商业智能系统中BI应用的重点和难点

对于信息化来说，工具越强大，入门门槛要求越高。商业智能系统BI的作用显而易见，但全球应用率很低。在商业智能活动最发达的美国和欧洲，应用效果也是“良莠不齐”。好消息是，许多企业计划实施商业智能，他们在商业智能方面的投资持续增长。令人担忧的是，商业智能还没有被广泛提升到战略层面。商业智能在中国炙手可热，但成功应用的却寥寥无几。主要一方面，我国管理信息化应用水平不高，缺乏足够的商业智能系统知识和经验；另一方面，商业智能系统对信息基础要求高，进入门槛高，否则失败的概率很大。

商业智能系统在企业中的应用需要以成熟的管理信息系统为基础，这样才能事半功倍。不建议没有信息化建设经验或处于信息化建设初期的企业应用商业智能系统。

另外，在应用的过程中，需要重点关注三个部分:数据处理、模型建立和呈现。

1，数据处理。数据是商业智能系统的主角，基础数据的有效性直接影响系统分析的结果，可以实现几何误差定向。因此，用于分析的数据处理是非常重要的。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一致性。在不同的系统中，信息传递链不同，数据之间的逻辑也不同。在系统分析之前，将所有异构系统的数据按照一定的模式统一起来，既繁琐又费力，而且效果不明显，错误率极高。换句话说，这是一份吃力不讨好的工作。但这确实是商业智能系统最基础的工作。这个基础打好了，打牢了，高层建筑才能打牢。

此外，在数据处理的过程中，也很难平衡数据的广度和分析的深度。目前我们处理和分析的基本都是结构化数据，但全球产生的数据85%以上都是非结构化数据。随着“大数据分析”的口号越来越流行，如何有效地将非结构化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，如果不具备处理好这些非结构化数据的能力，最好不要接瓷器活，先分析结构化数据。

2.模型构建。有人提出“商业智能(BI)系统最昂贵的部分不是平台，而是模型”。我同意这个观点。系统最贵的部分一般是智能最集中的部分。一般模型的构建都是BI厂商根据各行业、各系统的运行流程总结出来的优秀经验，宝贵的实践经验与昂贵的知识产权成正比。但目前由于国内市场应用BI的企业不多，应用深度更少，应用基础相对薄弱，即使使用国外先进的商业模式也不一定行得通。因此，商业智能(BI)制造商有必要尽快建立适合国内企业的各种模型。在中国，大量企业也采用自主开发的方式，可以避免高成本，但不可能学习国外先进的经营经验。

3.演示模式。这种呈现方式意味着呈现给用户的感官效果是经过系统分析的，以图表或仪表盘的形式展示的内容能够被用户接受。当然，你可以说用户的习惯是可以改变的，可以影响到后期的。但前提是系统做出的呈现方式确实可靠，简洁明了。我觉得所有不能给别人需要知道的数据和信息的东西都是混乱的。

与前两个任务相比，这种呈现方式的难度系数要小很多，但却是一个锦上添花的工作。因为系统的所有内容都是通过呈现传达给用户的，所以直接影响用户对系统的接受程度。就像吃一顿饭，第一眼看上去胃口很好，一样的营养和味道，只是盘子有点粗糙，颜色有点暗。当你吃了这顿饭，你立刻感觉到不同。虽然还能吃，但是用户体验大打折扣，不划算。所以我觉得前期调查用户的使用习惯，把数据表达好也是很重要的。