CIO的軟肋

　　和上海申康不同，商業智能在北京市西城區衛生局已經應用。

　　西城區主要是從政府角度來做兩類分析。一是經濟效益，二是發展規劃，比如老百姓的需求、社會供給、醫院的自身能力，為決策分析做準備。還有健康管理方面，考慮整個地區的健康狀況分析，下一步需求供給，政策是否有效等。主要是從政府角度考慮，根據樣本量，做一些決策。分析資金的利用率、人員績效、資產的一些狀態，會對財政下一步的動作有什么影響。

　　朱樹宏是北京西城區衛生局信息中心主任，提起商業智能。他認為，廠商缺乏對行業特別理解的人員，沒有特別熟悉行業的專家，一旦脫離行業太久，大家交流的只剩下皮毛，不能深入了解。

　　賽迪顧問有限公司軟件與服務產業研究中心副總經理賈娟和他的觀點一致，她也認為行業專家有脫節情況。專業人才的缺乏也是阻礙國內商業智能成功應用的絆腳石之一。人才問題是目前各行各業老生常談的話題。在商業智能這個新興領域，問題更加明顯。對于企業來說，既了解商業智能產品又了解行業應用的人不多，因此商業智能往往停留在報表及查詢這一級別，不能更好地為企業服務。無論是軟件開發商、咨詢服務提供商或實施方，人才匱乏問題成為企業發展的一大瓶頸。

　　數據挖掘項目的實施人員，除了項目管理者之外，還需要三類具有不同專長的人員，一是業務分析人員，精通業務，能夠解釋業務對象，并根據業務對象確定用于數據定義和挖掘算法的業務需求;二是數據分析人員，精通數據分析技術，熟練掌握統計學，能把業務需求轉化為具體操作，并為每步操作選擇合適的技術;三是數據管理人員，精通數據管理技術，了解數據源，負責數據準備過程。

　　同樣，要成功完成一次數據挖掘過程，用戶也既要熟悉業務，又要熟悉算法和模型，才能知道取出來的數據代表什么，算出來的結果又代表什么。

　　以前的信息化系統都是從CIO角度發起，解決業務部門的某些需求。而BI應該是自上而下，由管理層提需求，用企業真正關心的指標來提需求。而國內的CIO大都不站在戰略角度，不會明白哪些是企業所最需要的。

　　所以，賈娟認為BI的前期咨詢很重要。真正實施起來很簡單，因為產品成熟度很高。CEO懂管理，有想法，但把CEO的想法變成技術語言，缺乏翻譯。CIO和CEO在這方面的溝通很難，語言不通是個大問題，因為要涉及公司的所有指標。CIO要理解CEO的管理需求，要有管理知識。以前的思路都是搞技術的只是做好系統，應用好就可以。商業智能則是要明白挖掘什么，需要的關鍵點是什么。

　　比如CEO說我要縮減某某成本，如果缺乏對業務的足夠了解，CIO就會一頭霧水。牽扯到很多的步驟和流程、環節，對IT部門也是一個大工程。

　　一位CIO對此也發表了自己的看法，很多企業的CEO都是業務專家，不太懂管理，這類CIO應該去了解技術應用而不是業務本身。或是做了業務，沒放下技術。或是懂了技術，不懂業務，整個人都鉆進技術里，無暇去了解業務。這些是CIO的軟肋，對于BI這個方面更加突出。

　　而商業智能要明確分析數據源和目標是怎樣的利害關系。CIO要做的是把業務需求方和技術實踐方去融合，融合代表了自己的水平。業務出身角色不要只從業務角度思考問題，技術出身的人也不要太鉆研技術，技術只是一種素養，而不能把技術當作一個思考問題的出發點。

　　分析什么是關鍵

　　數據挖掘本身并不產生價值，實施數據挖掘后產生的結果才有價值。實際上，數據挖掘只能找出數據上的關聯，還不能把這種數據關聯關系當成因果關系。例如挖掘發現，“大多數車禍出現在中等行駛速度當中，極少的事故出在高于150公里/小時的速度上。”人們當然不能認為“高速行駛比較安全”，它的真實原因在于“多數人是以中速行駛，因此多數車禍出在中速行駛的車輛上”。

　　因此，在數據挖掘和分析中，如何確定戰略目標尤為關鍵。企業CEO一般對預測模型的建立都比較感興趣，預測的目標也比較好確定，比如要預測客戶流失，那么“客戶是否流失”就是目標變量;要預測股票漲跌，那么“收市價是否上升”就是目標變量。但確定哪些變量作為自變量則頗費周折，換句話說，要確定哪些因素與目標變量有關系，往往是雙方各執一詞。

　　數據挖掘的成功要求CEO對期望解決問題的領域有深刻的理解，理解數據，理解其過程，才能對數據挖掘的結果找出合理的解釋。拿啤酒和尿布這一經典例子來說，如何去解釋這種現象，是應該將兩者放在一起還是分開銷售?需要摸透消費者的心理才能做出決定，而無法靠數據挖掘得出結論。

　　數據挖掘的結果是不確定的，要和專業知識相結合才能對其做出判斷。說白了，數據挖掘只是一個工具，它可以發現一些潛在的用戶，但不會告訴使用者為什么，也不能保證這些潛在的用戶成為現實。

　　不少CIO認為，商業智能就是數據處理，怎么樣去分析，分析什么才是最重要的。因為每個企業的情況都不一樣，當前戰略是什么，所屬地區的特點，這些都和商業智能密切相關。商業智能是通過數據建模的方式，而建模是依賴于領導的思路。如果領導的思路不清晰，模型沒法去建。

　　一位制造業的CIO說，“商業智能要實現起來不是太容易，技術上沒問題，問題是IT人員和領導的思路不合。因為數據本身就存在，需要的只是加工整理。其關鍵問題是IT的實施人員不知道領導想什么。要是知道領導想要什么，不用BI也可以。”

　　魯花集團信息中心主任姜波的觀點是如此，他認為BI的發展不深入主要是因為人為因素的影響。別的信息系統只涉及到流程與業務，或是底層實現自動化，影響不會過大。但BI針對和影響的都是高層，做為信息價值鏈的頂端，高層領導者的思想尤其重要。

　　一般的業務系統是滿足某一個部門的需求，BI涉及到整個公司的層面。領導只有明確了自己的思路，才能落實到下面。部門需求相對簡單，整體公司的未來發展和人的思想有關系。其中，CIO和CEO的語言缺乏翻譯也是一個大問題。

　　CIO的最大困難是不知道領導的要求是怎么形成的。例如市場飽和了，企業要轉型，這些都是領導考慮的問題。即使領導提出了需求，CIO也很難實現。

　　“商業智能我知道很多人想做，但是不知道怎么做，主要是不知道要做什么。”長安鈴木汽車有限公司技術管理所產品數據系系長張凱說。

　　廠商關于商業智能的介紹資料也寫得很虛，數據分析是主觀意識很強的。因為即便是同樣的數據，不同的分析方法，得到的數據也不一樣。對企業而言，需要的是要量身定做，要了解企業需求，同行業的不同企業之間的需求也不一樣。

　　張凱介紹，長安鈴木有一些報表級別的應用，包括生產的質量分析等。數據庫里會出一些固定的報表，什么時候哪些零件會出問題，在什么情況下故障率會高。

　　“2000年就開始做這種報表，這種報表是戰術，不是戰略。這些只要自己開發一個簡單的工具就可以了，沒有提高到戰略的程度。如果應用到明年要推出一款什么樣的車，這個才是BI。” 張凱說。

　　一般來說，BI應用的初級階段是報表級別的應用，或者是為了滿足領導某一方面需求的“面子工程”，對企業實際的作用并不大。張凱所說真正的BI要結合企業戰略制定，這樣的BI應用才達到了最高標準。

　　BI是一把手大腦的延伸

　　目前在國內，很多企業把商業智能做成了“老板工程”“面子工程”，僅僅是為了方便經營者了解企業的種種數據和信息。事實上，這種看法是非常片面的，商業智能高效的統計分析功能的確可以為經營者分析和決策提供科學依據，但是其主要的“功效”卻是利用分類技術信息將信息消費者使用的決策支持對象分門別類，幫助業務人員解決業務運轉可能出現的各種主要問題，提高業務人員的工作效率，從而提高企業的核心競爭力。因此，商業智能的建設需要包括經營者在內的所有業務人員的關注和參與，尤其是經營者。

　　對于企業的經營者來講，商業智能是幫助他們建立一個理性的外腦。商業智能可以理解成是對“一把手”的大腦的延伸，借鑒歷史數據，建立標準的分析和決策模型，并能夠對未來做出正確的預測。

　　對于BI市場，賈娟認為商業智能的市場雖然規模不是很大，但始終是在增長的。2008年，商業智能的應用開始從面子問題到肚子問題，原來很多企業的應用是跟潮流，主要是為了滿足領導想實時了解一些數據的需求，把商業智能做成了面子工程或者裝飾工程。而現在是真正有了一些需求，發現商業智能真的可以幫助企業，做一些實事。

　　“以前大家對BI的期望太高了，認為BI什么都能做，把它看得太高，導致期望越大失望越大。做商業智能應該先從基礎數據整理開始，數據分析，數據挖掘，循序漸進地開始。如果基礎數據質量很差，想挖掘出有價值的情況很難。應該從數據質量最好的應用下手，先從小處得到一些大家看得見的收益。”賈娟說。

　　對于如何開拓這個市場，“慢慢來吧，要循序漸進。要知道自身企業的情況，深度上做到哪一步，廣度上知道哪些業務需要用到BI。既要培養CIO對業務的了解，也需要了解行業的咨詢顧問。我覺得這個東西還是有用的，難的是具體怎么用。”商業銀行向BI邁進

　　銀行是信息化程度比較高的用戶，也是在各方面和國外接軌較多的用戶。在商業智能方面，銀行用戶也是走得比較前端的。

　　凌晨1點，一個用戶想從荷蘭銀行(ABN Amro)的ATM機提取100元現金，但其賬戶余額只有28元，他的請求遭到了ATM機的拒絕。因為，銀行從其數據倉庫中調出他的有關信息并分析后發現，他是個高風險用戶，之前有過延期還款記錄，而且該用戶所提款的ATM機位于某娛樂場所旁。

　　而另一位用戶卻從ATM機上取到了400元現金，盡管當時，他的銀行卡余額僅為128元。原因是銀行經后臺商業智能(BI)系統分析后發現，他沒有任何違約記錄，個人信譽很好，并且他所取款的ATM機靠近醫院，系統分析認為該用戶可能因為家人住院急需用錢。

　　這是銀行為客戶提供的真實服務，商業智能為業務一線的服務能達到如此精準的程度。