CIO的软肋

　　和上海申康不同，商业智能在北京市西城区卫生局已经应用。

　　西城区主要是从政府角度来做两类分析。一是经济效益，二是发展规划，比如老百姓的需求、社会供给、医院的自身能力，为决策分析做准备。还有健康管理方面，考虑整个地区的健康状况分析，下一步需求供给，政策是否有效等。主要是从政府角度考虑，根据样本量，做一些决策。分析资金的利用率、人员绩效、资产的一些状态，会对财政下一步的动作有什么影响。

　　朱树宏是北京西城区卫生局信息中心主任，提起商业智能。他认为，厂商缺乏对行业特别理解的人员，没有特别熟悉行业的专家，一旦脱离行业太久，大家交流的只剩下皮毛，不能深入了解。

　　赛迪顾问有限公司软件与服务产业研究中心副总经理贾娟和他的观点一致，她也认为行业专家有脱节情况。专业人才的缺乏也是阻碍国内商业智能成功应用的绊脚石之一。人才问题是目前各行各业老生常谈的话题。在商业智能这个新兴领域，问题更加明显。对于企业来说，既了解商业智能产品又了解行业应用的人不多，因此商业智能往往停留在报表及查询这一级别，不能更好地为企业服务。无论是软件开发商、咨询服务提供商或实施方，人才匮乏问题成为企业发展的一大瓶颈。

　　数据挖掘项目的实施人员，除了项目管理者之外，还需要三类具有不同专长的人员，一是业务分析人员，精通业务，能够解释业务对象，并根据业务对象确定用于数据定义和挖掘算法的业务需求;二是数据分析人员，精通数据分析技术，熟练掌握统计学，能把业务需求转化为具体操作，并为每步操作选择合适的技术;三是数据管理人员，精通数据管理技术，了解数据源，负责数据准备过程。

　　同样，要成功完成一次数据挖掘过程，用户也既要熟悉业务，又要熟悉算法和模型，才能知道取出来的数据代表什么，算出来的结果又代表什么。

　　以前的信息化系统都是从CIO角度发起，解决业务部门的某些需求。而BI应该是自上而下，由管理层提需求，用企业真正关心的指标来提需求。而国内的CIO大都不站在战略角度，不会明白哪些是企业所最需要的。

　　所以，贾娟认为BI的前期咨询很重要。真正实施起来很简单，因为产品成熟度很高。CEO懂管理，有想法，但把CEO的想法变成技术语言，缺乏翻译。CIO和CEO在这方面的沟通很难，语言不通是个大问题，因为要涉及公司的所有指标。CIO要理解CEO的管理需求，要有管理知识。以前的思路都是搞技术的只是做好系统，应用好就可以。商业智能则是要明白挖掘什么，需要的关键点是什么。

　　比如CEO说我要缩减某某成本，如果缺乏对业务的足够了解，CIO就会一头雾水。牵扯到很多的步骤和流程、环节，对IT部门也是一个大工程。

　　一位CIO对此也发表了自己的看法，很多企业的CEO都是业务专家，不太懂管理，这类CIO应该去了解技术应用而不是业务本身。或是做了业务，没放下技术。或是懂了技术，不懂业务，整个人都钻进技术里，无暇去了解业务。这些是CIO的软肋，对于BI这个方面更加突出。

　　而商业智能要明确分析数据源和目标是怎样的利害关系。CIO要做的是把业务需求方和技术实践方去融合，融合代表了自己的水平。业务出身角色不要只从业务角度思考问题，技术出身的人也不要太钻研技术，技术只是一种素养，而不能把技术当作一个思考问题的出发点。

　　分析什么是关键

　　数据挖掘本身并不产生价值，实施数据挖掘后产生的结果才有价值。实际上，数据挖掘只能找出数据上的关联，还不能把这种数据关联关系当成因果关系。例如挖掘发现，“大多数车祸出现在中等行驶速度当中，极少的事故出在高于150公里/小时的速度上。”人们当然不能认为“高速行驶比较安全”，它的真实原因在于“多数人是以中速行驶，因此多数车祸出在中速行驶的车辆上”。

　　因此，在数据挖掘和分析中，如何确定战略目标尤为关键。企业CEO一般对预测模型的建立都比较感兴趣，预测的目标也比较好确定，比如要预测客户流失，那么“客户是否流失”就是目标变量;要预测股票涨跌，那么“收市价是否上升”就是目标变量。但确定哪些变量作为自变量则颇费周折，换句话说，要确定哪些因素与目标变量有关系，往往是双方各执一词。

　　数据挖掘的成功要求CEO对期望解决问题的领域有深刻的理解，理解数据，理解其过程，才能对数据挖掘的结果找出合理的解释。拿啤酒和尿布这一经典例子来说，如何去解释这种现象，是应该将两者放在一起还是分开销售?需要摸透消费者的心理才能做出决定，而无法靠数据挖掘得出结论。

　　数据挖掘的结果是不确定的，要和专业知识相结合才能对其做出判断。说白了，数据挖掘只是一个工具，它可以发现一些潜在的用户，但不会告诉使用者为什么，也不能保证这些潜在的用户成为现实。

　　不少CIO认为，商业智能就是数据处理，怎么样去分析，分析什么才是最重要的。因为每个企业的情况都不一样，当前战略是什么，所属地区的特点，这些都和商业智能密切相关。商业智能是通过数据建模的方式，而建模是依赖于领导的思路。如果领导的思路不清晰，模型没法去建。

　　一位制造业的CIO说，“商业智能要实现起来不是太容易，技术上没问题，问题是IT人员和领导的思路不合。因为数据本身就存在，需要的只是加工整理。其关键问题是IT的实施人员不知道领导想什么。要是知道领导想要什么，不用BI也可以。”

　　鲁花集团信息中心主任姜波的观点是如此，他认为BI的发展不深入主要是因为人为因素的影响。别的信息系统只涉及到流程与业务，或是底层实现自动化，影响不会过大。但BI针对和影响的都是高层，做为信息价值链的顶端，高层领导者的思想尤其重要。

　　一般的业务系统是满足某一个部门的需求，BI涉及到整个公司的层面。领导只有明确了自己的思路，才能落实到下面。部门需求相对简单，整体公司的未来发展和人的思想有关系。其中，CIO和CEO的语言缺乏翻译也是一个大问题。

　　CIO的最大困难是不知道领导的要求是怎么形成的。例如市场饱和了，企业要转型，这些都是领导考虑的问题。即使领导提出了需求，CIO也很难实现。

　　“商业智能我知道很多人想做，但是不知道怎么做，主要是不知道要做什么。”长安铃木汽车有限公司技术管理所产品数据系系长张凯说。

　　厂商关于商业智能的介绍资料也写得很虚，数据分析是主观意识很强的。因为即便是同样的数据，不同的分析方法，得到的数据也不一样。对企业而言，需要的是要量身定做，要了解企业需求，同行业的不同企业之间的需求也不一样。

　　张凯介绍，长安铃木有一些报表级别的应用，包括生产的质量分析等。数据库里会出一些固定的报表，什么时候哪些零件会出问题，在什么情况下故障率会高。

　　“2000年就开始做这种报表，这种报表是战术，不是战略。这些只要自己开发一个简单的工具就可以了，没有提高到战略的程度。如果应用到明年要推出一款什么样的车，这个才是BI。” 张凯说。

　　一般来说，BI应用的初级阶段是报表级别的应用，或者是为了满足领导某一方面需求的“面子工程”，对企业实际的作用并不大。张凯所说真正的BI要结合企业战略制定，这样的BI应用才达到了最高标准。

　　BI是一把手大脑的延伸

　　目前在国内，很多企业把商业智能做成了“老板工程”“面子工程”，仅仅是为了方便经营者了解企业的种种数据和信息。事实上，这种看法是非常片面的，商业智能高效的统计分析功能的确可以为经营者分析和决策提供科学依据，但是其主要的“功效”却是利用分类技术信息将信息消费者使用的决策支持对象分门别类，帮助业务人员解决业务运转可能出现的各种主要问题，提高业务人员的工作效率，从而提高企业的核心竞争力。因此，商业智能的建设需要包括经营者在内的所有业务人员的关注和参与，尤其是经营者。

　　对于企业的经营者来讲，商业智能是帮助他们建立一个理性的外脑。商业智能可以理解成是对“一把手”的大脑的延伸，借鉴历史数据，建立标准的分析和决策模型，并能够对未来做出正确的预测。

　　对于BI市场，贾娟认为商业智能的市场虽然规模不是很大，但始终是在增长的。2008年，商业智能的应用开始从面子问题到肚子问题，原来很多企业的应用是跟潮流，主要是为了满足领导想实时了解一些数据的需求，把商业智能做成了面子工程或者装饰工程。而现在是真正有了一些需求，发现商业智能真的可以帮助企业，做一些实事。

　　“以前大家对BI的期望太高了，认为BI什么都能做，把它看得太高，导致期望越大失望越大。做商业智能应该先从基础数据整理开始，数据分析，数据挖掘，循序渐进地开始。如果基础数据质量很差，想挖掘出有价值的情况很难。应该从数据质量最好的应用下手，先从小处得到一些大家看得见的收益。”贾娟说。

　　对于如何开拓这个市场，“慢慢来吧，要循序渐进。要知道自身企业的情况，深度上做到哪一步，广度上知道哪些业务需要用到BI。既要培养CIO对业务的了解，也需要了解行业的咨询顾问。我觉得这个东西还是有用的，难的是具体怎么用。”商业银行向BI迈进

　　银行是信息化程度比较高的用户，也是在各方面和国外接轨较多的用户。在商业智能方面，银行用户也是走得比较前端的。

　　凌晨1点，一个用户想从荷兰银行(ABN Amro)的ATM机提取100元现金，但其账户余额只有28元，他的请求遭到了ATM机的拒绝。因为，银行从其数据仓库中调出他的有关信息并分析后发现，他是个高风险用户，之前有过延期还款记录，而且该用户所提款的ATM机位于某娱乐场所旁。

　　而另一位用户却从ATM机上取到了400元现金，尽管当时，他的银行卡余额仅为128元。原因是银行经后台商业智能(BI)系统分析后发现，他没有任何违约记录，个人信誉很好，并且他所取款的ATM机靠近医院，系统分析认为该用户可能因为家人住院急需用钱。

　　这是银行为客户提供的真实服务，商业智能为业务一线的服务能达到如此精准的程度。