BI成了“鸡肋”如何破解BI的尴尬处境？

然而尽管像苏宁电器这样的一线大型零售商业已向BI迈进，但这一切仍只是一个起步，对于大多数本土中小企业来说，甚至都还难言起步，更谈不上基于BI的高级应用了。时至今日，我国许多企业大而不强、规模不经济的现象并没得到较好的改变。

　　当前在国内企业在BI应用中有一个十分突出、比较普通的问题，就是没有明确的价值实现方案。智能分析活动大多淹没在数据当中，信息挖掘仅停留在数据转换、表册生成上，为数据而统计数据，能提供精确决策的信息功能十分有限。有些企业在BI方面进行了大量的软硬件投资及人力投资，却并不能给企业带来预期的管理效率，BI有时成为用之无味、弃之可惜的鸡肋。中小企业面对商业智能，更是时有水中月、镜中花的感觉。

　　通用性差，数出多门。由于一些历史原因，企业内部各个部门的数据来源不一，各自矛盾，而对于集团企业，特别是对于过去是分散式管理的集团公司，旗下各个企业的财务统计口径不一，子公司系统五花八门，使得数据难于共享、互通。还有，即使是在同一系统的同一个字段中，格式和命名规范也常定义不清，将容易导致BI项目的失败。另外，由于信息孤岛的存在，造成数据不集中和连续，给联机分析造成障碍，难以做到全面分析。

　　人员素质差，基础薄弱。商业智能的软件功能强大，内容非常复杂，没有专门的培训学习，一般是难于掌握。然而目前许多企业的技术人员比较缺乏，水平不高，对太复杂的软件、技术往往有一定的抵触情绪。再者，不少企业长期以来领导就不太重视BI运用，把BI当成一种权宜之计，没有建立经营分析信息机制，基础薄弱，对做好经营分析、提高分析效率也产生不利的影响。

　　配置维护费用过高，不堪重负。建立良好的BI系统，不只要购买商业智能软件，企业用户还得购买数据仓库服务器、大型数据库系统，以及配置IT技术人员，中途还有不断加码的升级费，仅仅这些就得投入几十上百万，让规模小、资金弱的中小企业望而兴叹，一些中小企业即上BI，或因承受不了不断加码的资金压力，只好半途而废也是时常有之事。

　　数据多是过去式，应用价值不高。目前企业BI运用多停留在过去数据和信息的流水帐通报，画一些曲线图、柱形图、饼图等简单的分析上，没有运用一些更先进的统计分析方法进行深入分析、挖掘，造成经营分析报告质量不高，其价值意义大打折扣。而对目前企业所更急需的用户消费、市场变化趋势、供应商、营销商和代理商等关联的外部信息，企业的研究、收集和前瞻却做得很不够。不少厂商BI系统也缺少对未来行业走势的预见、把脉的功能，数据功能大多是过去式而不是进行式、将来式，因此使数据材料缺乏可靠有效的依据，对增强企业竞争能力帮助不大，使领导爱而不理。

　　系统互为割离，缺乏整体系统的掌控。如今随着企业陆续越来越多引进从各种IT系统，BI存在被分割、陷入边缘化之虞，BI被更多地当作企业信息化过程中的一个子模块，在时间和技术等方面存在差异。这种设计中的思维局限，使BI与企业信息化中的其它模块存在一个接入瓶颈，即不论企业 ERP 、CRM、OA 或BI系统是否采用同一家企业产品，其之间都难以自然接入、集成，从而导致企业内部模块化信息传输出现瓶颈，互为割离，数据难有效共享，难于有效提高企业的管理水平和利润。

　　克服BI难关，助力精确管理

　　经过近20年的高速发展，目前我国许多行业企业的发展已遭遇新瓶颈了。易观国际指出，中国企业如今面临了新的挑战，企业的信息化解决方案相应僵化，例如管理模式、风险控制手段、数据利用相对落后等，难于赶上形势变化需求，为企业提供更好更快的服务。

　　完善企业BI信息的基础工作。BI要建立在企业信息化具备一定基础的条件上，如果企业数据库等基础工作没有扎实，BI投资再大，其结果只能是沙滩建房，摇摇欲坠。只有做好了信息的基础工作，才能使BI有基本的运行平台，也为BI导入后的正常运作奠定了基础。主要是要通过数据标准化项目，建立企业数据字典，统一字段定义和统计口径，同时对数据质量不好的系统和数据库进行一次性的数据清洗转换，以夯实、提高BI项目成功实施的基石。

　　强调协同，注重与其它业务系统实现无缝集成。大型企业集团并购时常面临诸多挑战，最重大的挑战之一是如何整合企业内部不同信息系统，使之充分融合协同，互为促进。因此BI应有强大协同功能，首先厂商要从企业需求出发，做好与前后端数据的结合，更重要是内部的协同，与其他业务CRM、ERP、OA、财务等系统更好地融合、协同，能把企业中已存在的CRM、OA、MIS、ERP、财务系统等存储的企业经营管理业务数据最大集成到工作流系统中，使得系统界面统一、帐户统一，业务间通过流程进行紧密集成，而不必切换到不同系统进行调用，查阅数据能方便自如、真实管用，为企业提供统一准确有效的管理信息。

　　健全BI项目管理体系。项目管理体系，是用来帮助企业顺利完成IT项目的一套科学、系统的方法和策略。一套真正好并且适合自身公司的项目管理体系，能对项目进行有效管理，并大大提高项目完成的效率。因此企业尤其是大型企业集团在BI建设过程中必须从系统工程和科学管理的角度出发，建立健全完善的IT项目管理体系和运作机制，才能确保BI项目的成功实施。主要内容包括：提高IT人员基本素质，制订明确、量化的BI应用目标，进行BI等现代管理知识的培训教育，并引入第三方管理咨询，进行BI项目需求分析，开展企业管理创新，实行业务流程重组，逐步推广、实行BI项目监理制和BI项目评价机制、验收机制等。

　　①从数据驱动向业务驱动转变。数据驱动指由数据的深度挖掘来辅助业务，发展到要以业务为驱动，从业务出发，根据商业策略及其所需的分析来很好运用数据；②从关注技术转向关注应用。BI将不再是一堆技术的集合，而是以应用为导向，来组合这堆技术，更好为改善业务服务；③从关注工具转向关注工具产生的绩效。BI将再也不是报表工具、OLAP工具的简称，而是有多种工具来保障业绩的提升，主要有七种工具：描述统计工具、报表与界面工具、经营技术与方法、经济预测方法与模型、OLAP分析、知识发现工具、专家系统以及决策方法与模型。这些工具应较好应用、充分配置。

　　对症下药，着重把握BI的选型关。选型是信息化成功的前提，能否选对郎关系今后BI能否顺利推广。对于数量占大多数的中小企业而言，一个优秀适宜的的BI产品必须满足以下条件：价格不贵，性价比高，短期见效快；使用和管理简易，不需要IT的特别投入；功能上够用就行，支持基本的商务和绩效管理；通用性、易用性好，界面不陌生；技术上能随着企业的成长而增加功能，十分便于维护、升级。

作为一个程序员，在开发的过程中会发现，有框架同无框架，做起事来是完全不同的概念，关系到开发的效率、程序的健壮、性能、团队协作、后续功能维护、扩展等方方面面的事情。

快速开发框架，其实就是某种应用的半成品，就是一组组件，供你选用完成你自己的系统。简单说就是使用别人搭好的舞台，你来做表演。而且，快速开发框架一般是成熟的，不断升级更新的软件

JNPF开源平台功能强大，结构扎实的框架，可承载的类型就更多，适用性就更强。

1可视化编辑：大量可视化控件效果，实现全程可视化编辑操作，支持自定义样式和自定义数据库，所见即所得的实现大屏可视化页面开发；

2无代码设计：零编码式拖拽控件到页面中，针对不同的控件进行内容设值和数据绑定，无须任何代码即可快速搭建专业、美观、酷炫的大屏展示；

3自由布局：拖拽式自由布局页面，提供智能图形推荐，多种控件、表格、报表图形等可随意切换，且不受维度和度量的限制；

4灵活控件：丰富的交互控件和图表组件，通过图形化的界面，画布采用网格系统，自动吸附每个控件的布局，做到整齐划一；

5灵活拓展：设计器提供丰富的二次开发接口，支持自行改进和增加组件，无需换包或打补丁，为实施人员提供了许多便利；

6高适配部署：用户可按实际屏幕尺寸自定义任意画布大小，适配各种拼接大屏场景，基于WEB渲染，无需额外安装软件；

之所以要区分大数据应用与BI(商业智能)，是因为大数据应用与BI、数据挖掘等，并没有一个相对完整的认知。

BI（）即商务智能，它是一套完整的解决方案，用来将企业中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助企业做出明智的业务经营决策。

伴随着BI的发展，是ETL，数据集成平台等概念的提出。ETL，ExtractionLoading，数据提取、转换和加载，数据集成平台主要功能对各种业务数据进行抽取和相关转化，以此来满足BI、数据仓库对数据格式和内容挖掘的要求。

数据集成平台的基础工作与ETL有很大的相似性，其主要功能是实现不同系统不同格式数据地抽取，并且按照目标需求转化成为相应的格式。数据集成开始是点对点的，慢慢地发现这种模式对于系统之间，不同所有权的企业数据流向以及数据标准控制很难，为此，诞生了对统一企业数据平台的需求，来实现企业级之间的数据交互。

数据集成平台就像网络中Hub，可以连接所有应用系统，实现系统之间数据的互通有无。数据集成平台以BI、数据仓库需求而产生，现在已经跨越了最初的需求，上升到了一个更高的阶段。

如今大数据应用更多关注非结构化数据，更多谈论互联网，Twitter、Facebook、博客等非结构化数据，如此理解大数据应用，显然就有些走偏了。结构化数据也属于大数据，且呈现出相同的特点和特征，如数据量大，增长越来越快，对数据处理要求高等。

结构化数据是广义大数据中含金量或者价值密度最高的一部分数据，与之相比，非结构化数据含金量高但价值密度低。在Hadoop平台出现之前，没有人谈论大数据。数据应用主要是结构化数据，多采用IBM、HP等老牌厂商的小型机或服务器设备。

采用传统方法处理这些价值密度低的非结构化数据，被认为是不值得的，因为其产出实在是有限。Hadoop平台出现之后，提供了一种开放的、廉价的、基于普通商业硬件的平台，其核心是分布式大规模并行处理，从而为非结构化数据处理创造条件。

大数据应用的数据来源应该包括结构化数据，如各种数据库、各种结构化文件、消息队列和应用系统数据等，其次才是非结构化数据，又可以进一步细分为两部分，一是社交媒体，如Twitter、Facebook、博客等产生的数据，包括用户点击的习惯/特点，发表的评论，评论的特点，网民之间的关系等，这些都构成了大数据来源。另外一部分数据，也是数据量比较大的数据，就是机器设备以及传感器所产生的数据。以电信行业为例，CDR、呼叫记录，这些数据都属于原始传感器数据，主要来自路由器或者基站。此外，手机的置传感器，各种手持设备、门禁系统，摄像头、ATM机等，其数据量也非常巨大。

对于分析大数据的工具，目前所有的分析工具都侧重于结构化分析，例如针对社交媒体评论方向的分析，根据特定的词频或者语义，通过统计正面/负面评论的比例，来确定评论性质。如果有一个应用系统是接收结构化数据的，例如一个分析系统，接收这些语义就可以便于分析。（速鸿科技-BI商业智能大数据分析工具与服务提供商）