商業(yè)智能分析(Business Intelligence)是用數(shù)據(jù)來支持企業(yè)決策的重要手段之一。這種方法早已有之。最早在1865年,Richard Millar Devens在他所著的商業(yè)趣聞百科全書(Cyclopedia of Commercial and Business Anecdote)中就描述了銀行家Sir Henry Furnese如何收集并分析他的競爭者所不知道的商業(yè)信息,從而獲得盈利。這被認為是最早的商業(yè)智能分析案例。商業(yè)智能分析的關鍵在于把原始數(shù)據(jù)轉化為有用的,有意義的信息,并基于這些信息來進行企業(yè)決策。
商業(yè)智能分析的成功取決于兩個關鍵,一是原始數(shù)據(jù),二是分析方法。在商業(yè)銀行早期,客戶的信息被記錄在賬冊中(ledger),由于缺乏高效的數(shù)據(jù)管理工具和分析手段,數(shù)據(jù)只是被用作客戶記錄來支持銀行日常業(yè)務。隨著計算機的使用,人們開始建立起有效的數(shù)據(jù)管理工具。這時業(yè)務的處理時間被縮短了。人們有更多的時間來思考商業(yè)方向和決策。80年代起,人們開始重視數(shù)據(jù)分析和決策。隨著大數(shù)據(jù)時代的到來,采用大數(shù)據(jù)的商業(yè)智能分析有了新發(fā)展。
1)自助式BI(Self-Service BI)
傳統(tǒng)的商業(yè)智能分析的最終產品通常是一個由文字和圖表組成的PDF文件或者PPT文件。這種分析模式有兩個缺陷:1)分析員的主觀偏差,在這類靜態(tài)報告中,通常只有部分數(shù)據(jù)被分析。因此分析員可以選取他想表達的故事(tell the story he/she want to tell)。2)無限循環(huán)的補充分析,通常決策層看到報告后會有新的問題,于是分析員很容易陷入無限循環(huán)的補充分析(supplemental analysis)中。自助式BI的分析結果可以克服這兩個缺陷。分析員將處理好的原始數(shù)據(jù)放入分析工具中并編寫好分析模板,決策層可以自己調整變量和圖表來得出相應結論。
2)基于數(shù)據(jù)的BI(Big Data Analytics BI)
傳統(tǒng)的商業(yè)智能分析中,分析員需要先編寫SQL程序從關系數(shù)據(jù)庫中取出數(shù)據(jù)。然后再把數(shù)據(jù)導入SAS,R,Excel等分析工具中進行商業(yè)智能分析。隨著技術發(fā)展,這類分析工具開始提供數(shù)據(jù)接口(API),但是接口的功能并不完善。舉個例子,SAS的Hadoop接口(proc hadoop)自動定義字符類變量為32767位。在變量很多的情況下,分析員沒法對每個字符分別定義,如果由SAS自動定義為32767位,則導入文件變得無比巨大。這種情況下,對于一些簡單分析,分析員希望能直接在Hadoop上進行快速分析。這類分析工具的代表是Platfora,分析員可以使用Platfora建立數(shù)據(jù)Lens,從而直接在Hadoop上進行商業(yè)只能分析。另一個常用工具是Datameer。
3)知識自動生成(Insight as a service)
通常的決策過程有三個步驟,1)分析理解BI圖表和數(shù)據(jù),2)通過了解圖表數(shù)據(jù)總結知識,3)運用總結的知識來進行決策。傳統(tǒng)分析中,分析員負責1,而決策層負責2和3。這種情況下哪怕圖表數(shù)據(jù)再有效正確,如果決策層總結的知識(insight)出現(xiàn)了偏差,也會影響最后決策。這類知識自動生成的工具(insight as a service)重點在于幫助決策層自動生成一些可用的知識(insights),使得決策層的決策給予正確的知識。
核心關注:拓步ERP系統(tǒng)平臺是覆蓋了眾多的業(yè)務領域、行業(yè)應用,蘊涵了豐富的ERP管理思想,集成了ERP軟件業(yè)務管理理念,功能涉及供應鏈、成本、制造、CRM、HR等眾多業(yè)務領域的管理,全面涵蓋了企業(yè)關注ERP管理系統(tǒng)的核心領域,是眾多中小企業(yè)信息化建設首選的ERP管理軟件信賴品牌。
轉載請注明出處:拓步ERP資訊網http://m.nttd-wave.com.cn/
本文標題:基于數(shù)據(jù)和分析方法的BI商業(yè)智能
本文網址:http://m.nttd-wave.com.cn/html/solutions/14019325084.html