从非技术层面寻找BI成功的关键方法

笔者从事技术工作11年了，也曾经是一名持技术至上观点的、很单纯与封闭的技术人员，经历了近10年对BI项目的理解和学习。笔者要凭自己的良心指出，技术至上的观点，不但会成为商业智能发展的桎梏，甚至会成为扼杀商业智能应用推广的无形黑手。

　　那些技术至上的数据模型规范，不考虑实际用户业务模型的特点，迟早会受到谴责的，只是时间没有到而已。商业智能，就让它回归“商业”的本质，减少“智能”式的技术色彩吧。从“商业”的本质看待“商业智能”，至少这样的天空是真实的。

　　抛弃狭隘的技术思维，摆正虚心的态度，多考虑客户实际的需求，多考虑一下客户的GMROI（毛利存货周转回报率），是BI应用的正道。

技术运用非BI成功关键

　　商业智能(BI)通常是指将企业中现有的数据转化为知识，帮助企业做出明智的业务经营决策的工具。BI从技术层面上讲，不是什么新技术，它只是数据仓库、OLAP和数据挖掘等技术的综合运用。

　　BI是1996年Gartner Group最早提出，他将BI定义为：BI描述了一系列的概念和方法，通过应用基于事实的支持系统来辅助商业决策的制定。

　　从这个定义，我们发现“辅助商业决策的制定”是衡量BI成功的唯一标准，当然辅助的商业决策，既可以是操作层的决策，也可以是战术层和战略层的决策。

　　根据这个标准，我们不难发现，技术的综合运用并不是BI成功的关键点，“一系列的概念和方法”才是BI成功的关键点。

　　因此，笔者试图从“一系列的概念和方法”方面寻找出BI成功的关键点。为了区别BI在技术上综合运用的概念和方法，我把这些“概念和方法”定义为“非技术层面”，经过近10年的学习和实践，积累并总结出导致BI成功的关键方法，谨供大家参考。

　　在介绍这些方法论之前，首先想起作为BI技术基础的数据仓库架构层面上的一次历史争论。Inmon首先提出了数据仓库的定义，但可惜Inmon不是最早定义数据仓库架构的，而是Kimball。

　　Inmon对Kimball的数据仓库架构并不满意，但Inmon费劲力气也没能驳倒Kimball。Inmon没办法了，就提出DW2.0，而且立刻注册了商标。这是很幽默的事情，这样Kimball所说的数据仓库，就不是数据仓库了，只有DW2.0中提到的才是数据仓库。

　　但业内并没有被Inmon这个幽默的举动固定住，还是认为数据仓库架构比较成熟，形成理论的主要有两个，一个是Corporate Information Factory，简称CIF，代表人物是Bill Inmon；另一个是Mutildimensional Architecture，简称MD，代表人物是Ralph Kimball。 业内把Bill Inmon注册的那个DW2.0数据仓库架构改为CIF 2.0。

　　CIF 2.0主要包括集成转换层（Integrated and Transformation Layer）、操作数据存储（Operational DataStore）、数据仓库（Enterprise Data Warehouse）、数据集市（Data Mart）、探索仓库（Exploration Warehouse）等部件。

　　MD分为后台（Back Room）和前台（Front Room）两部分。后台主要负责数据准备工作，称为数据准备区（Staging Area），前台主要负责数据展示工作，称为数据集市（Data Mart）。而数据仓库是一个虚拟的部件，它指的是全部数据集市的集合。

　　从BI的角度来看以上关于数据仓库架构的争论， Bill Inmon更象是BI技术基础(因为从技术层面来看，DW是BI的基础)的定义者，而Kimball更象是BI技术实现的实践大师，因此BI技术基础层面的实现方法，我觉得Ralph Kimball已经指明了很多。

　　但正如刚才从Gartner Group定义的BI，BI技术的运用方法不是BI成功的关键方法。笔者将从非技术层面寻找BI成功的关键方法。

“持续改善”应为BI指导思想

“持续改善”让BI回到原点

　　当一辆在高速公路上行驶的汽车，一侧的轮胎饱满有力，一侧的轮胎松软干瘪。驾驶员就必须降低速度，才能保持车子的稳定行驶。一侧轮胎就是经营，一侧轮胎就是管理。

　　而我们在实施BI的时候，过多地强调美国商学院的经营思维，忽视了另一个轮胎(管理)的饱满，造成今天中国BI实施后，往往变成日常统计系统，业务模型主动变化很少，业务部门人员只会操作，不会创新，这样的BI项目后力不足，行驶缓慢，甚至是停滞不前，让企业对BI项目失去应有的信心，使BI在中国企业道路变得曲折。

　　中国企业上BI的目的，其实是为了解决企业因为经营而获得大量资金、却没有使资源和机会、人才等效率最大化的问题，解决这一问题是企业上BI系统的最大期望所在。

　　因此，我们的BI项目可以回归原点，扪心自问：企业上了我们的BI项目后，能告诉我们的企业以下问题吗：
　　大量的产品维修成本和设备维护成本流失了多少利润？
　　在管理上，当我们理所当然地认为自己做不好，而请别人来帮助，这又流失了多少利润？
　　因为安全管理不善，造成事故赔偿而流失的利润又有多少？
　　因为不能构建“以人为本”的管理模式和文化，从而造成员工流失、技能流失、资源流失……进而重新招聘员工、培训员工，使我们的利润又流失了多少？
　　因为对管理认识不求甚解，而盲目投入信息化管理，大量无效的投入又带来多少利润的流失？
　　因为管理缺失造成大量的库存，而库存就是现金，现金流的吃紧使多少企业背负了高额的负债，从而增加了多少资金的成本？

　　一个企业的管理好坏就体现在现金流、库存、制造过程所需要的时间上，这不就是中国企业大量实施BI项目的原始动力？它要给企业决策者解决管理上的问题。

持续改善的BI应用：高层驱动vs中层驱动

　　从盖茨到韦尔奇，从戴尔到钱伯斯，受众多“美国造”企业故事的影响，企业领袖、企业英雄、第一CEO等眩目概念在国内盛极一时，各类评选也是不计其数。同时，各种管理工具都在四处宣扬自己务必是“一把手工程”。

　　无形中，几乎每个人都在相信：是一把手在决定企业的成败，在推动或阻碍企业的变革。一个优秀的CEO，似乎就是企业的一切。而业绩不好，更换CEO也是业惟一要做的事。于是乎，一个成功的BI应用，我们就会要求企业，BI应用成功的关键在于高层驱动。

　　其实真正成功的企业应用，一定是从中层发起。为什么会这样？因为经验告诉我们：凡是由高层发动的变革，通常都是难以被彻底执行的。因为高层驱动式的BI应用是自上而下，导致CEO与下面隔阂乃至对立，基层对BI应用抵触，就不可能将BI应用执行到位。于是，BI应用顶多能发挥50%。

　　因此，我主张BI的成功也应该由中层驱动。那么中层驱动具体指什么？中层要求BI应用通过持续改善带来成本降低，那么成本降低带来的成果如何利用，就是BI应用最关键问题，否则通过BI应用后的改善等于没有价值。而这就是中层出给高层的题目。

　　如果高层不能迅速并有效利用这些成果，员工积极性便会丧失，这样BI应用也失去了价值，谈不上成功。由此，我认为：企业不应满足于对改善成果的发布，而应做改善成果被使用的发布。否则，任何BI应用都无法持续。

持续改善的BI应用：强制执行vs活性化

　　韦尔奇的“中子弹”绰号虽使他饱受困扰，但却威名远扬。国内始终把韦尔奇的强悍，特别是“不执行就走人”的说法当作一种必要的果敢。由此，无条件的“执行力”变成了中国企业家最热衷的概念。

　　与此不同，当我们BI应用的指导思想却是：“尊重人性，持续改善”。必须实现员工的“自主性”BI应用，进而自主研究分析，自主改善。而根本，就在于“尊重人性”。所以，“活性化”变成了BI应用成功的关键词。

　　所谓“尊重人性”，包含几个部分：尊重员工意见，激发员工积极性，提升员工能力，一定要让员工在BI应用中切身享受到发现企业改善的成果。做我们员工自己的BI应用！

　　十几年来，中国企业太受欧美影响，搞得我们企业的BI应用变成压迫执行了，现在应该回归东方管理文化了。甚至美国人自己也在改变，所以才会诞生东方味儿十足的“系统思考”与“学习型组织”，才会倍加推崇“人才重于目标”、“内敛胜于张扬”的“卓越企业”。那么，我们自己呢？

　　我们也只有找到真正属于自己的管理方式，才能在管理思想上不被他人所桎梏，才能在实践中恢复自信，走出属于自己的精彩！

　　“持续改善”的管理理念，既然能让我们企业走出“微笑曲线”中最苦涩的谷点，摆脱“经营至上”企业红海的无奈，也就能指导我们的BI应用从阶段性成功走向持续性成功。