浅谈国内外商业智能BI的发展趋势 - 第2页 - 金融行业 - ITPUB论坛－专业的IT技术社区

wangjia

个人认为做BI技术不是最重要的，态度才是决定好坏的关键，目前国内的BI大多是应付领导或者对外展示的工具，根本谈不上利用BI挖掘商业价值，没人重视自然也就发展缓慢了，如果有一天每个人都在无形之中接受BI的引导或者互相引导的时候，那才是BI真正春天的到来吧
从老胡看来，进行商业智能的建设和规划，首先要解决的是我们的目标是什么，BI究竟能够给我们解决什么问题，能够给我们带来哪些的预期价值，接下来才是操作问题
老胡的话还不如解释为：BI干嘛的？能给银行带来什么价值？
-----------------------------------------------------------------------------
什么数据带来价值的P话，就不用说了。
我倒不这么认为，好比说你现在手里拿着一把刀，在没遇到具体问题或事件时它是一文不值的，但就凭这就能说明刀真的一文不值吗？有时候价值不是能立刻显现出来的，又好比公司投入资金到基础学科的研究上，实际上这一块是很难赚钱的，但为什么越是大公司就对此越感兴趣？因为这才是诞生革命的地方！目前国内的公司很是缺少这样长远的目光，鄙人愚见，不吝赐教
(ZDNET) 企业需要BI吗？这是一个常常会被问到的问题。讲BI对很多人而言可能还是太高深了，换角度来问这个问题可能比较容易思考…贵公司需要数据分析吗？财务分析、成本分析、市场分析或是良率分析吗？贵公司需要好的分析工具来加速分析的速度吗？如果上述的两个答案是肯定的，贵企业应该是需要BI的。
简单地说，BI就是分析工具。在早期尚未信息化的时代，分析师藉由笔跟纸（顶多再多一台计算器），要花费大量的计算时间，才有可能从一个角度来进行数据的分析，当然如果老板要再换一个角度来看数据，分析师则要再大费周章再把整个数据从弄一个角度再来进行分析。后来随着数据化的发展，Louts、excel等工具的产生，数据的整理与分析也更方便，此时，一方面藉由上述工具的帮助，另一方面基于市场需求，企业所要进行分析的数据量也就越来越庞大。
但由于这些工具并不方便于多角度的数据分析，再加上所要分析的资料量剧增，许多企业希望可以直接并实时地从企业运行的数据库中来进行多角度的数据分析，其中储存企业大量数据与数据的地方，我们就称之数据仓储（DW，Data Warehouse）而整个进行多维度数据分析的部份，即称之为商业智慧（BI，Business Intelligence）。
其实，现在的问题是，是不是花了大钱，买了好的BI工具，就可以完成企业BI的梦想？之前BI工具呼声喊得震天价响，但就我所知，有的企业花了大钱买了好的BI工具，可是那个买进来的工具确是叫好不叫座，到最后，企业内部的员工九成还是使用Excel 来进行数据的分析。BI的成效不彰，原因可大至归类为下列的几点：
1.金玉其外，败絮其中：这是最常被看见但往往也是最重要的问题，前面已经提过了，商业智慧（BI）必须建立在数据仓储（DW）的基础上，因此单单有好的BI工具，但是底层的数据仓储却没有办法针对上层BI工具所提的需求，提供实时而稳定的服务时，就像盖房子一样，明明是地层没有打稳，可是却要把大楼盖得又高又美是不可能的。这种情况下，再好的工具也就没有辄。
2.缺乏专业的资料分析人员：计算机不论是多「超级」，还是比不上人脑聪明，它只是比人脑「快」而已。BI工具只是方便并加速数据数据的分析，但是数据分析的方向，以及有效并相关连数据的选择，则还是要由人脑来决定的。也就是说，整个BI solution的导入与运作的过程中还是需要一个熟悉数据的内容与架构并且有商业敏感度的人参与（这个人并不需要一定很懂IT，可是应该要数据的本身够敏感）。然而现实情况是，大部份企业对BI工具本身抱了过高的期望，反而在导入的过程中，没有适时地让这方面的人才来发挥他们的长才，并且熟悉BI的使用（甚至有些企业以为既然已经有BI了，就用不着这些人了）。最后，就搞得BI人员自己去搞自己的数据库分析，而这些人还是继续用他们的Excel。
3.数据未做适度的转换：数据储仓中的数据，大多是由企业内部系统中的数据库转进来的，因此这些数据不论是数据结构的定义上，或是数据本身，原本都是给系统程序来读取与储存的。例如在RDBMS的结构下，我们是用PK与FK的对应来做为两个数据表之间的关连，有些系统开发者的习惯比较好，会在数据库中把这些规范出来，有些则不会。不过，不论如何，都还是利用数据库的语法来做定义，这样的定义方式一般的数据分析人员大部份都是看不懂的。数据分析人员并不一定看得懂这样的数据，因此对于这些数据，则需要做适度的转换，才方便数据分析人员的使用。
4.缺乏数据库系统人员的维护：很多企业会误会，买了BI工具安装好可以顺利的运作就大功告成了。但他并没有想到一方面随着时间的成长，数据仓储中的数据也不断地成长，另一方面，数据仓储中的数据也会随着分析需求的改变及企业型态的改变而需要被调整，因此如果没有数据库系统人员随时因企业的需求对数据仓储中的数据（数据本身、index、view…等）来进行维护，时间一久，数据仓储中的数据，或许还可以用，但是架构却是呈现一团乱，这种情况下也一样没有办法提供好的效能。因此在这样的情况下，随着数据的成长，每次分析结果产生的效能越来越差，最早一张报表产生的时间一个小时，而后来却要十个钟头，当然慢慢地，这样的工具也就越来越不被分析师所接受了。
5.缺乏好的呈现方式：完成BI的数据分析后所产出的报表应该要如何呈现给老板看？呈现的方式够不够实时？如果老板不喜欢这样的呈现方式，或者，老板必须长时间的等待才可以拿到这样的数据。此时，不论大家做了再多的数据分析，都不会得到老板的青睐。既然如此，久而久之，大家就没有人想再用这套工具了。
我个人一直觉得BI不能单单只视它为一种「工具」，而应该是从solution的角度来看待它。如果没有完善的整体配套规划，再好的BI工具最后也可能变废物。有趣的是，通常越好的工具，它需要的配套规划也需要越完善（例如：导入顾问服务、完善人员的分工架构、资料仓储的维护…等），相反的，那些不怎样的工具反而不需要太多的配套规划。我想这应该就是Excel为什么至今仍然是BI分析主流工具的原因之一。(杜奕锋)
==  旧文章 还是有参考价值。
企业需要BI吗？这个问题好比问冰岛需要原子弹吗？难道冰岛不需要原子弹吗？非也，造不起罢了，但造不起原子弹就没有别的办法吗？BI并没有特指对海量数据的挖掘与分析，大公司造适合大公司的BI，小公司造小公司的BI，不能因为没找到适合的茅坑就说茅坑不适合我这类人吧