卢东明：商业智能部署不是为了上BI而BI

　主持人：我觉得用户在做BI的时候，应该怎么做才能搞清楚到底BI能为我做什么?面临哪些挑战?

卢东明：现在大家把大象的各个地方都给你看，所以你会疑惑大象到底是什么样子呢，但是每个地方你都看到一点，你也拼不起来。其实哪个厂商都没有把大象拼起来，因为大家多只拿了一部分的照片。

刘琳珂：其实从顶向下穿透了整个企业的信息架构，既跟你的数据存储，又跟你的业务系统和中间件系统，所有的东西都串起来。那么在整个的领域内，其实有不同的提供商，他可能做着各自不同的事情，那么对于这个的商务，也是没有在硅谷的软件企业当中，他存在的厂家数应该也是相对最多的。除了大的可能了解比较多一些，其实有数十个做不同领域的大大小小的小的商业智能提供商还是存在的。这个领域还是相对比较活跃的领域。比如说有一些专门的提供商，做一些零售市场应用打包的特殊的分析，他有一个面向很窄的专业软件。但是基本上对于大型企业，最近几年，有一些开始在做一个工作叫做BI标准化。就是说，你可能在做商业智能，你商业智能要做的事情基本上是差不多的，我们是为了让企业里面主要为业务部门的用户，我们让他更清楚从不同的层次了解他的信息和数据，加快他的数了解和准备性。那么但是可能为了这个领域，尤其是大型的集团，他可能有各种各样不同的工具来做同一件事情，这是很有可能的，那么这个从集团决策的角度来讲是很不利的。IBM也讲过，在一个企业里面存在着各种各样的数据源。那么一个出租汽车公司，他买40个品牌的汽车当出租汽车，他维护他的零部件的费用是高的，如果他采用一家或者是两家所有的零件和采购成本都在降低，这个道理各个领域都说得通。那么现在有一些国内做得比国外多一些，就是商业智能的标准化，你的主体的需求由少量的公司提供，而逐步让企业的这个领域清晰化。因为大多数的企业上ERP，很少听说有企业上了SAP的ERP，又上了别的公司的ERP。很多的企业采购硬件的时候，他会从IBM或者是其他的厂商当中选一个，只是我们国内的商业智能系统，涉及的人员的面积是相对比较窄的。所以，它标准化的进程还在早期的阶段，我们现在还是有一个企业里面有多个不同的工具在做同一个类型的事情，这种现象还是很常见的。

主持人：您说的标准化，现在是全球在推，还是中国现在也在推?

刘琳珂：中国少，国外在推。

主持人：但是也不是行业标准化?

刘琳珂：是一个企业，行业里面不可能，这样就没有竞争机制了。但是一个企业为了企业的方便，他可以做到。

主持人：那么一个用户心里应该想清楚怎么开始?

刘琳珂：他的IT和他的业务要想清楚，所有的BI都是业务出发的。

卢东明：所有的企业都不要为了BI上BI。很多的厂商你问你们公司有没有BI一定说有，很多的公司问你有没有做BI一定说有，没有BI的也做了数据仓库，没有也买了BI的产品。就跟北京的车似的，你开得动吗?开不动，你买车了吗?买了。所以我觉得企业最终还是落到业务，你到底要做什么，你要从什么地方去赚钱，还是从什么地方省钱?你做这个系统是为了什么?其实现在厂商都准备好了，等你想明白你要做什么的时候，大家一定可以找出一套方案说我给你提供这个或者是那个。因为现在BI从厂商的层次来说，划分已经相当清晰了，不管是各方面的整合，做ETL的都是那几家。不会有说咱们几个人一起做一个数据仓库的引擎吧?已经不可能了，现在完全是通过已经在市场的这些公司逐步地优化，然后通过各种整合，像海德龙整合掉一个。其实就是说，这种工具或者是手段，都在用。你只要告诉我，你要一个什么样的车，到那个时候你真的不需要太着急。现在企业有一个问题，是为了上BI而上BI。他原来就是想做一个决策支持，你就做决策支持就完了。

主持人：你刚才说的三一可能就是需要一个决策支持?

卢东明：对，你买一个数据库，你做一个崭新的数据库，你可以叫BI，但是是不是BI没有把理论的层次保持好。

　主持人：现在我又不明白什么是BI了?

卢东明：你没有办法搞清楚是因为它很庞大，而且这个是在移动，不断在进化的。在未来的某一天，大伙回头看，10年前我们BI，现在我们才明白BI是什么东西。其实我们这个高峰的讨论会也是这个过程的一部分。

　主持人：我觉得最开始至少有5、6年的时间了，国内的BI是4、5年前开始的。

杨柄儒：在前两年，亚运村由中国计算机学会和信息产业部、国家科技部搞BI的研讨会，每年都在那里。那么我讲过几次，但是我就想，1993年8月27日在华盛顿开的会一样，那个会议当时提出者都参加了，倡导者这些人一致觉得年轻的技术目前面临着最主要的核心问题。一个基础匮乏，没有一个很好地理论指导这门技术的发展，到底这门技术要做什么?为工程实践指导什么?很难提出，这就使得Web在商业界推广很多，但是真正用到CRM或者是ERP等等实际的商务活动中，但是真正的本质还没有揭示。在整个的管理体制内也没有找到一个各种协调的结合点，这是使得我们差异的问题。

　　第二个是杀手锏，你光说一般的BI，你拿出一个杀手锏，让人非常信服。向管理要效益，向管理化手段要效益，达到什么效益了?它只是一个决策手段，人的智能决策还是不可代替的。到目前，为什么叫做辅助决策支持系统，不能轻易叫决策系统?计算机本身就是辅助工作的，决策者的灵感、思维有他的一些顿悟，这是计算机目前不能达到的。目前计算机在想象思维上达不到，因此这两点平移到BI当中，基本上差不多。现在能够把BI的理论体系或者是技术体系都构建起来，那么它的基础是什么?有人工智能基础，有信息化基础，有技术支持等等，那么理论支柱是什么?那么搭成的上层建筑是什么?但是模模糊糊地对BI有一个一般性的看法和认识，这是得有的，没有相对稳定的看法也不行，这跟电子商务和电子政务就混淆了，没有界限了也不行。因此，人们有一个思想上的基本的轮廓，描述性的轮廓，因为它本身是动态的发展，概念的内涵外延也不断地扩展，所以很难严格地定义和说明。

　　方才太了很多，处理起来一个是在理念上，我们现在看中国，我们把目标明确了。在这个领域里面，我们谈中国的BI，那么首先我们科学界、理论界、厂家、企业界、各个集团公司都有一个非常重要的使命，应当把我们目前的管理理念贯穿，如果这个不贯穿，在我们国内的思想上最要不得，所以有人不会在这个地方花钱。你不要说那些大的，日子已经过得非常富裕了，他可以考虑这个事，温饱型的企业谈不到这个事，但是提到这方面有新的效益产生，就有人感兴趣了。

　　我们现在说的总裁的信息化，我们很难论证谁不能做。我们刚才说的BI，层面我们可以下来，我们全面来做。还有像当年的电子商务、电子政务的标准很重要，还有规范，个人按自己的意愿，违反了BI本身的规律去做也不行。你总结的经验来，我们制定了一些规范，作为今后行动的标准也是一个参考。再一点我认为最中的就是智能决策支持，因为提到了目前BI，一个是场景问题，还有设计问题，真正重要的是智能决策支持。这个是没有定义的，弄一点智能化方法，弄一点TRM，这只是方法上的点缀，要真正实实在在的智能决策支持。既有结构化的数，又有多媒体的数，包括Web数据和纯文本等等的放到里面去。最后综合支持，要有具体的机制，又有一些必要的专家经验的获取，又有政策支持库，又有预警系统和提供前沿的谈判中的预警情报。这是很实在的，不要太花哨，这个问题很重要。

　　那么当前在几个关键基础上，第一人们来重视数据了。最近在东莞要开始做了，知识库现在越发重要，因此人们有一部分的精力移到知识库来。包括用本体论和逻辑来支持知识库，这个方法已经在实际构成了。

　　第二领域专家支持和参与，包括数分析等等都要参与进来，这不是主管的系统化，是系统提供一些自主性的领域知识参与和背景知识参与。所以要提高这个档次，第三个就是自主的知识的介入。因为我们现在很多的技术，我发现像国际电子商务中心，进出口贸易加工的，这个智能决策直接纳来，必须要进行二次改造。要根据自己的具体情况，有一些核心的架构要打破。

　　还有一些具体的分析技术，这个包括中间件等等，现在数据处理这一块、数据挖掘这一块要有自主技术，这个自主技术的主要体现，一个是体现在智能化上面，一个是体现在知识产品上。你客户从一推到三，供你参考，就像买东西，你要一样，我给你三样挑。包括网上的移动智能体系，这是我们要不断地研发这些技术，让我们构造一个可以实实在在为企业的经营决策，为政府战略决策的智能决策系统。

　　当然这里面细致分，比如说预警，如果预警作为一个子系统，还有必要的集成，包括我们信息类的从采集到最后的发布等等，这些具有适合一些企业特征和实际的自主研发，我们应该做。在国际上，也承认中国人的理论，中国人就是理论思维。但是在现在的技术层面上，工艺层面上确实存在着比较大的差距。