商业智能 (BI) 是一种软件,用来采集业务数据并在用户友好型视图(例如报告、仪表板、图表和图形)中呈现这些数据。分析这些数据可以帮助企业获得切实可行的洞察并为决策提供指导。
使用商业智能工具,企业用户可以访问不同类型的数据,包括历史数据和当前数据、第三方数据和内部数据以及半结构化数据和非结构化数据,例如社交媒体。用户可以分析这些信息,以深入了解业务绩效。
CIO 杂志指出,“尽管商业智能不会告诉企业用户该做什么或者选择一条路线之后将会发生什么,而且商业智能也不仅仅关乎生成报告。相反,商业智能为人们提供了一种检查数据的方法,以使他们能够了解趋势和获得洞察。”1
利用从商业智能和数据分析中获得的洞察,组织可以改进业务决策、发现难题或问题、洞悉市场趋势以及寻找新的收入来源或商机。
浏览 IBM 的电子书,以了解集成业务分析解决方案以便将洞察转化为行动的价值。
在 Presto 上注册以获取电子书
传统上,商业智能平台依赖数据仓库来获取它们的基准信息。数据仓库将来自多个数据源的数据汇总到一个中央系统中,以支持业务分析和报告。商业智能软件会查询仓库,并以报告、图表和地图的形式将结果呈现给用户。
数据仓库可以包含一个在线分析处理 (OLAP) 引擎,以支持多维查询。例如:与去年相比,今年东部地区与西部地区的销售额是多少?
“OLAP 为数据发现提供了强大的技术,推动了商业智能、复杂分析计算和预测分析”,IBM 产品经理 Doug Dailey 在他的数据仓库博客中写道。“OLAP 的一个主要优势是信息和计算的一致性,它利用这些信息和计算来驱动数据,以提高产品质量、改善客户互动以及改进流程。”
一些较新的商业智能解决方案可以利用 Hadoop 等技术直接提取和采集原始数据,但在很多情况下,数据仓库仍然是首选的数据源。
“商业智能”这一术语由作家 Richard Millar Devens 于 1865 年首次使用,当时他引用了一个先于竞争对手收集市场情报的银行家的话语。1958 年,IBM 计算机科学家 Hans Peter Luhn 探索了利用技术收集商业智能的潜力。他的研究帮助确立了几种方法,使 IBM 能够创建早期的一些分析平台。
在 20 世纪 60 年代和 70 年代,最早的数据管理系统和决策支持系统 (DSS) 问世,可存储和整理不断增加的数据。
“很多历史学家认为,现代版本的商业智能是从 DSS 数据库演变而来的,”IT 教育网站 Dataversity 表示。“在此期间开发了各种各样的工具,目标是以更简单的方式访问和整理数据。”为与 DSS 结合使用而开发的工具包括 OLAP、执行信息系统和数据仓库。2
到了 20 世纪 90 年代,商业智能变得越来越流行,但技术仍然非常复杂。它通常需要 IT 支持,这样往往会导致工作积压、报告推迟。即使没有 IT,商业智能分析师和用户也需要接受大量培训,才能成功查询和分析他们的数据。3
最近的开发侧重于自助式商业智能应用程序,这样,非专家用户就能从他们自己的报告和分析中受益。基于云的现代平台还扩大了商业智能的跨地域覆盖范围。现在,很多解决方案都能处理大数据并执行实时处理,因此支持基于最新信息的决策过程。
借助商业智能,企业能够以通俗易懂的语言提出问题,并获得他们能够理解的答案。他们可以根据业务数据透露的信息做出决策,而不是求助于最佳猜测,无论这些业务数据是与生产、供应链、客户还是市场趋势相关。
这一地区的销售额为何会下降?哪里有多余的库存?顾客在社交媒体上说了什么?商业智能可以帮助回答这些关键问题。
“商业智能提供了过去和当前对业务的洞察,”Maamar Ferkoun 在他的 IBM 云计算和商业智能博客中写道。“这要归功于多种技术和实践,包括分析和报告以及数据挖掘和预测性分析。通过提供特定时间点的准确业务概况,商业智能为组织提供了基于事实数据制定业务策略的方法。”
商业智能可以帮助组织成为数据驱动型企业、提高绩效和获得竞争优势。他们能够:
例如,零售商可以比较各个商店、渠道和地区的绩效和基准,以节省成本。此外,借助对理赔流程的可见性,保险公司能够发现他们在哪些方面没有达到服务目标,并利用这些信息来改善结果。
当组织能够全面评估运营和流程、了解客户、评估市场和推动改进时,就会受益良多。他们需要使用恰当的工具汇总任何来源的业务信息、对这些信息进行分析、发现模式并找到解决方案。
最好的商业智能软件通过以下方式支持这一决策过程:
高级商业智能和分析系统还可以集成人工智能 (AI) 和机器学习,以自动执行和简化复杂的任务。这些功能进一步提高了企业分析数据和获得深入洞察的能力。
例如,考虑 IBM Cognos Analytics 如何将数据分析和可视化工具整合在一起,以便于为报告创建地图。该系统使用 AI 自动识别地理信息。随后,它可以添加全球、个别社区或者介于这两者之间的任何区域的地理空间图,以完善可视化效果。
IBM 商业价值研究院的一份关于数字化改造的报告称:“展望未来的五年,在我们的数字化改造研究中调查的 1,100 名高管当中,58% 的高管预计新技术将降低准入门槛,69% 的高管预计会出现更多的跨行业竞争。”
“高级分析可以从大数据中获取更深入的商业智能和消费者洞察,并生成从描述性信息到预测性信息的各种信息。”
自动执行规划、预算、预测和分析流程。摆脱电子表格的局限性,从而提高效率和消除人工操作。 “我们对 IBM Planning Analytics on Cloud 感到非常满意,它已成为满足我们所有财务和会计需求的一站式服务。” - Hunter Industries 财务经理 Mick Ferguson
在整个组织中使用这款单一的分析解决方案,自信地监控、深入了解和分享从数据中获得的洞察。 “我们对自己的指标更有信心了,事实上,企业上下现在达成了这样一个共识:‘如果不是来自 Cognos,那就不算数’。” - Go Health Clubs 运营主管 Stefanie Nicholson
利用预测性分析帮助您发现数据模式、获得准确的洞察以及改进决策。 “深度分析。只需添加数据即可。” - Mueller, Inc. 战略分析和商业智能经理 Mark Lack
1 CIO 杂志指出,“尽管商业智能不会告诉企业用户该做什么或者选择一条路线之后将会发生什么,而且商业智能也不仅仅关乎生成报告。相反,商业智能为人们提供了一种检查数据的方法,以使他们能够了解趋势和获得洞察。”(ibm.com 外部链接),CIO.com
2“很多历史学家认为,现代版本的商业智能是从 DSS 数据库演变而来的,”IT 教育网站 Dataversity 表示。“在此期间开发了各种各样的工具,目标是以更简单的方式访问和整理数据。”为与 DSS 结合使用而开发的工具包括 OLAP、执行信息系统和数据仓库。(ibm.com 外部链接),DATAVERSITY
3 到了 20 世纪 90 年代,商业智能变得越来越流行,但技术仍然非常复杂。它通常需要 IT 支持,这样往往会导致工作积压、报告推迟。即使没有 IT,商业智能分析师和用户也需要接受大量培训,才能成功查询和分析他们的数据。(ibm.com 外部链接),Better Buys