分析和调优，找出了9个战略客户群，同时挖出大量隐藏的“危险信号”。

  通过客户分群，宁波局迅速锁定了3个优先级最高的客户群：高值高危群、传统长途偏好群、经济商务群。这3个群的客户仅为9.28%，约2万人，营销“精度”因此提高了10倍。（王臻）

  泰康人寿希望建立一套以CRM为核心的商务智能系统，使泰康人寿的管理人员能够对于与客户（现有客户以及潜在客户）有关的各种要素（需要、方式、机遇、风险、代价等）和企业运营当中各项关键指标（KPI）做出分析与评估。

  据泰康人寿保险股份有限公司信息技术部副总经理丁峻峰介绍，泰康的仪表盘（Dashboard）应用是较为成功的，能够实时显示29个分公司的所有业绩情况，在总公司以地图的形式展现，红绿灯来表示完成的进度，任何分公司如果业务有滞后，总部领导都可以一目了然。比较重视业绩考核的泰康通过BI项目的实施不仅能够对每个分公司、每个销售人员的业务状况了如指掌，同时能够以更好的激励方式鼓励员工的工作积极性。

  泰康的BI项目分成两个主要阶段，第一阶段，搭建数据仓库基础，以客户为中心实现相关信息的展现和统计；第二阶段则是在第一阶段的基础之上实现财务分析、客户分析等BI分析功能。所以一期工程主要侧重于技术层面的数据整合工作，该项目于2004年完成，实现了对所有业务系统的不同数据源的数据整合，保证了BI系统从同一平台实现一致的信息访问，提供了市场营销分析、客户构成分析、客户忠诚度分析、客户服务分析、销售分析、保单分析、理赔分析、代理人分析、成本利润分析等功能。

  本站系本网编辑转载，会尽可能注明出处，但不排除无法注明来源的情况，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题，请在30日内与本网联系， 来信: 我们将在收到邮件后第一时间删除内容！

  [声明]本站文章版权归原作者所有，内容为作者个人观点，不代表本网站的观点和对其真实性负责，本站拥有对此声明的最终解释权。

  4月2日：工信部规模以上电子信息制造业增长48.5%；中芯国际宣布全线日：互联网企业完成业务收入1990亿元；华为去年营收增长3.8%

  3月29日：华为小米等手机应用商店暂停下载耐克、阿迪达斯等App；鸿蒙系统即将出世

  3月26日：过去4年中苹果收购的AI公司数量最多；亚马逊发布三驾马车中国业务战略

  3月25日：华为将投入超2亿美元建设生态；密斯不看好金融科技公司发行数字币

  3月24日：1-2月电信业务收入2373亿元；百度汽车最迟2024年量产

  3月23日：2020四季度融合系统同比微弱增长0.2%；银行推广数字人民币货币钱包

  /g,); str = str.replace(/[ ]/g, ); return str; } var title = BI应用卡在哪里？; var description = clearBr( 现在的BI（商业智能）就像几年前的ERP一样，成为CIO们关注的焦点。在ERP等基础信息系统部署完之后，企业能够对其业务数据进行更为有效的管理，于是如何利用这一些数据创造价值成为企业下一步思考的问题。在这一背景下，BI被提上日程。与操作型系统ERP不同，BI是分析型系统，利用BI分析的结果给企业带来商 ); var thumb = ; var url =