前言：想要寫出一篇令人眼前一亮的文章嗎？我們特意為您整理了5篇商業智能的bi時代范文，相信會為您的寫作帶來幫助，發現更多的寫作思路和靈感。

商業智能的bi時代范文第1篇

關鍵詞：大數據；BI；發展

中圖分類號：TP311.13 文獻標識碼：A 文章編號：1674-7712 （2014） 12-0000-01

近些年大數據（big data）一詞被提及的頻率越來越高。原本只是用來形容海量信息的含義，在信息時代又賦予了它新的含義-新信息時代的風向標。

如今是信息爆炸的時代，數據正在迅速膨脹變大，原本傳統電信金融行業是信息產生的大戶，隨著互聯網行業的異軍突起，立刻成為了大數據軍團中的絕對主力。互聯網公司在日常運營中生成、累積的用戶網絡行為數據。這些數據的規模是如此龐大，以至于不能用G或T來衡量。

隨著越來越多的行業對數據越來越重視，帶來了BI的巨大市場商機和快速發展。隨著大數據的興起，IBM、Oracle、SAP、微軟等廠商像是尋到了新的金礦，開始極力推崇大數據理念。于是眾廠商蜂擁而至，搶奪大數據市場，以SAP的HANA和ORACLE的Exalytitcs為代表。也有部分推BI的廠商還達不到大數據的層次，固守在報表分析的陣地上。

大數據具有4個特征（4V）：

（一）數據量大（Volume）

第一個特征是數據量大。大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）。

（二）類型繁多（Variety）

第二個特征是數據類型繁多。包括網絡日志、音頻、視頻、圖片、地理位置信息等等，多類型的數據對數據的處理能力提出了更高的要求。

（三）價值密度低（Value）

第三個特征是數據價值密度相對較低。如隨著物聯網的廣泛應用，信息感知無處不在，信息海量，但價值密度較低，如何通過強大的機器算法更迅速地完成數據的價值“提純”，是大數據時代亟待解決的難題。

（四）速度快時效高（Velocity）

第四個特征是處理速度快，時效性要求高。這是大數據區分于傳統數據挖掘最顯著的特征。

基于大數據以上特性，對于傳統BI來說是一個重大的挑戰和沖擊。

以RTB（實時競價廣告）模式為例，這種面向網民的廣告實時推送方式需呀以毫秒級的速度分析海量數據，進而實現互聯網廣告的精準推送。RTB模式主要需解決“人的認知”和“價值幾何”，前者需要對每個用戶實施消費行為進行分析，意味著需要解讀萬億量級的數據；后者則需依托復雜算法計算ROI（投資回報率），告訴決策并顯現交易結果，而每筆競價只有50毫秒乃至更少的決策時間。收納并瞬間解構如此龐大的數據，也只有大數據工具才能做到。

傳統BI采集的數據主要來自于ERP、CRM等，具有格式化的數據，而大數據采集的數據種類則多種多樣，既有結構化的數據，更多的是非結構化的數據。這就要求數據處理技術在分析、算法上相對傳統BI來說有極大的改變，已經無法依賴傳統的BI工具。類似RTB這類新興商業模式不斷涌現，對于營銷反應速度提出極高的要求，傳統BI能支持小時級的決策已經很了不起了，無法應對如此幾乎是實時決策分析的要求，處理如此海量的數據分析及計算。數量和速度就是大數據帶給傳統BI的挑戰。

大數據和BI都需要構建數據倉庫、分析系統，再進行數據挖掘、實現數據呈現，運用機理和技術結構其實是一致的。與BI不同，大數據處理的數據是雜亂的、非結構化的數據，因此大數據有它獨特的數據分析工具，其建模也要比BI復雜得多，數據呈現方式也不僅僅是報表方式。從這方面來看大數據能力要比傳統BI強大得多。幾年前還只有大型網絡公司應用大數據技術，而如今，零售業、銀行業、公共事業、智能社區等領域，幾乎所有擁有海量數據的企業都在使用或開始嘗試使用大數據技術，這些技術在部分項目中也起到了關鍵的作用，這些將擠壓傳統bi工具的生存空間。

大數據的出現對BI行業來說是一個挑戰也是巨大的商機。也正是大數據的出現促進了BI加速發展，不斷升級。

大數據分析缺乏成熟的實踐經驗，其方式方法與傳統的數據倉庫與BI系統有著一定的區別。在實施大數據分析項目之前，企業不僅應該知道使用何種技術，還應該知道在什么時候、什么地方使用。各數據之間有哪些關聯性？哪個數據是可信的？如何從海量的數據中挖掘出有價值的、易用的客戶信息？

要回答這些問題，企業需要一個單一、完整、可信的客戶數據視圖，而創建一個單一、完整、可信的客戶數據視圖，數據集成是關鍵。沒有集成的數據，其商業價值為零。數據集成讓組織機構能夠將傳統的交易數據與全新的交互數據組合起來，從而獲得在其他情況下無法達成的洞察力和價值。

在大數據概念面世之前，商業智能（BI）幾乎是我們進入‘智慧世界’的不二選擇，然而，價格不菲的數據庫、數據倉庫、ETL等工具共同構筑的高門檻擋住了很多企業一探究竟的腳步，而數據規模爆炸式的增長更是加高了這個門檻，讓很多企業對于獲取‘智慧’的投入成本望而怯步。

盡管隨著技術不斷進步，商業智能日益平民化，如今基于EXCL表也能在一定程度上實現傳統商業智能的部分功能。但是商業智能最經典的架構還是基于數據倉庫為基礎，利用ETL工具進行數據抽取、轉化、建模，然后通過報表等形式展現結果。整個過程每個環節都投資不菲且耗時，因此很長時間以來，商業智能被認為大企業的專有。相對而言，大數據主要用于互聯網企業，采用通用硬件設備加上開源軟件實現，成本相對低廉得多。入門門檻低，也是大數據能夠迅速興起的重要原因。

隨著互聯網技術的發展，未來的大數據時代，一定是各種信息呈現規模快速增長的狀態，如何更快獲取有用的信息是關鍵，智能分析工具會變得越來越重要，可以凌駕于多個管理系統、數據庫之上，如何通過更靈活、可控的BI工具，真正挖掘出大數據時代的價值，是大數據和BI面臨的共同挑戰。

參考文獻：

商業智能的bi時代范文第2篇

后ERP建設時代，信息化的核心數據將在商業智能技術的支持下變為企業的“信息資產”，成為企業發展的無形牽引力。

經過前三期對商業智能領域從技術到應用直至產業鏈的梳理，現在到了預測的時候了，本期我們邀請了IBM、甲骨文、SAP、Teradata等四家商業智能廠商為讀者預測未來商業智能的走勢和應用場景。

最后，筆者建議2010年，對于想實施或正在關注商業智能的CIO朋友，一定要先給自己的IT系統做好“體檢”工作，看看自己的IT系統數據收集完善情況、數據質量情況、數據統一口徑情況、數據集成情況、數據集中情況。把這些前置環節夯實了，商業智能項目將能很快顯現出它的威力。

預測1

在IBM看來，業務分析作為商業智能的一個部分，未來更具發展潛力。

商業智能解決的是：現在狀況怎樣，哪些數據在什么位置，人為地去判斷下一步應該作什么新計劃，而業務分析的出現則更加強調數據到信息的轉變，它解決了為什么業務是這樣的情況，如果業務繼續下去，會出現什么狀況；通過建模了解最好的可能性是什么等等業務人員真正需要關心的實質問題。

IDC公司的中國商業分析軟件市場2009-2013年預測與分析報告指出：2009年商業分析市場收入將達2.8億美元，在2013年達到4.3億美元，五年的復合年均增長率(CAGR)為10.2％，IDC中國同時指出，相對于彼此孤立的商業智能軟件，企業更需要一個綜合性的業務分析解決方案。

近日，IBM為了夯實業務分析戰略的落地，了兩大新工作負載優化系統――IBM pureScaie應用系統和智慧分析系統。

IBM pureScale應用系統和智慧分析系統均是軟硬件結合的解決方案，從微處理器到硬件、軟件等各個級別均進行了集成，非常適合實時分析大量數據以及處理數據密集型交易，其速度是市場上同類產品的20倍。這兩大工作負載優化系統將成為IBM業務分析(Business Analytics)戰略的重要支撐手段。

IBM軟件集團全球信息管理軟件開發副總裁Martin J，Wildberger先生最近和記者分享了商業智能未來的四大發展趨勢。首先是可預測性，其次是實時性，再次是大規模的并行處理能力，最后是大眾化。

以大規模的并行處理能力為例，要讓BI真正能在海量的信息中，找出有價值的信息，并且提取出有用的數據進行處理，強大的并行處理能力必不可少，這是此次IBM軟硬件結合解決方案的原因，這是用戶進行大量實時、可預測分析的基石。

小故事

很久很久以前，在一個名叫阿漿克小鎮的地方，住著善良的面包店老板一家人。面包店老板名叫薩姆先生，每天，他都早早地打開店門，擺上自己剛做好的新鮮面包等待顧客上門。

但是，鎮上開了一家大型的面包房，各種美味的蛋糕和面包在大大的玻璃罩子下顯得十分誘人。小鎮的顧客開始光顧大型面包房，漸漸遺忘了薩姆先生的小面包店。

傳說中有一個仙女看到了薩姆的難處，派了三兄弟讓面包店起死回生。

第一個男孩把每個曾經光臨過面包店的顧客信息記錄下來。并且把凡是經過面包店門口顧客的名字、性別、愛好、習慣等等信息也有記錄。第二個男孩把前一天記錄下的顧客信息篩選一遍，最后留在紙上的是其中的精華。第三個男孩記錄的顧客的每次購買的面包種類、數量和光臨的時間等等都蘊藏著他們的需求，將這些需求總結出來，薩姆的面包才能越賣越好。不過，識別出這些需求需要大量的數據篩選、運算以及多維度的分析才可以。

后來，薩姆先生的小店以復古風格裝飾一新，將“傳統手藝打造的‘畢滋努斯’”作為招牌產品，此外還針對阿蒙克小鎮居民的口味偏好生產出當地才有的口味的面包。而且，針對不同職業的人群，薩姆先生還準備了特別的套餐和優惠活動，店里的生意熱鬧無比。人們好奇地問薩姆先生成功的秘訣，薩姆先生總是笑著說：“全靠阿蒙克小鎮的三兄弟呀!”

童話里的第一個男孩是數據庫的象征。數據庫的職責就是忠實地記錄各種信息，并把它們妥善地儲存好。數據是企業獲得業務分析能力的基礎。第二個男孩則代表了生產“可靠數據”的軟件，如數據倉庫等等，通過ETL將有價值的、準確的信息留下，箅去不重要的、失真的信息。第三個男孩則代表了企業具有的商業智能和業務分析能力，基于之前的信息，以多維度的分析來得出結論，推動商業決策的進行。

預測2

大型的軟件公司已經預測到將來的5到10年時間，商業智能將是軟件領域的一大增長點，對于商業智能的未來，甲骨文認為有趨勢。

1、方案集成度不斷提高。對于商業智能的用戶來言，高集成度的方案將大大降低過往高昂且費時的系統集成工作，并能保障快速的系統部署。

2、預置分析內容，并集成企業績效管理的應用將成為主流。用戶將能直接獲取到已經預置了分析內容和指標的應用型商業智能解決方案，并集成了企業績效管理應用，給企業決策、管理和運營提供從目標設定、計劃配置、運營監控、信息分析到完善目標的閉環過程。

3、操作型商業智能要求普適化商業智能功能。

各大廠商已經預測到商業智能系統將走下神壇，BI用戶群也會相應地從現在的后臺管理決策層向前端業務操作型用戶延伸。

4、高級交互式分析將是又一熱點。新一輪的高級分析需求已經在不同行業悄然升溫。在將來的商業智能平臺中，預測、分攤、假設模擬、數據挖掘等技術將成為又一輪的技術投資方向。

5、可視化技術進一步發展。對于數據的可視化將是新一個商業智能系統的又一趨勢。越來越多的用戶不再滿足于傳統的圖像展現和交互式的圖像展現。

6、智能化業務系統和商業智能平臺的界限越來越模糊。越來越多的軟件廠商和用戶系統都在不斷嘗試將商業智能應用和業務系統緊密集成在一起，從而提供用戶從業務操作到業務分析再返回指導業務操作的自動化平臺。

7、數據采集質量越來越高，數量越來越大。

隨著RFID、移動互聯網技術的普遍應用，未來商業智能系統所能獲取到的數據量和數據準確性將產生質的變化。

8、實時數據獲取和整理。由于BI應用將向操作型發展的特點，也導致了用戶對BI應用的實時性需求。

小場景

Z服裝店試衣間琳達

2010年春季新款上市，Z服裝門店已經是人頭攢動，很多顧客都在店中挑選自己喜歡的服裝，同時試衣問也排起了長隊。在焦急等待10分鐘后，琳達終于如愿進入了了試衣間。有趣的是試衣間里面的液晶屏幕吸引了她的注意。上面羅列的正是她精心 挑選的幾件服裝。這時她才注意到每件衣服上都已經配置了IIFID標簽。更令她興奮的是，屏幕上還顯示了她所選擇的衣服所推薦的上裝，飾品以及它們的價格。琳達順利完成了試裝同時還多選購了相搭配的上裝。近來每天這樣的場景都會在z服裝店發生，Z公司IT商務智能推廣部門的負責人金總是看在眼里，美在心里。通過消費者行為數據的實時采集，數據倉庫和商務智能系統的實時比對和分析。現在z服裝店已經能第一時間的給他們的客戶提供交叉銷售的專業意見。在成功上線集成FZFID技術的商務智能試衣推薦系統后的1個月，Z服裝門店的月銷售量同比上漲了18％。貨架周轉率也提高了14％。

航空公司分析部門　李　琳

綠島火山又有異動了，讓UM航空公司定價部門的李琳緊張起來。去年冰島火山事件讓公司損失了一大筆業績。而因延誤造成的航班定價變化又沒有及時跟上，讓公司又錯失了提高利潤的機會。不過此次李琳已經是有備而來，去年事件后，公司馬上組織了突發事件定價方案，在IT系統上部署了預測分析引擎。并且將之前由于特殊氣象等原因帶來的銷售定價和市場反應信息都輸入了系統。此時李琳面前的屏幕上已經顯示出可能出現的幾種定價挑戰方案。李琳快速的鍵入了幾個她認為可行的假設定價方案，在系統中配置了不同的定價策略參數，基于預測算法系統模擬出了這些定價方案會帶來的成本變化，市場反應，并立即計算出了每一種定價策略會帶來的最終利潤情況。最終的結果讓李琳松了一口氣。

預測3

最近商業智能的概念從技術到應用都發生了巨大的變化，從商業智能到商業分析，再到企業績效管理，再到企業績效優化。那么商業智能的發展從技術上和應用上的趨勢如何呢? 　在技術層面上： 　1、實時商業智能。為了實現實時商業智能，自然就需要將原來的ETL工具進行改造，也就形成了新的EII(企業信息整合)技術，來實現實時數據抽取，和原來的ETL工具配合，共同使用。

2、移動商業智能。將原來人們依賴于電腦的商業智能搬到了手機或者黑莓上，這樣使得客戶非常容易地監控、分析企業出現的例外現象。

3、SaaS商業智能。商業智能作為云計算，作為服務，企業不需要在自己的終端上安裝任何軟件，只要將自己的不管是電子表格、數據庫等的數據，加載到遠程的服務器上，就可以得到大量的分析和數據處理。

4、大數據量快速處理商業智能。原來一般是利用空間換時間的方法，比如多維數據庫，但是它存在一定空間過大反而導致效率低下的問題，現在人們越來越多將軟件和硬件結合起來，提高大數據量的處理速度和效率。

5、簡單易用商業智能。

6、主數據管理(MDM)。在實現商業智能時，對于共享數據的處理，就需要一個工具，解決共享數據的模型和整合，這就是主數據管理所做的工作。

7、將數據分析和搜索引擎結合起來。只要客戶在搜索引擎中輸入關鍵詞，就可以獲得相關的分析結果，不需要開發就可以得到各種維度的分析。

8、文本分析商業智能。對互聯網、公司的文件、文檔進行分析。

9、智能型商業智能。商業智能可以自動適應和智能調節出現的問題，優化行動的進程，就需要自適應的算法和技術。

從應用層面上：

1、戰略驅動的有效執行：商業智能概念從原來的報告、查詢、多維分析、數據挖掘已經延伸到了企業績效管理，更進一步延伸到了企業績效優化。

2、協作型商業智能：從數據出發，可以在供應商、企業內部和客戶之間共享分析的結果，來獲得某些行動可能會產生的風險，這些風險會給供應商、企業內部、客戶之間帶來的損失。使得供應商、企業、客戶共享信息。

3、GRC是一個新的領域：企業除了關心企業的績效指標外，越來越多的關注關鍵風險指標。

4、企業績效駕駛艙：簡單易用的可視化展現，領導層，特別是高管層需要看到一目了然的結果，所以駕駛艙越來越受到人們的關注。

5、全員需要的商業智能：現在大部分企業都是將商業智能作為領導的決策支持系統，這樣系統的應用就很少，將來的趨勢是人人都用商業智能，此系統成為企業的一套每天都在應用的業務系統。

6、商業智能和核心業務系統整合：在ERP系統中是流程驅動，將手動的東西變成計算機自動化處理，但是還要對每個節點進行智能的判斷。

7、商業智能作為服務，可以將信息作為服務進行銷售。這樣可以獲得更大的信息和效益。

小場景

張總在銷售分析的會議上，看著銷售總監將他們客戶關系管理的客戶信息拖到網上的分析工具，很快得到了銷售預測的信息。張總問公司產品“童車”在哪個地域昨天銷售的好，銷售總監在搜索中輸入“童車銷售排名”，結果相關的信息馬上出現在大屏幕上和在外地出差參會人的手機上。大家通過手機在討論銷售出現問題的原因，將自己的數據和分析結果通過手機進行共享，最后利用魚骨圖方法和8WOT分析達到共識。通過討論，大家發現了銷售好的地方的主要因素是什么，而且了解到：沒有做好的主要原因是競爭對手的促銷造成的，馬上做出決定，改變營銷策略。這就是實時商業智能和在手機上迅速獲得信息的案例。

預測4

BI行業經過多年實踐和發展，已經取得了豐富的階段性成果。許多金融、電信、物流、航空、制造業的大型企業已經相繼搭建了企業級的數據倉庫平臺，發展了一套比較完善的報表和指標監控體系等后臺應用，能夠較好地支持后臺管理層對企業經營情況的跟蹤了解，以作出相應的戰略調整和經營決策。

如果要對國內的BI發展做一小結的話，概括地講，基礎數據平臺和后臺戰略型應用是過去10余年的發展重點。根據我們的實踐和研究調查，BI已基本呈現出如下幾個基本趨勢：

首先，BI應用的范圍將從目前的戰略型應用逐步向操作型應用拓展，BI用戶群也會相應地從現在的后臺管理決策層向前端業務操作型用戶延伸。簡單講，BI不僅要服務于企業如何制定管理決策，提升其戰略型商業智能，下一步還將逐漸把目光投向如何更好支持戰略的執行，提高企業人員的操作型商業智能。因為，執行的效率如何以及是否得力等細節因素往往決定了一個企業的競爭優勢乃至成敗得失。戰略級的決策是關鍵的，能否又快又好地執行也同樣重要。

其次，在技術上BI將向動態商業智能方向發展，動態數據倉庫是技術基礎，在全球Teradata已有100多家客戶采用了ADW技術。由于BI應用將向操作型發展的特點，也導致了用戶對BI應用的實時陛需求。很明顯，企業的管理層看報表和KPI通常不需要很高的實時性，大概一個月或一周看一次。但是對操作型的用戶而言，例如銀行的柜面，CallCenter等前端渠道操作型用戶，需要BI應用提供最近的關于當下客戶的交易行為、風險以及營銷機會等信息，很顯然，滯后的信息無法讓工作人員在與客戶接觸時準確了解客戶的全貌，如潛在需求等情況，將導致商業機會的流失或者不當的業務動作。

另外，企業數據的綜合治理也已逐漸受到越來越多客戶的重視，畢竟數據的質量是BI得以使用和推廣的基礎。

小場景

某天，銀行的客戶經理小王剛掛斷與一位老客戶的電話，就注意到電腦里新增了一條營銷信息，表明另一位高潛力客戶杜某的活期帳戶上，剛存入60000元人民幣。這條是一條重要的信息，是因為后臺數據倉庫系統通過分析杜某的前6個月歷史記錄后，判斷出這是一筆不尋常的大額進帳。

小王憑著業務經驗，覺得這里面可能蘊藏著理財產品的營銷機會，因此立刻撥通了杜某電話，進行了專業的營銷溝通。經過電話溝通發現60000塊這筆款，是杜某剛把英國的一輛舊車賣了暫時轉入銀行的錢，還得知杜某剛從國外學成回來，準備長期在國內發展，剛在北京謀了一份新的工作，且有買一輛新車的需求，但是手頭資金暫時困難。

得知此情況后，小王向杜某推薦了銀行開展的汽車貸款優惠活動，并且建議杜某可以留一部分錢在儲蓄賬戶，一部分用于購車首付，銀行有相關的產品可以用存款抵銷一部分車貸利息。于是，客戶杜某覺得有必要咨詢一下理財顧問，客戶經理小王就推薦了行內的理財專家。經過與理財專家的咨詢交流，最后杜某與銀行做了如下業務：

a向銀行借了8萬元的汽車貸款。

b新立一個賬戶，存進了2萬元，以后每月向該賬戶存入一筆錢，作為后續買房子的首付預算。

商業智能的bi時代范文第3篇

【關鍵詞】人力資源管理；商業智能；應用；發展

根據現代企業信息化的實際需求和特點，深層次開發人力資源管理系統，但是目前人力資源管理系統停留在信息管理的層面上，其輔助決策分析的功能尚未發揮出來。在人力資源管理系統中集成商業智能技術，在企業信息系統中通過KPI指標體系的引入實現績效管理平臺的而建立健全，分解企業的戰略目標，使其可以成為實際工作中具備可操作性的目標，有助于企業人力資源的有效管理和合理分配。

一、人力資源管理系統發展概況

自20世紀60年代末，人力資源管理系統內得到了一定的發展，當時意境普及了計算機技術，大型企業逐漸發現，薪資的計算和發放如果采用純手工的方式來進行，很容易出現失誤，為了解決這一矛盾，第一代人力資源管理系統就這樣被研發出來，但是由于當時的技術條件的限制，該系統實際上只是起到自動計算薪資的作用，不包含薪資的歷史信息和非財務信息，不具備分析薪資數據和生成報表的功能。

在20是90年代末，出現了人力資源管理系統的變革，市場競爭的要求就決定了企業必須要思考如何激發員工工作的積極性和主動性，如何留住和吸引人才，再加上服務其技術、數據庫技術、網絡技術的發展，第三代人力資源管理系統就這樣應運而生了，其用集中的數據庫統一管理所有的人力資源相關的數據，人力資源管理可以通過其分析工具、信息共享工具、生成報表工具而分解自己的工作量，將更多的精力集中在企業人力資源的規劃和政策上。

二、人力資源管理系統效益和局限性

人力資源管理系統效益：

1、工資計算程度高：績效考核與薪資掛鉤；

2、報表圖形輸出功能強大：可輸出多種報表格式，如超本文、數據庫、電子表格等等；

3、自動化考核管理：考核的相關資料由系統定期自動生成，提示相關人員完成考核工作，自動統計考核結果；

4、查詢靈活方便：查詢條件可以自定義，既可以模糊查詢，也可以組合條件、單條件查詢。

人力資源管理系統的局限性：

1、人力資源管理系統等同于“聯機事物處理”系統。聯機事務處理系統是將每個部門、每個事物、每一分鐘都記錄在相關數據中。對于企業領導者而言，其宏觀決策時所需要的數據如果要從“事無巨細”、數據完整且規模龐大的系統中直接獲取，其困難程度可想而知。

2、HR思想提出時的需求限制，無法將HR系統數據上升到信息層面，需要從其他處理系統中進行二次加工方可得到決策所需要的信息數據。

3、傳統HR系統，雖然自動化整理了企業內部的信息，但是缺乏充分有效的利用，閑置浪費了大量有用的信息。

三、HRMS集成商業智能技術分析

1、HRMS系統集成商業智能的必要性分析

（1）、各HR廠商有擴展HR商業智能功能的迫切需求，傳統HR市場已經日趨飽和。傳統HR系統經過多年的發展，其需求逐漸趨緩，其績效下降的缺陷愈發突出，需要新的產品來彌補這一缺陷，使HR系統功能得以延伸。

（2）、企業要求改變HR系統。通常來講，HR系統中只會保留最近的信息，其目的是使系統運行效率得到提升，但是當進行策略分析或趨勢分析時，需要為分析、歸納、判斷提供大量的歷史數據支持，企業需要的是一個既能將大量歷史數據完成保留下來，同時也可以快速分析查詢的數據環境。因此，不能放棄從HR系統中移出來的數據，但是在決策分析時對HR系統數據庫進行的大量的訪問操作、數據庫運算會嚴重影響HR系統的運行維護效率。

因此，在HR系統中集成商業智能技術的需求非常迫切。

2、HRMS系統集成商業智能的可行性分析

（1）、HR的實施應用可以為商業智能系統提供更好的技術儲備和硬件平臺。企業在HR數據庫、網絡設施、計算機上的投資，可以為商業智能提供良好的物理運行環境。同時，普及HR系統的應用可以使員工的信息使用能力和操作水平得到較大的提升，應用商業智能技術更容易被企業員工和管理層所接受。

（2）、HR將企業人力資源管理中的各種信息事無巨細的記錄下來，龐大的歷史數據是商業職能體系較為理想的數據來源。

（3）、通常來講，HR系統的數據定義如匯率符號、時間格式等等是共享的、統一的，這就將更多的清晰地數據提供給商業智能系統，使數據準備時間有所減少。

綜上所述，HR系統集成商業智能既是必要的，也是可行的。

四、HRMS環境的商業智能集成解決方案

1、系統目標

人力資源管理系統集成商業智能系統的目標是在充分依靠現有人力資源管理系統的前提下，充分利用數據倉庫技術來對各種數據資源進行有效的整合，以滿足企業領導者的需求。系統業主主要分為決策支持、戰略擴展業務和基礎業務這三個部分。

（1）、基礎業務層：實現基本業務功能如時間管理、人事管理、崗位管理等的信息化，使人力資源管理的成本大大降低。

（2）、戰略處理層：通過績效考核等功能模塊的有效實施，企業可以建立健全人力資源戰略開發體系，保證規范化、科學化的人才開發、人才留住、人才吸引、人才激勵等流程。

（3）、決策支持層：企業基于人力資源成本、人力資源規劃的實施、人力資源數據庫等功能模塊，通過與其他應用系統、財務管理的共享和集成，實現企業成本的有效控制、資源優化配置和流程化管理。

2、系統結構及系統功能設計

從HR系統、異構的外部數據源、脫機的歷史業務數據中可以提取、轉換、清理商業智能系統的數據，并根據決策主體的需求重新組織，從而建立結構化數據環境，幫助用戶挖掘HR系統潛在的、有價值的數據。參照商業智能通用架構可以得出商業智能系統與HR系統的集成構架，如圖1。

在集成系統環境中，集成數據來源為HR系統，數據集市和數據倉庫可以通過ETL得以建立。集成環境的工具層由報表展現、OLAP、HR系統所構成。在技術層面上，HR系統可以有利于數據庫可靠、安全、準確、快速的收集數據，數據倉庫的作用主要體現在組織和存儲信息上，OLAP的作用主要體現在信息的分析決策上，報表展現的作用主要體現在數據的直接反映上。

集成系統具有以下特點：

（1）、HR系統可以對大量基礎數據進行存儲、處理和收集，構成集成系統的數據來源。

（2）、數據倉庫可以統一綜合HR系統數據庫，是商業智能信息的構成基礎。

（3）、OLAP可以對數據倉庫中的信息進行有效利用，在數據分析過程中可以有效利用多維分析方法。

（4）、報表展現可以簡單明了的反映出由分析所產生的數據。

系統可以按照抽取數據――數據倉庫建立――數據挖掘（OLAP）――前端報表查詢來進行系統設計。

3、系統解決方案

SQL Server2005是一個較為完成的商務智能平臺，為用戶提供其所需要的各種功能、工具、特性來構建創新和典型的分析應用程序。

（1）、SQL Server2005具體要素分析

設計：構建于Visual Studio 2005技術之上的Business Intelligence Development Studio，可以為系統開發員提供完整的、豐富的專業開發平臺。

合成：在調試和構建程序包時，BI Development Studio可以使其更加生動有趣，無縫數據視圖由Reporting Services、DTS和Analysis Service共同提供。

存儲：在SQL Server2005中，在一定程度上模糊了多維數據庫和關系數據庫之間的界線，在多維數據庫、關系數據庫中都可以進行數據庫存儲，或者充分發揮“主動緩存”的功能，將不同數據庫的優點充分發揮出來。

分析：在Analysis Services多維數據中增加了如MDX腳本、關鍵績效指標框架等新功能。

2、系統解決方案

系統以SQL Server2005來作為其開發平臺，以系統結構為基礎，給出系統開發流程，見圖2，其主要分為三個設計階段，即報表展示、數據分析和數據集成。

五、人力資源管理中的商業智能技術未來發展趨勢

1、實現真正的智能型操作

現階段起到主要作用的BI項目分析型應用只是提供在決策分析過程中所需要的依據，并不是智能操作，實現真正的智能操作還有很長的路要走。

2、數據挖掘技術的深層次應用

在2006年，除去人們常用的展現方式OLAP和復雜報表以外，人們越來越重視關鍵績效指標，即KPI，在大型集團企業中，高層管理者要想了解企業當前的運行狀況，可以通過KPI直接的體現出來。由于較為復雜的數據挖掘技術，其應用從初始階段到應用高峰需要經歷一段時間。

3、商業智能網絡架構系統的發展

知識使用者可以通過該網絡實現決策信息、分析結構、流程模型、數據模型、元數據的共享和交流，提高知識使用者決策的精準度。在未來BI系統產品應該更注重BI網絡產品，包括企業集成軟件、工作流組件、協同工作組件等等，這些軟件不僅有很大的價值，而且使BI網絡產品的內在價值和涵蓋性有所增加。

4、智能客戶端發展

現階段商業智能產業技術的創新，其最佳著手點就是智能客戶端。可以歸納為三點：首先，充分利用本地資源；其次，具備離線連接能力，最后，自動更新和智能部署。推廣智能客戶端會使商業智能技術的應用逐漸豐富起來。

商業智能的bi時代范文第4篇

過去10年，大多由IT部門主導BI項目的投資，這些項目高度可控和中心化。IT部門負責編制出產品報告，再推送給消費者和分析人員。現在，大量的商業用戶迫切要求進行交互式分析，希望通過深度分析獲取數據洞察力，而他們只有非常有限的IT或數據科學技能。IT部門面臨的挑戰是，他們需要滿足越來越多的數據發現的需求，又不能犧牲可控性。

目前，IT部門希望能夠做到魚和熊掌兼得，尤其是滿足商業用戶驅動的新需求。這些需求不再使用傳統的、IT為核心（IT-centric）的企業級平臺，轉而采用去中心化的數據發現部署，如今這種部署在企業里隨處可見。

Gartner估算，超過1/2的購買需求來自于數據發現的驅動。這種去中心化的模型讓更多商業用戶獲取到了數據分析能力，同時也產生了對可控的數據發現方法的需求。

Bl市場的變局

這是一個持續了6年的轉變。2014年，BI平臺正越來越多地被商業用戶驅動和交互式分析項目替換。這些新項目越來越多，BI部門的擔憂也隨之增多，希望做到總體可控的需求也在隨之增長。這個轉變的目標，是讓更大范圍的用戶和更多的場景獲取到數據分析能力。

傳統BI廠商十分努力地想通過打包和集成其他產品去滿足這些商業用戶的需求，但他們蒼白的仿制品并未得到市場的認可，因而收效甚微。與此同時，他們也正為下一代分析工具做投資，不過產品尚未完全成熟。

隨著企業通過雙峰式的、可管控的數據發現方法建設BI平臺，很多商業用戶希望以自服務的模式去訪問IT部門把控的數據源。這需要引入復雜的、但卻又是商業用戶能用的數據建模工具。他們還希望能有更簡單的方式提升數據洞察力。而當前的趨勢是，基于云部署、支持各種Mobile設備，更大范圍地接入用戶尤其是非傳統BI用戶，以擴展數據分析的應用尤其是通過深度分析來產生洞察力。

我們看到很多數據分析需要整合來自內部和外部的多結構化數據。對BI廠商來說，整合線上線下的、多結構化的、流式的數據，已經成為很重要的功能。基于流計算和多結構化數據的分析大多來自早期用戶，但這些功能顯得愈發重要。

Bl廠商的定位

2014年，對BI巨頭而言又是一個被挑戰的年頭。有一個奇怪的現象，以IT-centric的BI平臺功能豐富，但用戶使用過程中卻感到處處受限。而那些核心業務（Business-centric）的BI平臺功能有限，但用戶使用卻非常廣泛。連寫報告這種他們不擅長的功能也被廣泛使用，最主要是它們簡單交付、極致易用。

當前的BI市場狀況看起來像上世紀80年代晚期的主機/工作站市場，那時的客戶和需求也正在徹底轉變。這些轉變驅使惠普對計算平臺的戰略和架構進行了徹底的再思考和再設計。最終，這場轉變讓DEC消亡，因為它的行動實在太慢。類似地，今天的BI巨頭也站在十字路口中間。

雖然數據發現型的BI平臺被認為是IT-centric BI平臺的重要補充，但新的分析項目大多都采購了前者而不是后者。這導致用戶基數很大的傳統BI廠家正逐漸被邊緣化，他們不能提供有競爭力的產品，也就無法保持增長。

雖非主流，但是，我們看到用Tableau、ov等產品去替換現有平臺的Case越來越多，尤其中小企業。Gartner調查結果發現，越來越多的企業傾向于以更大的平臺規模部署數據發現BI，但他們發現這些產品在企業級監控、管理、擴展性等方面還有欠缺，Business-centric BI廠商正在持續補足這些功能。

如果我們開始看到大規模地轉向商業用戶為核心的BI廠商，市場轉換就很明顯了。目前，大量買家似乎都在觀望，看他們選購的IT-centric BI平臺是否會補足數據發現功能，而這些數據發現功能能滿足他們的需求。畢竟，如果沒有一家BI廠商能兩全其美，兩種分割的BI系統會從監控、擴展、支持等方面給企業帶來不小的挑戰。

2015年很可能是一個關鍵年。民主化數據分析將統領市場需求，對監管的需求也在增加。新一代數據分析功能更加重要，例如支持深度分析，同時隱藏復雜性（數據準備、自動模式搜索）。在2015年及未來，這些功能對采購的沖擊程度，將決定誰會凸現出來成為這次市場轉換的領導者。

支持大量的多種多樣的數據也成為BI市場的主流需求。同時，融合分散的商業用戶導向的應用部署和集中的企業級應用部署，成為BI供應商的極大挑戰。BI平臺要支持云數據、流數據、多結構化數據，還要支持社交和網絡分析、情緒分析、機器學習。新的挑戰和機會來自于將這些多源數據融合并管理起來，以產生商業價值。

國內市場越來越多的企業希望出現業務主導型、高性能、并同時具備大數據分析能力的BI產品。國內敏捷BI起步較晚，永洪科技和同行相繼不同的數據可視化分析產品，技術上已經不遜于國外同行，而且已經開始在大數據分析、探索式分析等領域超越國際竟品，諸如復雜式報表、數據填報等國內特色的需求也得到了很好的解決。當然，本土團隊的產品服務能帶來更好的支撐效果和客戶體驗。

國內市場的另外一個問題是，有些企業尤其是中小企業還未建立起對數據的正確認識，不太了解數據的真正價值，也不知道如何通過數據來指導運營和業務，這需要一個中長期的培育。

此外，我們也看到除了大型機構和大型企業之外，很多中小企業也非常清晰地認識到數據分析的價值，具有非常強烈的建立有效的數據化運營體系的愿望。他們廣泛地分布在電商、金融、020等泛互聯網行業。這些企業身處透明且充分競爭的市場，引領著更多行業、更多企業的發展。

相信，我們會看到的越來越多的企業構建適配的數據分析平臺，充分發掘數據價值，快速成長為所處行業的佼佼者。

解析魔力象限之領導者象限

在Gartner的BI魔力象限中，領導者象限的BI廠商都被放到了第一象限靠邊的位置，中間是空的。這是因為沒有一個廠商能做到既支持越來越大的商業用戶導向并被管控的BI部署，又在用戶體驗上為這場劃時代的變革做好了創新的準備。

有觀點認為以前的BI巨頭將不能重新獲取市場的認同，即便他們還在為創新而投入。

Tableau和Qlik得到了市場的認同，是因為他們滿足了客戶在數據發現上的需求，促成了更簡單和更廣泛的應用，因而獲得了成長。

客戶都非常看重產品的易用性，也很看重產品功能、銷售過程、產品服務、產品質量、產品升級、商業價值、支持所有用戶的分析等方面的滿意度。被市場認同的BI廠商，他們更專注于簡單易用，以讓更多的用戶能隨時隨地進行數據分析。他們正在實現客戶最關注的需求，并從新的分析項目投資中獲取增長，而諸如監控、管理、嵌入、擴展性等企業級功能還處于開發完善過程之中，例如，Qlik了Qlik Sense，而Tableau每個版本都補足一些企業級功能。

有觀點認為，Tableau和Qlik -直致力于重點優化產品的易用性以接入更多的用戶，但較少關注新出現的增長領域，例如，智能數據發現以進一步提升數據分析的民主性，也較少投入到自服務數據準備領域（Tableau計劃在V9中包括有限的功能，Qlik也有類似的計劃），但他們在這些領域的能力還比較欠缺。

商業智能的bi時代范文第5篇

6月12日下午，北京航空航天大學軟件學院（以下簡稱北航軟件學院）與國內數據可視化分析解決方案提供商北京永洪商智科技有限公司（簡稱永洪科技）共同舉行了“北航-永洪科技 BI聯合實驗室”揭牌儀式，并簽署了《北京航空航天大學軟件學院―永洪科技BI聯合實驗室合作協議》。

在揭牌儀式上，北航軟件學院黨委書記張德生為揭牌儀式致辭，他希望雙方這次合作將讓北航軟件學院的師生在實驗室里就能夠熟悉當前的敏捷BI和大數據分析技術和產品，讓學院能更好地培養人才。據悉，早在2013年，北航軟件學院就成為全國首個開設“大數據技術與應用專業”的軟件學院。

目前，北航軟件學院已經與很多國際國內知名軟件企業開展深度的校企合作，并設立專業的實驗室。例如，北航-威盛電子集成電路設計專用實驗室、AMD-北航學生科技創新中心、微軟（日本）日文應用軟件專業實驗室、SAP-北航ERP實驗室、北航Google Camp實驗室等。隨著移動云計算專業發展需要，北航軟件學院先后與聯想集團、HTC、RIM、阿里巴巴、開心網、創新工場等企業展開合作共建了聯合實驗室。

永洪科技致力于提供數據可視化分析解決方案，為企業級用戶的數據化運營提供支持。幾年來，永洪科技服務過的客戶包括中國移動、中國電信、中信銀行、浪潮集團、寶寶樹、人人車、途家網、百程旅行網、艾瑞咨詢等公司。此次合作，永洪科技為“北航-永洪科技 BI聯合實驗室”提供了價值300多萬元的永洪BI軟件。永洪科技將會持續負責聯合實驗室BI產品的部署、培訓和輔導工作，北航軟件學院將利用永洪科技搭建敏捷BI的環境，對商業智能、數據挖掘、大數據分析等領域的行業技術和解決方案進行學習和研究。