实战商业智能

零售企业在经营过程中会产生海量数据，这些与企业息息相关的数据中蕴藏了丰富的经营理念、市场脉动和客户资讯，隐含了对企业管理者极具价值的信息。如何从繁杂的系统数据中迅速地找到数据之间的关系?如何将大量的数据转换为准确可信、便于阅读的信息以挖掘潜在的商机?降低公司的运作成本，快速准确地把握市场脉搏，已成为每位零售企业管理者所急需解决的问题。

很多用户看到BI应用成功的案例屈指可数，于是就对BI应用失去了信心。其实，一些误区的存在是导致BI项目失败或达不到预期效果的原因所在，也正因为这些误区我们对用户建设BI系统提出以下建议。

淘宝在呈倍数增长的业绩数字背后，需要数据库技术来支持企业未来持续成长的延续空间，淘宝网资深数据库专家江枫分享了淘宝2004年开始构建企业级数据仓库的全过程。利用数据仓库技术，淘宝抽取了分散在不同业务系统中的业务数据进行集中，这些信息是完整记录了用户访问路径、交易过程的海量数据。通过数据仓库的清洗、整理、过滤、排序等技术手段，这些海量的数据形成了具有商业价值的……

整合只是Stodder所选的五大趋势中的一个重要问题。不过，任何IT部门都会告诉你商业智能（BI）并不会从天而降，不管技术变得多么聪明。幕后的整合和数据管理是任何成功的商业智能（BI）的关键部分。

尽管商业智能能为企业带来各种的优势，但是，导人商业智能却常遇到技术与企业文化的冲击。企业的经营管理者必须确保进入商业智能应用的所有数据必须是真实且连续性，才能确保所分析的结论值得信赖。

BI应用成功的案例屈指可数，一些误区的存在是导致BI项目失败或达不到预期效果的原因所在，故本文建议：实施BI的过程中需要注意业务驱动、主管全线参与、确保数据质量以及应用推广四个方面。

对于中小企业是否需要内存计算来加速业务分析的需求，SAP独立分析师JonReed表示中小企业中真正受困于BI分析性能的用户少之又少。特别是对于一些刚成立不久的公司，Reed自己的公司运行BusinessOne软件也只有1年多的时间，他认为高性能的HANA软件并不是他所需要的。

本文全面概括了实施商务智能（BI）的方法论，重点指出实施过程中的重难点问题和关键步骤。

移动领域当下正成为商务智能业务的头等热门发展趋势。在本篇文章中，我们将与大家分享多位商务智能专家在移动商务智能优化方面的经验与心得。

广泛应用的BI已经帮助企业获得了令人赞叹的投资回报率(ROI)。商业智能一直被用来鉴定削减成本的创意，揭示商业机会，把企业资源规划(ERP)数据转变成容易理解的报表，对零售需求的快速反应和优化价格。

随着京东商城、当当网、苏宁易购等电商平台价格战的拉开，电商2012竞争趋势加剧。而国内著名数据分析师车品觉则表示，粗放的价格促销战并不会长久，随着资本市场对电商日益谨慎，数据驱动的精细化运作将成为电商竞争的核心手段之一。

汽车行业的高速成长，也带动了相关业务信息化系统的大规模建设，伴之的则是商业智能及其相关应用的不断发展和壮大。商业智能在汽车行业已存在多年，但一直在主流应用的边缘徘徊，究其原因，有发展阶段的限制，有行业认识的问题，也有企业投入力度的原因，不一而足。如今我们看到，商业智能在汽车行业又迎来了一个新的发展高潮，种种趋势逐渐浮现，在此简约道来。

据IT研究公司Gartner的研究报告，近三分之一的企业或已经使用或计划使用云/SaaS产品，以增强其核心商务智能(BI)功能。

企业对BI的使用逐渐被提到了一个新的高度。系统设计是商业智能性能的最主要驱动因素。然而，一些中小企业也想聘请一位全职的BI设计专家并不是件容易的事。这意味着本地的BI系统往往由咨询师来进行架构工作，问题是临时雇用的咨询师也许并不清楚公司的业务状况已经需求。

本文中提出了业务分析战略的阻碍，以及可以采取的应对方法，例如面对办公室政治和客观性的丧失，而沟通、规划和培训都能够帮助新分析策略的贯彻执行。