商业智能的发展和应用

12目录商业智能基本概况商业智能市场概况一二商业智能关键技术三商业智能行业应用四前言商业智能定义商业智能发展历程分析的八个阶段BI应用示例商业智能价值评估行业现状及发展趋势五企业BI实施、推广策略六34CEO调查•未来3年中，对全球CEO来说（83%），提高公司业绩的重点关注领域是收入增长•CEO仍然密切关注削减成本，68%的CEO在回答中指出削减成本是其第二大关注领域•当问及你是否认为你的公司有能力对不断变化的业务环境做出反应时，只有13%的CEO认为他们的组织有这样的能力•全球有40%的CEO认为迅速的反应能力极为重要•有52%的CEO认为差异化产品非常重要•当问及在未来3年里技术要素是否会带来最大的冲击，大多数CEO对适应新技术（76%）和技术冲击（62%）表示关心•超过60%以上的CEO认为，未来三年收入增长的最佳机会在于提供新产品或者服务50%以上的CEO认为在于开拓新市场；40%以上的CEO认为是提高客户关系；近30%的CEO认为来自于新渠道；近20%的CEO认为体现在多元化等对财务人员的调查状况财务人员感觉很辛苦…财务部的平均成本在过去10年间从收入的3%降到1%（最好的公司是0.6%)我们减少工作了吗?没有.甚至我们的工作比以前更辛苦.而且我们的压力变的越来越大。在2010年，62%的财务人员表示他们在“大”或“非常大”的压力下工作，68%的人员反映他们的压力比早两年更大（63%的人员反映压力正在影响他们的健康）在美国，2002年至2004年间，500个CFO中有225个辞去工作。2005年在英国，有50%的CFO辞职。“财务总监辞职年年有，然而今年特别多”。我们为什么不满?6…但高层管理者也不高兴90%的财务经理对花5个月和20%的工作时间来做年计划/预算很不满意。每月要花11天做月报表，14天时间做预测。仅有37%的决策者认为财务具有决策支持能力（有21%的经理认为财务具有预测能力；仅19%的经理认为财务具有风险管理能力）。高级经理平均每月要看140指标。很多CEO不得不处理跌宕起伏的利润以及会计处理的重新调整。我们为什么不满?7我们为什么不满?问题是财务做了太多低价值的工作…太多的对帐和月结工作太多的指标太多的不相关报表太多的明细预算、目标和差异报表。太多的记分卡太多的从不同IT系统出来的表格太多的手工处理太多的无价值会议8我们为什么不满?…和没有足够多的高价值工作了解价值驱动因子了解哪里能创造价值，哪里不能创造价值（产品、渠道、和客户是值得做的）提供更多的相关预测和趋势分析来提高可见度帮助管理者更好的进行风险评估与调整。提供外部数据实现内部核查（参照同行、竞争者和基准决定我们怎样做？）通过系统的整合实现持续计划和资源优劣排序以支持最好的投资机会。通过措施与行动的统一来帮助管理者执行他们的策略9如何改变现状10财务新视角11创造时间简化、标准化、和授权…从明细的、复杂的组织中释放出来（包括预算、目标、和更多的措施/报表与项目）自动的、集中的、标准的（可能是外部资源）处理日常工作。将计划编制和最终决策分散到与客户密切联系的团队（利用统一的整合系统）12发展技能组织和IT平台…建立高效的财务团队，提供有效的决策支持和表现洞察力（例如价值驱动因子和趋势报表）。利用整合的系统(商业智能系统,数据仓库“singleversionoftruth”)迅速传递相关信息，建立每天传递的模型而不是每周或每月传递。13成为商业合作伙伴信赖的、增值的合作伙伴…了解业务洞查其表现（价值驱动因子、趋势分析、相关措施）独立公正的意见。14增加价值超越预算…通过KPI、滚动预测支持从年度预算转移到持续循环计划，从而能使相关人员快速反应，经理人通过参照同行，标准数据集中持续提高。精益思想是衡量整个流程表现而不是个人的任务或功能。仅仅用很少的措施方案就可帮管理者学习、提高（避免了把措施变为目标或协议）和运用趋势报表。支持公开的、透明的信息系统。1516CIO调查171819•商业智能的本质正是把数据转化为知识，致力于知识发现和挖掘，减少数据孤岛、适应新兴技术、实现数据资产化20商业智能的定义--1989年Gartner首次提出商业智能概念综合各种理解的核心，商业智能是指从数据中发现有价值的规律、模式，将数据转化为知识，支持企业的决策、营销、服务的一系列软件、技术、方法的集合。21商务智能的发展历程22第一阶段信息管理•提供基本、静态信息•固定格式、时间、内容第一阶段信息管理•建立数据仓库存储业务数据•建立数据集市解决特定的专题分析•提供OLAP应用第一阶段信息管理•建立客户为中心的数据仓库和数据集市•集成复杂的管理工具（OLAP、数据挖掘和业务评估）•数据分析影响业务模式•集成客户交流渠道第一阶段信息管理•软件到服务（SaaSBI）•具有可配置型、灵活性及变化性更强的功能•可视化和模型化•嵌入式BI•实时BI业务报表数据仓库分析与优化灵活和可视化更有效的智能化管理商务智能发展•欧美BI市场开始进入成熟期，主要处于分析优化阶段•我国BI市场已经走出导入期，开始进入成长期，BI软件在我国的认知程度和接受程度达到55%和15%以上，在大型企业，这个比例高达95%和53%。计世咨询预测，我国BI市场的成长期将持续8年，于2018年左右进入成熟期发现-业务问题23发现—被动决策24发现—主动决策2526Source（SAS）272829商业智能的价值303132传递更高的业务价值3334案例1：工行数据仓库应用实例35案例2-如何避免高校学生客户在毕业后开始流失36案例3：信用卡套现分析37案例4：虚假按揭分析38案例5：国外某银行ATM交叉销售（1）39案例5：国外某银行ATM交叉销售（2）40案例5：国外某银行ATM交叉销售（3）41商业智能价值体系概述42商业智能价值体系分析方法与模型概述43数据仓库成熟度评估模型的引入补充价值分析的“漏洞”44数据仓库成熟度评估模型45数据仓库成熟度评估-评分标准示例46寻找和最佳实践的缺口就是下一次改进的机会47目录商业智能基本概况商业智能市场介绍一二商业智能关键技术三商业智能行业应用四市场概况市场并购市场规模市场结构主要供应商行业现状及发展趋势五企业BI实施、推广策略六48国内商业智能的潜在需求49国内BI市场规模505152MagicQuadrantforBusinessIntelligencePlatfroms53545556厂商产品及简介IBMDB2以及Cognos、SPSS、Datastage，覆盖BI全部领域OracleOracle、Hyperion、BIEE、ODI，覆盖BI全部领域，数据挖掘领域有待加强MicrosoftSQLServer，覆盖BI全部领域，适合中小型企业，性价比高InformaticaInformatica，主要是数据集成领域TeradataTeradata，主要是数据仓库领域SybaseSybaseIQ，主要是数据仓库领域SAPBusinessObjects、CrystalReports，主要是Olap和报表领域SASSAS，数据挖掘领域领先财务绩效和战略管理应用软件预算编制、财务报表合并、盈利分析、战略管理客户关系管理分析应用软件销售、客户服务、呼叫中心、市场、网站分析、价格优化查询、报表和分析工具软件仪表盘、报表生成、联机分析、即席查询高级分析工具软件数据挖掘与统计内容分析工具软件空间信息分析工具软件供应链分析应用软件采购、物流、库存、生产服务运营分析应用软件金融服务、教育、政府、医疗、通讯服务等等生产计划分析应用软件需求、供给和生产计划人力资源分析应用软件数据仓库管理软件数据仓库生成软件数据抽取、转换、载入；数据质量数据仓库管理平台绩效管理和分析应用软件商业智能工具软件58目录商业智能基本概况商业智能市场介绍一二商业智能关键技术三商业智能行业应用四体系架构ETL数据仓库（DW）元数据（Metadata）数据挖掘（DM）联机分析技术（OLAP）行业现状及发展趋势五企业BI实施、推广策略六基本体系架构59源系统层ETL层ODS+DWETL层数据集市层应用层展现层转换转换报表模型查询模型战略决策模型经营分析模型数据挖掘模型……企业报表即席查询多维分析电子地图监控预警计量统计经济分析数据挖掘虚拟雇员基础业务信息数据库操作型数据存储系统管理平台数据源元数据管理技术元数据商业元数据管理运维管理平台应用安全管理系统监控管理ETL技术数据仓库技术J2EE架构元数据管理技术SOA架构XML\WEBServices数据仓库方法论数据治理方法论数据存储技术PORTAL技术12345162/3%162/3%162/3%162/3%162/3%162/3%12345162/3%162/3%162/3%162/3%162/3%162/3%洗漱合并总部系统地产板块系统房托板块系统交通板块系统金融板块系统其他板块系统系统技术架构外部数据补录数据区关键技术----ETL61ETL特征•以串行/并行方式，从不同异构数据数据源流向统一的目标数据，核心在于转换过程（关联、聚集），而抽取和装载一般可以作为转换的输入和输出。•ETL元数据主要包括每次转换前后的数据结构和转换的规则。•数据同步，数据ETL是经常性的活动，按照固定周期运行，甚至实施运行。•庞大的数据量，需要ETL工具具有良好的伸缩性。•流程控制和数据验证机制。企业各类数据数据交换区数据接入区基础数据区应用数据区操作数据区数据接出区补录、维护源数据数据下发基础数据交换缓冲数据交换数据库连接File2File1File3当前快照历史拉链事件流水公共代码公用参数低阶公共汇总高阶公共汇总指标应用集市指标视图汇总数据视图明细数据视图数据接口基础数据交换基础数据交换基础数据交换数据访问数据提供基础数据交换数据接口数据接口基础数据交换数据扩展数据接口数据接口关键技术—数据仓库（DW）62•DW定义按照W.H.Inmon这位数据仓库权威的说法，“数据仓库（DataWarehouse）是一个面向主题的、集成的、时变的、非易失的数据集合，支持管理部门的决策过程。”面向主题的（subject-oriented）：数据仓库围绕一些主题，如顾客、供应商、产品和销售组织。数据仓库关注决策者的数据建模与分析，而不是集中于组织机构的日常操作和事物处理。因此，数据仓库排除对决策无用的数据，提供特定主题的简明视图。集成的（integrated）：通常，构造数据仓库是将多个异种数据源，如关系数据库、一般文件和联机事务处理记录集成在一起。使用数据清理和数据集成技术，确保命名约定、编码结构和属性度量等指标的一致性。时变的：数据存储从历史的角度提供信息。数据仓库中的关键结构，隐式或显式地包含时间元素。非易失的（nonvolatile）：数据仓库的数据是有历史保存意义的，数据仓库的数据也只使用添加的方式，进入数据仓库的数据一般情况下是不需要更新的，这样就保证了数据的稳定性。通常，它只需要三种数据访问：数据的初始化装入、数据的添加和数据的查询访问。关键技术—元数据(MetaData）63•元数据定义元数据通常定义为“关于数据的数据（例如：视图，查询SQL，事务，存储过程）”，是描述和管理数据仓库自身内容对象、用来表示数据项的意义及其在系统各组成部件之间的关系的数据。元数据作用于数据仓库的创建，维护，管理和使用各个方面。是从广义上讲，用元数据来描述数据仓库对象的任何东西—无论是一个表、一个列、一个查询、一个商业规则、或者是数据仓库内部的数据转移。它在数据源的抽取，数据加工，访问和使用等过程中都会存在。实现元数据管理的主要目标就是使企业内部元数据的定义标准化。数据仓库的维护工具可以根据元数据完成数据的抽取、清洗和转换、并做适度的汇总。•数据仓库的元数据包括1）数据资源：包括各个数据源的模型，描述源数据表字段属性及业务含义，源数据到数据仓库的映射关系；2）数据组织：数据仓库、