数据挖掘的基础——商业智能

　　为了得到更好的企业系统，我们花费了大量的钱财，现在你也许会认为我们应该很了解商业智能系统能给我们带来什么。但是好的意图不一定会带来好的结果，正如西澳大利亚的医疗、汽车、家庭以及旅行保险公司HBF的经验一样，在数据仓库项目上马18个月之后，仍然没有达到他们预期的期望值，他 们感到非常失望。

　　这是因为这个项目是基于老系统来设计的，只能满足企业原先的需求，无法满足企业快速增长的业务发展。它也无法完成关键用户的大宗购买任务。除 此之外，经理们对于这个系统的用途到底是什么缺乏一致的意见，因此给项目的实施造成极大困难，使得整个项目最后几乎停滞。

　　"数据仓库需要不断变化，" HBF的企业信息服务经理Mark Pereira 表示，"如果你仍然在使用一年前所提供的相同的模型的话，那么项目就有问题了。"

　　公司在引入BI的第二次尝试比第一次要成功的多，通过引入SAS Institute Enterprise Warehouse，用户能够访问公司容量扩展为1.5TB的数据仓库。报告撰写 者为低端用户们提供了大量预置的企业报告以及联机分析处理（Online Analytical Processing，OLAP）工具，而35个"超级用户" 则能够直接访问系统，根据 企业需求的变化来来运行相应的特别报表。

　　在第二次引入系统时，不仅要考虑建立一个什么样的系统，还需要考虑如何来建立这个系统。由于在建立第一个数据仓库项目结束之后，IT部门已经受 到了质疑，因此在第二次系统引入的时候，没让IT部门参与，而由业务经理们直接管理这项工作。他们建立了一个筹划指导委员会管理小组，使得业务 经理们能够领导这个项目，业务和技术分析师们的任务是为业务经理们的需求提供支持，而不是推动项目的发展。

　　这种实现方法极大的增加了项目的可信性，Pereira 表示，"业务部门认为IT部门参与的项目的代价都非常昂贵，而且实现的速度非常慢。"他这样解释，" 现在向总经理汇报我们的业务部分时不再经过IT部门。我们不再与他们的步伐紧密相连，并且在他们原有的核心系统面前我们不会陷于困顿，我们只需 要专注于业务如何发展方面即可。"

　　"通过这种信任机制，能够帮助经理们大大加快扩展业务的速度。大宗买进业务从此也迅速开展起来。现在我们的业务量不会飞涨，但是我们会平静面对 所出现的最大的业务需求，我们能够解决这些问题。"

　　由于现在的BI系统运转的很好，因此现在大家的注意力都转移到这样一些领域如数据挖掘。这有助于HBF能够更好的了解公司所处理的许多需求的共同属 性。通过分析历史信息，HBF能够很快发现问题（比如某个供应商需求的快速增长）并且要找到问题的根源。

　　公司现有87万多成员，通过这个系统，能够对这些成员进行很好的分门别类，现在已经对他们的行为和特征进行了分析评估并且经过提炼从而能够减少 每个成员的风险。原来那个建立于传统数据仓库上的CRM已经失败了，但是公司已经准备好重新建立一个CRM。"BI为HBF提供了对成员基分类和理解成员基的能力。"Pereira表示，"它已经改变了我们业务模式。"