实施BI宜“粗”不宜“细”

    为什么BI项目会有这样的难度呢？有人可能会想企业资源计划（ERP）项目在引进初期也经历了这样一个低成功率的时期，随着CIO们对业务和管理的认识逐步深入，随着厂商对产品本身本土化的改造，成功率现在已经有了很大的提升。BI也会有这么一个过程，可以从ERP中借鉴很多经验。我认为这只是一方面，起到的促进作用不会太大，因为BI和ERP所服务的目标有着本质的区别。

    ERP是为生产、运营及财务服务的，提供统一的标准和管理，强调的是流程，讲究的是稳定和效率。BI是为市场和分析决策服务的，提供唯一干净的分析数据，强调的是准确性，讲究的是时效和灵活性。这些区别决定了BI在系统构架设计的时候就必须采用不同的思路。从某个层面来讲，ERP还是偏技术的，其严谨细致的结构是容易被搞技术的IT们所接受，理解并实施的。而BI则要求更为“市场”的头脑，灵活善变的BI才是为市场人员所喜好的，这就让“技术”的IT们有难以适从的感觉。

    正是因为上述原因，我才在这里提出BI宜“粗”不宜“细”。就好比微观经济学和宏观经济学，微观经济学提供了强大的个案分析能力，也是现代财务报表的基础，这些程式化的分析功能早就被ERP项目或更简单的财务系统所包括了；而熟悉宏观经济学的朋友应该知道，对复杂市场运用细致数学工具几乎是不可能的。但这却是决策层对BI的期望。所以在设计一个BI系统的时候千万不要陷入“细致”的泥沼，不然绝对是吃力不讨好的。

    怎样的设计才是合理的呢？难道什么构架都不要了，直接在原始数据上进行分析？当然不是，我说“粗”并不是放弃BI建模这些系统构架工作，就好比建一所房子，无论如何房梁和承重墙还是需要的。任何一个公司都会有其产品或服务，都会有客户，都会有生产运营成本，这就应该是BI系统的三大“承重墙”；而任何分析或决策都是有时间性的，就是周期，产品服务生命周期、客户生命周期、生产运营周期，这就应该是BI系统的“房梁”。当然不同性质的企业，“承重墙”和“房梁”的构成是不同的。

    然后再根据地域、人文、短期计划、长期战略等等建造那些随时可以拆除或更换的“隔断”和“装饰”。这时要注意的是，除非有十分确凿的经过实践考验的模型，不要建立过多的层次。大家都知道误差的级数放大原理，原始数据是最准确的数据，每经过一层的整合，就会有误差产生，如果没有精确的数学模型控制，这些误差就有可能被级数放大；而根据混沌的原理，任何非线性的事物其初始值的微扰都会对结果产生无法估计的影响，而我们的市场业务行为显然是典型的非线性的。

    还要注意的关键一点是，一定要保证数据的统一性，这一点目前只有金融企业做得比较好，其他企业在其不同的系统里往往存在大量的对数据的不同定义，比如对销售的定义，对库存的定义等等，这些不同的定义将严重影响数据分析的准确性和可靠性。所以数据清洗的过程是必须的。
    总而言之，我们应该放更多的精力在保证数据的准确性和一致性上面，然后致力于建立一个兼容并蓄的大框架，保持其在小尺度上的可调性，随着业务的进展逐步细化和调整。这样既可以保证能较快地让业务部门和管理层看到准确及时的结果，又在很大程度上节约了投资、降低了风险，同时还保证了系统是可扩展和持续发展的，也就保证了BI项目自身的生命力。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友