数据是商业智能系统的主角

对信息化而言，越是强大的工具，应用的准入门槛越高。商业智能系统的作用显而易见，但目前全球的应用率非常低。在商业智能活动应用最为发达的美国和欧洲地区，应用效果同样是“喜忧参半”。喜的是许多企业都计划实施商业智能，对商业智能的投资在持续增长，忧的是商业智能仍未被广泛地提升到战略性层面的。商业智能在中国，炒得火热，但应用成功的寥寥无几。主要因为：一、中国的管理信息化应用层次还不高，对商业智能系统缺乏足够认知和经验;二、商业智能系统对信息化基础要求较高，准入门槛高，否则失败的几率很大。

企业商业智能系统需要在现行管理信息系统较为成熟的基础上进行应用，这样才能起到事半功倍的效果。不建议企业在毫无信息化搭建经验，或者搭建初期应用商业智能系统。

数据是商业智能系统的主角，基础数据的有效程度直接对系统分析出来的结果产生影响，这种影响可以达到几何量级的错误导向。所以，数据的分析处理工作非常重要。这不仅包括数据清洗、数据分类等基础工作，还包括各系统的数据维度划分和数据表达的一致性。在不同的系统中，信息的传递链条不同，数据间的逻辑也不同。在系统分析前，将所有异构系统的数据按照一定的模式进行统一是一项既琐碎又费神、效果不明显、错误率极高的工作。只有这个地基打好做扎实了，磊起的高楼才坚实。

这个展现方式指的是系统分析呈现给使用者的感受，图表或者仪表盘所展现出来的内容能被使用者接受。当然，你可以说使用者的使用习惯可以在后期被改变和影响的。但前提是系统的展现方式的确比较靠谱，比较简洁和清晰才行。一切给不了别人需要的数据和信息的都是混淆视听。

这个展现方式与前两项工作相比，难度系数小很多，但却是景上添花事儿。因为系统所有的内容都通过展现方式传达给用户，直接影响用户对系统的接受度。这好比吃一顿饭，色香味俱全会让人很有食欲。同样是营养、味道都不错食物，若摆盘粗糙，颜色灰暗，吃饭的时候，感觉就不一样了。虽然同样是吃，但用户体验大打折扣，极不划算。所以，在前期很好的调研用户的使用习惯，很好的对数据进行表达，我觉得也是非常重要的工作。

另外，在数据处理的过程中平衡数据的广度和分析的深度也是一件困难的事情。我们目前基本上对结构化的数据进行处理和分析，但全球产生的数据中85%以上的是非结构化的数据。随着“大数据分析”口号的日渐火热，如何有效的将非结构化的数据转化为有效的结构化数据这本身就是一个难题。企业在做数据挖掘的时候，如果没有本事做到很好处理这些非结构数据的时候，还是别揽那个瓷器活，先把结构化数据分析好。

有人提出说“商务智能(BI)系统最具价值的不是平台，而是模型”。系统最价值最高的部分一般也是智力最为集中的部分。模型的搭建一般都是BI厂商根据各个行业和系统的运作流程总结出来的优秀的经验，宝贵的实践经验和昂贵的知识产权成正比。然而，目前由于国内市场应用BI的企业并不多，应用深入的更少，应用基础也比较薄弱，即使拿来国外先进的商业模型也不一定运转起来，所以尽快建立各种适合国内企业特色的模型是各商务智能(BI)厂商未来要投入大力解决的。在国内也有很大一部分企业采用的自主开发的方式，采用这种方式可以避免高额的费用，但却无法学习到国外先进的商业经验。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友