BI实战

毫无疑问，随着大数据时代的来临，海量数据给BI带来了前所未有的压力。如何有效地利用大数据，以及其中所沉淀的信息，成为未来的一大竞争焦点。

通常情况下在一个BI项目中，会先后经过形成期、不稳定期、规范期和表现期等几个阶段。一般认为不稳定期是一个BI项目的低潮期。在不稳定期这个阶段，由于立场、观念、方法等方面的冲突，不仅仅在人际管理方面会陷入僵局，而且对BI软件的怀疑也会加重。故项目管理员需要采取一些措施，尽量缩短这个不稳定期的。

全球经济低迷的大环境下，企业用户在软硬件投入方面都会减少力度。也正因于此，BI等能为企业节约成本的软件将迎来机会。

启用自下而上方法的优点在于，所有数据都是一致的，并且对于管理层团队将发出的各种提问已经准备就绪。

自从2011年SAPHANA全面上市以来，整个IT界都在讨论内存技术（"in-memory"technology）的价值。而对于CIO们来说，对于内存技术，他们必须回答一个非常简单的问题：内存技术对我有什么意义，内存技术会如何影响我的业务？

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。