[[206158]]

1865年，理查德·米勒·德文斯(Richard Millar Devens)在《商業(yè)趣聞百科全書》(Cyclopædiaof Commercial and Business Anecdotes)中提出了“商業(yè)智能”(BI)一詞。他用這個詞來描述銀行家亨利·福尼斯(HenryFurnese)通過收集信息并根據(jù)這些信息，先于競爭對手采取行動，從而獲利。1958年，IBM計算機科學家漢斯·彼得·盧恩(Hans PeterLuhn)撰文討論了利用技術(shù)來收集商業(yè)智能的潛力。按照今天的理解，商業(yè)智能就是利用技術(shù)來收集和分析數(shù)據(jù)，將之轉(zhuǎn)換成有用的信息，并根據(jù)這些信息，“先于競爭對手”采取行動。從本質(zhì)上說，現(xiàn)代版的商業(yè)智能利用技術(shù)，在正確的時間，依據(jù)正確的信息，迅速且有效地作出決策。

1968年時，只有那些具備專業(yè)技能的人，才能把數(shù)據(jù)轉(zhuǎn)換成可用的信息。那時，來自多個來源的數(shù)據(jù)通常儲存在筒倉中，研究報告呈碎片化，彼此脫節(jié)，可以作出多種不同的解讀。埃德加·科德(Edgar Codd)認識到，這是個嚴重的問題。1970年，他發(fā)表文章，改變了人們思考數(shù)據(jù)庫的方式。他關(guān)于建立“關(guān)聯(lián)式數(shù)據(jù)庫模型”的提議獲得了巨大關(guān)注，被全世界所采納。

決策支持系統(tǒng)(DSS)是***個數(shù)據(jù)庫管理系統(tǒng)。很多歷史學家都認為，現(xiàn)代版的商業(yè)智能是從DSS數(shù)據(jù)庫演化而來。上世紀80年代，商業(yè)人士發(fā)現(xiàn)了商業(yè)智能的價值，于是BI供應(yīng)商的數(shù)量大增。那期間，各種各樣的工具紛紛面世，目標是以更簡單的方式訪問和組織數(shù)據(jù)。聯(lián)機分析處理(OLAP)、主管信息系統(tǒng)(EIS)和數(shù)據(jù)倉庫應(yīng)運而生，與DSS協(xié)同工作。

OLAP

OLAP讓用戶可以分析多來源數(shù)據(jù)，并提供多個范式或視角。OLAP的數(shù)據(jù)庫采用多維數(shù)據(jù)模型，支持復雜分析和即席查詢。OLAP的標準應(yīng)用包括：

• 銷售業(yè)務(wù)報告
• 營銷
• 管理報告
• 業(yè)務(wù)流程管理(BPM)
• 預算編制和預測
• 財務(wù)報告和類似領(lǐng)域
• 新應(yīng)用，比如農(nóng)業(yè)

OLAP“曾經(jīng)”非常流行，因為它提供了多種多樣的信息收集和組織方式。作為基于SQL的程序，OLAP在NoSQL流行起來后，就漸漸失勢。(現(xiàn)在，Kyvos Insights、Platfora和AtScale等公司把OLAP疊加到NoSQL庫之上。)OLAP支持三個基本操作：

• 合并
• 下鉆
• 切片和切丁

合并是指把那些可以通過多種方式儲存和處理的數(shù)據(jù)結(jié)合起來。例如，所有分支機構(gòu)的汽車銷售數(shù)據(jù)由銷售經(jīng)理匯總，以預測銷售趨勢。下鉆是指查看和分析更詳細的數(shù)據(jù)，比如按照顏色、類型或燃料種類，來查看汽車銷售數(shù)據(jù)。切片和切丁是指選取OLAP立方體中的特定數(shù)據(jù)，從不同的角度，進行細致觀察。

EIS

上世紀70年代末，CEO們開始使用互聯(lián)網(wǎng)來探究商業(yè)信息。EIS由此誕生，為高管提供決策方面的支持。EIS旨在提供“簡化”決策過程所需的適當和***信息，強調(diào)以圖表和易用界面的方式，來呈現(xiàn)這些信息。EIS的目標是把高管變成“親自動手”的用戶，讓他們自己處理郵件、進行研究、作出任命和閱讀報告，而不是通過中間人接收這些信息。但由于作用有限，EIS漸漸失寵。

數(shù)據(jù)倉庫

上世紀80年代，企業(yè)開始經(jīng)常使用內(nèi)部數(shù)據(jù)分析解決方案(由于當時計算機系統(tǒng)的限制，這通常是在下班后和周末進行)，因此數(shù)據(jù)倉庫開始流行。在數(shù)據(jù)倉庫出現(xiàn)之前，企業(yè)需要大量的數(shù)據(jù)冗余，以便向參與決策的所有人提供有用的信息。數(shù)據(jù)倉庫大幅縮短了訪問數(shù)據(jù)所需的時間。通常儲存在多個地方(往往是部門筒倉)的數(shù)據(jù)，現(xiàn)在可以儲存在同一個地方。

數(shù)據(jù)倉庫還有助于推動大數(shù)據(jù)的使用。突然之間，數(shù)量龐大、形式多樣的數(shù)據(jù)(電子郵件、互聯(lián)網(wǎng)、Facebook、Twitter等等)可以從同一個地方訪問，這節(jié)約了時間和資金，并且還能訪問先前訪問不了的商業(yè)信息。在提供由數(shù)據(jù)驅(qū)動的洞見方面，數(shù)據(jù)倉庫潛力巨大。這些洞見可以提高利潤、發(fā)現(xiàn)欺詐、減少損失。

商業(yè)智能邁向高科技

1988年，在羅馬舉行的多路數(shù)據(jù)分析大會結(jié)束后不久，商業(yè)智能開始作為一個技術(shù)概念出現(xiàn)。在這場大會上得出的結(jié)論促使人們開始簡化BI分析，并使之對用戶更加友好。BI企業(yè)大量涌現(xiàn)，每家新公司都提供新的BI工具。在那個時期，BI有兩項基本功能：產(chǎn)生數(shù)據(jù)和提供報告，并以適當?shù)姆绞浇M織和呈現(xiàn)數(shù)據(jù)。

20世紀末、21世紀初，BI服務(wù)開始提供簡化的工具，降低決策者對工具的依賴度。這些工具更易于使用，而且提供所需的功能，非常有效。商業(yè)人士可以通過直接與數(shù)據(jù)打交道的方式，收集數(shù)據(jù)，獲取洞見。

商業(yè)智能VS數(shù)據(jù)分析

目前，商業(yè)智能和數(shù)據(jù)分析常常被混用。這兩個術(shù)語都描述了在商業(yè)決策過程中使用數(shù)據(jù)的普遍實踐。商業(yè)智能代表了為決策者提供輔助的一系列技術(shù)，而數(shù)據(jù)分析則代表了處理數(shù)據(jù)的一系列工具，并且作為一個統(tǒng)稱，涵蓋了數(shù)據(jù)倉庫、企業(yè)信息管理、商業(yè)智能、企業(yè)績效管理和企業(yè)治理。

描述性分析

描述性分析是指描述和總結(jié)數(shù)據(jù)，主要聚焦歷史信息，通過描述過去，幫助用戶了解以前的行為如何影響現(xiàn)在。描述性分析能用來解釋企業(yè)如何運作，描述業(yè)務(wù)的不同方面。在最理想的情況下，描述性分析能講述一件具有相關(guān)主題的事情，并提供有用的信息。

預測性分析

預測性分析能預測未來，它利用統(tǒng)計數(shù)據(jù)，為企業(yè)提供關(guān)于未來變化的有用信息，比如判斷銷售趨勢和購買模式、預測消費者行為。其商業(yè)用途通常包括，預測銷售增長速度、消費者可能購買哪些產(chǎn)品，以及預測庫存總量。信用評分是這類分析的一個用例，金融服務(wù)機構(gòu)利用信用評分來評估客戶按時還款的可能性。

規(guī)定性分析

規(guī)定性分析是一個相對較新的領(lǐng)域，應(yīng)用難度還比較大。它會“規(guī)定”幾個不同的可能行為，引導人們找到解決方案。這類分析的核心在于提供建議。從本質(zhì)上說，規(guī)定性分析會預測今后可能出現(xiàn)的多種情況，并讓企業(yè)根據(jù)他們的行為，對可能出現(xiàn)的多種結(jié)果進行評估。在最理想的情況下，規(guī)定性分析可以預測將來會發(fā)生什么、為什么會發(fā)生，并提供建議。一些大公司已經(jīng)利用規(guī)定性分析，成功優(yōu)化了日程安排、收入流和庫存，從而改善了客戶體驗。

流分析

流分析是一個實時過程，不斷計算、監(jiān)測和管理基于數(shù)據(jù)的統(tǒng)計信息，并根據(jù)這些信息，“先于競爭對手”采取行動。這個過程中，你可以在任何特定時間，了解市場上發(fā)生的事件，并根據(jù)這些事件采取行動。作為一種新的工具，流分析大幅改善了提供給決策者的有用信息流。

用于流分析的數(shù)據(jù)可以有多種來源，包括手機、物聯(lián)網(wǎng)、市場數(shù)據(jù)、交易和移動設(shè)備(平板電腦和筆記本電腦)。它能迅速有效地將管理人員和外部數(shù)據(jù)源聯(lián)系起來，讓應(yīng)用程序把數(shù)據(jù)并入一個應(yīng)用流，或者用處理后的信息更新外部數(shù)據(jù)庫。流分析支持：

• ***限度地減少社交媒體危機、安全漏洞、飛機失事、制造缺陷、股市暴跌、客戶流失等事件造成的損失
• 實時分析企業(yè)日常經(jīng)營
• 利用大數(shù)據(jù)尋找錯過的機遇
• 創(chuàng)建新的商業(yè)模式、收入流和產(chǎn)品創(chuàng)新

芝加哥利用MongoDB開發(fā)的WindyGrid項目就是流分析的一個用例。WindyGrid把來自各個市政部門的700萬個數(shù)據(jù)點加以整合，讓芝加哥市政人員可以分析數(shù)據(jù)，預測哪里需要資源，然后相應(yīng)地分配資源，有效地解決問題。市政人員可以更迅速地作出更明智的決定，更有效地分配資源。WindyGrid為芝加哥帶來了革命性的變化，使之能夠以具有成本效益的方式，了解、準備和應(yīng)對各種各樣的情況。