实战商业智能

经过多年信息化建设，企业已经积累起了大量的数据，但由于缺乏相应的工具，这些数据并没有进一步转化为有价值的信息。

BI是管理手段和信息技术的融合，企业级商业智能的构建是一个系统工程，它有三个层次，需要一步一步建设。

近日，在国内最大的IT社区ITPUB里笔者发现一个对于入门级IT人员非常实用价值的贴子。“SAPBI/BW前景如何？”

在六月初举行的信息构建者首脑会议上，BI爱好者做出了预测性BI分析，显得好像是台未来时间机器或水晶球的最好的事情，也就是数据驱动的水晶球。

坚持科技兴厂，是湘钢钢丝绳厂长期以来不变的目标，除了持续优化产品结构外，湘钢钢丝绳厂也利用信息化手段全面提升销售和服务品质的管控。

以后系统甚至智能到在你告诉它你遇到什么问题时，它会给出几个可选解决方案。决策者只是在几个选项中选出最优答案。

海量的数据处理问题，这是一 项艰巨而复杂的任务。原因有以下几个方面： 一、 数据量过大，数据中什么情况都可能存在。如果说有10条数据，那么大不了每条逐一检查，人为处理，如果有上百条数据，也可以考虑，如果数 据上到千万级别，甚至过亿，那不是手工能解决的了，必须通过工具或者程序进行处理，在海量的数据中，什么情况都可能存在，例如，数据中某处格式出了问题。 尤其在……

将数据转化成为有助于企业管理的洞见，这一能力属于企业商业情报的范畴，使得首席信息官有幸成为舞台的主角。

云计算并不是一个很新概念，用户目前实现云计算应用有一定的可操作性。不过，从现有的IT架构转到云计算，需要一个不断叠加和演进的过程，并非一蹴而就。

从数据角度说，业务职能改变就意味着数据所代表的东西在变化，不成熟的分析人员，常常不理会这些必须得关注的东西。

商业智能工具能使企业对于其业务绩效有比较清晰和深入的了解，这有助于管理层做出正确的决策。

数据量和数据复杂度的膨胀严重威胁着中小型企业，阻碍了它们做出企业成长所必系的正确决策。

制造企业从聚焦产品的初始阶段出发，可以选择两种转型模式：提供基于产品的增值服务和脱离产品的专业服务。

选择什么样的多变量统计分析方法，主要是根据变量的测量尺度决定的，更明确的说是根据因变量的测量尺度和类型决定的。

数据挖掘能够使海量数据完成“把冰冷信息人性化”的过程，数据挖掘的各种应用也开始为我们提供越来越近真实服务。