文|帆軟數(shù)據(jù)應(yīng)用研究院
互聯(lián)網(wǎng)時代信息技術(shù)的飛速發(fā)展使得企業(yè)的信息化程度不斷提高，企業(yè)數(shù)據(jù)呈現(xiàn)出爆發(fā)式增長的態(tài)勢。相應(yīng)地，企業(yè)數(shù)據(jù)量越大，數(shù)據(jù)問題就暴露得越明顯，數(shù)據(jù)驅(qū)動決策的需求也愈發(fā)強(qiáng)烈。
在這樣的時代背景下，商業(yè)智能（Business Intelligence，簡稱BI）成為了信息化熱詞，我們經(jīng)常能聽到企業(yè)說“上BI”、“建設(shè)BI系統(tǒng)”、“構(gòu)建BI決策平臺”等內(nèi)容。那么BI到底是什么呢？
相信除了相關(guān)的研究學(xué)者，絕大部分的人很難給出一個確定的答案。其實(shí)早在1958年，IBM的研究員Hans Peter Luhn就將“智能”定義為“對事物相互關(guān)系的一種理解能力，并依靠這種能力去指導(dǎo)決策，以達(dá)到預(yù)期的目標(biāo)。”
在1996年，加特納（Gartner）集團(tuán)一錘定音，正式將商業(yè)智能定義為：商業(yè)智能描述了一系列的概念和方法，通過應(yīng)用基于事實(shí)的支持系統(tǒng)來輔助商業(yè)決策的制定。而我們之所以無法給出準(zhǔn)確的商業(yè)智能定義，主要有兩個方面的原因：
因此，業(yè)內(nèi)對BI沒有統(tǒng)一的定義認(rèn)知也在情理之中。那么對于今天的商業(yè)智能，大眾有著怎樣的理解和認(rèn)知呢。圍繞這一疑問，帆軟數(shù)據(jù)應(yīng)用研究院對770多家企業(yè)的1400多名從業(yè)人員進(jìn)行了調(diào)研。通過對調(diào)研數(shù)據(jù)的整理、清洗和分析，我們發(fā)現(xiàn)了一些有價值的結(jié)論，下面將對分析過程和結(jié)論進(jìn)行詳細(xì)的介紹。
首先我們利用python對調(diào)研得到的數(shù)據(jù)進(jìn)行了整理和清洗，去除掉臟數(shù)據(jù)后，最終得到了890條數(shù)據(jù)。接著，我們根據(jù)被調(diào)研人員職位的不同，將被調(diào)研人員分為IT部門從業(yè)人員和業(yè)務(wù)部門從業(yè)人員兩類，并打上數(shù)據(jù)標(biāo)簽。
最后，我們通過python的分詞庫jieba和詞云庫wordloud生成了三幅被調(diào)研者對BI定義認(rèn)知的詞云圖，即整體認(rèn)知、IT部門從業(yè)人員認(rèn)知和業(yè)務(wù)部門從業(yè)人員認(rèn)知，分別如圖1、圖2和圖3所示。
（1）整體認(rèn)知
圖1 整體認(rèn)知
在圖1中可以看到，被調(diào)研人員對BI定義的整體認(rèn)知可以理解為“數(shù)據(jù)”、“分析”、“數(shù)據(jù)分析”、“報(bào)表”、“業(yè)務(wù)”、“企業(yè)”、“決策”、“智能”、“工具”、“展示”、“可視化”等關(guān)鍵詞。
首先，關(guān)鍵詞“企業(yè)”、“決策”和“工具”說明大眾對于BI的作用和目的有著比較準(zhǔn)確的理解，就是輔助企業(yè)決策的工具。
其次，“數(shù)據(jù)”、“分析”、“數(shù)據(jù)分析”等關(guān)鍵詞則體現(xiàn)了大眾對BI認(rèn)知的側(cè)重點(diǎn)在于數(shù)據(jù)分析這一功能上，甚至將BI等同于數(shù)據(jù)分析工具。其實(shí)BI還包含了數(shù)據(jù)倉庫、數(shù)據(jù)ETL等功能，覆蓋了數(shù)據(jù)處理到展示的整個流程。而且底層的數(shù)據(jù)倉庫建設(shè)也非常重要，能為后續(xù)的數(shù)據(jù)分析提供強(qiáng)有力的支持，能讓數(shù)據(jù)分析結(jié)果更為準(zhǔn)確。
另外，關(guān)鍵詞“展示”和“可視化”也揭示了BI的另一項(xiàng)重要功能，即數(shù)據(jù)可視化。通過數(shù)據(jù)可視化將數(shù)據(jù)分析結(jié)果以更直觀明了的方式進(jìn)行展示，能為決策者提供更清晰更深入的見解。
最后，一個比較獨(dú)特的關(guān)鍵詞“報(bào)表”也從某種程度上反映了我國的BI建設(shè)現(xiàn)狀。按照BI的定義，報(bào)表工具也是BI的一部分，不過并不能完全代表BI。但是我國企業(yè)信息化水平整體偏低，很多企業(yè)的決策支撐仍然以報(bào)表為主，所以報(bào)表也是BI在我國企業(yè)內(nèi)的一個主要表現(xiàn)形式。
（2）IT部門&業(yè)務(wù)部門從業(yè)人員認(rèn)知
圖2 IT部門從業(yè)人員認(rèn)知
圖3 業(yè)務(wù)部門從業(yè)人員認(rèn)知
被調(diào)研人員中，IT部門和業(yè)務(wù)部門從業(yè)人員對BI定義認(rèn)知的關(guān)鍵詞與整體認(rèn)知類似，核心都是“數(shù)據(jù)”、“決策”和“數(shù)據(jù)分析”，這里我們主要來看這二者之間的差異。
第一，從詞云圖中關(guān)鍵詞的大小來看，IT部門從業(yè)人員對BI的認(rèn)知更為統(tǒng)一，業(yè)務(wù)部門從業(yè)人員則較為分散。這一結(jié)果也和業(yè)務(wù)部門的多樣性有關(guān)，不同業(yè)務(wù)部門的人員有著不同的理解。
第二，IT部門重技術(shù)，業(yè)務(wù)部門重價值。IT部門從業(yè)人員認(rèn)知詞云圖中，出現(xiàn)了“技術(shù)”、“挖掘”、“應(yīng)用”等詞，并且“智能”一詞并沒有和“商業(yè)智能”捆綁在一起，而是作為單獨(dú)的關(guān)鍵詞出現(xiàn)的。在業(yè)務(wù)部門從業(yè)人員認(rèn)知詞云圖中，“價值”、“可視化”、“整合”等關(guān)鍵詞是IT部門從業(yè)人員認(rèn)知圖中出現(xiàn)較少的。所以說IT部門更傾向于將BI定義為技術(shù)，而業(yè)務(wù)部門則更注重商業(yè)價值。
第三，IT部門從業(yè)人員認(rèn)知詞云圖中出現(xiàn)了關(guān)鍵詞“暫無”，這說明有一小部分的IT從業(yè)人員對BI的定義沒有明確的理解和認(rèn)知，或者企業(yè)并沒有進(jìn)入BI系統(tǒng)建設(shè)階段，因此IT人員沒有深入接觸過BI。
第四，IT部門和業(yè)務(wù)部門從業(yè)人員認(rèn)知詞云圖中都提到了“數(shù)據(jù)挖掘”，不過出現(xiàn)的次數(shù)都非常少。數(shù)據(jù)挖掘作為更深入的數(shù)據(jù)分析方法，在面對大量數(shù)據(jù)時，能提供更具洞察力的見解，也是BI的一項(xiàng)重要功能。然而就當(dāng)前國內(nèi)情況來看，數(shù)據(jù)挖掘仍處于泡沫和技術(shù)炒作階段，并沒有得到實(shí)質(zhì)的應(yīng)用。但是不可否認(rèn)，數(shù)據(jù)挖掘是未來的一個主要趨勢。
最后，值得注意的是，業(yè)務(wù)部門從業(yè)人員認(rèn)知詞云圖中，出現(xiàn)了“帆軟”一詞。作為國內(nèi)專業(yè)的大數(shù)據(jù)BI和分析平臺提供商，帆軟專注商業(yè)智能和數(shù)據(jù)分析領(lǐng)域，致力于為全球企業(yè)提供一站式商業(yè)智能解決方案。帆軟推出的商業(yè)智能產(chǎn)品FineBI的一個核心優(yōu)勢就是業(yè)務(wù)人員自助分析，所以業(yè)務(wù)人員接觸的較多，說起B(yǎng)I也就很自然地想到帆軟了。
以上分析結(jié)論可以總結(jié)為兩點(diǎn)：
根據(jù)大眾認(rèn)知調(diào)研結(jié)果和分析結(jié)論，結(jié)合現(xiàn)有的BI定義，我們可以來重新定義商業(yè)智能：
商業(yè)智能（BI）是利用技術(shù)手段或方法，將數(shù)據(jù)轉(zhuǎn)化為知識，用以支撐企業(yè)決策、發(fā)掘商業(yè)價值的一套解決方案。以數(shù)據(jù)為中心，BI的核心功能主要有數(shù)據(jù)倉庫、數(shù)據(jù)ETL、數(shù)據(jù)分析、數(shù)據(jù)挖掘和數(shù)據(jù)可視化。
調(diào)研表明大眾對BI的理解集中在數(shù)據(jù)分析和數(shù)據(jù)可視化層面，因此，報(bào)表制作與展示和業(yè)務(wù)人員自助分析是BI在國內(nèi)企業(yè)中的兩大主要應(yīng)用場景。而數(shù)據(jù)挖掘只能說是未來的一個趨勢，目前對國內(nèi)企業(yè)來說仍是泡沫。
那么中國企業(yè)需要做的，便是重視底層數(shù)據(jù)倉庫的建設(shè)，逐步提升數(shù)據(jù)分析和可視化的水平，向更深層次過渡，從而構(gòu)建完整的BI體系，讓數(shù)據(jù)成為生產(chǎn)力，產(chǎn)出更大的價值。
