商業智能初步發展與進化

商業智能（Business Intelligence）這個名詞在國內似乎是近些年才慢慢走入企業經營者的視野，然而事實上在國外它已經有幾十年的歷史了。這個可以一直追溯到1958年，當時，HPLuhn在IBMResearchJournal上發表了一篇名為“A Business Intelligence System”的文章，其對商業智能的闡述為：The ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal.直譯來說，就是商業智能具有理解既有事實之間相互關系的能力，從而指導朝著期望目標而采取的行動。

在接下來的30年中，通過各種技術、理念的發展成熟，我們一步一步進化著最初的概念：

20世紀70年代和80年代，決策支持系統（DecisionSupport Systems）和執行信息系統（ExecutiveInformation Systems）發展流行。1989年，商業智能迎來一個重要的里程碑，時任Gartner公司分析師的Howard Dresner重新定義了商業智能的概念，他認為：商業智能是一種使用基于事實的支持系統來改進業務決策的概念和方法。

這個期間，商業智能完成的大部分工作都集中在技術，標準，流程和工具層面上，具體體現在可支持數據采集，存儲規范化和檢索以及報表創建等。與此同時，數據倉庫，數據集市，數據字典以及提取，轉換，加載（ETL）流程變得無處不在，因此這一階段也被視為將數據轉換為信息和使用信息來幫助推動（主要是可操作的）決策的開始。

分析介入 - 商業智能的根本性轉變

接著，在一門具有2500年悠久歷史的學科——統計學的推動下，商業智能開始發生天翻地覆的變化。

根據維基百科，我們已有證據證明早在公元前5世紀人類就開始使用統計數據。關于這個問題的更正式的著作可以追溯到Al-Kindi在公元9世紀寫的“解密密碼信息手稿”。

哈佛商學院客座教授兼德勤分析高級顧問Tom Davenport被公認為商業智能和數據分析領域的全球權威。在2007年出版的“Competing on Analytics: The New Science of Winning”一書中，Davenport和其合著者Jeanne G. Harris描述了數據分析使用方式的根本性轉變。他們詳細闡述了全球領先的企業如何使用數據驅動的分析來為競爭策略提供信息，并將其稱之為企業經營決策的“秘密武器”。書中引用的例子包括亞馬遜，巴克萊，Capital One，Harrah's，寶潔，Wachovia等。顯然，如果商業智能與數據分析應用得好，其帶來的價值是無可爭辯的。

商業智能應用的陷阱

然而根據Gartner最近的一項研究，70％到80％的商業智能項目都失敗了。很多企業在商業智能和數據分析項目上投入數十萬，數百萬甚至數千萬美元的支出后，沒法收獲相應的商業回報。那么，是不是一個發展了50年、已經解決無數挑戰的行業、一個超過千年文明的傳統學科，真的不能幫我們解決這些問題嗎？答案當然是否定的！這是由于企業在應用商業智能的過程中，經常會陷入一些誤區，導致深陷泥潭而不可自拔，比如以下這些常見的商業智能應用陷阱：

·傳統BI主要以IT為主導，在數據分析過程中由于缺乏業務參與和支持，常常導致在數據分析目標和商業利益方面無法達成一致。

·跨業務或跨地理位置的協作容易造成數據孤島，這背后是數據口徑沒有得到統一以及對數據訪問權限的治理不足，從而引發了對數據理解的不一致。要命的是此類問題始終沒有得到重視，更妄想用奇技淫巧來解決全部問題。

·很多BI項目一開始就引入多年的歷史明細數據，并且毫無節制地擴大可交付范圍。這些行為幾乎注定了項目交付的效果不會太理想，而且極有可能伴隨著一些嚴重的“災難性后果”。

·IT憑自身理解來假設業務邏輯，并且認為只要建立分析，相應的業務必將按此邏輯執行。這通常發生在項目缺乏業務支持和參與，IT人員為了驅動項目而采取不明智行為等情況。

·由于IT過于復雜，或解決方案的穩定性不夠，使得項目交付產出太少或不夠及時，最終導致決策支持力度不足，運營效果不佳。

審視現狀和擁抱變革

當然，我們還可以再列舉很多關于商業智能應用的誤區。但是，探究原因遠遠比羅列問題來得更有意義。因此總結來講，作為各個行業的翹楚，我們的企業管理者必須開始接受，并認真審視以下幾個BI項目推進的重點：

1. 商業智能或數據分析項目失敗的常見原因并非完全歸責于BI平臺或工具本身。回顧上面的問題列表，假如從您的角度去除BI或數據分析，僅僅考慮ERP，CRM和財務管理這些項目，你會發現遇到的問題和挑戰其實大同小異。

2.移動互聯網，社交網絡和社交媒體，非結構化數據，地理空間數據，生物識別技術，基于傳感器的技術，IT和云計算的消費化，所有這些技術進步都在促進著業務的進步，同時也在以前所未有的速度推動著信息類型和數量的爆炸式增長。我們通常稱之為“大數據”。那相對而言，企業需要分析的數據基礎不過是些“小數據”而已了。難道這個時代我們還會受到“小數據”的挑戰？

3. 通過上述技術的不斷進步，許多新類型的數據成為了實時可用的。商業智能和數據分析學科也因此得到迅速發展 - 從查看歷史到預測未來，再到為即時行動提供指導信息 - 比如實時供應鏈管理，主動客戶服務，精準營銷等。如果我們現在還在掙扎于“批量信息管理方法”的泥潭，那要到何時才能發掘實時行動和反應的價值？

4. 能夠有效利用瞬息萬變的信息類型和多樣化的海量數據來擁抱變化、成功實現商業價值的企業必將持續擴大競爭差異化的空間，最終構建起競爭壁壘。而無法擁抱新技術帶來的變革的企業可能會被邊緣化，甚至是更糟。所以大數據時代的企業CIO們如果無法通過制定計劃引領企業成功變革，可能會落到“更糟”這個區間的末端這樣的尷尬境地。

所以，我們尊敬的CIO們，親愛的IT同事們、朋友們、同胞們，請務必聽從我們的幾個建議。

一、首當其沖的，請確保您的優先項目是與您企業的業務緊密相關的。您需要能夠清晰地闡明您的商業智能和數據分析項目是如何來關聯到真正的業務場景，并能為業務產生價值的。

二、不要羞于與你的業務伙伴就競爭差異化帶來的行業兩極分化，以及處于行業分化兩端的優劣進行溝通。

三、讓您的IT團隊井然有序起來，確保你有足夠的人才儲備并掌握正確的技術技能，以確保這些項目可以成功實施。請注意這些項目與您以前的管理信息系統已經大相徑庭了！

這樣就夠了嗎？當然不是！這條路我們仍舊在不斷探索，而您，可能還需要一個專業的BI產品和技術合作伙伴一同前行，來伴您一起發現數據的價值！

億信華辰十分樂意成為這樣的一個存在。作為國內新一代數據分析與商業智能（AI+BI）解決方案服務商，億信華辰在業內首次提出了從BI到AI的5A模型（Agile敏捷化、Accurate場景化、Automated自動化、Actionable行動化、Augmented增強化），可打通從敏捷分析到智能決策的最短路徑，為企業快速構建最強決策大腦。