商業智能

商業智能又名商務智能，英文為Business Intelligence，簡寫為BI。

提到“商業智能”這個詞，網上普遍認為是Gartner機構在1996年第一次提出來的，但事實上IBM的研究員Hans Peter Luhn早在1958年就用到了這一概念。他將“智能”定義為“對事物相互關係的一種理解能力，並依靠這種能力去指導決策，以達到預期的目標。”

在1989年，Howard Dresner將商業智能描述為“使用基於事實的決策支持系統，來改善業務決策的一套理論與方法。” ^[2] 

商業智能通常被理解為將企業中現有的數據轉化為知識，幫助企業做出明智的業務經營決策的工具。這裏所談的數據包括來自企業業務系統的訂單、庫存、交易賬目、客户和供應商等來自企業所處行業和競爭對手的數據以及來自企業所處的其他外部環境中的各種數據。而商業智能能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。為了將數據轉化為知識，需要利用數據倉庫、聯機分析處理（OLAP）工具和數據挖掘等技術。因此，從技術層面上講，商業智能不是什麼新技術，它只是數據倉庫、OLAP和數據挖掘等技術的綜合運用。

可以認為，商業智能是對商業信息的蒐集、管理和分析過程，目的是使企業的各級決策者獲得知識或洞察力（insight），促使他們做出對企業更有利的決策。商業智能一般由數據倉庫、聯機分析處理、數據挖掘、數據備份和恢復等部分組成。商業智能的實現涉及到軟件、硬件、諮詢服務及應用，其基本體系結構包括數據倉庫、聯機分析處理和數據挖掘三個部分。

因此，把商業智能看成是一種解決方案應該比較恰當。商業智能的關鍵是從許多來自不同的企業運作系統的數據中提取出有用的數據並進行清理，以保證數據的正確性，然後經過抽取（Extraction）、轉換（Transformation）和裝載（Load），即ETL過程，合併到一個企業級的數據倉庫裏，從而得到企業數據的一個全局視圖，在此基礎上利用合適的查詢和分析工具、數據挖掘工具（大數據魔鏡）、OLAP工具等對其進行分析和處理（這時信息變為輔助決策的知識），最後將知識呈現給管理者，為管理者的決策過程提供支持。

提供商業智能解決方案的著名IT廠商包括微軟、IBM、Oracle、SAP、Informatica、Microstrategy、SAS、Royalsoft、帆軟 ^[1]  等。

定義為下列軟件工具的集合終端用户查詢和報告工具。專門用來支持初級用户的原始數據訪問，不包括適應於專業人士的成品報告生成工具。

OLAP工具。提供多維數據管理環境，其典型的應用是對商業問題的建模與商業數據分析。OLAP也被稱為多維分析。

數據挖掘（Data Mining）軟件。使用諸如神經網絡、規則歸納等技術，用來發現數據之間的關係，做出基於數據的推斷。

數據倉庫（Data Warehouse）和數據集市（Data Mart）產品。包括數據轉換、管理和存取等方面的預配置軟件，通常還包括一些業務模型，如財務分析模型。

聯機分析處理 (OLAP) 的概念最早是由關係數據庫之父E.F.Codd於1993年提出的，他同時提出了關於OLAP的12條準則。OLAP的提出引起了很大的反響，OLAP作為一類產品同聯機事務處理(OLTP) 明顯區分開來。

當今的數據處理大致可以分成兩大類：聯機事務處理OLTP（On-Line Transaction Processing）、聯機分析處理OLAP（On-Line Analytical Processing）。OLTP是傳統的關係型數據庫的主要應用，主要是基本的、日常的事務處理，例如銀行交易。OLAP是數據倉庫系統的主要應用，支持複雜的分析操作，側重決策支持，並且提供直觀易懂的查詢結果。

OLAP是使分析人員、管理人員或執行人員能夠從多角度對信息進行快速、一致、交互地存取，從而獲得對數據的更深入瞭解的一類軟件技術。OLAP的目標是滿足決策支持或者滿足在多維環境下特定的查詢和報表需求，它的技術核心是"維"這個概念。

“維”是人們觀察客觀世界的角度，是一種高層次的類型劃分。“維”一般包含着層次關係，這種層次關係有時會相當複雜。通過把一個實體的多項重要的屬性定義為多個維（dimension），使用户能對不同維上的數據進行比較。因此OLAP也可以説是多維數據分析工具的集合。

OLAP的基本多維分析操作有鑽取（roll up和drill down）、切片（slice）和切塊（dice）、以及旋轉（pivot）、drill across、drill through等。

鑽取是改變維的層次，變換分析的粒度。它包括向上鑽取（roll up）和向下鑽取（drill down）。roll up是在某一維上將低層次的細節數據概括到高層次的彙總數據，或者減少維數；而drill down則相反，它從彙總數據深入到細節數據進行觀察或增加新維。

切片和切塊是在一部分維上選定值後，關心度量數據在剩餘維上的分佈。如果剩餘的維只有兩個，則是切片；如果有三個，則是切塊。

旋轉是變換維的方向，即在表格中重新安排維的放置（例如行列互換）。

OLAP有多種實現方法，根據存儲數據的方式不同可以分為ROLAP、MOLAP、HOLAP。

ROLAP表示基於關係數據庫的OLAP實現（Relational OLAP）。以關係數據庫為核心，以關係型結構進行多維數據的表示和存儲。ROLAP將多維數據庫的多維結構劃分為兩類表：一類是事實表，用來存儲數據和維關鍵字；另一類是維表，即對每個維至少使用一個表來存放維的層次、成員類別等維的描述信息。維表和事實表通過主關鍵字和外關鍵字聯繫在一起，形成了“星型模式”。對於層次複雜的維，為避免冗餘數據佔用過大的存儲空間，可以使用多個表來描述，這種星型模式的擴展稱為“雪花模式”。

MOLAP表示基於多維數據組織的OLAP實現（Multidimensional OLAP）。以多維數據組織方式為核心，也就是説，MOLAP使用多維數組存儲數據。多維數據在存儲中將形成“立方塊（Cube）”的結構，在MOLAP中對“立方塊”的“旋轉”、“切塊”、“切片”是產生多維數據報表的主要技術。

HOLAP表示基於混合數據組織的OLAP實現（Hybrid OLAP）。如低層是關係型的，高層是多維矩陣型的。這種方式具有更好的靈活性。

還有其他的一些實現OLAP的方法，如提供一個專用的SQL Server，對某些存儲模式（如星型、雪片型）提供對SQL查詢的特殊支持。

OLAP工具是針對特定問題的聯機數據訪問與分析。它通過多維的方式對數據進行分析、查詢和報表。維是人們觀察數據的特定角度。例如，一個企業在考慮產品的銷售情況時，通常從時間、地區和產品的不同角度來深入觀察產品的銷售情況。這裏的時間、地區和產品就是維。而這些維的不同組合和所考察的度量指標構成的多維數組則是OLAP分析的基礎，可形式化表示為（維1，維2，……，維n，度量指標），如（地區、時間、產品、銷售額）。多維分析是指對以多維形式組織起來的數據採取切片（Slice）、切塊（Dice）、鑽取（Drill-down和Roll-up）、旋轉（Pivot）等各種分析動作，以求剖析數據，使用户能從多個角度、多側面地觀察數據庫中的數據，從而深入理解包含在數據中的信息。

主流的商業智能工具包括 Style Intelligence（思達商業智能） ^[3]  、FineBI商業智能軟件、BO、COGNOS、BRIO。一些國內的軟件工具平台如KCOM也集成了一些基本的商業智能工具。

根據綜合性數據的組織方式的不同，目常見的OLAP主要有基於多維數據庫的MOLAP及基於關係數據庫的ROLAP兩種。MOLAP是以多維的方式組織和存儲數據，ROLAP則利用現有的關係數據庫技術來模擬多維數據。在數據倉庫應用中，OLAP應用一般是數據倉庫應用的前端工具，同時OLAP工具還可以同數據挖掘工具、統計分析工具配合使用，增強決策分析功能。

商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

商業智能作為一個工具，是用來處理企業中現有數據，並將其轉換成知識、分析和結論，輔助業務或者決策者做出正確且明智的決定。是幫助企業更好地利用數據提高決策質量的技術，包含了從數據倉庫到分析型系統等。

數據質量角色

對於增強數據資產準確度和價值而言，將數據質量規則與活動（探查、清洗和監測）和MDM流程相集成顯得十分關鍵。在啓動任何MDM項目之前，您都需要了解源數據的內容、質量和結構。在數據源進行的數據探查使數據管理員和數據倉庫管理員能夠在數據進入MDM系統之前，快速發現和分析跨所有數據源的所有數據異常。此流程可極大加快從MDM實施中獲取價值。

由於數據清洗增強了數據的準確度，帶來了數據完整性，並從源頭增進了數據的可信度，因此數據清洗改善了MDM系統中的數據一致性。一旦源數據進入MDM系統，它將接受數據質量處理，其中包括驗證、更正和標準化。MDM系統存儲了在數據清洗前後的整個歷史記錄，從而開發人員不必再跟蹤數據倉庫中的數據沿襲。

最後，數據質量度量標準使數據倉庫管理員能夠更好地監控參考數據的質量，並確保可以長期持續使用高質量的數據。

因此，從技術角度看，實施MDM和Informatica Data Quality，作為數據倉庫中主數據的確定來源，可以從提取、轉換和加載（ETL）流程中簡化數據集成。此方法可極大減低與數據倉庫有關的整個開發和維護工作。通過建立數據質量度量標準和定義數據質量目標，數據倉庫管理員和數據管理員能夠更好地監控參考數據的質量，並確保隨着時間的推移能夠跨企業持續使用高質量的數據。MDM簡化了對數據倉庫維度更新的處理，因為用於確定更改內容的所有邏輯均封裝在MDM系統中。

此外，MDM系統可以卸除大多數數據倉庫的歷史記錄跟蹤負擔，使數據倉庫僅管理它需要為進行聚合而應跟蹤的變更。此係統可帶來更小的數據倉庫維度以及對負荷和查詢性能的重大改進。運用MDM和Informatica Data Quality將最終降低數據集成的工作量，提高從商業智能和報表推導的洞察分析的質量，確保能夠從為商業智能增效的數據倉庫方案中獲得預期的價值和投資回報。

數據質量水平與商業智能的關係

當無法通過商業智能系統和報告系統提供準確的數據時，業務總體上都會受到影響。以下是為創建報表的商業智能系統提供不可靠數據所造成的一些後果：

業務負責人：不準確的管理報告導致決策不夠明智。

合規主管：合規性法案要求公司能為其財務和合規報表提供一定的透明度和可審計性。

業務分析師：如果業務分析師花費過多時間在多個商業智能系統間手動搜索和整理信息以更新和修正報表，則業務分析師的生產率會受到影響。此低效的工作會直接影響成本和營利能力。

這些業務問題的根源在於沒有關於客户、產品、渠道合作伙伴和供應商的唯一真實版本。由於在處理每個業務流程的不同系統間收集、存儲和管理這些數據（亦稱之為參考數據或主數據），因此，需要正確地解析重疊和衝突的參考數據，以獲得唯一真實版本，從而帶來寶貴而可操作的洞察力。許多組織擁有數十或數百數據庫，並且在這些數據庫中有維護相同核心參考對象的數十個（有時為數百個）不同的應用程序，而這些核心參考對象還具有重疊的屬性。

商業智能系統的用途是以中立的視角報告取自多個系統的現有數據。商業智能系統可以為維度分析進行一些累積工作，但是設計或配備商業智能系統並非為了創建唯一的真實版本。在取自應用程序孤島的客户或產品數據中存在的不一致會對數據倉庫中運行的分析可靠性產生消極的影響。

總而言之，企業的商業智能只會與企業的數據質量水平相當。

數據質量與五種形式的商業智能。

商業智能已經發展成為多種形式，旨在滿足企業不斷增長的要求和任務關鍵型活動日益增長的水平。這些形式都有其自己的一套數據質量要求。

記分卡和儀表板正被廣泛採用，越來越多的用户利用它們獲取財務，業務和績效監控的鳥瞰圖。通過可視化的圖形、圖標和計量表，這些傳輸機制幫助跟蹤性能指標並向員工通知相關趨勢和可能需要的決策。提供集成視圖所需的數據元素通常跨越多個部門和學科，需要絕對最新才能有效。

數據質量會影響記分卡和儀表板用户，因此這些用户必須能夠：

1． 使用儀表板中計量表和刻度盤上的完整數據，並迅速採取措施。

2． 獲取集成視圖並使用標準化數據進行協作。

3． 利用具有一致數據的正式記分卡方法。

4． 向下鑽取以查看組或個人級別績效的準確數據。

5． 找到能夠生成明顯趨勢且重複數據最少的業務流程。

6． 推導關聯性並通過驗證的數據執行交叉影響分析。

企業報告為所有級別的個人提供來自企業資源規劃（ERP）、客户關係管理（CRM）、合作伙伴關係管理（PRM）、發票和帳單系統，以及整個企業內其他源系統的各種運營報告和其他業務報告。這些報告分佈廣泛，而薪酬和其他激勵計劃通常與報告的結果有關。

數據質量會影響組織報告，因為組織必須：

1． 瀏覽多個報告，將它們顯示到從不同來源聚合數據的多個表單中。

2． 選擇各種參數並通過標準化數據為用户定製報告。

3． 利用各種性能指標的協調數據呈現多個表格和圖表。

4． 使業務用户能夠利用高精準數據創建自己的報告，無需IT部門參與。

5. 通過清洗和匹配的數據減少合規性管理的人工檢查和審計。

6． 利用完整財務數據直接從商業智能報告開具發票和帳單。

OLAP使用户能夠即時以交互方式對相關數據子集進行“切片和切塊”。同時，OLAP功能，比如向上鑽取、向下鑽取、或任意挖掘（跨業務維度）、透視、排序、篩選、以及翻閲，可用於提供關於績效的基本詳細信息。最為重要的是它能夠回答存在的任何業務問題。這意味着調查深入到單個或多個數據倉庫中可用的最原子級別的詳細信息。

數據質量會影響OLAP分析，因為用户和組織需要：

1． 通過對目標數據的完全訪問在所有維度中任意鑽取以進行深入調查。

2． 通過設置好格式的一致數據將OLAP輕鬆應用於任何維度子集。

3． 利用一致的基本數據對象最大限地減少衝突報告，確保交互性。

4． 利用多個維度的正確數據執行用户驅動的適時分析。

5． 提供更新的同步數據來處理事務級數據分析。

高級和預測分析使富有經驗的用户能夠充分調查和發現特定業務績效背後的詳細信息並使用該信息預測遠期效果。此方法可能涉及高級統計分析和數據挖掘功能。為了推動積極決策和改進對潛在商業威脅的姿態，預測分析可能包括假設測試，客户流失預測，供應和需求預測，以及客户評分。預測建模可用於預測各種業務活動及相關效果。

數據質量會影響高級和預測分析，因為用户會尋求：

1． 為可定製報告創建跨越任何數據元素的報告過濾標準。

2． 為標準化數據格式搜索模式和預測洞察力以促進積極決策。

3． 通過一致數據獲得信心，找出相互依存的趨勢和預期成果。

4． 對準確數據採用多變量復原和其他技術，以實現更好的預測。

5． 在無數據重複的前提下定製數據分組，最大限度減少衝突。

6． 使用經認證的數據檢驗假設並使用統計、財務和數字函數。

使用電子郵件、瀏覽器、網絡服務器和打印機、PDA或門户網站時，通過通知和警報在廣泛的用户觸點間主動共享信息。通過及時交付目標信息，關鍵相關人士和決策者可以識別潛在的機會領域並發現要採取措施的問題領域。這種“一線”BI傳輸機制使組織能夠保持協調一致，與業務風險和機會並進，同時事件仍將保持新鮮和有意義以保證響應。

在此領域，數據質量會影響組織，因為組織會努力：

1． 從任何和所有數據源向最廣泛的用户接觸點發布警報。

2． 確保標準化及非衝突數據集上各種訂閲類型的高吞吐量。

3． 使用户能夠打開附件或點擊鏈接，同時呈現一致、集成的數據。

4． 通過預先評定並核准的數據質量來降低發佈錯誤警報和通知的風險。

5． 允許在多個事件數據符合特定闕值時實時觸發警報。

6． 利用經驗證的數據進行內容個性化和組關聯。

很多廠商活躍在商業智能（下面稱BI）領域。事實上，能夠滿足用户需要的BI產品和方案必須建立在穩定、整合的平台之上，該平台需要提供用户管理、安全性控制、連接數據源以及訪問、分析和共享信息的功能。BI平台的標準化也非常重要，因為這關係到與企業多種應用系統的兼容問題，解決不了兼容問題，BI系統就不能發揮出應有效果。這裏我們通過對一個實驗室的BI系統模型（我們將其稱為D系統）進行功能解剖，來介紹BI系統。D系統是一個面向終端使用者，直接訪問業務數據，能夠使管理者從各個角度出發分析利用商業數據，及時地掌握組織的運營現狀，作出科學的經營決策的系統。D系統可實現從簡單的標準報表瀏覽到高級的數據分析，滿足組織內部人員的需求。D系統涵蓋了常規意義上商業智能（BI）系統的功能，主要構架包括以下幾個方面。

D系統可讀取多種格式（如Excel、Access、以Tab分割的txt和固定長的txt等）的文件，同時可讀取關係型數據庫 （對應ODBC）中的數據。在讀取文本和數據的基礎上，D系統還可以完成：

連接文本 把2個CSV文件中的共同項目作為鍵（Key），將所需的數據合併到一個文件，這樣可以象操作數據庫一樣方便，但無須用户編程即可實現。

設置項目類型作為數據的項目類型，除按鈕（button）（文字項目）、數值項目以外，還可以設置日期表示形式的日期數據項目、多媒體項目和不需要生成按鈕但在列表顯示中能夠瀏覽的參照項目。

期間設置 日期項目數據可以根據年度或季度等組合後生成新的期間項目。同樣，時間項目數據可以根據上午、下午或時間帶等組合後生成新的時間項目。

設置等級 對於數值項目，可以任意設置等級，生成與之相對應的按鈕。例如，可以生成與年齡項目中的20歲年齡段、30歲年齡段的等級相對應的按鈕。

關聯/限定 關聯分析主要用於發現不同事件之間的關聯性，即一個事件發生的同時，另一個事件也經常發生。關聯分析的重點在於快速發現那些有實用價值的關聯發生的事件。其主要依據是，事件發生的概率和條件概率應該符合一定的統計意義。D系統把這種關聯的分析設計成按鈕的形式，通過選擇有/無關聯，同時/相反的關聯。對於結構化的數據，以客户的購買習慣數據為例，利用D系統的關聯分析，可以發現客户的關聯購買需要。例如，一個開設儲蓄賬户的客户很可能同時進行債券交易和股票交易。利用這種知識可以採取積極的營銷策略，擴展客户購買的產品範圍，吸引更多的客户。

顯示數值比例/指示顯示順序 D系統可使數值項目的數據之間的比例關係通過按鈕的大小來呈現，並顯示其構成比，還可以改變數值項目數據的排列順序等。選擇按鈕後，動態顯示不斷髮生變化。這樣能夠獲得直觀的數據比較效果，並能夠凸顯差異，便於深入分析現象背後的本質。

監視功能 預先設置條件，使符合條件的按鈕顯示報警（紅）、注意（黃）信號，使問題所在一目瞭然。比如説：上季度營業額少於100萬元的店警告（黃色標出），少於50萬元的報警（紅色標出）。執行後，D系統就把以店名命名的按鈕用相應的顏色表示出來。

按鈕增值功能 可將多個按鈕組合，形成新的按鈕。比如：把[4月]、[5月]、[6月]三個按鈕組合後得到新的按鈕[第2季度]。

記錄選擇功能 從大量數據中選擇按鈕，取出必要的數據。挑出來的數據可重新構成同樣的操作環境。這樣用户可以把精力集中在所關心的數據上。

多媒體情報表示功能 由數碼相機拍攝的照片或影像文件、通過掃描儀輸入的圖形等多媒體文件、文字處理或者電子表格軟件做成的報告書、HTML等標準形式保存的文件等，可以通過按鈕進行查找。

分割按鈕功能 在分割特定按鈕類的情況下，只需切換被分割的個別按鈕，便可連接不斷實行已登錄過的定型處理。

程序調用功能 把通過按鈕查找抽取出的數據，傳給其他的軟件或用户原有的程序，並執行這些程序。

查找按鈕名稱功能 通過按鈕名查找按鈕，可以指定精確和模糊兩種查找方法。另外，其他的按鈕類也可以對查找結果相關的數據進行限定。

列表畫面 可以用and/or改變查找條件，可以進行統計/排序。統計對象只針對數值項目，統計方法分三種：合計、件數、平均，而且可以按照12種方式改變數值的顯示格式。

視圖畫面 提供切換視角和變換視圖功能，通過變換與設置條件相應的數值（單元格）的顏色表示強調。依次變換視角可進行多方面的數據分析。視圖的統計對象只針對數值項目，統計方法有合計、平均、構成比（縱向、橫向）、累計（縱向、橫向）、加權平均、最大、最小、最新和絕對值等12種。

數值項目切換 通過按鈕類的階層化（行和列最多可分別設置8層），由整體到局部，一邊分層向下挖掘，一邊分析數據，可以更加明確探討問題所在。

圖表畫面 D系統使用自己開發的圖形庫，提供柱形圖、折線圖、餅圖、面積圖、柱形+折線五大類35種。在圖表畫面上，也可以像在階層視圖一樣，自由地對層次進行挖掘和返回等操作。

打印統計列表和圖表畫面等，可將統計分析好的數據輸出給其他的應用程序使用，或者以HTML格式保存。

所需要的輸出被顯示出來時，進行定型登錄，可以自動生成定型處理按鈕。以後，只需按此按鈕，即使很複雜的操作，也都可以將所要的列表、視圖和圖表顯示出來。

企業要實現業務信息智慧洞察的目標，必須使用適當的技術架構平台來支持業務數據分析系統。該平台不僅要為各種用户（無論其身處何處）提供分析和協作功能，還要充分利用現有基礎結構，並維持低成本。它必須是可擴展的並具有高性能，以滿足任意組織的發展需求。

適當的架構可以為系統成功鋪平道路，並最終帶領組織取得成功。開放的商業智能架構應該能同時滿足IT和業務用户的需求。

對IT用户而言，商業智能軟件需要滿足如下條件才能向用户交付更高價值，具體包括：能輕鬆地與組織的基礎架構集成；支持當前的技術和標準；能根據不斷髮展的需求方便地進行調整；整合組織中的所有數據；能隨着用户需求的發展不斷進行擴展；可靠地執行；能在不增加預算和人力資源的情況下加以管理。

對於業務用户，商業智能軟件必須與用户的眾多角色、技能集和需求相匹配；為用户提供多種不同格式的信息，包括常規報表、特別查詢、記分卡、儀表板等；易於使用，以使業務用户願意採用並信任其提供的信息。

企業級商業智能架構具有幾項共同特徵和價值。這些需求是將在組織內部廣泛部署的商業智能系統的基礎。所有這些特質都將通過底層架構來體現。IBM Cognos商業智能平台以面向服務的開放式架構為基礎設計和構建，與那些只會把來自Web服務的多個架構中的舊式“客户機-服務器”組件簡單打包的商業智能解決方案不同，它能夠在三個不同的層面上交付所有的商業智能功能：即演示層，可處理Web環境中的所有用户交互；應用層，包含用於執行所有BI處理的專用服務；數據層，可用於訪問各種數據源。

通過了解各種受眾以及相關利益方的獨特分析需求，可以發揮商業智能解決方案的全部潛能。企業所需的分析功能應該能夠訪問幾乎所有企業數據源，而不受平台限制；同時可以為所有用户提供便於理解的詳細信息視圖，而不受用户角色或所在位置的影響。這些解決方案應具有創新的工具，以幫助這些不同的業務用户組輕鬆地通過台式機或移動設備分析信息。

企業需要廣泛的分析功能，但不同的分析工具、信息壁壘、多種平台，以及過度依賴於電子表格，讓企業難以準確地分析信息。企業使用的分析解決方案必須能夠滿足所有業務用户的需求，從一線員工到部門主管，一直到高級分析員。這些用户希望能夠自己分析數據，而無需等待部門提供所請求的信息，從而做出更出色、更智慧的業務決策。

需要説明的是，業務分析並非放之四海而皆準。用户需求可能會有很大的不同。通過了解不同類型的分析需求，並將其與組織中的特定角色相聯繫，企業可以從中受益。

決策管理是用來優化並自動化業務決策的一種卓有成效的方法。它通過預測分析讓組織能夠在制定決策以前有所行動，以便預測哪些行動在未來最有可能獲得成功。從廣義角度來看，主要存在三種組織決策類型，即戰略型、業務型和戰術型。

其中，戰略決策通常為組織設定長遠方向。其制定者是C級主管人員、副總裁、業務線經理；業務決策通常包括策略或流程的制定。它們專注於在戰術級別上執行特定項目或目標，其制定者為業務經理、系統經理和業務分析師；戰術決策通常是將策略、流程或規則應用到具體事例的“前線”行動。這些類型的決策適用於自動化，使結果更具一致性和可預測性。其制定者包括消費者服務代表、財務服務代表、分支經理、銷售人員，以及網站推薦引擎等自動化系統。

決策管理使改進成為可能。它使用決策流程框架和分析來優化並自動化決策、優化成果，並解決特定的業務問題。決策管理通常專注於大批量決策，並使用基於規則和基於分析模型的應用程序實現決策。因此，雖然決策管理相對較新，但是它受到已經證實技術的支撐。

瞭解了組織中的決策類型和可用的決策管理選擇後，就可以着手建立決策管理基礎架構了。業務經理首先應該在影響他們決策的範圍內定義其業務挑戰。然後通過為特定業務問題開發的以決策為中心的應用程序，利用決策管理優化目標決策。這些應用程序展現了業務人員熟悉的相關信息，並在影響問題的決策範圍內加入了預測分析。

商業智能系統可輔助建立信息中心，如產生各種工作報表和分析報表。用作以下分析：

銷售分析主要分析各項銷售指標，例如毛利、毛利率、交叉比、銷進比、盈利能力、週轉率、同比、環比等等；而分析維又可從管理架構、類別品牌、日期、時段等角度觀察，這些分析維又採用多級鑽取，從而獲得相當透徹的分析思路；同時根據海量數據產生預測信息、報警信息等分析數據；還可根據各種銷售指標產生新的透視表。

商品分析 商品分析的主要數據來自銷售數據和商品基礎數據，從而產生以分析結構為主線的分析思路。主要分析數據有商品的類別結構、品牌結構、價格結構、毛利結構、結算方式結構、產地結構等，從而產生商品廣度、商品深度、商品淘汰率、商品引進率、商品置換率、重點商品、暢銷商品、滯銷商品、季節商品等多種指標。通過D系統對這些指標的分析來指導企業商品結構的調整，加強所營商品的競爭能力和合理配置。

人員分析通過D系統對公司的人員指標進行分析，特別是對銷售人員指標（銷售指標為主，毛利指標為輔）和採購人員指標（銷售額、毛利、供應商更換、購銷商品數、代銷商品數、資金佔用、資金週轉等）的分析，以達到考核員工業績，提高員工積極性，併為人力資源的合理利用提供科學依據。主要分析的主題有，員工的人員構成、銷售人員的人均銷售額、對於銷售的個人銷售業績、各管理架構的人均銷售額、毛利貢獻、採購人員分管商品的進貨多少、購銷代銷的比例、引進的商品銷量如何等等。

實施商業智能系統是一項複雜的系統工程，整個項目涉及企業管理，運作管理，信息系統，數據倉庫，數據挖掘，統計分析等眾多門類的知識. 因此用户除了要選擇合適的商業智能軟件工具外還必須按照正確的實施方法才能保證項目得以成功. 商業智能項目的實施步驟可分為：

（1）需求分析: 需求分析是商業智能實施的第一步，在其他活動開展之前必須明確的定義企業對商業智能的期望和需求，包括需要分析的主題，各主題可能查看的角度（維度）； 需要發現企業那些方面的規律. 用户的需求必須明確.

（2） 數據倉庫建模：通過對企業需求的分析，建立企業數據倉庫的邏輯模型和物理模型，並規劃好系統的應用架構，將企業各類數據按照分析主題進行組織和歸類.

（3）數據抽取: 數據倉庫建立後必須將數據從業務系統中抽取到數據倉庫中，在抽取的過程中還必須將數據進行轉換，清洗，以適應分析的需要.

（4） 建立商業智能分析報表：商業智能分析報表需要專業人員按照用户制訂的格式進行開發，用户也可自行開發（開發方式簡單，快捷） .

（5） 用户培訓和數據模擬測試： 對於開發—使用分離型的商業智能系統，最終用户的使用是相當簡單的，只需要點擊操作就可針對特定的商業問題進行分析.

（6） 系統改進和完善：任何系統的實施都必須是不斷完善的. 商業智能系統更是如此，在用户使用一段時間後可能會提出更多的，更具體的要求，這時需要再按照上述步驟對系統進行重構或完善。

商業智能（BI）作為一個概念，描述與業務緊密結合，並且根據需要進行相關特性展示和數據處理的過程。

為了讓數據“活”起來，往往需要利用數據倉庫、數據挖掘、報表設計與展示、聯機在線分析（OLAP）等技術。數據或者數據源包含的種類繁多，例如存儲在關係型數據庫中的，在外圍數據文件中的，在業務流中實時產生存儲在內存中的等等。而商業智能最終能夠輔助的業務經營決策，既可以是操作層的，也可以是戰術層和戰略層的決策。

這些分析有財務管理、點擊流分析（Clickstream）、供應鏈管理、關鍵績效指標（Key Performance Indicators, KPI）、客户分析等。商業智能關注的是，從各種渠道（軟件，系統，人，等等）發掘可執行的戰略信息。商業智能用的工具有抽取（Extraction）、轉換（Transformation）和加載（Load）軟件（蒐集數據，建立標準的數據結構，然後把這些數據存在另外的數據庫中）、數據挖掘和在線分析（Online Analytical Processing，允許用户容易地從多個角度選取和察看數據）等 。

1.隨機查詢動態報表

2.掌握指標管理

3.隨時線上分析處理

4.視覺化之企業儀表版

5.協助預測規劃 ^[4] 

商業智能幫助企業的管理層進行快速，準確的決策，迅速的發現企業中的問題，提示管理人員加以解決. 但商業智能軟件系統不能代替管理人員進行決策，不能自動處理企業運行過程中遇到的問題.因此商業智能系統並不能為企業帶來直接的經濟效益，但必須看到，商業智能為企業帶來的是一種經過科學武裝的管理思維，給整個企業帶來的是決策的快速性和準確性，發現問題的及時性，以及發現那些對手未發現的潛在的知識和規律，而這些信息是企業產生經濟效益的基礎，不能快速，準確地指定決策方針等於將市場送給對手，不能及時發現業務中的潛在信息等於浪費自己的資源.比如：通過對銷售數據的分析可發現各類客户的特徵和喜歡購買商品之間的聯繫，這樣就可進行更有針對性的精確的促銷活動或向客户提供更具有個性的服務等，這都會為企業帶來直接的經濟效益.

製造業是商業智能的重要市場

Manufacturing Insights（IDC 公司附屬公司）的報告顯示，2004年亞太區（不含日本）製造業IT市場規模為137億美元，預計該市場將以 11.4% 的年複合增長率平穩增長，到2008年市場規模將達210億美元。2004年底，亞太區（不含日本）製造業IT支出共137億美元，其中離散製造佔78.6%，流程製造佔22.4%。由於市場全球化和自由化帶來了更加激烈的競爭和複雜性，亞太區（不含日本）的許多製造商繼續對IT進行投資，以提高運營效率，更好地控制不斷增長的業務成本。隨着越來越多的製造商在華建立了生產基地，降低成本並佔領巨大的國內市場，這些製造商需要對主要的IT基礎架構 、應用和服務進行投資以使其運營能夠健康平穩地發展，並獲得領先優勢。這將繼續促進中國和海外製造商的製造業IT投資。在對基礎架構投入大量資金的同時，在中國和印度這樣的新興大型市場的許多製造商將繼續對企業資源管理（決策制定提供基礎平台。

IDC的報告顯示，2004年亞太區（不含日本）商務智能（BI）工具軟件市場規模為2.332億美元，預計該市場將以12.3%的年複合增長率迅猛增長，到2009年市場規模將達4.173億美元，增長預計主要源於中國和印度日益發展的經濟。這兩國近幾年更加健康的經濟環境和不斷增多的應用系統部署為未來5年BI工具的採用打下了基礎。有關專家指出，隨着互聯網的普及，在決策支持系統基礎上發展商業智能已成為必然。隨着基於互聯網的各種信息系統在企業中的應用，企業將收集越來越多的關於客户、產品及銷售情況在內的各種信息，這些信息能幫助企業更好地預測和把握未來。所以，電子商務的發展也推動了商業智能的進一步應用。

從行業發展來看，商業智能作為業務驅動的決策支持系統，其發展是以較為完善企業的信息系統和穩定的業務系統為基礎的。商業智能未來的應用與行業內信息化的基礎狀況密切相關，以製造型企業為主，其次是流通企業，這兩個領域將是商業智能不可忽視的新市場。企業隨着信息化水平的提高，商業智能產品將會與ERP和CRM等管理軟件進一步融合，很多ERP廠商都把商業智能嵌入到相應的ERP系統內，比如SAP的ERP就嵌套了BO公司的商業智能產品，AD 也與和勤軟件進行了類似的合作。

當然，商業智能如ERP一樣，實施中存在着一定的風險，企業首先要認清自身的需求情況，在選擇合作伙伴的同時也要進行充分的瞭解。各主流廠商都有各自的優勢，比如SAS的數據挖掘、Hyperion的預算與報表合併、BO的數據分析與報告等。而商業智能產品的發展趨勢必將是整合平台基礎上的集成化應用。如何切實瞭解自身需求、選擇具有優勢的廠商產品，將是企業實施商業智能成功的關鍵。

與DSS、EIS系統相比，商業智能具有更美好的發展前景。近些年來，商業智能市場持續增長。IDC預測，到2005年，BI市場將達到118億$，平均年增長率為27%（Information Access Tools Market Forecast and Analysis: 2001-2005,IDC#24779,June 2001）。隨着企業CRM、ERP、SCM等應用系統的引入，企業不停留在事務處理過程而注重有效利用企業的數據為準確和更快的決策提供支持的需求越來越強烈，由此帶動的對商業智能的需求將是巨大的。

商業智能的發展趨勢可以歸納為以下幾點：

BI系統的範圍從為部門的特定用户服務擴展到為整個企業所有用户服務。同時，由於企業用户在職權、需求上的差異，BI系統提供廣泛的、具有針對性的功能。從簡單的數據獲取，到利用WEB和局域網、廣域網進行豐富的交互、決策信息和知識的分析和使用。

解決方案更開放、可擴展、可按用户定製，在保證核心技術的同時，提供客户化的界面

針對不同企業的獨特的需求，BI系統在提供核心技術的同時，使系統又具個性化，即在原有方案基礎上加入自己的代碼和解決方案，增強客户化的接口和擴展特性；可為企業提供基於商業智能平台的定製的工具，使系統具有更大的靈活性和使用範圍。

這是商業智能應用的一大趨勢，即在企業現有的應用系統中，如財務、人力、銷售等系統中嵌入商業智能組件，使普遍意義上的事務處理系統具有商業智能的特性。考慮BI系統的某個組件而不是整個BI系統並非一件簡單的事，比如將OLAP技術應用到某一個應用系統，一個相對完整的商業智能開發過程，如企業問題分析、方案設計、原型系統開發、系統應用等過程是不可缺少的。

增強型的商業智能功能是相對於早期的用SQL工具實現查詢的商業智能功能。前應用中的BI系統除實現傳統的BI系統功能之外，大多數已實現了圖2中數據分析層的功能。而數據挖掘、企業建模是BI系統應該加強的應用，以更好地提高系統性能。

BI軟件市場在最近幾年得到了迅速增長。在2000年，即使是經濟不景氣的一年，BI軟件市場仍然增加了22%，達到了36億美元。IDC預測，到2005年，這個市場將以27%的年平均增長率發展，屆時將會達到118億美元。在這個市場中，終端用户查詢、報告和OLAP工具佔絕對主流，達到65%。用户希望從他們的企業資源規劃（ERP）、客户關係管理（CRM）、供應鏈管理（SCM）和遺留系統中發掘他們的數據資產，因此對BI軟件的需求正在不斷增加。這些需求推廣來看，説明企業正逐漸擺脱單純依賴於軟件來處理日常事務，而是明確要利用軟件來幫助自己，依據企業數據做出更好、更快的決策。

此外，對分析應用需求的增加將持續刺激對商業智能軟件的需求。這些軟件主要用來進行復雜的預測，得出相對直接的執行報告，另外也包括以多維分析工具為基礎的客户分類應用。

正當國內企業級用户對基於世界先進商業智能技術的本地化解決方案的需求日益高漲與迫切時，IBM（中國）公司日前在北京發佈大型IBM商業智能解決方案，來自海內外技術專家的精彩演示，淋漓盡致地展示了IBM商業智能解決方案的先進技術、強大功能和完善的服務支持，為基於新一代IBM數據倉庫與智能挖掘的商業智能應用方案在國內的廣闊應用前景繪出了精彩藍圖。

作為第一個進入中國市場的完整的、本地化的商業智能解決方案，IBM商業智能解決方案的推出標誌着國內用户利用商業智能技術開展電子商務的時機更加成熟，國內企業因此能夠藉助世界最先進的信息技術，更好地瞭解客户，更有效地開展客户關係管理，進而獲得更有利的競爭優勢。

所謂商業智能（BusinessIntelligent），就是將企業中的現有數據轉化為知識的過程。企業在開展業務的同時，獲得了大量數據，來自國外的統計結果表明，全球企業的信息量平均每1．5年翻一番，而僅僅利用了全部信息數據的7%。隨着知識經濟時代的來臨，記錄客户與市場數據的信息和信息利用能力已經成為決定企業生死存亡的關鍵因素，越來越多的國內外企業已經根據信息流和數據分析技術進行企業重整，傳統的數據記錄方式無疑被更先進的商業智能技術所代替。據美國PaloAlto管理集團預測，到2001年，全球商業智能市場將達到700億美元。　在商業智能解決方案的幫助下，企業級用户可以通過充分挖掘現有的數據資源，捕獲信息、分析信息、溝通信息，發現許多過去缺乏認識或未被認識的數據關係，幫助企業管理者做出更好的商業決策，例如開拓什麼市場、吸引哪些客户、促銷何種產品等等。商業智能還能夠通過財務分析、風險管理、欺詐分析、銷售分析等過程幫助企業降低運營成本，進而獲得更高的經營效益。

根據世界權威性的IDC公司的調查結果表明，企業用於商業智能的投資回報率平均2．3年高達400%。數據倉庫是商業智能解決方案的基礎，一項來自美國MetaGroup的市場分析指出，92%的企業將在今後3年內使用數據倉庫，到2000年，全球數據倉庫的使用者就將達到1000萬，數據庫訪問因特網和企業內部網所帶來的投資回報率達68%。

要求和必須滿足任何類型的BI工具或是平台，除了自助服務和個性化的BI。移動客户端的速度將會快速的增漲，同時網頁商業標準準備用HTML5技術堆棧來支配現有的移動本地化應用程序框架。Ipads、 iphones、 androids以及各種各樣的的全球化消費化將會使得企業所有的平台，使得這個標準變成了更加複雜的任務。

根據Forrester的研究報告，企業級別上的24%已經使用了移動BI應用程序在試點項目上，37%的已經在考慮z在未來採用。要求所有的BI工具需要支持可用的移動平台來保持競爭力，因為人們不會放棄ipads對於來自的PC風格的簡單工作方式，尤其是在操作和執行層面上。

世界領先級的Forrester諮詢公司也提到了了2012年的另一個預測，在近幾年圖表依然排在前十之內，每個企業不會致力於一個或是所有的BI工具。將會朝更加靈活的框架發展，這裏的靈活是使用很多的BI工具，而不是一個使用一個固定的使用平台。更加重要的是，很多的企業意識到整個和幾種現有的BI工具已經不再是一個全球化的解決方案，所以説這種趨勢將會持續到2013年。

第三點：自助分析服務依然是優先的BI工具以及特殊的報表工具 ^[11] 

在2012以及2013年，自助分析將會依然是一種趨勢。在過去的幾年中，大型企業的IT部門看好即將到來的商業需求，將不會支持手動。工作人員經常要求信息以一種即時和隨機應變的方式來更有效的支持商業決策。在這種情況下，BI廠商需要保持平衡的自助服務功能，來允許信息工作者構建和發佈他們自己的BI應用程序，同時允許IT部門來控制完整的使用平台。

經過幾年的積累，大部分中大型的企事業單位已經建立了比較完善的CRM、ERP、OA等基礎信息化系統。這些系統的統一特點都是：通過業務人員或者用户的操作，最終對數據庫進行增加、修改、刪除等操作。上述系統可統一稱為OLTP(Online Transaction Process，在線事務處理），指的就是系統運行了一段時間以後，必然幫助企事業單位收集大量的歷史數據。但是，在數據庫中分散、獨立存在的大量數據對於業務人員來説，只是一些無法看懂的天書。業務人員所需要的是信息，是他們能夠看懂、理解並從中受益的抽象信息。此時，如何把數據轉化為信息，使得業務人員（包括管理者）能夠充分掌握、利用這些信息，並且輔助決策，就是商業智能主要解決的問題。

如何把數據庫中存在的數據轉變為業務人員需要的信息?大部分的答案是報表系統。簡單説，報表系統已經可以稱作是BI了，它是BI的低端實現。

國外的企業，大部分已經進入了中端BI，叫做數據分析。有一些企業已經開始進入高端BI，叫做數據挖掘。而中國的企業，大部分還停留在報表階段。

傳統的報表系統技術上已經相當成熟，大家熟悉的Excel、水晶報表、FineReport、Reporting Service等都已經被廣泛使用。但是，隨着數據的增多，需求的提高，傳統報表系統面臨的挑戰也越來越多。

密密麻麻的表格堆砌了大量數據，到底有多少業務人員仔細看每一個數據?到底這些數據代表了什麼信息、什麼趨勢?級別越高的領導，越需要簡明的信息。如果我是董事長，我可能只需要一句話：我們的情況是好、中還是差

定製好的報表過於死板。例如，我們可以在一張表中列出不同地區、不同產品的銷量，另一張表中列出不同地區、不同年齡段顧客的銷量。但是，這兩張表無法回答諸如“華北地區中青年顧客購買數碼相機類型產品的情況”等問題。業務問題經常需要多個角度的交互分析。

報表系統列出的往往是表面上的數據信息，但是海量數據深處潛在含有哪些規則呢?什麼客户對我們價值最大，產品之間相互關聯的程度如何?越是深層的規則，對於決策支持的價值越大，但是，也越難挖掘出來。

業務系統很多，數據存在於不同地方。太舊的數據（例如以前的數據）往往被業務系統備份出去，導致宏觀分析、長期歷史分析難度很大。

因此，隨着時代的發展，傳統報表系統已經不能滿足日益增長的業務需求了，企業期待着新的技術。數據分析和數據挖掘的時代正在來臨。值得注意的是，數據分析和數據挖掘系統的目的是帶給我們更多的決策支持價值，並不是取代數據報表。報表系統依然有其不可取代的優勢，並且將會長期與數據分析、挖掘系統一起並存下去。

如果説OLTP側重於對數據庫進行增加、修改、刪除等日常事務操作，OLAP(Online Analytics Process，在線分析系統）則側重於針對宏觀問題，全面分析數據，獲得有價值的信息。

為了達到OLAP的目的，傳統的關係型數據庫已經不夠了，需要一種新的技術叫做多維數據庫。

多維數據庫的概念並不複雜。舉一個例子，我們想描述2003年4月份可樂在北部地區銷售額10萬元時，牽扯到幾個角度：時間、產品、地區。這些叫做維度。至於銷售額，叫做度量值。當然，還有成本、利潤等。

除了時間、產品和地區，我們還可以有很多維度，例如客户的性別、職業、銷售部門、促銷方式等等。實際上，使用中的多維數據庫可能是一個8維或者15維的立方體。

雖然結構上15維的立方體很複雜，但是概念上非常簡單。

數據分析系統的總體架構分為四個部分：源系統、數據倉庫、多維數據庫、客户端。

·源系統：包括現有的所有OLTP系統，搭建BI系統並不需要更改現有系統。

·數據倉庫：數據大集中，通過數據抽取，把數據從源系統源源不斷地抽取出來，可能每天一次，或者每3個小時一次，當然是自動的。數據倉庫依然建立在關係型數據庫上，往往符合叫做“星型結構”的模型。

·多維數據庫：數據倉庫的數據經過多維建模，形成了立方體結構。每一個立方體描述了一個業務主題，例如銷售、庫存或者財務。

·客户端：好的客户端軟件可以把多維立方體中的信息豐富多彩地展現給用户。

數據分析案例：

在實際的案例中，我們利用Oracle 9i搭建了數據倉庫，Microsoft Analysis Service 2000搭建了多維數據庫，ProClarity 6.0 作為客户端分析軟件。

分解樹好像一個組織圖。分解樹在回答以下問題時很有效：

·在指定的產品組內，哪種產品有最高的銷售額

·在特定的產品種類內，各種產品間的銷售額分佈如何

·哪個銷售人員完成了最高百分比的銷售額

數據挖掘看穿你的需求

廣義上説，任何從數據庫中挖掘信息的過程都叫做數據挖掘。從這點看來，數據挖掘就是BI。但從技術術語上説，數據挖掘（Data Mining）特指的是：源數據經過清洗和轉換等成為適合於挖掘的數據集。數據挖掘在這種具有固定形式的數據集上完成知識的提煉，最後以合適的知識模式用於進一步分析決策工作。從這種狹義的觀點上，我們可以定義：數據挖掘是從特定形式的數據集中提煉知識的過程。數據挖掘往往針對特定的數據、特定的問題，選擇一種或者多種挖掘算法，找到數據下面隱藏的規律，這些規律往往被用來預測、支持決策。

關聯銷售案例：

美國的超市有這樣的系統：當你採購了一車商品結賬時，售貨員小姐掃描完了你的產品後，計算機上會顯示出一些信息，然後售貨員會友好地問你：我們有一種一次性紙杯正在促銷，位於F6貨架上，您要購買嗎

這句話決不是一般的促銷。因為計算機系統早就算好了，如果你的購物車中有餐巾紙、大瓶可樂和沙拉，則86%的可能性你要買一次性紙杯。結果是，你説，啊，謝謝你，我剛才一直沒找到紙杯。

這不是什麼神奇的科學算命，而是利用數據挖掘中的關聯規則算法實現的系統。

每天，新的銷售數據會進入挖掘模型，與過去N天的歷史數據一起，被挖掘模型處理，得到當前最有價值的關聯規則。同樣的算法，分析網上書店的銷售業績，計算機可以發現產品之間的關聯以及關聯的強弱。

數據報表、數據分析、數據挖掘是BI的三個層面。我們相信未來幾年的趨勢是：越來越多的企業在數據報表的基礎上，會進入數據分析與數據挖掘的領域。商業智能所帶來的決策支持功能，會給我們帶來越來越明顯的效益。

國內市場主要商業智能軟件廠商有：國雲數據（大數據魔鏡）、IBM Cognos ^[5]  、Informatica、Power-BI、ORACLE（甲骨文）、SAP Business Objects、Arcplan（阿普蘭）、Microstrategy （微策略）、SAS、Sybase、Analyzer、思邁特Smartbi、金蝶、用友華表 ^[6]  、久其、帆軟FineBI商業智能軟件、思達商業智能平台 Style Intelligence ^[3]  、微軟、和勤、上海澤信(醫院BI)、畢盛商業智能（BizSmart BI） ^[7]  、QlikView ^[8]  、潤乾、GrapeCity ^[9]  、DataEase ^[12]  、永洪科技等。

其中，與選軟件網合作在線試用的廠商有：新中大、金算盤、奧威智動、科脈、一汽啓明、浪潮、百勝、大掌櫃等。

IBM提供了全面的商業智能解決方案，包括前端工具、在線分析處理工具、數據挖掘工具、企業數據倉庫、數據倉庫管理器和數據預處理工具等。結合行業用户的業務需要，IBM還向用户提供面向政府、電力、金融、電信、石油、醫療行業的商業智能解決方案。

IBM Cognos商業智能解決方案基於已經驗證的技術平台而構建的，旨在針對最廣泛的部署進行無縫升級和經濟有效的擴展，能滿足各類型用户的不同信息需求。Cognos10擴展了傳統商業智能的功能領域，通過規劃、場景建模、實時監控和預測性分析提供革命性的用户體驗。該軟件已將報表、分析、積分卡和儀表板彙集在一起，並支持用户在微軟Office等桌面應用程序中分發商業智能數據，以及向移動智能終端（例如iPhone、iPad、安卓手機、BlackBerry等）交付相關信息。

商業智能工具能幫助您分析業務流程，找出需要改進之處，並迅速根據條件的更改做出調整。Microsoft Dynamics CRM ^[10]  能夠提供可視化工具和報告，幫助您根據所瞭解的情況採取行動。

在整個企業和供應鏈範圍內採集信息，並在集中統一的位置進行編輯；

使用直觀易用的儀表板實時查看重要的績效指標；

將 CRM 功能映射到特定模型上，如精益生產和準時制 (JIT)庫存策略；

將MicrosoftDynamics CRM 解決方案與ERP、車間控制、存貨、財務及銷售訂單處理等用户現有的系統進行整合；

提供關於客户報價、訂單以及服務查詢的實時更新。

arcplan--世界領先的純第三方專業商業智能分析軟件提供商

arcplan是分析型報表和信息編輯技術開創者；以業界最好的前端展現和集成的分析，最突出的儀表盤駕駛艙、地圖鑽取分析，以面向對象的最方便簡捷的“信息編輯器”著稱，是全球最為專業的純第三方BI軟件平台。

« 最新一期BI Survey再次將全球針對SAP BW 與Cognos TM1的最佳第三方BI前端展現工具稱號授予arcplan

« 用户商業目標成功率：arcplan 名列榜首

« arcplan 同時憑藉其所擁有的對於眾多數據源的API接口廣受好評。

Microstrategy（微策略）商業智能

Microstrategy 一直是GartnerMagicQuadrant評鑑中列為領先的前五大BI工具和服務廠家。主要在以下各方面獲得客户高度的肯定 ：

a) 企業級BI : 適合企業級的BI運用, 基於數據倉庫理論的概念而設計，擁有很高的運行效能，能支持大的客户數據量。美國最大的數據倉庫公司也選擇MSTR做為其戰略伙伴，可見其處理大數據量的能力。

b) 年度最佳移動BI ：支持移動終端如Ipad 和Iphone. 可以讓客户靈活的自己設計需要的儀表盤，輕鬆做好管理駕駛艙的項目，是這個領域的最佳BI廠家。

c) 重視用户的體驗 ：能保證開發人員的效率和生產力, 主要是因為參數化的報表開發範例和麪向對象的開發環境。

d) 開放獨立的平台 : 全部產品自行研發, 有機成長, 持續的從客户體驗角度做改善, 兼顧整合性、易用性、靈活性和彈性的特點。

e) 最強的多維分析 : 強大的Olap分析能力,　擁有世界最強最快的Olap分析引擎，能與自行開發的Dashboard產品完美整合使用。

f) OEM支持：完整的SDK支持，提供超過4000個API接口，許多ISV或SI 在項目中，以MSTR作為中間件，為應用作最佳的組合和搭配。

g) 良好的產品售後服務和技術支持能力。

在IDC公佈的2019上半年國內BI市場佔比的數據中，帆軟的市場佔有率為14.9% ^[1]  。帆軟的人數已經突破了1000人大關，來到了1050人。其中，98%的人都是90後 ^[1]  。帆軟的付費企業客户已經突破了10000家 ^[1]  。

帆軟的生態體系涉及夥伴生態、用户生態、客户生態、交付生態這四個模塊，而每個模塊又根據出發點不同而自成體系。以用户生態為例，帆軟目前有4個平台一共積累了30萬用户，光一個社區平台就積累了20萬鐵粉。同時生態體系還支持用户利用幫助文檔和在線講堂學習各種技術問題，用户學成後還可以去考帆軟認證的工程師證書，並利用證書去獲得帆軟配套提供的工作機會 ^[1]  。

在商業智能工具的組合上，帆軟推出了兩款核心產品：FineReport + FineBI。

帆軟的商業智能產品組合正滿足了"雙模IT"下的BI分析需求：

1、FineReport 專注於固定式數據展現，主要面向IT人員，幫助企業快速構建報表平台，服務於企業日常管理，快速響應管理需求。

2、FineBI則專注於探索式的數據分析，主要面向業務人員或數據分析師，幫助他們開展以問題為導向的數據探索 ^[1]  。