随着现代管理学和计算机技术的发展，商业智能（Business Intelligence，BI）得到了快速发展。目前，大型企业普遍享受到了商业智能带来的巨大利益，但是，却鲜有中小型企业进人商业智能。对中小型企业而言，进人商业智能的门槛过高，困难重重。如何解决这些困难，成为当前研究的热点问题。
1、商业智能的现状
商业智能这一术语最早是在1996年由国际知名的市场分析机构Gartner Group提出。当时将商业智能定义为一类由数据仓库、查询报表、联机分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。目前通常认为，商业智能是指对已有的数据资源进行挖掘，找到需要的信息，以帮助做出更好的商业决策。
商业智能需要两方面的技术支撑，其一是商业领域的知识，其二是数据挖掘技术。数据挖掘（Data Mining），指从大量的、不完全的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的，但又是潜在有用的信息和知识的过程。
从1989年首次提出数据挖掘的概念开始，数据挖掘就一直是一门面向应用的技术。人们比较熟悉的关于数据挖掘的例子可能就是“尿布和啤酒”的故事了。零售业巨头沃尔玛通过对历史数据进行挖掘，发现啤酒和尿布的销售量成正比，推断出买尿布的男士也习惯买一瓶啤酒，于是将尿布和啤酒的摆放位置进行重新调整，方便用户买尿布时顺手拿上一瓶啤酒，结果，尿布和啤酒的销售量都增加了。
正是因为数据挖掘在商业领域发挥着巨大的作用，因此权威的信息技术分析公司Meta Group曾表示，“全球重要的企业、组织会发现，到21世纪数据挖掘技术将是他们商业成功与否的至关重要的影响因素。”从目前商业智能如火如茶的发展来看，通过数据挖掘技术辅助商业活动已成为大势所趋。
实现商业智能的主要途径是使用商业智能系统。这些系统往往已经集成了数据挖掘技术和统计学、客户管理学等知识，覆盖了CRM（Customer Relationship Management，客户关系管理）、ERP（Enterprise Resource Planning，企业资源计划）、BPR（Business process reengineering，企业重组流程）等各种商业应用，因此，用户只需要安装上这些系统并开展业务即可。关于商业智能的系统，国外的主要有oracle公司的mySAP和SAP公司的R/3，而国内的主要是金蝶、用友等公司推出的一些企业管理软件。
目前，大型企业已经普遍采用商业智能系统来进行企业管理。以SAP为例，全球财富50强里80%以上的企业都正在从SAP的管理方案中获益。通过采用SAP的商业智能系统进行管理，联想集团成功的将库存周转由72天降到2天，而海尔集团则每年在采购成本上节省80000万元以上。然而，在大型企业享受着商业智能带来的好处的同时，我们也应该注意到，在中小型企业中，很少听说关于商业智能的应用。在通往商业智能的道路上，究竟是什么阻碍了中小型企业前进的步伐呢？
2、中小型企业进入商业智能中存在的困难
作为当前一门最实用、最热门的技术，广大的中小型企业并没有忽视商业智能的存在。之所以广大中小型企业迟迟难以应用商业智能，主要是存在以下几个难题：
（1）商业智能系统的价格过高。例如，知名的商业智能系统SAS9，就花费了6000名技术工人4年的时间来打造，耗资高达20亿美元闭这样的产品自然价格不菲，令众多中小型企业退避三舍。
（2）数据库服务器价格昂贵。如果想自己购买数据库服务器进行设计管理也不失为一种办法，而商业智能的咨询公司会首先建议你花费几百万美元购买专业的数据库服务器，显然，这样的费用也只能令中小型企业望而却步。
（3）商业智能系统的操作难度大。由于商业智能涉及到商业管理、统计学、数据挖掘技术等多学科，因此商业智能的软件的使用并不容易。即便是一个比较简单的商业智能的软件，也往往拥有近百个模块、几百个图表，管理人员往往需要进行一段时间进行培训才能掌握。
（4）商业智能系统在实际应用中效果并不显著。很多企业对商业智能有一种误解，以为安装上商业智能的系统后，就像得到了魔法师使用的占卜水晶球，经济效益的提高立竿见影。但最后往往发现，花费了大量的人力和资金购买的商业智能系统只是一个中看不中用的花瓶。由于商业智能不但需要数据挖掘技术人员，还需要商业技术人员，并需要结合客户自身的需求，如果其中任何一个环节出现问题，都无法真正发挥商业智能的威力。实际情况是，软件供应商往往给所有的用户提供的同一个软件，未能把握每个企业自身的不同需求，所以往往在应用中效果并不显著，也得不到业务部门的首肯。
（5）商业智能产品的通用性差。每个商业智能系统都希望能满足企业的所有要求，其实这是不现实的，同时也造成了各个厂商各自为战、产品通用性差的问题。企业往往发现，想通过别的软件来增强现有商业智能系统是非常困难的。例如，用户原来使用的是oracle的数据库，现在想通过微软的Analysis Service2005来提高分析能力，却发现两者之间存在兼容问题，系统也变得不稳定。再如，企业用户在IBM的咨询站点中发现了一些很实用的决策算法，下载回来却发现该算法只能在IBM的产品Intelligent Miner中使用。
“船小好掉头”是小型企业的显著特点，因此他们的业务比较灵活多变，也常常会遇到同时需要几个商业软件来解决的问题，而目前与商业智能有关的一些工具往往存在通用性差的缺点，也让他们觉得过于费时费力，还不如继续按照传统的分析方法更为顺手。
（6）商业智能系统扩展性、灵活性严重依赖软件供应商。商业智能是随着商业知识、统计学和计算机技术的发展而不断发展的，所以，企业希望能在实现商业智能中一次投资就能达到十全十美、一步到位、一劳永逸的想法只是一厢情愿。另外，如果企业出现了新的需求，调整或增加某些功能也是不可避免的。因此任何一个商业智能系统都要解决扩展性和灵活性的问题。
目前，要实现商业智能系统的可扩展性和灵活性，只能依赖于软件供应商的的后期服务，当然这个软件升级、后期维护的费用也是惊人的。例如，Oracle从来没有因为价格问题失去一个客户，但是它都能够通过后期服务把钱赚回来。于是，很多中小型企业经过一番精打细算以后，觉得去冒着可能长期被软件供应商剥削的风险，实在得不偿失。
（7）实践周期过长。如果说采用同一模板的构建的商业智能系统不能满足企业不同的个性需求的话，那么量体裁衣定制的系统总可以很好的融合企业自身的管理方法和业务流程吧，然而新的问题又出现了，按照SAP和orade官方的说法，他们的解决方案通常会在3至6个月内完成。如果再加上员工的培训、实践磨合，还需要更多的时间。这个较长的周期，对于追求“短平快”的中小型企业而言，显然是无法接受的。
（8）对企业提高业务水平有一定限制。进入商业智能的企业被限制在一个个狭小的圈子里面，使用某系统的企业就只能聚集在该系统的论坛当中，想和其他企业探讨经验、提高业务水平时，就像语言完全不同的一群人走到了一起，交流非常困难。而对于那些没有进入商业智能的企业更是在圈子外面，往往处于茫然的状态，对商业智能无从下手。
正是由于存在以上种种难题，广大的中小型企业对于商业智能也只是雾里看花、水中望月。同时，广大的中小型企业也迫切希望能解决这些困难，降低进人商业智能的门槛。
3、一种基于开放技术的商业智能的模型
3.1 模型的结构
针对中小型企业在进人商业智能中出现的各种困难，笔者提出了一种基于开放技术的商业智能的模型。该模型如下图：
图1 一种商业智能模型的结构体系
图中的箭头是表示操作控制的方向，例如雇员将数据输人到数据库中。其中，决策包是包含很多关于数据挖掘的算法，每个算法能实现某种挖掘功能；知识库是指在商业领域的辅助知识，用于指导搜索或评估挖掘的结果；数据仓库是一个数据集合，它是将不同数据源（如Excel、Access、SQLServer等）将各种数据变换为统一的数据格式、去除一些不要的属性后得到的结果；数据挖掘引擎是整个模型的中心，负责调用各种算法对数据进行挖掘，然后将结果和建议反馈给管理人员。
3.2 工作流程
从图中可以看出，该模型实现商业智能的流程并不复杂。
首先，需要获得原始数据。一方面，雇员将基本的业务数据输入数据库；另一方面，对客户的调查也通过卷面调查、网上调查系统，电话或电子邮件的反馈信息进入数据库。这里的数据库可以是Excel、Access等办公软件，也可以是SQLServer、DB2等大型数据库软件，没有特别的限制。
然后，经过管理人员或雇员对数据库中的数据进行统一格式、去除无用信息，送入数据仓库，为开展挖掘作准备。
最后，管理人员通过前台的软件界面或者直接操纵，向数据挖掘引擎发出指令。数据挖掘引擎挖掘后得到结果，并根据知识库中对结果进行评估，最后把结果和评估建议返回给管理人员。
3.3 该模型的主要优点
对中小型企业来说，该模型能较好的克服前面论述的的一些难题。其主要优点是：
（1）价格低廉。根据该模型构建的商业智能系统，由于决策算法和商业辅助知识可以通过网上进行升级、更新，所以内核可以做得比较小，因此也就大大减少了软件开发的费用。同时，该模型并不强调使用专门的数据仓库服务器，也大大减少了支出。
（2）面向主题。该模型并没有设计为能解决CRM、ERP等所有的问题的灵丹妙药，因为灵活、快速才是中小型企业的优势，因此针对特定、实用性较强的问题，商业智能才能事半功倍。在商业智能的实践当中，人们也常常发现，对于一些受到过多因素影响的问题，通过数据挖掘和分析的结果并不理想，而使用常规市场分析方法比使用商业智能系统处理的时间更短、更有效。因此，我们应该放弃“大而全”的想法，而主要将见效快、作用较大的一些主题，例如产品交叉销售的分析、客户聚类分析、库存周转控制分析、资金预警分析等集成到数据挖掘引擎当中，从而更能提高效率。
（3）操作难度低。该模型的结构并不复杂，挖掘的内容也是基于快速有效的主题，因此管理人员能够很快掌握这样的商业智能系统。同时，通过网上交互，有了互通的语言，各个企业的管理人员也能不断提高业务水平。
（4）扩展性强。该模型的关于数据挖掘的新算法和商业辅助知识都能够在互联网下载，下载后放置在该系统的相应位置就能实现系统的升级、扩展。这也就是目前在商业系统中广泛应用的构件技术。构件（Midleware）技术下的系统就像叠积木一样由很多小的、相对独立的模块构成，增加或减少其中的某个模块也就能实现系统功能的增加或减少。
那么，是谁来提供这些构件给中小型企业呢？一方面，相对于整个商业智能系统而言，设计一个新的构件的难度较小，有条件的企业完全可以自己设计、添加；另一方面，网络上很多数据挖掘的爱好者、统计学的爱好者也希望得到实践的机会，大家互相讨论研究，源源不断的构件就产生了。同时，这也实现了商业智能系统根据企业自身新的需求、根据IT技术和商业理念的发展而不断地与时俱进，不断地进行扩展更新。这使商业智能系统投入少、后期维护几乎免费、扩展性强。
（5）平滑过渡。很多企业了解商业智能后，陷入了两难的境地，如果要按照某个系统来开展业务，则不但管理者要全盘接受该系统带来的管理理念，而且整个企业也要做一番大的外科手术。例如，全部采用统一的数据库开展业务，这样就需要员工花费一段适应的时间。笔者提出的模型，对管理者的管理方式、方法上没有特殊的强制，对员工在底层数据操作上也可以不必发生改变，这样，企业进人商业智能就可以实现平滑过渡。
（6）周期短。根据该模型建立的商业智能系统从开发到应用，相比那些结构复杂、功能繁多的大型软件而言，周期要短得多，更适合中小型企业。
3.4 实现的技术支撑
一个模型原理如果不能在现实中找到技术支撑，原理再好也只是海市屋楼。笔者提出的模型在软件模式、开发平台等方面都具备成熟的技术的支持。
首先，根据该模型构建的商业智能系统，可以采用BS模式。BS（Brow/Server，浏览器/服务器）模式也就是指数据存放在服务器中，用户通过浏览器如IE和服务器进行交互的一种模式。这种模式的优势是开发快速，使用简单。只要配置好服务器，其他的计算机可以在不用安装任何额外软件的情况下，实现对服务器的访问。由于客户端不需要安装软件，不必担心程序被破解分析，数据安全性也得到了提高。BS模式经过了多年的发展，技术非常成熟，能够稳定、安全地应用在各种商业系统中。
其次，开发平台可以采用J2EE平台。能兼容不同的环境，不管用户使用Windows还是Linux或者其他别的操作系统，J2EE平台都能很好的工作，因此它得到了众多大型企业的支持。J2EE开发平台兼容各种常用的数据库，功能完备，性能强劲，稳定性极好。另外，J2EE平台的伸缩性很好，能够满足从最高端的应用到普通用户的需求，因此，即使某中小型企业发展成大企业，建立在该平台上的系统仍然能很好的发挥作用。
再次，在商业知识和计算机技术的融合上，商业系统经历了MIS（Management Information System，信息管理系统）、财务管理软件的发展阶段，各种理论都比较成熟，实践应用也获得了较大成功。因此，将商业知识和数据挖掘技术融合在一起构建商业智能系统，特别是结构简单、实用性强的系统，对于软件公司或者由商业智能爱好者组成的团队而言，都不存在很大的困难。
综上所述，该模型不但具有开发费用低、操作容易、实用性强、扩展性好等一些优点，而且也拥有较好的技术支撑，因此，根据该模型构建商业智能系统完全适合中小型企业开展商业智能。
4、结束语
本文讨论了商业智能的现状，分析了中小型企业实现商业智能的困难的根源，并针对这些难题，提出了一个能较好的实现商业智能的模型。该模型具有价格低廉、扩展性好、实用、快捷等优点，为中小型企业早日迈入商业智能的门槛开辟了一条路径。
本文作者:黄志宇 包敬海 来源:万方数据
CIO之家 www.ciozj.com 微信公众号:imciow