商业智能的bi时代

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇商业智能的bi时代范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

商业智能的bi时代范文第1篇

关键词：大数据；BI；发展

中图分类号：TP311.13 文献标识码：A 文章编号：1674-7712 （2014） 12-0000-01

近些年大数据（big data）一词被提及的频率越来越高。原本只是用来形容海量信息的含义，在信息时代又赋予了它新的含义-新信息时代的风向标。

如今是信息爆炸的时代，数据正在迅速膨胀变大，原本传统电信金融行业是信息产生的大户，随着互联网行业的异军突起，立刻成为了大数据军团中的绝对主力。互联网公司在日常运营中生成、累积的用户网络行为数据。这些数据的规模是如此庞大，以至于不能用G或T来衡量。

随着越来越多的行业对数据越来越重视，带来了BI的巨大市场商机和快速发展。随着大数据的兴起，IBM、Oracle、SAP、微软等厂商像是寻到了新的金矿，开始极力推崇大数据理念。于是众厂商蜂拥而至，抢夺大数据市场，以SAP的HANA和ORACLE的Exalytitcs为代表。也有部分推BI的厂商还达不到大数据的层次，固守在报表分析的阵地上。

大数据具有4个特征（4V）：

（一）数据量大（Volume）

第一个特征是数据量大。大数据的起始计量单位至少是P（1000个T）、E（100万个T）或Z（10亿个T）。

（二）类型繁多（Variety）

第二个特征是数据类型繁多。包括网络日志、音频、视频、图片、地理位置信息等等，多类型的数据对数据的处理能力提出了更高的要求。

（三）价值密度低（Value）

第三个特征是数据价值密度相对较低。如随着物联网的广泛应用，信息感知无处不在，信息海量，但价值密度较低，如何通过强大的机器算法更迅速地完成数据的价值“提纯”，是大数据时代亟待解决的难题。

（四）速度快时效高（Velocity）

第四个特征是处理速度快，时效性要求高。这是大数据区分于传统数据挖掘最显著的特征。

基于大数据以上特性，对于传统BI来说是一个重大的挑战和冲击。

以RTB（实时竞价广告）模式为例，这种面向网民的广告实时推送方式需呀以毫秒级的速度分析海量数据，进而实现互联网广告的精准推送。RTB模式主要需解决“人的认知”和“价值几何”，前者需要对每个用户实施消费行为进行分析，意味着需要解读万亿量级的数据；后者则需依托复杂算法计算ROI（投资回报率），告诉决策并显现交易结果，而每笔竞价只有50毫秒乃至更少的决策时间。收纳并瞬间解构如此庞大的数据，也只有大数据工具才能做到。

传统BI采集的数据主要来自于ERP、CRM等，具有格式化的数据，而大数据采集的数据种类则多种多样，既有结构化的数据，更多的是非结构化的数据。这就要求数据处理技术在分析、算法上相对传统BI来说有极大的改变，已经无法依赖传统的BI工具。类似RTB这类新兴商业模式不断涌现，对于营销反应速度提出极高的要求，传统BI能支持小时级的决策已经很了不起了，无法应对如此几乎是实时决策分析的要求，处理如此海量的数据分析及计算。数量和速度就是大数据带给传统BI的挑战。

大数据和BI都需要构建数据仓库、分析系统，再进行数据挖掘、实现数据呈现，运用机理和技术结构其实是一致的。与BI不同，大数据处理的数据是杂乱的、非结构化的数据，因此大数据有它独特的数据分析工具，其建模也要比BI复杂得多，数据呈现方式也不仅仅是报表方式。从这方面来看大数据能力要比传统BI强大得多。几年前还只有大型网络公司应用大数据技术，而如今，零售业、银行业、公共事业、智能社区等领域，几乎所有拥有海量数据的企业都在使用或开始尝试使用大数据技术，这些技术在部分项目中也起到了关键的作用，这些将挤压传统bi工具的生存空间。

大数据的出现对BI行业来说是一个挑战也是巨大的商机。也正是大数据的出现促进了BI加速发展，不断升级。

大数据分析缺乏成熟的实践经验，其方式方法与传统的数据仓库与BI系统有着一定的区别。在实施大数据分析项目之前，企业不仅应该知道使用何种技术，还应该知道在什么时候、什么地方使用。各数据之间有哪些关联性？哪个数据是可信的？如何从海量的数据中挖掘出有价值的、易用的客户信息？

要回答这些问题，企业需要一个单一、完整、可信的客户数据视图，而创建一个单一、完整、可信的客户数据视图，数据集成是关键。没有集成的数据，其商业价值为零。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来，从而获得在其他情况下无法达成的洞察力和价值。

在大数据概念面世之前，商业智能（BI）几乎是我们进入‘智慧世界’的不二选择，然而，价格不菲的数据库、数据仓库、ETL等工具共同构筑的高门槛挡住了很多企业一探究竟的脚步，而数据规模爆炸式的增长更是加高了这个门槛，让很多企业对于获取‘智慧’的投入成本望而怯步。

尽管随着技术不断进步，商业智能日益平民化，如今基于EXCL表也能在一定程度上实现传统商业智能的部分功能。但是商业智能最经典的架构还是基于数据仓库为基础，利用ETL工具进行数据抽取、转化、建模，然后通过报表等形式展现结果。整个过程每个环节都投资不菲且耗时，因此很长时间以来，商业智能被认为大企业的专有。相对而言，大数据主要用于互联网企业，采用通用硬件设备加上开源软件实现，成本相对低廉得多。入门门槛低，也是大数据能够迅速兴起的重要原因。

随着互联网技术的发展，未来的大数据时代，一定是各种信息呈现规模快速增长的状态，如何更快获取有用的信息是关键，智能分析工具会变得越来越重要，可以凌驾于多个管理系统、数据库之上，如何通过更灵活、可控的BI工具，真正挖掘出大数据时代的价值，是大数据和BI面临的共同挑战。

参考文献：

商业智能的bi时代范文第2篇

后ERP建设时代，信息化的核心数据将在商业智能技术的支持下变为企业的“信息资产”，成为企业发展的无形牵引力。

经过前三期对商业智能领域从技术到应用直至产业链的梳理，现在到了预测的时候了，本期我们邀请了IBM、甲骨文、SAP、Teradata等四家商业智能厂商为读者预测未来商业智能的走势和应用场景。

最后，笔者建议2010年，对于想实施或正在关注商业智能的CIO朋友，一定要先给自己的IT系统做好“体检”工作，看看自己的IT系统数据收集完善情况、数据质量情况、数据统一口径情况、数据集成情况、数据集中情况。把这些前置环节夯实了，商业智能项目将能很快显现出它的威力。

预测1

在IBM看来，业务分析作为商业智能的一个部分，未来更具发展潜力。

商业智能解决的是：现在状况怎样，哪些数据在什么位置，人为地去判断下一步应该作什么新计划，而业务分析的出现则更加强调数据到信息的转变，它解决了为什么业务是这样的情况，如果业务继续下去，会出现什么状况；通过建模了解最好的可能性是什么等等业务人员真正需要关心的实质问题。

IDC公司的中国商业分析软件市场2009-2013年预测与分析报告指出：2009年商业分析市场收入将达2.8亿美元，在2013年达到4.3亿美元，五年的复合年均增长率(CAGR)为10.2％，IDC中国同时指出，相对于彼此孤立的商业智能软件，企业更需要一个综合性的业务分析解决方案。

近日，IBM为了夯实业务分析战略的落地，了两大新工作负载优化系统――IBM pureScaie应用系统和智慧分析系统。

IBM pureScale应用系统和智慧分析系统均是软硬件结合的解决方案，从微处理器到硬件、软件等各个级别均进行了集成，非常适合实时分析大量数据以及处理数据密集型交易，其速度是市场上同类产品的20倍。这两大工作负载优化系统将成为IBM业务分析(Business Analytics)战略的重要支撑手段。

IBM软件集团全球信息管理软件开发副总裁Martin J，Wildberger先生最近和记者分享了商业智能未来的四大发展趋势。首先是可预测性，其次是实时性，再次是大规模的并行处理能力，最后是大众化。

以大规模的并行处理能力为例，要让BI真正能在海量的信息中，找出有价值的信息，并且提取出有用的数据进行处理，强大的并行处理能力必不可少，这是此次IBM软硬件结合解决方案的原因，这是用户进行大量实时、可预测分析的基石。

小故事

很久很久以前，在一个名叫阿浆克小镇的地方，住着善良的面包店老板一家人。面包店老板名叫萨姆先生，每天，他都早早地打开店门，摆上自己刚做好的新鲜面包等待顾客上门。

但是，镇上开了一家大型的面包房，各种美味的蛋糕和面包在大大的玻璃罩子下显得十分诱人。小镇的顾客开始光顾大型面包房，渐渐遗忘了萨姆先生的小面包店。

传说中有一个仙女看到了萨姆的难处，派了三兄弟让面包店起死回生。

第一个男孩把每个曾经光临过面包店的顾客信息记录下来。并且把凡是经过面包店门口顾客的名字、性别、爱好、习惯等等信息也有记录。第二个男孩把前一天记录下的顾客信息筛选一遍，最后留在纸上的是其中的精华。第三个男孩记录的顾客的每次购买的面包种类、数量和光临的时间等等都蕴藏着他们的需求，将这些需求总结出来，萨姆的面包才能越卖越好。不过，识别出这些需求需要大量的数据筛选、运算以及多维度的分析才可以。

后来，萨姆先生的小店以复古风格装饰一新，将“传统手艺打造的‘毕滋努斯’”作为招牌产品，此外还针对阿蒙克小镇居民的口味偏好生产出当地才有的口味的面包。而且，针对不同职业的人群，萨姆先生还准备了特别的套餐和优惠活动，店里的生意热闹无比。人们好奇地问萨姆先生成功的秘诀，萨姆先生总是笑着说：“全靠阿蒙克小镇的三兄弟呀!”

童话里的第一个男孩是数据库的象征。数据库的职责就是忠实地记录各种信息，并把它们妥善地储存好。数据是企业获得业务分析能力的基础。第二个男孩则代表了生产“可靠数据”的软件，如数据仓库等等，通过ETL将有价值的、准确的信息留下，箅去不重要的、失真的信息。第三个男孩则代表了企业具有的商业智能和业务分析能力，基于之前的信息，以多维度的分析来得出结论，推动商业决策的进行。

预测2

大型的软件公司已经预测到将来的5到10年时间，商业智能将是软件领域的一大增长点，对于商业智能的未来，甲骨文认为有趋势。

1、方案集成度不断提高。对于商业智能的用户来言，高集成度的方案将大大降低过往高昂且费时的系统集成工作，并能保障快速的系统部署。

2、预置分析内容，并集成企业绩效管理的应用将成为主流。用户将能直接获取到已经预置了分析内容和指标的应用型商业智能解决方案，并集成了企业绩效管理应用，给企业决策、管理和运营提供从目标设定、计划配置、运营监控、信息分析到完善目标的闭环过程。

3、操作型商业智能要求普适化商业智能功能。

各大厂商已经预测到商业智能系统将走下神坛，BI用户群也会相应地从现在的后台管理决策层向前端业务操作型用户延伸。

4、高级交互式分析将是又一热点。新一轮的高级分析需求已经在不同行业悄然升温。在将来的商业智能平台中，预测、分摊、假设模拟、数据挖掘等技术将成为又一轮的技术投资方向。

5、可视化技术进一步发展。对于数据的可视化将是新一个商业智能系统的又一趋势。越来越多的用户不再满足于传统的图像展现和交互式的图像展现。

6、智能化业务系统和商业智能平台的界限越来越模糊。越来越多的软件厂商和用户系统都在不断尝试将商业智能应用和业务系统紧密集成在一起，从而提供用户从业务操作到业务分析再返回指导业务操作的自动化平台。

7、数据采集质量越来越高，数量越来越大。

随着RFID、移动互联网技术的普遍应用，未来商业智能系统所能获取到的数据量和数据准确性将产生质的变化。

8、实时数据获取和整理。由于BI应用将向操作型发展的特点，也导致了用户对BI应用的实时性需求。

小场景

Z服装店试衣间琳达

2010年春季新款上市，Z服装门店已经是人头攒动，很多顾客都在店中挑选自己喜欢的服装，同时试衣问也排起了长队。在焦急等待10分钟后，琳达终于如愿进入了了试衣间。有趣的是试衣间里面的液晶屏幕吸引了她的注意。上面罗列的正是她精心 挑选的几件服装。这时她才注意到每件衣服上都已经配置了IIFID标签。更令她兴奋的是，屏幕上还显示了她所选择的衣服所推荐的上装，饰品以及它们的价格。琳达顺利完成了试装同时还多选购了相搭配的上装。近来每天这样的场景都会在z服装店发生，Z公司IT商务智能推广部门的负责人金总是看在眼里，美在心里。通过消费者行为数据的实时采集，数据仓库和商务智能系统的实时比对和分析。现在z服装店已经能第一时间的给他们的客户提供交叉销售的专业意见。在成功上线集成FZFID技术的商务智能试衣推荐系统后的1个月，Z服装门店的月销售量同比上涨了18％。货架周转率也提高了14％。

航空公司分析部门　李　琳

绿岛火山又有异动了，让UM航空公司定价部门的李琳紧张起来。去年冰岛火山事件让公司损失了一大笔业绩。而因延误造成的航班定价变化又没有及时跟上，让公司又错失了提高利润的机会。不过此次李琳已经是有备而来，去年事件后，公司马上组织了突发事件定价方案，在IT系统上部署了预测分析引擎。并且将之前由于特殊气象等原因带来的销售定价和市场反应信息都输入了系统。此时李琳面前的屏幕上已经显示出可能出现的几种定价挑战方案。李琳快速的键入了几个她认为可行的假设定价方案，在系统中配置了不同的定价策略参数，基于预测算法系统模拟出了这些定价方案会带来的成本变化，市场反应，并立即计算出了每一种定价策略会带来的最终利润情况。最终的结果让李琳松了一口气。

预测3

最近商业智能的概念从技术到应用都发生了巨大的变化，从商业智能到商业分析，再到企业绩效管理，再到企业绩效优化。那么商业智能的发展从技术上和应用上的趋势如何呢? 　在技术层面上： 　1、实时商业智能。为了实现实时商业智能，自然就需要将原来的ETL工具进行改造，也就形成了新的EII(企业信息整合)技术，来实现实时数据抽取，和原来的ETL工具配合，共同使用。

2、移动商业智能。将原来人们依赖于电脑的商业智能搬到了手机或者黑莓上，这样使得客户非常容易地监控、分析企业出现的例外现象。

3、SaaS商业智能。商业智能作为云计算，作为服务，企业不需要在自己的终端上安装任何软件，只要将自己的不管是电子表格、数据库等的数据，加载到远程的服务器上，就可以得到大量的分析和数据处理。

4、大数据量快速处理商业智能。原来一般是利用空间换时间的方法，比如多维数据库，但是它存在一定空间过大反而导致效率低下的问题，现在人们越来越多将软件和硬件结合起来，提高大数据量的处理速度和效率。

5、简单易用商业智能。

6、主数据管理(MDM)。在实现商业智能时，对于共享数据的处理，就需要一个工具，解决共享数据的模型和整合，这就是主数据管理所做的工作。

7、将数据分析和搜索引擎结合起来。只要客户在搜索引擎中输入关键词，就可以获得相关的分析结果，不需要开发就可以得到各种维度的分析。

8、文本分析商业智能。对互联网、公司的文件、文档进行分析。

9、智能型商业智能。商业智能可以自动适应和智能调节出现的问题，优化行动的进程，就需要自适应的算法和技术。

从应用层面上：

1、战略驱动的有效执行：商业智能概念从原来的报告、查询、多维分析、数据挖掘已经延伸到了企业绩效管理，更进一步延伸到了企业绩效优化。

2、协作型商业智能：从数据出发，可以在供应商、企业内部和客户之间共享分析的结果，来获得某些行动可能会产生的风险，这些风险会给供应商、企业内部、客户之间带来的损失。使得供应商、企业、客户共享信息。

3、GRC是一个新的领域：企业除了关心企业的绩效指标外，越来越多的关注关键风险指标。

4、企业绩效驾驶舱：简单易用的可视化展现，领导层，特别是高管层需要看到一目了然的结果，所以驾驶舱越来越受到人们的关注。

5、全员需要的商业智能：现在大部分企业都是将商业智能作为领导的决策支持系统，这样系统的应用就很少，将来的趋势是人人都用商业智能，此系统成为企业的一套每天都在应用的业务系统。

6、商业智能和核心业务系统整合：在ERP系统中是流程驱动，将手动的东西变成计算机自动化处理，但是还要对每个节点进行智能的判断。

7、商业智能作为服务，可以将信息作为服务进行销售。这样可以获得更大的信息和效益。

小场景

张总在销售分析的会议上，看着销售总监将他们客户关系管理的客户信息拖到网上的分析工具，很快得到了销售预测的信息。张总问公司产品“童车”在哪个地域昨天销售的好，销售总监在搜索中输入“童车销售排名”，结果相关的信息马上出现在大屏幕上和在外地出差参会人的手机上。大家通过手机在讨论销售出现问题的原因，将自己的数据和分析结果通过手机进行共享，最后利用鱼骨图方法和8WOT分析达到共识。通过讨论，大家发现了销售好的地方的主要因素是什么，而且了解到：没有做好的主要原因是竞争对手的促销造成的，马上做出决定，改变营销策略。这就是实时商业智能和在手机上迅速获得信息的案例。

预测4

BI行业经过多年实践和发展，已经取得了丰富的阶段性成果。许多金融、电信、物流、航空、制造业的大型企业已经相继搭建了企业级的数据仓库平台，发展了一套比较完善的报表和指标监控体系等后台应用，能够较好地支持后台管理层对企业经营情况的跟踪了解，以作出相应的战略调整和经营决策。

如果要对国内的BI发展做一小结的话，概括地讲，基础数据平台和后台战略型应用是过去10余年的发展重点。根据我们的实践和研究调查，BI已基本呈现出如下几个基本趋势：

首先，BI应用的范围将从目前的战略型应用逐步向操作型应用拓展，BI用户群也会相应地从现在的后台管理决策层向前端业务操作型用户延伸。简单讲，BI不仅要服务于企业如何制定管理决策，提升其战略型商业智能，下一步还将逐渐把目光投向如何更好支持战略的执行，提高企业人员的操作型商业智能。因为，执行的效率如何以及是否得力等细节因素往往决定了一个企业的竞争优势乃至成败得失。战略级的决策是关键的，能否又快又好地执行也同样重要。

其次，在技术上BI将向动态商业智能方向发展，动态数据仓库是技术基础，在全球Teradata已有100多家客户采用了ADW技术。由于BI应用将向操作型发展的特点，也导致了用户对BI应用的实时陛需求。很明显，企业的管理层看报表和KPI通常不需要很高的实时性，大概一个月或一周看一次。但是对操作型的用户而言，例如银行的柜面，CallCenter等前端渠道操作型用户，需要BI应用提供最近的关于当下客户的交易行为、风险以及营销机会等信息，很显然，滞后的信息无法让工作人员在与客户接触时准确了解客户的全貌，如潜在需求等情况，将导致商业机会的流失或者不当的业务动作。

另外，企业数据的综合治理也已逐渐受到越来越多客户的重视，毕竟数据的质量是BI得以使用和推广的基础。

小场景

某天，银行的客户经理小王刚挂断与一位老客户的电话，就注意到电脑里新增了一条营销信息，表明另一位高潜力客户杜某的活期帐户上，刚存入60000元人民币。这条是一条重要的信息，是因为后台数据仓库系统通过分析杜某的前6个月历史记录后，判断出这是一笔不寻常的大额进帐。

小王凭着业务经验，觉得这里面可能蕴藏着理财产品的营销机会，因此立刻拨通了杜某电话，进行了专业的营销沟通。经过电话沟通发现60000块这笔款，是杜某刚把英国的一辆旧车卖了暂时转入银行的钱，还得知杜某刚从国外学成回来，准备长期在国内发展，刚在北京谋了一份新的工作，且有买一辆新车的需求，但是手头资金暂时困难。

得知此情况后，小王向杜某推荐了银行开展的汽车贷款优惠活动，并且建议杜某可以留一部分钱在储蓄账户，一部分用于购车首付，银行有相关的产品可以用存款抵销一部分车贷利息。于是，客户杜某觉得有必要咨询一下理财顾问，客户经理小王就推荐了行内的理财专家。经过与理财专家的咨询交流，最后杜某与银行做了如下业务：

a向银行借了8万元的汽车贷款。

b新立一个账户，存进了2万元，以后每月向该账户存入一笔钱，作为后续买房子的首付预算。

商业智能的bi时代范文第3篇

【关键词】人力资源管理；商业智能；应用；发展

根据现代企业信息化的实际需求和特点，深层次开发人力资源管理系统，但是目前人力资源管理系统停留在信息管理的层面上，其辅助决策分析的功能尚未发挥出来。在人力资源管理系统中集成商业智能技术，在企业信息系统中通过KPI指标体系的引入实现绩效管理平台的而建立健全，分解企业的战略目标，使其可以成为实际工作中具备可操作性的目标，有助于企业人力资源的有效管理和合理分配。

一、人力资源管理系统发展概况

自20世纪60年代末，人力资源管理系统内得到了一定的发展，当时意境普及了计算机技术，大型企业逐渐发现，薪资的计算和发放如果采用纯手工的方式来进行，很容易出现失误，为了解决这一矛盾，第一代人力资源管理系统就这样被研发出来，但是由于当时的技术条件的限制，该系统实际上只是起到自动计算薪资的作用，不包含薪资的历史信息和非财务信息，不具备分析薪资数据和生成报表的功能。

在20是90年代末，出现了人力资源管理系统的变革，市场竞争的要求就决定了企业必须要思考如何激发员工工作的积极性和主动性，如何留住和吸引人才，再加上服务其技术、数据库技术、网络技术的发展，第三代人力资源管理系统就这样应运而生了，其用集中的数据库统一管理所有的人力资源相关的数据，人力资源管理可以通过其分析工具、信息共享工具、生成报表工具而分解自己的工作量，将更多的精力集中在企业人力资源的规划和政策上。

二、人力资源管理系统效益和局限性

人力资源管理系统效益：

1、工资计算程度高：绩效考核与薪资挂钩；

2、报表图形输出功能强大：可输出多种报表格式，如超本文、数据库、电子表格等等；

3、自动化考核管理：考核的相关资料由系统定期自动生成，提示相关人员完成考核工作，自动统计考核结果；

4、查询灵活方便：查询条件可以自定义，既可以模糊查询，也可以组合条件、单条件查询。

人力资源管理系统的局限性：

1、人力资源管理系统等同于“联机事物处理”系统。联机事务处理系统是将每个部门、每个事物、每一分钟都记录在相关数据中。对于企业领导者而言，其宏观决策时所需要的数据如果要从“事无巨细”、数据完整且规模庞大的系统中直接获取，其困难程度可想而知。

2、HR思想提出时的需求限制，无法将HR系统数据上升到信息层面，需要从其他处理系统中进行二次加工方可得到决策所需要的信息数据。

3、传统HR系统，虽然自动化整理了企业内部的信息，但是缺乏充分有效的利用，闲置浪费了大量有用的信息。

三、HRMS集成商业智能技术分析

1、HRMS系统集成商业智能的必要性分析

（1）、各HR厂商有扩展HR商业智能功能的迫切需求，传统HR市场已经日趋饱和。传统HR系统经过多年的发展，其需求逐渐趋缓，其绩效下降的缺陷愈发突出，需要新的产品来弥补这一缺陷，使HR系统功能得以延伸。

（2）、企业要求改变HR系统。通常来讲，HR系统中只会保留最近的信息，其目的是使系统运行效率得到提升，但是当进行策略分析或趋势分析时，需要为分析、归纳、判断提供大量的历史数据支持，企业需要的是一个既能将大量历史数据完成保留下来，同时也可以快速分析查询的数据环境。因此，不能放弃从HR系统中移出来的数据，但是在决策分析时对HR系统数据库进行的大量的访问操作、数据库运算会严重影响HR系统的运行维护效率。

因此，在HR系统中集成商业智能技术的需求非常迫切。

2、HRMS系统集成商业智能的可行性分析

（1）、HR的实施应用可以为商业智能系统提供更好的技术储备和硬件平台。企业在HR数据库、网络设施、计算机上的投资，可以为商业智能提供良好的物理运行环境。同时，普及HR系统的应用可以使员工的信息使用能力和操作水平得到较大的提升，应用商业智能技术更容易被企业员工和管理层所接受。

（2）、HR将企业人力资源管理中的各种信息事无巨细的记录下来，庞大的历史数据是商业职能体系较为理想的数据来源。

（3）、通常来讲，HR系统的数据定义如汇率符号、时间格式等等是共享的、统一的，这就将更多的清晰地数据提供给商业智能系统，使数据准备时间有所减少。

综上所述，HR系统集成商业智能既是必要的，也是可行的。

四、HRMS环境的商业智能集成解决方案

1、系统目标

人力资源管理系统集成商业智能系统的目标是在充分依靠现有人力资源管理系统的前提下，充分利用数据仓库技术来对各种数据资源进行有效的整合，以满足企业领导者的需求。系统业主主要分为决策支持、战略扩展业务和基础业务这三个部分。

（1）、基础业务层：实现基本业务功能如时间管理、人事管理、岗位管理等的信息化，使人力资源管理的成本大大降低。

（2）、战略处理层：通过绩效考核等功能模块的有效实施，企业可以建立健全人力资源战略开发体系，保证规范化、科学化的人才开发、人才留住、人才吸引、人才激励等流程。

（3）、决策支持层：企业基于人力资源成本、人力资源规划的实施、人力资源数据库等功能模块，通过与其他应用系统、财务管理的共享和集成，实现企业成本的有效控制、资源优化配置和流程化管理。

2、系统结构及系统功能设计

从HR系统、异构的外部数据源、脱机的历史业务数据中可以提取、转换、清理商业智能系统的数据，并根据决策主体的需求重新组织，从而建立结构化数据环境，帮助用户挖掘HR系统潜在的、有价值的数据。参照商业智能通用架构可以得出商业智能系统与HR系统的集成构架，如图1。

在集成系统环境中，集成数据来源为HR系统，数据集市和数据仓库可以通过ETL得以建立。集成环境的工具层由报表展现、OLAP、HR系统所构成。在技术层面上，HR系统可以有利于数据库可靠、安全、准确、快速的收集数据，数据仓库的作用主要体现在组织和存储信息上，OLAP的作用主要体现在信息的分析决策上，报表展现的作用主要体现在数据的直接反映上。

集成系统具有以下特点：

（1）、HR系统可以对大量基础数据进行存储、处理和收集，构成集成系统的数据来源。

（2）、数据仓库可以统一综合HR系统数据库，是商业智能信息的构成基础。

（3）、OLAP可以对数据仓库中的信息进行有效利用，在数据分析过程中可以有效利用多维分析方法。

（4）、报表展现可以简单明了的反映出由分析所产生的数据。

系统可以按照抽取数据――数据仓库建立――数据挖掘（OLAP）――前端报表查询来进行系统设计。

3、系统解决方案

SQL Server2005是一个较为完成的商务智能平台，为用户提供其所需要的各种功能、工具、特性来构建创新和典型的分析应用程序。

（1）、SQL Server2005具体要素分析

设计：构建于Visual Studio 2005技术之上的Business Intelligence Development Studio，可以为系统开发员提供完整的、丰富的专业开发平台。

合成：在调试和构建程序包时，BI Development Studio可以使其更加生动有趣，无缝数据视图由Reporting Services、DTS和Analysis Service共同提供。

存储：在SQL Server2005中，在一定程度上模糊了多维数据库和关系数据库之间的界线，在多维数据库、关系数据库中都可以进行数据库存储，或者充分发挥“主动缓存”的功能，将不同数据库的优点充分发挥出来。

分析：在Analysis Services多维数据中增加了如MDX脚本、关键绩效指标框架等新功能。

2、系统解决方案

系统以SQL Server2005来作为其开发平台，以系统结构为基础，给出系统开发流程，见图2，其主要分为三个设计阶段，即报表展示、数据分析和数据集成。

五、人力资源管理中的商业智能技术未来发展趋势

1、实现真正的智能型操作

现阶段起到主要作用的BI项目分析型应用只是提供在决策分析过程中所需要的依据，并不是智能操作，实现真正的智能操作还有很长的路要走。

2、数据挖掘技术的深层次应用

在2006年，除去人们常用的展现方式OLAP和复杂报表以外，人们越来越重视关键绩效指标，即KPI，在大型集团企业中，高层管理者要想了解企业当前的运行状况，可以通过KPI直接的体现出来。由于较为复杂的数据挖掘技术，其应用从初始阶段到应用高峰需要经历一段时间。

3、商业智能网络架构系统的发展

知识使用者可以通过该网络实现决策信息、分析结构、流程模型、数据模型、元数据的共享和交流，提高知识使用者决策的精准度。在未来BI系统产品应该更注重BI网络产品，包括企业集成软件、工作流组件、协同工作组件等等，这些软件不仅有很大的价值，而且使BI网络产品的内在价值和涵盖性有所增加。

4、智能客户端发展

现阶段商业智能产业技术的创新，其最佳着手点就是智能客户端。可以归纳为三点：首先，充分利用本地资源；其次，具备离线连接能力，最后，自动更新和智能部署。推广智能客户端会使商业智能技术的应用逐渐丰富起来。

商业智能的bi时代范文第4篇

过去10年，大多由IT部门主导BI项目的投资，这些项目高度可控和中心化。IT部门负责编制出产品报告，再推送给消费者和分析人员。现在，大量的商业用户迫切要求进行交互式分析，希望通过深度分析获取数据洞察力，而他们只有非常有限的IT或数据科学技能。IT部门面临的挑战是，他们需要满足越来越多的数据发现的需求，又不能牺牲可控性。

目前，IT部门希望能够做到鱼和熊掌兼得，尤其是满足商业用户驱动的新需求。这些需求不再使用传统的、IT为核心（IT-centric）的企业级平台，转而采用去中心化的数据发现部署，如今这种部署在企业里随处可见。

Gartner估算，超过1/2的购买需求来自于数据发现的驱动。这种去中心化的模型让更多商业用户获取到了数据分析能力，同时也产生了对可控的数据发现方法的需求。

Bl市场的变局

这是一个持续了6年的转变。2014年，BI平台正越来越多地被商业用户驱动和交互式分析项目替换。这些新项目越来越多，BI部门的担忧也随之增多，希望做到总体可控的需求也在随之增长。这个转变的目标，是让更大范围的用户和更多的场景获取到数据分析能力。

传统BI厂商十分努力地想通过打包和集成其他产品去满足这些商业用户的需求，但他们苍白的仿制品并未得到市场的认可，因而收效甚微。与此同时，他们也正为下一代分析工具做投资，不过产品尚未完全成熟。

随着企业通过双峰式的、可管控的数据发现方法建设BI平台，很多商业用户希望以自服务的模式去访问IT部门把控的数据源。这需要引入复杂的、但却又是商业用户能用的数据建模工具。他们还希望能有更简单的方式提升数据洞察力。而当前的趋势是，基于云部署、支持各种Mobile设备，更大范围地接入用户尤其是非传统BI用户，以扩展数据分析的应用尤其是通过深度分析来产生洞察力。

我们看到很多数据分析需要整合来自内部和外部的多结构化数据。对BI厂商来说，整合线上线下的、多结构化的、流式的数据，已经成为很重要的功能。基于流计算和多结构化数据的分析大多来自早期用户，但这些功能显得愈发重要。

Bl厂商的定位

2014年，对BI巨头而言又是一个被挑战的年头。有一个奇怪的现象，以IT-centric的BI平台功能丰富，但用户使用过程中却感到处处受限。而那些核心业务（Business-centric）的BI平台功能有限，但用户使用却非常广泛。连写报告这种他们不擅长的功能也被广泛使用，最主要是它们简单交付、极致易用。

当前的BI市场状况看起来像上世纪80年代晚期的主机/工作站市场，那时的客户和需求也正在彻底转变。这些转变驱使惠普对计算平台的战略和架构进行了彻底的再思考和再设计。最终，这场转变让DEC消亡，因为它的行动实在太慢。类似地，今天的BI巨头也站在十字路口中间。

虽然数据发现型的BI平台被认为是IT-centric BI平台的重要补充，但新的分析项目大多都采购了前者而不是后者。这导致用户基数很大的传统BI厂家正逐渐被边缘化，他们不能提供有竞争力的产品，也就无法保持增长。

虽非主流，但是，我们看到用Tableau、ov等产品去替换现有平台的Case越来越多，尤其中小企业。Gartner调查结果发现，越来越多的企业倾向于以更大的平台规模部署数据发现BI，但他们发现这些产品在企业级监控、管理、扩展性等方面还有欠缺，Business-centric BI厂商正在持续补足这些功能。

如果我们开始看到大规模地转向商业用户为核心的BI厂商，市场转换就很明显了。目前，大量买家似乎都在观望，看他们选购的IT-centric BI平台是否会补足数据发现功能，而这些数据发现功能能满足他们的需求。毕竟，如果没有一家BI厂商能两全其美，两种分割的BI系统会从监控、扩展、支持等方面给企业带来不小的挑战。

2015年很可能是一个关键年。民主化数据分析将统领市场需求，对监管的需求也在增加。新一代数据分析功能更加重要，例如支持深度分析，同时隐藏复杂性（数据准备、自动模式搜索）。在2015年及未来，这些功能对采购的冲击程度，将决定谁会凸现出来成为这次市场转换的领导者。

支持大量的多种多样的数据也成为BI市场的主流需求。同时，融合分散的商业用户导向的应用部署和集中的企业级应用部署，成为BI供应商的极大挑战。BI平台要支持云数据、流数据、多结构化数据，还要支持社交和网络分析、情绪分析、机器学习。新的挑战和机会来自于将这些多源数据融合并管理起来，以产生商业价值。

国内市场越来越多的企业希望出现业务主导型、高性能、并同时具备大数据分析能力的BI产品。国内敏捷BI起步较晚，永洪科技和同行相继不同的数据可视化分析产品，技术上已经不逊于国外同行，而且已经开始在大数据分析、探索式分析等领域超越国际竟品，诸如复杂式报表、数据填报等国内特色的需求也得到了很好的解决。当然，本土团队的产品服务能带来更好的支撑效果和客户体验。

国内市场的另外一个问题是，有些企业尤其是中小企业还未建立起对数据的正确认识，不太了解数据的真正价值，也不知道如何通过数据来指导运营和业务，这需要一个中长期的培育。

此外，我们也看到除了大型机构和大型企业之外，很多中小企业也非常清晰地认识到数据分析的价值，具有非常强烈的建立有效的数据化运营体系的愿望。他们广泛地分布在电商、金融、020等泛互联网行业。这些企业身处透明且充分竞争的市场，引领着更多行业、更多企业的发展。

相信，我们会看到的越来越多的企业构建适配的数据分析平台，充分发掘数据价值，快速成长为所处行业的佼佼者。

解析魔力象限之领导者象限

在Gartner的BI魔力象限中，领导者象限的BI厂商都被放到了第一象限靠边的位置，中间是空的。这是因为没有一个厂商能做到既支持越来越大的商业用户导向并被管控的BI部署，又在用户体验上为这场划时代的变革做好了创新的准备。

有观点认为以前的BI巨头将不能重新获取市场的认同，即便他们还在为创新而投入。

Tableau和Qlik得到了市场的认同，是因为他们满足了客户在数据发现上的需求，促成了更简单和更广泛的应用，因而获得了成长。

客户都非常看重产品的易用性，也很看重产品功能、销售过程、产品服务、产品质量、产品升级、商业价值、支持所有用户的分析等方面的满意度。被市场认同的BI厂商，他们更专注于简单易用，以让更多的用户能随时随地进行数据分析。他们正在实现客户最关注的需求，并从新的分析项目投资中获取增长，而诸如监控、管理、嵌入、扩展性等企业级功能还处于开发完善过程之中，例如，Qlik了Qlik Sense，而Tableau每个版本都补足一些企业级功能。

有观点认为，Tableau和Qlik -直致力于重点优化产品的易用性以接入更多的用户，但较少关注新出现的增长领域，例如，智能数据发现以进一步提升数据分析的民主性，也较少投入到自服务数据准备领域（Tableau计划在V9中包括有限的功能，Qlik也有类似的计划），但他们在这些领域的能力还比较欠缺。

商业智能的bi时代范文第5篇

6月12日下午，北京航空航天大学软件学院（以下简称北航软件学院）与国内数据可视化分析解决方案提供商北京永洪商智科技有限公司（简称永洪科技）共同举行了“北航-永洪科技 BI联合实验室”揭牌仪式，并签署了《北京航空航天大学软件学院―永洪科技BI联合实验室合作协议》。

在揭牌仪式上，北航软件学院党委书记张德生为揭牌仪式致辞，他希望双方这次合作将让北航软件学院的师生在实验室里就能够熟悉当前的敏捷BI和大数据分析技术和产品，让学院能更好地培养人才。据悉，早在2013年，北航软件学院就成为全国首个开设“大数据技术与应用专业”的软件学院。

目前，北航软件学院已经与很多国际国内知名软件企业开展深度的校企合作，并设立专业的实验室。例如，北航-威盛电子集成电路设计专用实验室、AMD-北航学生科技创新中心、微软（日本）日文应用软件专业实验室、SAP-北航ERP实验室、北航Google Camp实验室等。随着移动云计算专业发展需要，北航软件学院先后与联想集团、HTC、RIM、阿里巴巴、开心网、创新工场等企业展开合作共建了联合实验室。

永洪科技致力于提供数据可视化分析解决方案，为企业级用户的数据化运营提供支持。几年来，永洪科技服务过的客户包括中国移动、中国电信、中信银行、浪潮集团、宝宝树、人人车、途家网、百程旅行网、艾瑞咨询等公司。此次合作，永洪科技为“北航-永洪科技 BI联合实验室”提供了价值300多万元的永洪BI软件。永洪科技将会持续负责联合实验室BI产品的部署、培训和辅导工作，北航软件学院将利用永洪科技搭建敏捷BI的环境，对商业智能、数据挖掘、大数据分析等领域的行业技术和解决方案进行学习和研究。