6 商业智能应用的建议 商业智能应用的建设是一个经验积累的过程。面对用户面临的各种问题,可以对用户在观念与设计思路、技术实现关键问题及人员的主动性等方面提出如下建议: 6.1 观念与设计思路的转变 首先,用户要采用从战略上藐视、战术上重视的观念,突破商业智能...
显示全部6 商业智能应用的建议
商业智能应用的建设是一个经验积累的过程。面对用户面临的各种问题,可以对用户在观念与设计思路、技术实现关键问题及人员的主动性等方面提出如下建议:
6.1 观念与设计思路的转变
首先,用户要采用从战略上藐视、战术上重视的观念,突破商业智能应用神秘化的思想,只不过将它作为另一种类型应用;其次商业智能应用要满足多层次应用的需求;反对将系统简单归为“一把手”工程,尽量降低系统建设过程中非技术的影响因素;要注重激发量化科学管理的积极性,根据应用的实际需要,规划商业智能应用,从对数据的使用程度和应用的部署两个方面可以将商业智能系统分为战略性的用途和战术性的用途。所谓战术性指面向局部的,解决特定问题的方案,而战略性指面向全局的,解决整个企业管理问题的方案。
6.2 技术实现关键
数据模型设计关注业务流程而非业务部门或应用。目前,业界较为流行的误区是将数据仓库的设计根据业务部门或应用功能进行划分。在数据仓库的设计中我们会经常见到“大客户分析”、“客户行为分析”或“客户流失分析”等不同的应用主题。实际上,仔细研究各个应用,不难发现,它们均使用了同一个数据源——客户交易的数据。与其在不同的应用中建立客户交易的信息,不如在数据仓库中建立统一的客户交易信息提供多个分析应用使用。
关注于业务的流程而非业务的部门或应用能够让我们更清晰、更经济地整合企业的信息。数据仓库的建模应根据业务的流程和数据源来决定。
系统建设可分阶段实施、可持续发展。虽然数据仓库设计作为决策分析系统的主要部分将在设计阶段集中解决,但数据仓库的建设是一个系统工程,其中涉及的数据源也可能分散在各个部门,在系统实施过程中会遇到各种包括非技术因素在内的问题。因此,数据仓库的设计必须“大处着眼、小处着手”,数据仓库的建模必须提供系统可以分阶段实施、并在应用层面保持系统可持续发展。同时,每个阶段的建设必须注重投资回报、提供资源共享。
注重数据的完整性。对干每一个数据仓库关心的数据源在数据仓库设计时都将从最明细的数据层次进行收集。即使将来的分析大部分都是基于汇总的数据,但数据仓库中最底层的数据模型将对应业务系统中最明细的部分。
这样的设计,使得数据仓库的建模和数据采集对于业务系统来说是一步到位的。而这样设计出的分析模型是能够支持所有可能的业务分析的。不会因为数据仓库的设计而丢弃业务的细节,导致未来系统重建。
尽量减小需求的变化对系统设计的影响。需求的变化导致数据仓库模型的变化。这个问题是数据仓库系统建设中非常关键的问题,有时会影响数据仓库建设的成败。需求的变化客观卜是不可避免的,一个好的数据仓库设计当然能够减少需求变化对模型的影响,但遵从一定的设计原则,则可以将这种影响降至最低。解决的方法有分层次的模型设计思想,各种具体设计原则和技巧应对可能发生的扩充和变化。
6.3 集成商与用户的主动性至关重要
来自集成商和最终用户两个方面的主动性是影响到商业智能应用的主要因素。
以最终用户的主动性更为突出。因此,增强客户对商业智能系统实施的主动性是首要问题。
其次,IT部门和业务部门的配合也非常关键。由此,业界有人提出建立BI促进中心的想法,在需要实施商业智能应用的企业,由IT部门和业务部门的代表,加上专业咨询顾问,共同建立一个企业商业智能应用促进中心,专门负责在整个企业范围内推广一商业智能应用,并负责评估应用结果,从而改进应用。
7 商业智能的发展前景
根据Gartner Croup的分析,从2001~2003年初,商业智能的技术处于较缓慢的发展时期;在技术上,新的创新和突破预计要在2003年下半年。从商业智能的应用发展来看,日前的发展是呈行业化和专业化。
就目前而言,商业智能技术发展在系统各环节的表现如下:
7.1 ETL部分和元数据管理
在ETL环节,对多种数据源的访问,包括非关系型数据库和大型主机,成为基本的技术指标。新的发展点主要有:新的数据抽取系统都将XML纳入数据采集格式的范围;在数据分析上,越来越多的企业和机构要求其决策分析环境能够提供更为接近实时的数据分析,技术手段主要集中在ETL环节,交易日志的监控、数据的复制成为数据采集的手段。
7.2 数据仓库
今天,并行处理加决策支持优化的关系数据库系统仍是数据仓库领域的主角。大家普遍认为发展方向是在关系数据库基础上融合决策支持和事务处理的能力,不过这样的策略或许仍存有争议,毕竟有不少技术人员认为事务处理和决策分析对关系数据库来说有如鱼和熊掌,不能兼得。尽管如此,在关系数据库中加入OLAP能力、SQL语句中加入数据统计公式和算法正在被各厂商提供的产品中实施。
7.3 分析展现
商业智能系统的分析展现是技术发展较为活跃的部分。OLAP及其它商业智能的应用以Web服务形式提供,并与企业门户集成。OLAP和商业智能应用的前端的界面转化成瘦客户端的应用模式(浏览器、Intranet模式)已成为普及性的要求。以XML形式发放商业智能应用的分析结果是新的发展趋势。
数据挖掘的模块、算法和工具将更多地融合到OLAP组件甚至数据仓库服务器系统中。同时,商业智能应用与企业门户、企业应用集成紧密相连。新的商业智能系统不再是一个孤立的应用,它与企业中的其它应用系统将紧密集成。
从商业智能的应用来看,目前的发展是呈行业化和专业化。首先,商业智能系统将更具行业化的特点。笼统的商业智能系统渐渐成为概念,客户实际需要的系统则分为电信、银行、保险、制造业等各种领域,并且,每个行业有其关注的重点和分析的模型。
其次,商业智能应用更加强调应用的集成。主要应用领域包括分析型CRM,客户关系管理和优化仍将是商业智能应用很重要的一块;服务于ERP系统的商业智能,传统的ERP厂商都在将商业智能应用或模块加入到他们的ERP系统中;与SCM集成的供应链管理优化。
8 结束语
应用商业智能技术并非是一成不变的模式。在全面了解商业智能技术的功能、应用要求的基础上,大型成熟企业和中小型企业就应当采取适合自身特点的不同模式,社会公用部门也要采取适合其使用的模式。无论是企业还是社会管理部门都应当将商业智能技术看作与传统业务自动化处理系统完全不同的系统,它是技术与业务管理紧密结合的产物,是企事业单位在信息爆炸时代使用信息技术的高级模式,它没有终止,只有不断深入的过程。
收起