商务智能蝶变，BI为企业节约成本迎来机会

全球经济低迷的大环境下，企业用户在软硬件投入方面都会减少力度。也正因于此，BI等能为企业节约成本的软件将迎来机会。

当顾客在超市中采购了一车商品结账时，售货员小姐扫描完了选购的产品后，计算机上会显示出一些信息，然后售货员友好地问："我们有一种一次性纸杯正在促销，位于F6货架上，您要购买吗?"

这句话不是一般的促销，而是因为计算机系统早就算好了，如果顾客的购物车中有餐巾纸、大瓶可乐和沙拉，则86%的可能性要买一次性纸杯。通常的结果是，顾客会说，"啊，谢谢你，我刚才一直没找到纸杯。"

这不是什么神奇的科学算命，而是利用数据挖掘中的关联规则算法实现的计算功能。

每天，新的销售数据会进入挖掘模型，与过去很多天的历史数据一起，被挖掘模型处理，得到当前最有价值的关联规则。同样的算法，分析连锁超市的销售业绩，计算机可以发现其他因素之间的关联以及关联的强弱。

年轻的职业女性主要在哪个区?以中老年为主的消费群主要在哪一带活动?中高档收入人群密集区域在哪里?

只要进入系统，山东家家悦连锁超市董事长王培桓就可以方便地看到各类消费群在城市地图上的分布情况。

根据消费群和商品的关联模型，他还可以进一步观察到不同商品类的需求分布：年轻的职业女性对高品质的生鲜食品和日常用品需求丰富，中老年消费者比较关注大包装量打折出售的家居商品和食品等。根据这些不同客户群对食品类的消费需求预测，数字地图可以为王培桓直观地显示出各区位对食品类的总需求。

在数字地图环境下，家家悦还可以模拟，配置不同的业态组合，是建一个大卖场还是建一个超市和两家便利店?分析工具能迅捷输出不同场景下的各类预计商品销售量、投资预算、门店位置及商圈范围等重要内容。

再说我们每个人都会遇到的情况，"我们新出的某某汉堡，您不来一个吗?"去快餐店用餐，营业员会在点餐时不断向顾客推荐新出的套餐;去电信运营厅办业务，也会被推荐各种各样的新业务，这些传统的营销方式已经很难引起人们的兴趣。

我们每个人每天都会收到很多短信，当你收到一个短信笑话时，有人一笑置之，有人会转发给朋友。在运营商眼里这两个举动可是有着天壤之别。转发则意味着此人有很大的交往圈子，也乐于和大家分享，很可能这条短信内容在非常短的时间内就会扩散开来。运营商会有意识地向他发送一些活动信息，利用客户自发来做营销。

新型的营销代替了过去费力不讨好的传统模式，这些都是BI(商业智能)的功劳。BI进入中国已经有几年时间了，从一开始的"炒着热，吃着冷"，2008年BI市场似乎跟往年不太一样了。蛰伏了许久，商业智能是否迎来了化茧成蝶的一天?

BI，如何从面子到肚子

石菲

经历了"啤酒加尿布"的光环和"炒着热，吃着冷"的尴尬，2008年的BI市场似乎显露出好转的迹象。1998年，商业智能带着"啤酒加尿布"的光环来到中国，引起理论界一阵热炒。然而经过几年的实践，数据挖掘的应用和实施仍有困境，成功案例屈指可数。为什么商业智能市场"炒着热吃着冷"?是什么让商业智能市场止步不前?

大家都非常熟悉的啤酒加尿布的故事，触动了不少想提升企业竞争力的高管。可实际上，这个故事只是数据挖掘的结论，而且恐怕还不是直接结论，是从业务上进一步解读的结果。对于每家企业来说，怎样利用商业智能去进行数据挖掘，需要挖掘的是什么?挖掘的过程又应该怎样操作?这些都不是那么简单的。

"这不是真正的BI"

提起商业智能，"真没听说谁用的比较不错。"一位CIO如是说。

由于商业智能技术，可以整合历史信息数据，从多个角度和层面对数据展开深层次的分析、处理，为决策者提供相应的决策依据，提高决策效率和水平，目前在国外已经得到很好的应用。从2003年商业智能技术的兴起，市场随即给出了强烈的反响，赞扬之声不绝于耳。但翻看一下BI公司的客户名单，我们都会发现具有惊人的相似性，即金融、电信业均拥有大批客户外，其他行业的用户少之又少。动辄上百万的软件平台，外加千万级的商业模型，还有巨额的维护费用，恐怕没有几家企业可以轻易承受。

杨洪和是原山东德棉集团信息中心主任，2007年他离开德棉集团，来到清华大学国家CIMS(计算机集成制造系统)工程技术研究中心，继续着在制造业信息化领域的探索。

山东德棉集团有限公司是一家国有大型纺织企业集团，在2006年～2007年全国棉纺细分行业竞争力排名中位居第三。"在棉纺织里面我们属于前3名，信息化第一名。"提起老东家，杨洪和不禁流露出自豪之情。

杨洪和第一次接触BI是在2004年。用他的话说，"那时决策层有这个需求，IT技术也能支持。领导想看到实时的销售情况，回款和生产入库情况，这些不是能通过报表解决的，需要通过BI工具。"

在杨洪和眼中，2004年做商业智能的厂商比较少，很多国外的大厂商刚刚进入中国市场。经常召开商业智能的研讨会，宣传这个理念。当时参加的用户对这个理念都非常认可，但是商业智能涵盖的范围太大，太系统。好多人想试试，但是要怎么用成了个难题。要么是信息化基础薄弱，想用用不了。要么是刚刚用了报表，也觉得现在用得不错，用不到商业智能这个程度。

另外，产品也是一个大问题。很多BI厂商都是刚刚进入中国，自己没有产品，只是汉化了一些国外的模型，对国内用户并不适用。还有的厂商只是有个概念，产品则是绑定了国内一些小厂商，用户不是很放心。

德棉集团的ERP系统用的是浪潮公司产品，正好浪潮有一个"楼上平台"可以支持商业智能。再加上需求比较简单，只是物流和资金流的集成，生产方面就是入库的品级，一等品还是几等品，还有一些财务结算。所以，半年的时间商业智能系统就上线了，效果也不错。领导可以随时随地看到一些所需的数据，比较满意。

"虽然这套系统一直都在用，也有管理驾驶舱，但我感觉BI应该是更为全面的。而我们仅仅做了供应链部分，设定了过滤条件，相当于决策支持，还没有完全到达BI层面，还不是真正的BI。我觉得要结合上下游和企业战略，才叫BI。"杨洪和说。

BI是下一步的事情

在医院管理方面，上海"联医工程"覆盖了上海申康医院发展中心(下简称申康)下属的23家市级三甲医院，利用网络系统把23家医院的患者就医信息链接起来，避免重复检查、检验和用药，从而降低患者的就医成本。

申康是经上海市政府批准设立的一家全额拨款的事业单位，主要承担所属市级公立医疗机构发展战略、重大决策、国有资产营运与管理以及推进市级公立医疗机构改革和完善管理体制与机制等职能。医院的科研费用，设备费用都是由申康来批准，医院的业务考核也归申康管，医疗质量也是申康负责评估。

宫克奇是上海中医药大学附属岳阳中西医结合医院信息中心主任，目前在申康配合做"联医工程"。"联医工程"要做的是把医院的电子病历联网，昨天在甲医院看病，今天在乙医院都可以看到。健康档案信息也可以共享，上海市民通过市民信箱和上海医联网都可以看到自己的病例。

病人如果一周前做过B超检查，医生开B超时，系统会自动跳出一个对话框，在窗口界面上进行提醒。如果病人患有糖尿病类的慢性病，某某药不能开也会提醒。系统对医保费用控制也比较严格，在后台设置下，如果处方规定只能开4种药，系统就不会允许开第五种药物。

"BI是在这个基础上下一步的事情，申康医联工程的下一步就是这个。"宫克奇说。

比如慢性病的跟踪，对一些病种分析和普查，某种新药的效果怎样。有了这些数据，可以进行分析。电子病例是这些的基础，现在正在逐步试验中。

"但规划涉及到谁来利用这些数据，使用者的身份、目的、结果，对病人的隐私性都要考虑到。从技术角度实施没有问题，从行政，法律角度要考虑周全。比如制药企业要看药物分析，某个抗体数，但谁来用，无偿使用还是有偿使用，怎么用都要想好。商业利润方面也有很多细节的问题要考虑，所以上马之前要考虑清楚，可能会是1、2年以后的事情，这是锦上添花的事情。"宫克奇最后说。

CIO的软肋

和上海申康不同，商业智能在北京市西城区卫生局已经应用。

西城区主要是从政府角度来做两类分析。一是经济效益，二是发展规划，比如老百姓的需求、社会供给、医院的自身能力，为决策分析做准备。还有健康管理方面，考虑整个地区的健康状况分析，下一步需求供给，政策是否有效等。主要是从政府角度考虑，根据样本量，做一些决策。分析资金的利用率、人员绩效、资产的一些状态，会对财政下一步的动作有什么影响。

朱树宏是北京西城区卫生局信息中心主任，提起商业智能。他认为，厂商缺乏对行业特别理解的人员，没有特别熟悉行业的专家，一旦脱离行业太久，大家交流的只剩下皮毛，不能深入了解。

赛迪顾问有限公司软件与服务产业研究中心副总经理贾娟和他的观点一致，她也认为行业专家有脱节情况。专业人才的缺乏也是阻碍国内商业智能成功应用的绊脚石之一。人才问题是目前各行各业老生常谈的话题。在商业智能这个新兴领域，问题更加明显。对于企业来说，既了解商业智能产品又了解行业应用的人不多，因此商业智能往往停留在报表及查询这一级别，不能更好地为企业服务。无论是软件开发商、咨询服务提供商或实施方，人才匮乏问题成为企业发展的一大瓶颈。

数据挖掘项目的实施人员，除了项目管理者之外，还需要三类具有不同专长的人员，一是业务分析人员，精通业务，能够解释业务对象，并根据业务对象确定用于数据定义和挖掘算法的业务需求;二是数据分析人员，精通数据分析技术，熟练掌握统计学，能把业务需求转化为具体操作，并为每步操作选择合适的技术;三是数据管理人员，精通数据管理技术，了解数据源，负责数据准备过程。

同样，要成功完成一次数据挖掘过程，用户也既要熟悉业务，又要熟悉算法和模型，才能知道取出来的数据代表什么，算出来的结果又代表什么。

以前的信息化系统都是从CIO角度发起，解决业务部门的某些需求。而BI应该是自上而下，由管理层提需求，用企业真正关心的指标来提需求。而国内的CIO大都不站在战略角度，不会明白哪些是企业所最需要的。

所以，贾娟认为BI的前期咨询很重要。真正实施起来很简单，因为产品成熟度很高。CEO懂管理，有想法，但把CEO的想法变成技术语言，缺乏翻译。CIO和CEO在这方面的沟通很难，语言不通是个大问题，因为要涉及公司的所有指标。CIO要理解CEO的管理需求，要有管理知识。以前的思路都是搞技术的只是做好系统，应用好就可以。商业智能则是要明白挖掘什么，需要的关键点是什么。

比如CEO说我要缩减某某成本，如果缺乏对业务的足够了解，CIO就会一头雾水。牵扯到很多的步骤和流程、环节，对IT部门也是一个大工程。

一位CIO对此也发表了自己的看法，很多企业的CEO都是业务专家，不太懂管理，这类CIO应该去了解技术应用而不是业务本身。或是做了业务，没放下技术。或是懂了技术，不懂业务，整个人都钻进技术里，无暇去了解业务。这些是CIO的软肋，对于BI这个方面更加突出。

而商业智能要明确分析数据源和目标是怎样的利害关系。CIO要做的是把业务需求方和技术实践方去融合，融合代表了自己的水平。业务出身角色不要只从业务角度思考问题，技术出身的人也不要太钻研技术，技术只是一种素养，而不能把技术当作一个思考问题的出发点。

分析什么是关键

数据挖掘本身并不产生价值，实施数据挖掘后产生的结果才有价值。实际上，数据挖掘只能找出数据上的关联，还不能把这种数据关联关系当成因果关系。例如挖掘发现，"大多数车祸出现在中等行驶速度当中，极少的事故出在高于150公里/小时的速度上。"人们当然不能认为"高速行驶比较安全"，它的真实原因在于"多数人是以中速行驶，因此多数车祸出在中速行驶的车辆上"。

因此，在数据挖掘和分析中，如何确定战略目标尤为关键。企业CEO一般对预测模型的建立都比较感兴趣，预测的目标也比较好确定，比如要预测客户流失，那么"客户是否流失"就是目标变量;要预测股票涨跌，那么"收市价是否上升"就是目标变量。但确定哪些变量作为自变量则颇费周折，换句话说，要确定哪些因素与目标变量有关系，往往是双方各执一词。

数据挖掘的成功要求CEO对期望解决问题的领域有深刻的理解，理解数据，理解其过程，才能对数据挖掘的结果找出合理的解释。拿啤酒和尿布这一经典例子来说，如何去解释这种现象，是应该将两者放在一起还是分开销售?需要摸透消费者的心理才能做出决定，而无法靠数据挖掘得出结论。

数据挖掘的结果是不确定的，要和专业知识相结合才能对其做出判断。说白了，数据挖掘只是一个工具，它可以发现一些潜在的用户，但不会告诉使用者为什么，也不能保证这些潜在的用户成为现实。

不少CIO认为，商业智能就是数据处理，怎么样去分析，分析什么才是最重要的。因为每个企业的情况都不一样，当前战略是什么，所属地区的特点，这些都和商业智能密切相关。商业智能是通过数据建模的方式，而建模是依赖于领导的思路。如果领导的思路不清晰，模型没法去建。

一位制造业的CIO说，"商业智能要实现起来不是太容易，技术上没问题，问题是IT人员和领导的思路不合。因为数据本身就存在，需要的只是加工整理。其关键问题是IT的实施人员不知道领导想什么。要是知道领导想要什么，不用BI也可以。"

鲁花集团信息中心主任姜波的观点是如此，他认为BI的发展不深入主要是因为人为因素的影响。别的信息系统只涉及到流程与业务，或是底层实现自动化，影响不会过大。但BI针对和影响的都是高层，做为信息价值链的顶端，高层领导者的思想尤其重要。

一般的业务系统是满足某一个部门的需求，BI涉及到整个公司的层面。领导只有明确了自己的思路，才能落实到下面。部门需求相对简单，整体公司的未来发展和人的思想有关系。其中，CIO和CEO的语言缺乏翻译也是一个大问题。

CIO的最大困难是不知道领导的要求是怎么形成的。例如市场饱和了，企业要转型，这些都是领导考虑的问题。即使领导提出了需求，CIO也很难实现。

"商业智能我知道很多人想做，但是不知道怎么做，主要是不知道要做什么。"长安铃木汽车有限公司技术管理所产品数据系系长张凯说。

厂商关于商业智能的介绍资料也写得很虚，数据分析是主观意识很强的。因为即便是同样的数据，不同的分析方法，得到的数据也不一样。对企业而言，需要的是要量身定做，要了解企业需求，同行业的不同企业之间的需求也不一样。

张凯介绍，长安铃木有一些报表级别的应用，包括生产的质量分析等。数据库里会出一些固定的报表，什么时候哪些零件会出问题，在什么情况下故障率会高。

"2000年就开始做这种报表，这种报表是战术，不是战略。这些只要自己开发一个简单的工具就可以了，没有提高到战略的程度。如果应用到明年要推出一款什么样的车，这个才是BI。" 张凯说。

一般来说，BI应用的初级阶段是报表级别的应用，或者是为了满足领导某一方面需求的"面子工程"，对企业实际的作用并不大。张凯所说真正的BI要结合企业战略制定，这样的BI应用才达到了最高标准。

BI是一把手大脑的延伸

目前在国内，很多企业把商业智能做成了"老板工程""面子工程"，仅仅是为了方便经营者了解企业的种种数据和信息。事实上，这种看法是非常片面的，商业智能高效的统计分析功能的确可以为经营者分析和决策提供科学依据，但是其主要的"功效"却是利用分类技术信息将信息消费者使用的决策支持对象分门别类，帮助业务人员解决业务运转可能出现的各种主要问题，提高业务人员的工作效率，从而提高企业的核心竞争力。因此，商业智能的建设需要包括经营者在内的所有业务人员的关注和参与，尤其是经营者。

对于企业的经营者来讲，商业智能是帮助他们建立一个理性的外脑。商业智能可以理解成是对"一把手"的大脑的延伸，借鉴历史数据，建立标准的分析和决策模型，并能够对未来做出正确的预测。

对于BI市场，贾娟认为商业智能的市场虽然规模不是很大，但始终是在增长的。2008年，商业智能的应用开始从面子问题到肚子问题，原来很多企业的应用是跟潮流，主要是为了满足领导想实时了解一些数据的需求，把商业智能做成了面子工程或者装饰工程。而现在是真正有了一些需求，发现商业智能真的可以帮助企业，做一些实事。

"以前大家对BI的期望太高了，认为BI什么都能做，把它看得太高，导致期望越大失望越大。做商业智能应该先从基础数据整理开始，数据分析，数据挖掘，循序渐进地开始。如果基础数据质量很差，想挖掘出有价值的情况很难。应该从数据质量最好的应用下手，先从小处得到一些大家看得见的收益。"贾娟说。

对于如何开拓这个市场，"慢慢来吧，要循序渐进。要知道自身企业的情况，深度上做到哪一步，广度上知道哪些业务需要用到BI。既要培养CIO对业务的了解，也需要了解行业的咨询顾问。我觉得这个东西还是有用的，难的是具体怎么用。"

商业银行向BI迈进

银行是信息化程度比较高的用户，也是在各方面和国外接轨较多的用户。在商业智能方面，银行用户也是走得比较前端的。

凌晨1点，一个用户想从荷兰银行(ABN Amro)的ATM机提取100元现金，但其账户余额只有28元，他的请求遭到了ATM机的拒绝。因为，银行从其数据仓库中调出他的有关信息并分析后发现，他是个高风险用户，之前有过延期还款记录，而且该用户所提款的ATM机位于某娱乐场所旁。

而另一位用户却从ATM机上取到了400元现金，尽管当时，他的银行卡余额仅为128元。原因是银行经后台商业智能(BI)系统分析后发现，他没有任何违约记录，个人信誉很好，并且他所取款的ATM机靠近医院，系统分析认为该用户可能因为家人住院急需用钱。

这是银行为客户提供的真实服务，商业智能为业务一线的服务能达到如此精准的程度。

对于信息化程度高的四大行，早就实施了商业智能。如今，对于中小银行来说，BI的诱惑也在慢慢增大。

"商业智能我们一直想做，早在2、3年前就想做了，当时觉得不是时机。现在准备得差不多了，我们准备明年开始这方面的尝试。"温州市商业银行科技信息部主任文忠说。

之前，由于国内厂商的模型不是特别成熟，用国外的模型汉化，又不是很合适。最近几年，随着国内银行监管慢慢向国外看齐，这些情况都有所改善，直接应用国外的系统模型成为可能。

说到商业智能在银行业实施的难点，吴文忠认为以前国内银行系统重点在做交易，对管理要求不是特别高，数据的颗粒度比较大，不够细。其次，能够比较熟练使用BI工具的员工，熟悉银行经营的人也比较少。另外，有一些银行3、4年换一套信息系统，有的5、6年要换一个。由于银行管理变化很快，不断出台新的政策，引进新的管理理念，系统也要调整，更换核心系统的概率特别高。影响到可用的核心数据，5、6年前做的系统，不是以客户为中心，数据倾向也不一样。

此外，还有一些应用环境和国外不同。比如上面荷兰银行的故事，在中国就不太可能实现。因为国内的个人征信体系还不是很完善，银行可以进行手工连接到人民银行的网站上查询，但人民银行还没有开放系统自动查询。必须由银行柜员打开网站，手工输入用户号，才能登陆希望，进行查询。所以，这种商业智能的应用在国内是不太可能实现的。

2008年，关注商业智能领域的人开始多了起来，应用积累也更多。国外厂商培养了一些本地的服务商，积累了一些应用模型。

"我们银行小一点，自己去摸索不太可能。随着厂商实施经验的增多，国内银行和国外银行的管理差距也逐渐变小。都要遵循一些国际的法律协议，模型的适合度加大。虽然实施商业智能不是一帆风顺，但是早点做，对数据要求会更清楚，知道该怎么去改。早一步进入这个状态，起步也不会太低。"

啤酒加尿布

在美国沃尔玛连锁超市里，尿布和啤酒被摆在一起出售。原来，美国的妇女们经常会嘱咐她们的丈夫下班后为孩子买尿布。而丈夫在买完尿布后又要顺手买回自己爱喝的啤酒，因此啤酒和尿布在一起被购买的机会很多。这个举措使尿布和啤酒的销量双双增加，并一直被誉为商业智能的经典案例。

实施商业智能的步骤如何?

(1) 需求分析:需求分析是商业智能实施的第一步,在其他活动开展之前必须明确的定义企业对商业智能期望和需求。

(2) 数据仓库建模:通过对企业需求的分析，建立企业数据仓库的逻辑模型和物理模型。

(3) 数据抽取: 数据仓库建立后必须将数据从业务系统中抽取到数据仓库中, 在抽取的过程中还必须将数据进行转换, 清洗, 以适应分析的需要。

(4) 建立商业智能分析报表。

(5) 用户培训和数据模拟测试。

(6) 系统改进和完善。

长安铃木的BI应用，还没提高到战略程度

谁是最后消失的BI厂商

石菲

随着BI厂商的并购风潮，独立的BI公司该向何处走?综合型BI又怎样才能符合用户的需求?

BI领域的"并购风"一直越刮越烈，2007年，甲骨文收购了海波龙、SAP收购了Business Objects、IBM收购了Cognos，全球三家主流的BI公司皆被人收入囊中。在全球BI领导厂商中，现在独立的BI公司就只剩了SAS一家。

众多厂商都将目光投向BI市场，整个BI市场早就迎来了并购的狂潮。独立的商业智能的厂商该何去何从?众多的软件巨头纷纷发力商业智能市场，这个市场是否已经足够成熟? 经历过并购狂潮的BI厂商们，又会如何发力?

SAS的命运

惟一独立的SAS成为了所有人关注的目标，它的一举一动吸引了太多的视线。有分析师认为，SAS之所以没有被购买，原因之一是它为一家私营公司。SAS成立于1976年，总部位于美国北卡罗莱纳州，经过32年的稳定收入增长，2006年SAS全球营业额达到21.5亿美元，为全球第五大独立软件供应商，也是全球最大的未上市软件公司。

SAS公司大中华区市场总监罗威也承认，在并购狂潮中SAS之所以能独善其身，在于与甲骨文、IBM、BEA不一样的经营模式。"没有公众股东的压力，不需要面对华尔街的股票指数，只需要考虑员工和客户的利益。" 也因为如此，SAS每年将25%的收入投入研发，投入于新的应用开发，是目前很多IT公司的两倍。这也保证了SAS每年都能持续地带给老客户新的应用、新的价值。

IDC公司发布的"中国BI市场半年度跟踪报告(2007年下半年)"中显示，SAS公司成功摘取了中国商业智能市场业务增长率、高级分析市场占有率双料桂冠。

最近，SAS公司的最新定位由BI拓展到BA。BI(business intelligence)和BA(business analytics)虽然只有一字之差，但其内涵却大不同。BI只是从数据出发，侧重技术挖掘的过程，而BA则是以业务为出发点，提出有针对性的业务问题，让BI平台中的数据价值得到充分利用，也让BI更深入于业务。从BI到BA，是用户的强烈需求，也是商业智能发展的必然。面对这种趋势，SAS也在成长。SAS的最新定位从BI扩展为BA，即商业分析软件及服务提供商。这一转变对于32年专注分析和商业智能发展的SAS来说是一个里程碑。

罗威说，SAS致力于成为当客户想解决业务问题时想到的第一家合作伙伴，通过提供广受认可的解决方案来推动创新。以前BI的概念有些狭隘，是从数据出发，侧重技术挖掘过程，而存在与业务脱节的可能性，有可能得出的数据和结论并不是业务真正需要的。现在，企业更多地是从业务的角度来考虑，他们更多地关注企业的绩效管理。绩效管理是将员工行为与高层战略相联系的有效途径。

BA需要有一些分析应用的解决方案来支撑。而分析应用里面最关键的有两块：一个是分析，另一个是智能展现即BI，这两者同时支持分析应用。最底端的还是数据整合，即DI。这样，DI、分析和BI一起构成一个支持平台，来支持整个企业的绩效管理。由此我们可以看出，BI只是BA的一部分。

现在讲的BA，首先是帮助企业解决业务问题，同时通过分析提供企业一些看不见的机会。SAS的目标很明确，以前是解决技术问题，现在要帮助企业解决业务问题，并通过商业分析为企业揭示更多的商业机会。

IBM主打行业牌

2008年7月8日举行的2008 IBM Cognos盛夏发布会上，IBM公布了其在收购Cognos之后的新战略举措。IBM于去年11月正式宣布以约50亿美元全现金收购 Cognos公司，目前Cognos已作为一个事业部并入IBM的信息管理软件部门，主要负责商务智能和绩效管理方面的业务，成为IBM"信息随需应变"战略的重要组成。

此次会议中，IBM首次公布了一系列全新的面向行业的IBM-Cognos行业解决方案蓝图，以帮助各行业、各种规模的机构从数据中获得更有价值的信息，改善决策,制定并提升业务绩效。这些产品和服务包括：6大行业IBM解决方案-面向金融、零售、医疗及生命科学、政府及工业等6大领域;70余款预先集成的IBM-Cognos产品的解决方案，帮助企业通过商务智能提升总体业务绩效。

IBM Cognos大中华区总经理李红焰女士表示，IBM将维护和扩展Cognos合作伙伴网络并将继续支持和增强Cognos产品在异构信息系统上的使用。IBM还将继续投资于Cognos产品与其他IBM软件产品组合更紧密的整合，以及优化Cognos产品性能。

IBM与Cognos产品的无缝集成进一步推进了IBM于2006年发布的 IOD(信息随需应变)业务战略。该战略旨在集中IBM在信息整合、内容和数据管理及业务咨询服务方面的实力，整合IBM在软件、硬件、研发和业务咨询服务方面的能力，帮助企业通过对信息的正确处理把握住商机，帮助用户在充满挑战的全球化经济环境中立于不败之地。

尽管Cognos在被IBM收购之前已经在国内发展多年，并在政府和银行等行业赢得众多客户，但之前其在国内的业务推广全靠全国总代理优信佳公司，除了北京，其他地域的市场投入力度不大。如今，IBM结束了Cognos这种全国总代理的渠道模式，转而借助于IBM的销售方式在全国展开推广。

李红焰还透露，Cognos的推广目前主打的是行业牌，IBM正在招募一些合作伙伴完善各个行业解决方案。其中，不仅是金融、电信等大客户，其他行业和中小企业都会被考虑在内。

甲骨文："卓越管理"新概念

"运营效率高不再是竞争优势，卓越管理是竞争优势的新标志"，2008年8月6日，甲骨文企业绩效管理战略副总裁Frank Buytendijk在新加坡举办的视频直播研讨会上反复阐述"卓越管理"的重要性。历经一年多，甲骨文收购海波龙总算结出了正果。这次甲骨文带来的不仅是下一代企业绩效管理系统，还有一个新名词："卓越管理"。

这个新概念是相对于卓越运营而言的。无疑，直到现在，卓越运营仍是管理者关注的重点。要实现卓越运营，则主要是通过企业资源规划实现的。推动企业资源规划成功的两个关键概念则是：建立一个可以应对所有交易处理的系统，从软件厂商那里获得这个系统而不是自己开发;业务流程应该作为大规模、端到端的流程来管理，如"order-to-cash"和"procure-to-pay"流程。

按照Frank Buytendijk的说法，由于运营效率带来的竞争优势正在拉平，仅有卓越运营已完全不够，现在很多企业拥有同样的后端办公处理系统，收集大量同种类型的数据。差别将在于，企业用这些数据做什么，甲骨文将能够很好地分析和利用数据的管理方式称为卓越管理。

这样一个概念是和产品紧密相连的，即新的绩效管理应用软件–Oracle Hyperion利润与成本管理(Oracle Hyperion Profitability and Cost Management)的发布，这一事件也刚好发生在不久前。甲骨文在商业智能与企业绩效管理方面的快速增长得利于去年对海波龙(Hyperion Solutions)的收购，Frank Buytendijk透露，2007年甲骨文在商业智能市场的增长百分比为105%。而早在收购之初，甲骨文公司首席执行官Larry Ellison就指出："对海波龙公司的收购使甲骨文成为快速成长的企业绩效管理解决方案市场的领先厂商。"

微软：商务智能普及观

在软件行业中，商务智能一直是相对独立的一个领域。比较高的技术门槛，几家主要的厂商，以及高昂的价格。因此传统上商务智能的应用，更多地局限在金融、电信等资金雄厚的行业和企业中。平台提供商如微软的进入，逐渐改变了这一格局。在2005年末发布的SQL2005，是一个具有里程碑意义的产品。其中对于ETL、数据仓库、OLAP、报表、数据挖掘等的全面支持，大大降低了商务智能应用的技术和资金门槛，从而使之成为更多企业能够负担的应用。对于BI领域的传统厂商，这无疑会带来巨大的影响。

在SQL Server 2005中，关于商务智能微软就已经有一些比较大胆的尝试，比如说对于数据挖掘的支持，在SQL Server2005中一共是8种算法，此外它还支持了数据挖掘模型的建模过程，而且这种建模过程和工具是很简单的图形化建模方式，也可以使用类似脚本的方式完成这个过程，使用起来是非常简单。

"而在SQL Server 2008中，在这方面又有了一个更大的提高"，微软SQL Server的资深技术专家朱海峰说。此外，在SQL Server 2008中引入了和Office的紧密结合，并且已经扩展了一些新的功能，在一定程度上已经能够实现这样的工作了。比如提供一个表格大家可能通过它来处理大量的数据信息，可以做一些市场调查的表格等。由SQL Server 2008作后端模型存储和分析工具，用Excel实现前端的展现，让每一个普通的业务人员在自己最熟悉的Office环境中就真正实现了商务智能。

最终与应用融合

其实，在一个成熟的产业里面并购是经常发生的。一个收购到底是成功还是失败，最终的决定是来自于客户的需求。如果用户需要的是整体解决方案，那么整个产业就会向不断收购的方向走。而如果用户需要的是单一产品的最佳解决方案，那么可能有同业竞争的ISV是比较好的选择。

大型BI厂商被并购，意味着中小BI公司的机会，因为BI与其他领域应用之间的融合已经开始。事实上，最终商业智能产品也还是要与其他应用融合才能满足用户的需求，这也是商业智能发展的一个必然趋势。

这不难理解，商业智能的应用领域其实是非常广泛的，但由于目前价格原因，不是一般企业都能够购买得起。所以商业智能大多集中在银行，金融，制造业，航空，零售等对商业智能需求比较迫切的企业。而这些企业也由于多数都已经完成了数据的积累阶段，部署商业智能也是情理之中的事情。

因此，随着越来越多的用户开始尝试商业智能，厂商的态度也在发生着变化。慢慢地，厂商对商业智能也从技术导向，变成了更为务实的市场导向。

绩效管理的BI尝试

被国家电力公司命名为"国内一流火力发电厂"的秦皇岛发电有限责任公司(以下简称秦皇岛电厂)是由华北电网有限公司和河北省建设投资公司共同组建而成。从20世纪90年代中期开始信息化建设开始，秦皇岛电厂就着手以加强管理，提升资源管理水平为着力点。"我们上马商务智能系统，和国家电网推进186工程分不开。"秦皇岛电厂计算机中心主任曹旭解释。国家电网公司在《"十一五"信息发展规划》中明确了信息化的工作目标，其核心是实施"SG186"工程：构筑一体化企业级信息集成平台，建设八大业务应用系统和建立六个健全的保障体系。受惠于工程的推进，秦皇岛电厂的信息化建设也有了再上台阶的机会。

从每月一次到每一小时一次

"像我们单位，以前也都是一堆的小项目。"曹旭说，在186工程推广之前，电厂既上过ERP系统，努力实现全厂的财务大集中;针对资产管理，也上过EM系统;而为了建立门户系统，还借助IBM中间件技术，搭建了协同门户。有了三个大系统的部署，底层的业务系统集中应用一多，互动互联的需求也就增多了，这样就自然对BI需求变得更迫切。

虽然在一线管理上，BI应用最多的仍然是报表部分，但报表自身的深度、广度都得到了有效的拓展。"如今，要求对业务更全面的把握了，不像原来，都是一个个部门里面来把握。"曹旭说，应用BI后的最显著表现就是有了呈现电厂整个生产系统打通的经营大报表。另外一个变化就是实现了实时的绩效和数据分析。"我们原来都做不到的，都是各管一段。"曹旭说，如今实现了全厂的实时工控数据反映，人员考核数据直接相关联。从操作级的员工来说，可以达到实时绩效，每个小时内都能把工资、奖金计算出来。即便是中层领导，也能做到全体指标分解。公司的年度大指标，小组的工作指标，个人的绩效指标，通过信息系统全部打通了。

不同于业务管理类的信息系统，BI系统上马对企业信息化本身提出了更高的要求。比如业务数据。如果没有基础业务系统收集到足够的数据，全面的绩效管理就根本谈不上。通过BI系统的上马和完善，秦皇岛电厂的绩效报表也日益完善、全面。另外最大的变化是指标考核频率的增加。BI系统的实时分析，更多是成本分析指导下的各种指标考核。如果说过去是一个月作一次，如今可能一天就有能力作一次考核，甚至一小时做一次考核。还有就是流程调控的加强。以派工单为例，工单的每一个时间点，都有监控点。比如，指标的每一分钟都有检查。这样实现了闭环管理。通过计算建立的大指标，逐步实施，小指标实时反馈，进而修改、完善大指标。

量化考核助力自动化管理

秦皇岛电厂的绩效管理系统建设得到广大同行的认可，先后有二十几个兄弟单位到秦皇岛电厂进行参观学习，在各次技术监督会、节能会等相关会议和检查中也对该系统的作用给予肯定。秦皇岛电厂自身的绩效管理则是从协同门户建设完成之后起步，在生产系统完成之后，首先是推广了一些作业绩效。比如，取得工作单流程的一些绩效。如今，秦皇岛电厂已经完全能系统提供真实的指标量化数据。电厂生产线上的指标进行都进行了量化考核。此外，针对一些工作流程，也做了一些监控和考核。部门业务数据完成之后，整个部门也开始做一个考核体系。从2008年开始，秦皇岛电厂开始做全员绩效。电厂各部门之间，比如，检修部门、运行部门、后勤部门，根据不同的体系，整合到一起。"BI就是从各个业务部门抓数据，和各个大指标，大计划对应。一层层去分解。"曹旭表示，BI确保了绩效指标从上往下做，而以前都是从下往上尝试着做。

谈到国内电厂BI应用情况与国外电厂的对比，曹旭有自己的观点。他认为，从生产控制这块，国内电厂的BI应用水平已经和国外很接近了。由于国内电厂采用的IT技术更新一些,自动化管理水平甚至有一定的优势。但在管理层面，特别深入的指导层面，国内电厂和国外相比还有不少的差距。严格来说，这种差距不在信息化本身，而在于管理的精细程度和量化指标的可控性。毕竟在国内还存在这种情况，即便你把指标量化了，但下属单位或公司并没有执行的能力。

"总体而言，管机器，搞个生产线控制，大家都很能耐，都很细，也不见得比美、日差很多。但是人的管理，绩效管理上还差许多。"曹旭笑道。

BI助力电信业精细管理

赛迪顾问股份有限公司企业战略咨询中心 王三义 贾娟

电信业推进BI是一帆风顺还是困难重重，BI又能为电信运营商带来些什么?

绩效管理在电信业有什么特点，目前的瓶颈是什么?

2008年1～8月电信业务收入累计完成5384.5亿元。中国移动、电信公司2007年构建战略、预算、绩效管理三位一体运营系统，推动战略执行，实现通信卓越战略新跨越。

在过程绩效管理中，最大的问题则是绩效管理与业务运营脱节，典型的原因：

1.缺乏体现公司战略和经营模式的KPI体系;2.经营计划制定过程中，对目标和策略的分解不具体、协调不足、沟通不充分;3.各部门缺乏一致的目标，缺乏连带责任机制;4.人力资源部和财务部缺乏对业务的了解，无法参与到业务目标的制定和分析;5.各部门主管对绩效管理和预算管理认识不足;6.数据基础薄弱，缺乏信息系统的支撑，影响绩效反馈的及时性和准确性;7.财务预算与业务计划联系不紧密，权威性不够，预算分析与业务分析脱节;8.缺乏对经营计划、绩效管理和预算管理的日常工作进行统筹领导和协调。

这些问题归结于一句话：企业的计划预算、业务运营与绩效管理相互脱节。这是一个系统性的问题。

BI：电信业精细化营销的工具

为了将企业的绩效管理战略转化成切实可行的计划，需要更高效的计划方案、更优化的资源配置、更透明的企业管理及更细化的责任分担，企业管理者分析和决策行为从"以定性为主"向"以定量为主"转变成为必然。

企业的信息化建设为从定性向定量的转变提供了可能和基础。特别是在电信业，信息化历程较长，信息化水平较高，其发展历程伴随着信息化的发展而一步一步提升和加强。随着电信业信息化的不断深入，各大运营商计费、营账、客服、网管等多种业务系统相继建成，拥有并不断产生大量的客户和业务数据，科学管理和合理开发这些内部和外部信息资源，将有助于正确决策，提高企业绩效管理水平，增强企业竞争力。

而监控企业的运行、给管理者提供深入的企业洞察力，最终达到提升企业绩效目的的一种信息化手段就是将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具-商业智能(英文为Business Intelligence，简称BI)。BI是将企业中的内部数据与外部相关数据通过收集、分析，转变成信息，并将信息应用于商业活动的过程。在BI这个以统一的、综合各类数据信息的平台上，全面的、一致的企业信息视图有助于企业在发现机会后迅速把握机会，并将获得的信息快速转化为可以执行的战略战术。

众多电信运营商已经把商业智能建设作为重要的IT投资。在国外，AT&T、西南贝尔、英国电信等多家国际知名运营商均已完成了商业智能系统的建设，利用BI拥有了高效的数据分析手段，帮助其在瞬息万变的市场环境中准确、及时地把握稍纵即逝的商机，获得了很大的投资回报;在国内，以经营分析系统为名的商业智能解决方案也在中国移动、中国电信等运营商中陆续展开，BI应用成为电信企业精细化营销、评估分析套餐、降低成本的有效工具。

IT、业务双向推进BI应用

不同于专注于业务、注重特定功能实现的事务型系统如BOSS(业务运营支撑系统)，商业智能是集成型系统，是基于事务型系统之上建立的一套整体的高度精练的分析体系，它并不专注于一项具体的事务。商业智能实施成功不但需要IT技术，更需要深刻的行业及经营管理知识，需要足够的数据敏感度和对于商业价值、商业模式的体验，也就是说IT能力、分析能力和业务能力缺一不可。

商业智能与企业管理层面的紧耦合性决定了商业智能的落地不可能一蹴而就，而是一个自上而下、循序渐进的过程。所谓自上而下，就是要谋定而后动,首先对绩效管理关键维度指标进行量化，然后引入BI来分解战略，从企业的财务、销售、生产、人力资源等方面来使绩效管理落地。所谓循序渐进，包括两个层面的含义：一个是深度，应用应从简单到复杂的循序渐进;另一个是广度，与绩效管理维度的结合要从点到面地循序渐进。

从应用广度的循序渐进来说，对于电信企业，计费系统的数据数量和质量都能满足BI应用对海量规整数据的要求，因此基于计费平台的经营分析系统是BI应用最佳切入点，可以作为其最先实施的领域，而且很多成熟的业务指导模型及相对简单的统计分析即可对此领域产生很大的价值，这对BI应用持续进行是个重要推动力;另外事务型系统与BI较好结合的应用还包括财务分析领域的BI应用(如基于客户群、基于地域、基于产品的多维财务分析应用)及人力资源管理领域的BI应用等。

总而言之，在电信运营商竞争环境更加激烈的背景下，全面而精确的绩效管理将成为左右实力的关键，采用战略驱动、辅助决策的集成型信息化系统将极大提升企业综合实力，商业智能对于企业绩效管理的影响将愈发明显，并且随着应用的深入及应用范围的扩大，在长期而持续的过程中，商业智能将渗透到企业运营的各个层面。

身边的BI在哪里

BI不再是高高在上的"面子工程"或者"装饰工程"，在我们的生活中处处可以见到BI的身影。

对城市里的白领而言，也许没想到找一家"小资"情调的餐馆点一样自己喜欢的菜品，这些都是商业智能的分析对象。

比如深受白领喜爱的一茶一坐连锁餐馆，一茶一坐每月每季都设有产品销售前20名排行榜，只要在BI系统里点一下，每季和每月的销售记录就显示出来，产品是被客人持续喜爱，还是受冷遇，产品排行榜上瞬间见分晓。如果产品销售衰减，新品会立即上档顶替。

再说其他的销售渠道，虽然明着不打折，但一茶一坐还是有相应的让利活动。它用储值茶人卡来粘住客人，每消费10元则换算成一点，蓄入茶人卡。储到100元，可以换取礼品，权当打折。营运部门定期跟踪客人做些调查，再加工成不同的报告，放进BI系统。

与BI系统相呼应的是一茶一坐的简讯平台。茶人卡已聚集了7万会员，所有会员的信息都储存在简讯平台上。营运部门根据会员的年龄、收入、消费频率等数据，在简讯平台上做出报表。每逢会员过生日，一茶一坐将提前发短消息提醒。会员生日当天来，凭着茶人卡和身份证，可以吃到一份免费套餐。

在比如说，医生也是典型的BI用户。他们的主要任务是帮助病人恢复健康。医生的第一步工作，是确保患者得到及时的治疗。很多时候，急诊室里的一些患者会因为等待太久而转身离去。为了尽量避免这种现象发生，负责为医院和其他医疗机构提供紧急医疗服务的美国急诊医疗联盟(Emergency Medical Associates)就采用了BI，让医生和医院管理员记录患者的等待时间、就诊时间以及复诊时间，并以此为依据来了解急诊室的效率和服务质量。

这一切都是BI的功劳。

BI进入中国市场，可谓是一波三折，自从"啤酒和尿布"的故事在中国广泛流传之后，数据仓库在中国也热闹了一阵子，用户曾对它抱以极大的希望，但时隔不久数据仓库应用就进入了"冬眠期"。

数据仓库是为了满足人们在高度数据积累基础上进行数据分析的需要而产生的，但由于目前中国在基础数据的积累方面存在不足，导致数据仓库技术的应用没能推广开来。

同时，在国外市场竞争非常激烈，每个企业为了自身的生存，已经想尽了办法，很多能够被人工发现的规律早就发现了，在这种情况下，使用数据挖掘技术来解决问题是一个很正常的想法。而国内企业，正处于传统经济转向到市场经济的浪潮中，从管理者、到实施者均尚没有认识到"生存"的真正压力。

更为重要的是，数据挖掘工具并不能直接告诉决策者应该把啤酒和尿布摆在一起卖。实际上，数据仓库之上的数据挖掘更像一个过程，一个用户逐步认识自己、提高自己的过程，数据仓库与业务系统并不是平行的关系，它应该是基于所有业务系统之上的，对业务信息进行采集、分析、整理和发布等，应该是一个稳定的、带有时间参数的数据集合。

这是BI市场最难解决的事情，一向习惯于拍脑袋做决策的管理者很难理解BI的真正涵义。所以，多数的企业用户把BI做成了装饰工程。领导想看到实时的某某数据，IT部门接到这个指令后马上想到了商业智能。厂商的宣传把商业智能夸成了一朵花，国际上最先进的管理理念，能把企业打造成智能化企业。一片赞美之声下，一个轰轰烈烈的"面子工程"上马了。几个简单的应用被冠以商业智能的名头，领导初时很满意，自己的企业和国际接轨了。渐渐地，化重金买来的软件，只能起到一点点作用，原来的满意似乎不那么是滋味儿了。

经历了满长的等待之后，2008年随着厂商策略的改变，各大BI厂商都开始务实地走向了平民化，各个企业也开始了对BI应用的探索。于是，有人说商业智能的春天来了，这未免高兴得太早。

虽然BI的局部应用逐渐增多，越来越多的企业尝到了BI的甜头。但对"平民化"的正确理解是商业智能能否最终真正实现"平民化"的重要因素之一。无论对国际厂商还是国内厂商，急功近利将会使资源大量流失，真正适合于本土的模型和解决方案才是企业之所需，而对于中国这个拥有6000万中小企业的大国来讲，商业智能的"平民化"是必然的选择。

未经允许不得转载：DOIT » 商务智能蝶变，BI为企业节约成本迎来机会