商業智能系統BI應用的重難點

對信息化而言，越是強大的工具應用的準入門檻要求越是高。商業智能系統BI的作用是顯而易見，但全球的應用率卻非常低。在商業智能活動應用最為發達的美國和歐洲地區，應用效果同樣是“喜憂參半”，喜的是許多企業都計劃實施商業智能，對商業智能的投資在持續增長；憂的是商業智能仍未被廣泛地提升到戰略性層面的。商業智能在中國，炒得火熱，但應用成功的也寥寥無幾。主要是一方面，中國的管理信息化應用層次還不高，對商業智能系統缺乏足夠認知和經驗；另一方面商業智能系統對信息化基礎要求較高，有很高的準入門檻，否則失敗的幾率很大。

    企業應用商業智能系統需要在現行管理信息系統較為成熟的基礎上應用，這樣才能起到事半功倍的效果。不建議企業在毫無信息化搭建經驗，或者在信息化搭建初期應用商業智能系統。
    另外，在應用的過程中需要重點關注數據處理、模型搭建和展現方式三個部分的工作。
    1、數據處理。數據是商業智能系統的主角，基礎數據的有效程度直接對系統分析出來的結果有直接影響，這種影響可以達到呈幾何級別的錯誤導向。所以，進行分析的數據處理工作非常重要。這不僅包括數據清洗、數據分類等基礎工作，還包括各系統的數據維度劃分和數據表達的一致性。在不同的系統中，信息的傳遞鏈條不同，數據間的邏輯也不同，在系統分析前，將所有異構系統的數據按照一定的模式進行統一的工作是項既瑣碎又費神效果也不太明顯而且錯誤率極高的活，換句話說就是個吃力不討好的活。但這確實是商業智能系統的最最基礎的工作。只有這個地基打好做扎實了，磊起的高樓才堅實。
    另外，在數據處理的過程中平衡數據的廣度和分析的深度也是一件困難的事情。我們目前基本上對結構化的數據進行處理和分析，但全球產生的數據中85%以上的是非結構化的數據。隨著“大數據分析”口號的日漸火熱，如何有效的將非結構化的數據轉化為有效的結構化數據這本身就是一個難題。企業在做數據挖掘的時候，如果沒有本事做到很好處理這些非結構數據的時候，還是別攬那個瓷器活，先分析好結構化數據了先。
    2、模型搭建。有人提出說“商務智能（BI）系統最昂貴的地方不是平臺，而是模型”，這個觀點我比較贊同。系統最貴的部分一般也是智力最為集中的部分。模型的搭建一般都是BI廠商根據各個行業和系統的運作流程總結出來的優秀的經驗，寶貴的實踐經驗和昂貴的知識產權成正比。然而，目前由于國內市場應用BI的企業并不多，應用深入的更少，應用基礎也比較薄弱，即使拿來國外先進的商業模型也不一定運轉起來，所以盡快建立各種適合國內企業特色的模型是各商務智能（BI）廠商未來要投入大力解決的。在國內也有很大一部分企業采用的自主開發的方式，采用這種方式可以避免高額的費用，但卻無法學習到國外先進的商業經驗。
    3、展現方式。這個展現方式指的是系統分析呈現給使用者的感官效果，圖表或者儀表盤所展現出來的內容能被使用者接受。當然，你可以說使用者的使用習慣是可以后期改變和影響的。但前提是系統所做出的展現方式的確比較靠譜，比較簡潔和清晰才行。我認為一切給不了別人需要了解的數據和信息的都是混淆視聽。
    這個展現方式與前兩項工作相比，難度系數要小很多，但卻是景上添花活兒。因為系統所有的內容都通過展現方式傳達給用戶，直接影響用戶對系統的接受度。這就好比你吃一頓飯，色香味俱全一看就很有食欲，同樣營養、味道都不錯但擺盤粗糙了點，顏色灰暗了點，你在吃這頓飯的時候，立馬感覺就不一樣了。雖然你還是能把它吃下去，但用戶體驗大打折扣，非常劃不來。所以，在前期很好的調研用戶的使用習慣，很好的對數據進行表達，我覺得也是非常重要的工作。