BI市场熵变

数据库
事实上,企业大量数据的累积,集团企业的增多,市场竞争的加剧,这些条件的叠加意味着企业实施BI系统的大环境已经成熟。如今,BI项目成为软件供应商业务增长的拉动力之一,各厂商都在大力推广BI方案。

金融危机摧毁了美国金融体系,也波及到中国的诸多行业,但却成就了BI应用。“去年我们超额完成了任务,今年BI业务也增长较快。”SAP中国区***顾问鲁百年说。之所以超额完成任务,是因为2009年以来,SAP在制造业实施几个大项目。比如华为的采购分析系统,其中包括供应商信用度分析、补货分析和库存分析等。

还有中石油、中石化、海尔、国药集团等SAP的ERP优质客户都陆续实施了BI项目,有这些大项目支撑,超额完成任务也在情理之中。其实过去BI需求也一直存在,只是需求不迫切。金融危机摧毁了美国金融体系,也波及到中国的诸多行业,但却成就了BI应用。过去一些做BI项目的顾问一个项目花时间花精力跟踪的时间以年计算,结果达成合作意向的比率也很低。与以往相比,现在BI项目合作的成功率有所提高。

事实上,企业大量数据的累积,集团企业的增多,市场竞争的加剧,这些条件的叠加意味着企业实施BI系统的大环境已经成熟。如今,BI项目成为软件供应商业务增长的拉动力之一,各厂商都在大力推广BI方案。SAP从2009年伊始通过各种渠道向客户推荐其与BO整合后的解决方案,SAS在金融业也有所斩获,IBM近来则推出了软硬一体的“智慧”系统,其中包括其收购的Cognos商业智能解决方案,用友也通过收购进入BI领域,从今年开始由用友华表运营和推广有自主知识产权的BI产品。

制造业热起来

“就SAP来看,近两年我们BI项目更多来自制造业”鲁百年说。无独有偶,SAS中国区市场总监罗威也表达了同样的观点,在他看来,企业要做数据增值,有一个基本条件,就是行业竞争要十分激烈,而中国制造业是最早面临国际竞争的行业之一,所以对商业智能系统的需求也更为迫切。

从另一个角度看,管理软件起家于制造业,管理软件供应商在制造业有大量的客户资源。这些客户有各种业务系统,虽然这些业务系统也有相应的报表,但其只是报表工具而不是分析工具,而且只针对某个系统的统计数据,报表类型单一。“BI系统的报表类型多,一个报表的数据来源于若干个系统。”苗峰说。这也是为什么用户最终要走向使用BI系统的原因之一。

现在常见的BI分析系统主要集中在企业内部的绩效分析、财务分析,以及企业对外的客户分析、渠道分析、市场分析等,这些分析模型相对已经成熟,但针对具体行业不同,又有不同的个性化需求。事实上,BI应用的核心不再其功能,而在于分析模型的设计。

模型的设计更多依赖于客户,客户提需求,IT工程师在原有的模型上做客户化。据了解,BO之所以在前端展现市场占有较高市场份额,就是因为其有成熟的业务模型。就制造业而言,现在更多的应用还是集中在前端数据展现。“前端数据展现占BI应用的80%以上。”苗峰说。相比于数据挖掘,前端数据展现相对更容易实现,主要内容是各个部门要展现哪些数据,以什么形式展现,但要想将数据准确地展现出来,也并非易事。

因为客户想做BI项目与能做是两回事。虽然客户有需求,BI的道理也明白,但到底BI系统能够做什么,或做到什么程度,客户清楚知道的并不多。就像普通百姓想不出比尔•盖茨的专车里都有哪些配置一样,大部分人没见过真正的BI应用。这就为需求模型的建立带来了麻烦,而模型建立的科学与否直接影响到最终数据展现的结果。

“现在BI项目中经常出现的问题是项目本来进行的不错,但结果就是不对。”一位业内人士说,这其中要么是数据源头数据出错,要么数据模型设计有问题。启动一个BI项目,可能需要与很多业务部门沟通,而且在项目部署过程中,还会不断出现新的需求或需求变化。需求制定几乎贯穿了项目实施的始终,这也增加了BI项目实施过程中的变数。

银行业关注深入应用

“银行业这几年发展很快,对BI的需求也逐渐深入。”罗威说。银行对外资开放后,与外资银行竞争的同时,国内银行之间的竞争也更加激烈。五家大型国有银行,再加上十几家商业股份银行,还有七八十家城商行,总共加起来有一百多家。

他们在信用卡,对公业务等方面竞争十分激烈。在竞争的促使下,银行对数据增值业务也越来越重视。“有不少人以为,银行只是做了前端客户分析,这是比较简单的应用,但事实上,银行在风险管控上就涉及到了更深入的数据挖掘技术。”罗威说。银行要做风险管理,就必须要用数据挖掘技术。

风险预测来自于对历史数据的分析。客户违约率、货款损失率就是通过历史数据的计算得来。“如果没有历史数据,我们只能采用巴塞尔II里一种标准法来作为资本的衡量,而标准法意味着占用资本比较高。”罗威说。但当银行有了5~7的历史数据之后,银行就可以利用内部模型把已有的数据做一遍挖掘,这样银行就可以用很科学的方法把未来的风险量化出来。

如果不做数据挖掘,通过报表数据呈现出来的是:比如可以看到银行的贷款是多少,损失有多少,哪个地区损失多,哪个地区损失少,这些数字通过各个业务系统自带报表就可以看得到。这些数字呈现出来的是具体业务状况,是用来指导战术而不是战略,战略决策需要看的是数据背后隐藏的秘密。

“数据挖掘银行一直想做,有的银行做了些,有的没做。”一位业内人士说。他认为国内银行系统重点在做交易,对管理的要求不是特别高,数据的颗粒度比较大,不够细。其次,银行管理变化快,不断出台新政策,引进新的管理理念,系统也要调整,更换核心系统的概率高,这样一是可能影响到可用的核心数据。二是以前做的系统,不是以客户为中心,数据倾向也不一样。如今国内银行监管慢慢向国外看齐,也让银行使用成熟的国外的系统模型成为可能。

供应商向高端应用布局

SAS在高端数据分析市场一直占据着主要的市场份额。但随着客户对数据分析和预测关注度的增加,产品供应商们也开始向高端应用布局。被SAP收购的BO,他的优势在前端数据展现,2009年,SAP就发布了一款高端应用解决方案,它具有数据挖掘和预测分析功能。

同一年,IBM则收购了SPSS。SPSS是一家提供数据挖掘解决方案的厂商,这样IBM将SPSS和Cognos的BI工具整合在一起,为用户提供从低端到高端的整体解决方案。“现在BI业务增长很快。”IBM软件集团信息管理总经理Partick  Lo如是说。事实上,IBM不仅提供BI这个层面的解决方案,他还将服务器、数据库、数据仓库、BI产品、数据治理、存储,还有工作负载优化系统,把所有的硬件、软件和服务都做成统一的平台。

据苗峰介绍,用友华表在BI领域的发展思路也是为客户提供全线产品,让用户有***的角色体验。“BI市场的潜力很大,我们本来打算半年后推出的数据模型提前到了现在。”苗峰说。在他看来,有用友庞大的客户群做支撑,其BI产品会以较快的速度在市场上得到推广。

从报表到业务方向演进

随着业务重点转向的不同,BI应用也开始逐渐从报表向业务导向演进。“最开始时大家重视萨宾斯法案,重视报表呈现,人们谈到BI时都在谈报表,最近两年比较热的都在谈业务导向。”罗威说。一个显著的例子是,2004年,银行业出台了在整个产业里非常重要的一个监管条例巴塞尔II,它主要做风险定量,要求监管银行用资本充足率的方法来监管,而资本充足率怎么去核算是由定量的风险推算出来,也就是在线资本等。

而这些结论的基础就是数据分析,要大量数据的模型,大量历史数据的模拟,以及未来数据的预测。巴塞尔II和萨宾斯法案不一样,萨宾斯法案更多关注的是财会数据、运营数据的展现,或者说强调的是数据的透明化、准确化和实时化。

但如今银行业,以及其他行业都会谈到企业的风险管理。风险量化不是展现以前的数据就可以,而是要进一步加工,要根据各种模型把数据输到很多定量模型里边,做很多模型化操作,比如回归分析、蒙代尔—弗莱明模型等,这就更多涉及到数据挖掘和预测分析的内容。不过,在中国目前大部分企业用户还处在数据增值应用的初级阶段,数据挖掘是他们下一步目标,中间这段路程要经历多长时间,取决于用户使用BI前端展现工具后的体验。

BI不仅是领导的工具

“商业智能不仅是领导的工具,其实更应该是业务人员的工具。”鲁百年说。神州数码就把BI工具真正放到了业务人员的手中。“神州数码的业务部门员工完全能够根据自己的需求制作报表。”鲁百年说。

据了解,为了将BI工具让业务人员用起来,神州数码建立了一套完整的培训体系:神州数码的BI系统部、各事业部的BI专员以及BI最终用户形成了神州数码的BI推广组织体系,其中BI专员是在部门一级设立的兼职人员,主要职责是管理、规范本部门的BI应用,并跟公司信息化管理部形成有效的沟通渠道。

逐渐地,BI系统部就像种菜的,只负责提供各种“菜源”,即数据源,而业务人员成为厨师,自己爱吃什么就做什么,不再是从前的大锅饭,一切由BI系统部大包大揽。2003年神州数码开始实施BI项目,两年后,神州数码就将BI工具彻底交给了业务人员。数据应用最终是为业务服务的,将BI工具的权限拓展到业务人员将更有助于其开拓业务。

责任编辑:马沛 来源: 计算机产品与流通
相关推荐

2011-07-20 14:05:35

数据仓库BI

2015-07-09 09:52:32

BI物联网

2010-05-19 20:15:30

安莱智变

2013-03-22 10:07:39

市场分析云计算

2011-12-23 14:12:22

人大金仓

2012-09-24 10:25:42

BI软件开源软件

2015-12-02 09:58:01

大数据临界

2011-07-06 10:50:00

数据中心服务器云计算

2022-04-18 20:12:03

TypeScript静态类型JavaScrip

2015-12-10 21:47:09

ivvi

2022-12-29 10:05:38

AIGC人工智能技术

2020-07-27 08:00:01

机器学习技术人工智能

2019-02-13 16:35:05

数据运营

2016-12-12 16:06:41

BI商业智能

2016-10-27 14:24:46

大数据传统BI

2009-08-03 18:24:28

C# 4.0协变和逆变

2020-04-13 16:47:39

BI工具选型CIO观点

2016-08-24 10:57:08

服务器芯片x86Power

2023-11-13 08:00:00

Python开发
点赞
收藏

51CTO技术栈公众号