商业智能在中国企业的成熟应用，还需要以业务为核心。

商业智能的中外视角 ---商业智能在中国企业的成熟应用，还需要以业务为核心。 作者：程可 发布于：2009-7-20 10多年前，在美国过着安逸生活的朱宁在阿拉斯加滑雪，看到狗拖雪橇的教练在挑选狗时，所有狗都在竞争中高声吠叫，跃跃欲试。霎时间，朱宁受到某种触动，她反省自己一成不变的生活，觉得应该去创造和改变一些什么。很快她有了一个进入微软工作的机会，从美国总部的研究员，一步步做到了微软中国研发集团战略合作部的资深商业智能（BI）首席架构师。 有意思的是，朱宁和丈夫王健都从事商业智能的咨询工作。由于中国的企业对商业智能的需求越来越大，2008年，朱宁夫妇一起回到中国。“我们希望缩小中美两国企业在商业智能应用上的差距。”朱宁说。 业务驱动的商业智能部署 朱宁在美国曾经为可口可乐，波音，AT&T，Verizon、Nike，第五大道等企业提供商业智能咨询。根据她的经验，成功的商业智能项目实施，一定要做到 业务当头，和企业的业务目标紧密结合在一起。 商业智能项目的范畴介于商业和 IT 之间，成败不完全由 IT 决定，所以以前项目失败的误区很多在于没有充分实现商业驱动。由于技术发展日新月异，IT 人员往往喜欢那些很酷很炫的东西。然而朱宁接触了很多重要的商业分析专家，他们的工具界面通常简陋甚至丑陋，却非常有用。商业分析专家们关心的是什么东西有用，对工作帮助最大。大家往往把商业智能等同于各种漂亮的报表，而在朱宁看来，微软最成功的商业智能工具就是 Excel。很多做财务的专家把 Excel 中的各种函数，透视表和宏功能都发挥到了极致。商业智能项目部署常见的问题是希望通过 IT 去实现商业智能，却忽视了背后存在的商业驱动因素。IT 人员有时候会靠自己想象中的需求去构造系统，投资成百上千万元来构建巨大的数据仓库，有着漂亮的报表和“仪表盘”，但企业内部的用户却觉得用处不大，结果还得依靠自己开发的 Excel 工具来工作。 商业智能项目实施常犯的另一个错误是范围设定不够清晰。IT 人员往往习惯于从项目和产品的角度来看问题，而商业智能的部署其实是一个过程，可以分为不同的阶段，不断地引入新的内容和功能。建设一个企业级的数据仓库会包括很多复杂的功能，这样一块大饼不可能一口吃下，只有区分优先级分阶段部署才可能成功。没有经验的 IT 项目管理者通常在初期会设定一个过于大而空泛的目标。朱宁在来微软之前给美国 Blue Cross（蓝十字）保险做商业智能的咨询时，参观过他们的数据中心。那是一个像谷仓一样巨大的大楼，通过层层严格的安检之后，可以透过最后一道门的小窗口看到里面有无数的磁盘存储，有很多机器人按照指令自动操作磁盘完成备份等工作。由于美国的法律规定企业必须保存长时间的数据以备审计，因此像这样经过几十年运营的企业其数据真正达到海量，有着各种各样复杂的数据类型，像通心粉一样混杂在一起。数据仓库项目如果开始的时候没有明确的阶段目标限定，几百万元投入下去，很有可能三到六个月都看不到什么动静。半年过去时间和钱都用完了却看不到效果，项目难免失败。 经历了多次失败后，朱宁总结出商业智能的实施一定要充分以业务为核心。这里面有两个关键，第一是要定义出 CEO 最关心的 KPI，第二个是要充分考虑 ROI。这两点都是要从效果出发。在组建项目团队时，一定要有业务负责人参与，根据他的经验和意见选择和定义 KPI。第二是要有明确的项目范围定义。假设我们有五十个数据源，显然不可能一天内完成，必须确定阶段性的目标。不怕饼大，只要能切小就吃得下。项目初期的方法论很重要，项目组成员要包括业务负责人，开发人员和项目经理，每三到六个月一定要发布阶段性的成果，找到对企业当前 KPI 的改进点。例如可以从提升企业市场份额入手，对企业过去的市场活动进行效果分析，哪些人群对市场活动反映积极，特征如何（蓝领，白领，年轻，老年）。如果能先从这一小部分入手整合，首先看到了效果，对业务带来帮助，才能保证商业智能项目继续成功地实施下去。我们要破除“商业智能就是报表”的误解，更重要的是通过商业智能项目为企业运行提供深刻的洞察力。 CIO 的职场杠杆 在朱宁看来，商业智能的成功往往也取决于 CIO 对企业业务全局理解的把握。不仅项目组中要有懂业务的决策者，整个商业智能团队对企业业务全局把握的高度决定了他们对业务运行洞察力的深度。传统的 IT 项目通常是成本中心，CIO 找 CEO、CFO 要钱要人，看不到直接的 ROI。而真正成功的商业智能项目，要能够从成本中心变成利润中心。对于 CIO 来说，这既是一个挑战，也是职业生涯更上一层楼的机会。 成功的商业智能项目能够为企业的管理者和决策者提供即时的运行状态反映。“CEO 每天早上到办公室，如果看到仪表盘上显示的是绿灯，就可以去先喝杯茶，再着手处理重要而不紧急的长期决策；如果看到红灯，就可以立刻点进去，看看问题发生在哪里。”如果销售额指标出现红灯，企业决策者可以立刻知道问题出在哪里，是地区性的还是全国性的，是某些产品线还是全部产品线，是新产品还是老产品。不同 KPI 之间也可能出现矛盾，比如销售量和利润，过度促销可能提振销售量，却会导致利润流失。企业整体运行的及时状态反馈，能够让 CEO 及时地发现问题，找出原因，采取对策，保障企业正常运营。“商业智能项目要有吸引力，能够让 CEO 产生对仪表盘的依赖性”。商业智能不仅要做报警器，更要成为预警器，商业智能系统的建设要改变过去 IT 系统“头痛医头，脚疼医脚”的局面，从被动应对向主动预防转变。企业内部运行的资源使用状况可以通过商业智能系统进行监测，当资源使用达到阈值时，自动发送预警，使得企业管理者们有可能采取规避措施。 要达到这样的目标，CIO 需要对企业的业务运作有着深刻的理解，不仅要站在 CEO、CFO 的角度考虑问题，更要深入理解各个业务领域专家的需求。朱宁讲了一个她自己亲身经历的例子。在美国时，朱宁曾经参与过家得宝（Home Depot）商业智能系统的项目。在销售量分析原型系统构建后，他们请了家得宝所有的店长来评审。当展示对最高销售额店面排名的时候，有个店长跳了出来：“为什么没有我们店呢？我们店的销售总额虽然不是名列前茅，但每平方英尺的销售额是最高的！”大家一听非常有道理，就把“单位面积销售额”加入了 KPI 定义中。进一步和店长们沟通，就会发现他们还有更切实的需求。原有系统的销售额统计受制于 IT 系统硬件和容量的限制，只能做到第二天显示出前一天的销售额统计。然而店长们要求实现每小时甚至每 15 分钟的及时更新。和店长更进一步的交谈发现，在没有 IT 系统支撑的情况下，店长会在白板上列出店面内美国销售员每个小时的销售情况，一旦发现某个销售员的销售情况不理想，店长就会及时和销售员沟通，发现并解决存在的问题。 同样，店长也会检查库存的实时消耗情况，遇到 Windows 7 上市带动电脑销售增长的情况，第二天再发现问题并要求补库存肯定来不及。因此，能否满足一线经理的实际需求，决定了 IT 系统的内部客户满意度高低；而没有合适的 IT 系统支撑，企业的 KPI 也上不去。 把握了企业内部各个层次客户的需求之后，CIO 和整个商业智能项目团队就能够更加有效地定义项目的范围和需求优先级。曾经有个 CIO 在被提问什么是 BI 时这样回答：BI 就是 Business + IT。这个答案可以说揭示了商业智能的本质。面对来自各个部门、各个层面的问题，CIO 要学会把大问题切块，例如首先从市场部的 100 个问题中找出 Top 5 或者 Top 10 的焦点，然后列出一个矩阵，哪些问题，可以通过哪些 IT 系统，哪些数据源来解决。再为每一个问题和可能的解决方案预估实施的成本，让客户自己选择优先解决哪些问题。某些问题紧急重要，且数据源质量较好，肯定会列入第一阶段。有些问题很重要，但是数据质量差，需要花费大量时间和成本清洗，如果客户确实觉得值得，也可以考虑。对于那些相对不那么重要的问题，且解决起来实施成本很高的问题，不妨以后再说。只有这样基于数据的分析和决策，才能得到最高的 ROI。 可以这样说，CIO 通过成功地实施商业智能项目，不仅能充分体现出 IT 系统对企业的价值，而且对企业整体的商业运作把握和理解也会上一个台阶。这对 CIO下一步的职业发展会非常有利。 驱动业务创新 朱宁认为，随着 IT 系统成为企业每一个员工越来越依赖的平台，商业智能最终将成为每一个员工不可或缺的工具。微软的愿景是 BI for Everyone。商业智能的 9 种智能挖掘算法已经被集成为 Excel 的加载项，最终用户可以自己定义所需的购物篮分析或集群分析等。微软也已经推出一个基于云计算模型的商业智能分析工具，出差在外的销售员也可以利用这一平台工作。企业的 KPI 最终将分解落实到每一个员工的 KPI 考核上，这就要求 KPI 的定义能够更加有效地对员工产生激励。 在国内商业智能的应用还处于方兴未艾的起步阶段。随着各行各业信息化建设的深入，通过商业智能，企业可以进一步挖掘自身所拥有信息资产的潜在价值，商业价值正在成为企业业务创新和价值创新的新机会点。在朱宁看来，商业智能的应用就像拉普拉斯变换，传递函数都是类似的，但各个行业都有自己的特点。 在人寿保险行业，商业智能技术可以帮助企业深入分析消费者年龄层次，健康状况，家庭和收入条件，预测可能的购买倾向，在针对客户的销售过程中提升效率，同时可以对客户投保出险的风险进行更精确的预估。 医院行业的 CIO 们希望能够通过商业智能系统对优秀医生进行模式分析，统计确诊率高的医生会关注哪些因素，检查哪些体征，通过知识库的建设和推广提高医生确诊率，增强工作效率，减少工作量。 同时，我们可以看到商业智能的范畴正在向社会智能延伸。公安部门可以对流动人口的情况进行分析，对犯罪率和违法行为作出更有效的预测；公共卫生部门希望对流行病传播的趋势进行分析，病毒传播的趋势，患者愈后的跟踪等；随着新医保改革的启动，政府卫生主管部门也希望能够对每个居民建设健康档案，对慢性病如高血压的高发人群特征进行分析，对于已经发病的患者提供定期随诊跟踪，而更重要的是帮助高危人群改变生活方式，从整体上提高居民平均寿命，降低整体公共卫生开支。