热线电话
  • 010-88558925010-88558943
  • 010-88558955010-88558948
CMIC专家更多

中国半导体行业协会副

3月21日,SEMI产业创新投资论坛在上...更多>>

赛迪研究院未来产业研

近日,工业和信息化部、科技部、交通运输部...更多>>

中国市场情报中心 > CMIC研究 > 管理研究
CMIC:中国商业智能概念界定和发展演进

发布时间:2017-02-24 09:47:01

来源:赛迪顾问

作者:杨梽永

【打印】 【进入博客】 【推荐给朋友】

    【CMIC讯】1.商业智能的概念界定
 
    商业智能的起源可以追溯到20世纪60年代到80年代中叶流行的“决策支持系统”(Decision support systems,DSS)。这一系统通过应用计算机模型来辅助制定决策和编制规划。伴随着DSS的应用,到80年代晚期,数据仓库、高级管理信息系统,联机分析处理(Online analytical Processing,OLAP)和商业智能(Business Intelligence,BI)的概念开始逐步兴起。1989年Howard Dresner首次提出了“商业智能”的概念,并将其视为一类由数据仓库(或数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的,以“辅助企业制定决策”为目的的技术和应用。他的这一说法在20世纪90年代末期得到了广泛地传播。
 
    综合国内外权威机构对商业智能的定义,赛迪顾问研究认为,商业智能是一种综合各类数据,应用大数据、云计算、ETL、OLAP、机器学习和可视化等技术,为组织提供数字化的决策支持,发掘组织潜在增长空间的解决方案。商业智能产业则是指与商业智能解决方案相关的产品和服务所组成的业态的总称。
 
    为了进一步明确商业智能的概念边界,需要对易混淆的名词进行澄清。首先,商业智能绝不仅仅等价于数据可视化工具。虽然近年来业界对非常注重商业智能产品的“可视化能力”,但可视化在本质上只是商业智能产品用于前端展示的功能模块。商业智能还需要涵盖ETL、数据分析和预测等功能。此外,商业智能与大数据在概念层次上存在重叠,但彼此间并没有严格的“包含-被包含”关系。从概念的本质来看,“大数据”侧重于分析技术的多样化和高效,而“商业智能”侧重于应用大数据技术来提供更完备的解决方案,其中既包含了数据收集、分析和展示等过程;从具体产品来看,很多大数据企业往往将商业智能解决方案作为自己的主营业务之一。
 
    2.商业智能产业的历史演进
 
    商业智能产业的演进经历了三个阶段:传统的商业智能阶段,大数据时代的商业智能阶段和现代的商业智能阶段。
 
    前两个阶段间的转变,主要体现为所分析数据的多元化。大数据时代的商业智能系统,不仅涉及传统阶段的结构化数据,还拓展涵盖了半结构化数据、非结构化数据和流数据,从而提供了更全面的分析结果。后两个阶段间的转变则主要体现为在开发思路上对客户真实需求的回归。现代的商业智能更加强调敏捷分析,以及探索式分析和实时分析技术,它通过提供高度弹性的交互操作界面和自服务数据准备,将分析和洞察的权利从传统的IT部门移交给一线的业务人员。
 
    2.1传统的商业智能
 
    传统的商业智能是应用ETL(Extract-Transform-Load)、数据仓库(Data Warehouse,DW)和联机分析处理(Online Analysis Processing,OLAP)等技术,在搜集、整理并存储企业内部各业务单元数据(通常为结构化数据)的基础上,进行分析和可视化展现(通常为各类定制化的报表)的解决方案。
 
    ETL技术为收集和整理各业务单元数据,并将其存入数据仓库提供了良好的解决方案。通过数据抽取、数据清洗、数据转换和数据加载四个过程,ETL可以将零散分布于组织各业务单元的数据汇聚在数据仓库中。

图

 

    数据仓库技术是数据库技术的延伸。20世纪70年代,关系型数据库技术得到推广,用户可以通过SQL查询语言灵活方便地访问数据。而到20世纪80年代中后期,随着数据收集、存储和计算机设备的发展,数据库技术逐渐演化出两大应用:联机事务处理(Online Transaction Processing,OLTP)和联机分析处理(OLAP)。OLTP系统用于分析细节性的当前数据,支持日常事务运作,其数据可更新,实时性高,普通用户数量大。而OLAP系统多用于分析综合性的、面向主题的历史数据,以支持决策分析,其数据不可修改,对实时性要求不高,但处理量较大。数据仓库就是OLAP应用的主要场景,它可以为企业高层和决策分析人员提供全面的、多维度的数据存储、查询和分析方案。
 
    综上,通过搭建数据仓库,利用ETL和OLAP工具进行整合分析,并以报表和企业驾驶舱等形式进行展示,一个传统的商业智能分析框架就被构建起来。这种框架可以为管理层和决策制定者提供定量化的数据支撑。当前,多数大型的数据库企业(如Oracle、SAP、IBM、达梦、南大通用和东软等)通常都提供了各具特色的数据仓库产品和商业智能产品。

图

 

    2.2大数据时代的商业智能
 
    “大数据时代”通常具有显著的3V特性,即数据容量大(Volume),数据类型繁多(Variety),以及数据分析和处理的速度快(Velocity)。大数据时代的商业智能与传统商业智能的区别主要体现在“数据类型的多样化”和“分析技术的多样化”两个方面。通过应用先进的分析技术,大数据时代的商业智能解决方案可以涵盖更广阔的信息源,提供更多元化分析结论,分析的质和量都有显著提升。
 
    从所涉及的数据类型来看,这一时期的商业智能不仅分析了结构化数据,还拓展涵盖了半结构化数据、非结构化数据和流数据。结构化数据被组织成二维表形式,通常受到较严格限制(如数据类型、字符数和可选项等)并被用于关系型数据库系统。非结构化数据是缺乏预定义数据模型或没有被组织成预定义形式的数据类型,它通常无法被程序快速识别和应用,涉及文本和多媒体等资源(如图像、视频、网页和电子邮件等)。半结构化数据介于结构化数据和非结构化数据之间,它是通过对非结构化数据进行一定程度的加工和组织,形成可以在一定程度上被程序分析和处理的数据,如应用标签进行信息组织的XML文件等。流数据指代一组顺序、大量、快速、连续到达的数据序列,一般情况下可被视为随时间延续而无限增长的动态数据集合,如传感器数据、监控数据和金融交易数据等。
 
    从分析技术来看,传统商业智能中的数据库和数据仓库技术主要用于结构化数据的分析,而在大数据时代的商业智能情景下,以Hadoop生态系统为代表的大数据技术可用于处理非结构化和半结构化数据,而以Storm和Spark平台为代表的实时分析技术可用于处理流数据。通过将这三大类数据分析技术相结合,形成了大数据时代的商业智能分析体系和整体解决方案。

图

 

    大数据时代的商业智能的典型产品有:视界信息的“八爪鱼-大数据”,数据工匠、乾润报表、诸葛IO、图聚、神州融和依图科技等。这些商业智能产品侧重于对非结构和半结构数据的分析,通常以项目形式来展开,通过应用各类大数据技术,为企业提供不同行业应用场景下(如用户行为分析、征信分析,以及广告和营销策略推荐等)的决策支撑。
 
    这些大数据产品前端的“可视化展示”大多采取预先设定的建模方式(如应用MOLAP构建数据立方体等)来呈现,无法为应用者提供交互式的分析体验。此外,大数据时代的商业智能与传统的商业智能相同,都是纯粹的IT驱动,服务的响应周期都比较长,报表的制作少则一周多则一个月。这就导致了业务一线的数据查询和分析需求无法得到即时满足,间接制约了企业业务的拓展。
 
    2.3现代的商业智能
 
    现代的商业智能解决方案,是对大数据时代商业智能解决方案的延伸,两者的差异主要体现在提供服务的思路上。传统商业智能和大数据时代的商业智能解决方案通常都很倚重IT部门,由IT部门通过集中管控来构建项目框架、设计模式并实施。这个相对集中而僵化的体系,导致了业务部门在提出新的分析需求时,IT部门很难给出及时的反馈,缺乏敏捷性和灵活性。实践中发现,如果把IT部门从数据分析的具体事务中分离出来,构建“现代的商业智能”,将数据分析的权利交给一线的业务人员,整个流程就会变得更加敏捷,企业也更容易通过持续的反馈,来满足自身对商业智能项目的需求。
 
    目前,越来越多的企业希望借助业务主导型、高性能、具备大数据处理分析能力的现代商业智能平台来解决它们的问题。这种商业智能平台通过倡导探索式分析方法,将灵活分析的权利交给业务人员,放弃了事前对分析模式的设定,直面需求,充分释放数据的价值。相应的,IT部门则可以将更多的精力用于构建完善的、高度友好的一站式商业智能分析平台,如负责基础数据架构的整理,以及数据接口的开放和维护。通过将平台建模层与业务层分离,现代的商业智能平台可以让用户通过简单拖拽和勾选等操作方式,实现诸如预测和统计建模等功能,从而达到深度数据分析的效果。同时,在实际部署上,这类商业智能既可以应用于本地硬件,也可以运行于云端。国内外的典型产品有:Tableau的Desktop、Server和Online,Qlik的QlikSense,Microsoft的PowerBI,以及国内永洪科技的Yonghong Z-Suite、FineBI,思迈特的SMART BI,奥威的Power-BI,以及国云大数据的“大数据魔镜”。很多传统的和大数据时代的商业智能公司都在竭力向“现代的商业智能”转型,比如:IBM发布的Congos Analytics 11和Watson Analytics,Oracle的BI Cloud Service和Foundation Suite,SAP新发布的Business Objects,以及SAS的Visual Analytics系列产品。
 
    赛迪顾问认为,现代的商业智能将会成为业界主流的分析范式,数据分析将逐步内化为企业的一种能力。大数据分析技术和应用的狂热退却后,结构化数据和非结构化数据在分析技术上的差异将不再重要,对实际业务过程的支撑作用将成为最终决定商业智能产品成功与否的关键。通过结合各类新旧技术,现代商业智能企业所倡导的“能力化”的自服务前端数据分析,乃至更为复杂的自服务后端数据准备,将成为商业智能企业的未来发展方向和竞争高地!

责任编辑:拂晓晨风

相关报道
  • --

联系我们:8610-8855 8955 zhouhl@staff.ccidnet.com

广告发布: 8610-88558925

方案、案例展示: 8610-88558925

Copyright 2000-2011 CCIDnet.All rights reserved.

京ICP000080号 网站-3