有的企業面臨龐大的數據量，卻無法做出有效的分析。這里面最關鍵的原因是數據基礎打得不牢靠，業務系統無法提供商業智能分析所需要的數據。這樣一來，企業花了大量的資金購買的商業智能工具也好，系統也好，最后的實際作用還是被局限在了做報表。

問題

“我們武漢鋼鐵在2005年就已經在做BI系統了，但是當時的使用情況并不太理想。按理說，應該是以業務部門為主導，需要有人能夠提出主題。雖然我們的許多部門都在用這個系統，但是也僅僅局限于數據的統計方面和報表展示。” 武漢鋼鐵(集團)有限公司工程管理部指揮長張漢欣對《CIO INSIGHT/信息方略》記者談道，“但是BI真正的功能，比如說對數據進行前瞻性的分析以及質量控制的預測都沒有發揮出來。最大原因就是業務部門提不出需求，IT部門也不知道該從什么地方著手。”

武漢鋼鐵(集團)有限公司(以下簡稱武漢鋼鐵)坐落在“九省通衢”的武漢市東部，為新中國成立后興建的第一個特大型鋼鐵聯合企業，于1955年開始建設，1958年9月13日建成投產，是中央和國務院國資委直管的國有重要骨干企業，是國內排名第三大鋼鐵上市公司。

2005年，在中國企業中已經刮起了一股“BI風”，各種企業紛紛上線BI系統。“當時對數據倉庫的挖掘和分析是一種潮流，我們也不想落后。”張漢欣說道。那時，武漢鋼鐵組織考察團走訪了國內外許多鋼鐵企業，經過綜合分析選擇了一家國內的BI廠商，整個構建也是按照BI來做的，包括數據展示、圖標、駕駛艙，每天對數據進行清洗。由于2002年已經上線了ERP系統，為BI的建設打下了良好的數據基礎。

“但是業務部門當時也只提出了一些報表統計分析的要求，我們也感到有力沒處使。”張漢欣說道。之后，武漢鋼鐵的年產量從800萬噸猛增到1800萬噸。系統擴大了同時業務數據量也增加了，結果“一方面導致數據庫壓力過大，不能有效對大量數據進行清洗和抓取。另一方面導致二級數據與四級數據交換出現困難。”最終武漢鋼鐵的BI項目就這樣不了了之了。

有人曾把商業智能的應用分為三個層次，即報表層次，數據分析層次和數據挖掘層次。一方面許多企業在BI應用多年之后，甚至在技術已經不存在問題的時候，還是只停留在報表層次。

有的企業面臨龐大的數據量，卻無法做出有效的分析。這里面最關鍵的原因是數據基礎打得不牢靠，業務系統無法提供商業智能分析所需要的數據。這樣一來，企業花了大量的資金購買的商業智能工具也好，系統也好，最后的實際作用還是被局限在了做報表。

北京大學人民醫院信息化始于1996年，隨著醫院的不斷發展，不同層次的管理者對數據分析有著不同的需求：院領導希望實時監控醫院的業務狀況、醫療設備使用率;希望商業智能平臺能實時匯總醫院整體醫療狀況，并根據這些數據，對未來一段時間的醫療發展趨勢做出分析預測，以輔助院領導調整未來的醫療策略。

但由于數據分散在HIS、MIS、ERP等應用系統中，數據的來源紛繁復雜。更糟糕的是，數據源還可能存在A系統記錄的數據與B系統記錄的數據有出入。而這種不一致，不但對于醫院的管理很不利，也給信息中心出了個大難題，它們對各部門品種繁多且頻繁變動的報表與分析需求，總是耗費周折才能完成，而且答案也不能令業務部門滿意。這種情況令業務部門頭痛，也讓IT人員沮喪。

Gartner副總裁兼資深研究員史蒂夫·普倫蒂斯表示：“我們處在被數據浪潮淹沒的危險中，然而我們卻缺乏對信息的洞察力。企業面臨的挑戰是如何讓所有數據有意義，并能根據這些數據做出更好的決策。”

對中國許多企業而言，核心系統及IT基礎設施已經完善。一部分企業把目光投向已擁有的海量數據，希望運用這些數據分析，來衡量自身的業務現狀、分析客戶行為，并用于制定戰略、指導業務。

但是，像上面這樣的企業對商業智能的應用畢竟是鳳毛麟角。據埃森哲在中國的研究表明，僅有8%的中國精英企業表示自己的管理團隊已經具備了先進的分析能力;超過67%的中國公司根本沒有商業智能或其他分析工具;50%以上的企業甚至連基地的數據存儲能力都不具備。

詢問企業的信息主管：

是否業務人員能夠提出合理需求?

詢問企業的IT技術人員：

是否有大量的歷史數據不知如何處理?

方法

2009年，武漢鋼鐵重新開始上線BI系統，由于上次在業務部門推行的較難，這一次，張漢欣沒有急著在全公司推行，而是選擇了武漢鋼鐵旗下的一家國際貿易公司做試點。國貿公司負責武漢鋼鐵對外訂購設備，對內進行煤、礦等大宗燃料的采購工作。

以前武漢鋼鐵大宗燃料的采購基本上都是通過人工來進行控制的。現在國貿公司通過物流管理系統，把全公司每年需要的各種煤和礦的數據進行分析，然后對客戶和資源進行分析，哪些能夠滿足需要、哪些不能夠滿足，這樣就可以很快做出決策。物流系統每天都會對各種數據進行清洗，把有用的數據放在數據倉庫，管理人員可以直接抽取分析。這種分析就能夠更加精確，更能夠進行成本和保產需求的控制。同時，“我們在采購的時候會跟客戶簽訂合同，有了這個系統之后，我們的合同進行到哪一步，在系統里面都有體現，這也保證了我們對采購過程進行監控。”張漢欣談道。

張漢欣認為最重要的還是業務人員對未來采購計劃的預測提出了明確的需求，他們才有針對性地讓BI達到了超越報表層的應用。

而對北京大學人民醫院來說，盡管掌握了大量數據，但只有對數據進行分析、整理，才能服務于管理者的決策。信息部門的當務之急是，將多年來分散在不同系統中的數據整合起來，梳理清晰數據之間的業務邏輯關系，建立統一的業務視圖。

在BI建設初期，人民醫院遇到的最大困難是業務部門不知道自己需要什么數據，提不出自己的BI目標。大都還停留在傳統的醫院管理模式中，關注門診量、住院量、手術量等表面數據，使得項目實施后與其理想化的預期存在較大差距。

為了讓BI走向正軌，信息中心要引導業務部門對需求進行思考，提出準確的數據及BI需求，培養其依賴數據分析的習慣。另外，在實施BI項目前，信息中心調研了各級用戶對BI的普遍需求，并對全院所有報表及將要開發的報表進行梳理，共整理出7類報表502張。把報表做了規范化整理，為以后分析的準確性打好了基礎。

當然，要實現BI，基礎數據的整理分析也是非常有必要的。“BI的建設要一步一步來，不能夠走得太急，如果過于急于求成，反而達不到應有的效果。” 京港地鐵信息技術部經理黃穎俊談道。而北京京港地鐵有限公司(以下簡稱“京港地鐵”)的BI建設恰好印證了這一點。

作為一個2006年才成立的公司，京港地鐵并沒有上線任何BI項目。但是，公司信息部門卻對BI有一個長遠的規劃。“我們把BI的建設分為三個階段，第一個階段是打樁，做一些前期的業務系統;第二個階段是建房子，做數據倉庫和數據平臺。第三個階段才是粉刷和裝修，也就是bI的應用”黃穎俊說道。

前期，京港地鐵做了兩個核心系統——ERP系統和人力資源管理系統，再加上財務系統、倉庫管理系統、采購系統、運營管理系統等四個業務系統。這些樁打下去以后，實際上是看不見的，但是它保證了京港地鐵各個業務流程的規范、數據的完整度。

第二個階段是搭房子，建設數據倉庫和數據平臺。而跟北大人民醫院一樣，如何引導業務人員去提出目標，培養其建立BI思維，成了黃穎俊在這個過程中的又一課題。

地鐵的一項重要工作是維護保障，所有的維修任務都通過維修工程單來處理，過去維修單都是手工填寫，費時費力。并且所有的維修數據都保留在設備管理部門。

黃穎俊主動與公司領導溝通，希望將設備的維修處理變成電子化方式，設備出了哪些故障，直接可以從系統里面調出來，這個設備曾經修過多少次、花了多少工單和時間，都可以查詢到。這一改變，也得到了業務人員的追捧。維修審批更快速，業務流程也更加標準化。

第三個階段就是精裝修，就相當于BI的展示。這種展示因人而異，因業務需求而異。由于之前的基礎打得好，業務人員提出的各種分析目標需求就能夠在短期內得到有效滿足。

老百姓大藥房是一家由單一民營藥店發展起來的大型醫藥連鎖企業，創立于2001年10月，總部設在湖南省長沙市。作為一家以“讓更多人看得起病、吃得起藥”為宗旨的低價藥店連鎖，對于成本的控制可以說是至關重要。

2005年，老百姓大藥房與國內名校合作，自主開發了自己的核心業務系統—— 全集中BS架構醫藥業務系統。新系統的運行將改變往日數據不準確、不集中、易丟失、難管理的尷尬局面，為財務管理、運營管理與決策分析帶來了革命性的突破。

為了降低成本，老百姓大藥房對庫存管理非常重視，為提高自己預測銷售的能力，信息總監吳勇帶領其團隊做好一套模型放在系統里面，供銷售人員對各方面數據進行分析。

由于各個季度有不同側重的藥品銷售，當季末的時候就要對這些藥品進行嚴格庫存控制，避免換季之后藥品囤積。“比如，一些夏季藥品，在7月份的時候就要對其進行控制，我們根據歷史數據給銷售人員提供建議。在接下來的兩個月，這種藥品15天的銷量只是平時5天的銷量，這些數據可以提取出來做出分析，然后做出庫存預測。”吳勇說道。

有些企業的信息往往分布在不同的部門和分支機構,管理者要縱觀全局、運籌帷幄，必須能迅速地找到能反映真實情況的數據，這些數據也許是當前的現實數據,也可能是過去的歷史數據。數據源的不一致和不完整，導致經常出現即使把多個數據串起來，卻仍然無法進行分析。因此這往往是數據分析的難點所在。

作為國內大型藥品零售連鎖企業，老百姓大藥房每天都要產生海量的數據，為了避免數據的分散，公司要求所有的數據都要匯集在核心業務系統——BS系統上，分公司不保留數據，信息部門只需要對數據進行歸類匯總。這就保證了數據的統一規范，便于之后的數據提取和挖掘。

詢問企業的信息主管：

是否應用了自主研發的工具來處理企業大量的信息?

詢問企業的CIO：

是否建立了數據倉庫?