在信息爆炸的现代社会，如何在诸多的数据中区分出有价值的信息，如何解决“不能制定合适的决策”的难题日益成为诸多企业所关注的话题。作为多学科交叉的商务智能（Business Intelligence，BI）技术在推动企业科学决策、提高管理效率与水平方面发挥着日益显著的作用。

当代管理学大师明茨伯格在谈到中国管理时说到“中国需要更多的分析管理，注重从科学角度来发展管理，中国在管理中过于重视艺术和手艺而不重视科学，这就需要寻求一种平衡……”。管理学界一直存在着“管理是科学”、还是“管理是艺术”的争论，明茨伯格更是用“管理是科学、艺术与手艺的结合”的论断来提醒过于重视科学的北美及欧洲的管理。但中国的科学传统与科学基础比较薄弱，管理往往倾向于是一种对艺术的把握。正是基于“在科学与艺术中寻求平衡”的现实需求，再加上信息技术迅速发展的良好条件，运用集统计学、运筹学、信息技术、人工智能为一体的商务智能来平衡过于重视艺术的管理方式，提高管理效率就成为中国当代企业管理的优选路径。

以信息技术为发展平台的商务智能

什么是商务智能？商务智能是企业利用现代信息技术收集、管理和分析结构化和非结构化的商务数据和信息，创造和累计商务知识和见解，改善商务决策水平，采取有效的商务行动，完善各种商务流程，提升各方面商务绩效，增强综合竞争力的智慧和能力。

现代人正处身于信息、知识的经济时代，身处于复杂的社会、经济、自然及心理环境之中。管理活动离不开信息技术的支撑，随着计算机和通讯技术的发展，数据量急剧增加，管理与决策往往是在收集、传输、存储、整合、分析与挖掘数据的基础上完成的。商务智能作为一门信息管理技术，其兴起主要源于数据积累的增长和对数据分析的需求的驱动。商务智能过程中所涉及的IT主要有：从不同的数据源收集的数据中提取有用的数据；对数据进行清理以保证数据的质量，将数据经转换、重构后存入数据仓库或数据集市；寻找合适的查询、报表和分析工具和数据挖掘工具对信息进行处理；最后将知识呈现于用户面前，转变为决策。其中，数据和信息的收集主要是通过各种交易系统进行的，比如ERP、CRM、SCM和E-Business等系统。数据的管理主要是指对数据的储存、提取、清洗、转换、装载、整合等工作，其目的主要是为了提高数据的质量和安全性。数据的“分析”是一个广泛的概念，这里包括数据查询、数据报告、多维分析、数据挖掘、高级统计分析等。

商务智能的目的有两个方面，一是创造和累计商务知识和见解，这是商务智能的第一层的目的和功能，也是最直接的目的和功能；“知识和见解”正是“智能”得名的由来；二是改善商务决策水平，这是商务智能的更高一层的目的和功能，企业能否利用好这一功能、实现这一目的在很大程度上取决于领导者的意识和胸襟以及企业文化中决策科学化和民主化的成分。

若想将商务智能的功能最大限度的发挥就需要采取有效的商务行动和完善各种商务流程。采取有效的商务行动是创造和累计商务知识和见解、改善商务决策水平的目的和动力。商务智能是能够指导实战的高明兵法，而不是“无所不知、但无能为力”的“纸上谈兵”。残缺、散乱、僵化、低效的商务流程是企业的顽疾，商务智能能够为这一顽疾的诊断和治疗做出一定的贡献；优化后的商务流程反过来也会促进商务智能的发展。提升各方面商务绩效是商务智能在企业内部的最高目的和作用，有效的商务智能系统和技术能够帮助企业提升各个方面的绩效：财务的和非财务的，前台的和后台的，企业内的和供应链内的，组织的和个人的。增强综合竞争力是商务智能在企业中的最终目的和作用。

数据、信息与知识

商务智能需要将庞杂的数据转化为有用的信息并将信息提取为知识再转换为智慧。但由于数据、信息与知识三者之间有着密切的相关性，他们常被混淆使用，因此，有必要厘清三者的关系与差别，并从中把握商务智能的流程。

数据泛指对客观事物的数量、属性、位置及其相互关系的抽象表示，以适合于用人工或自然的方式进行保存、传递和处理。例如，水的温度是100℃，礼物的重量是500克，木头的长度是2米，大楼的高度是45层。在这些表述中：100℃；500克；2米；45层就是数据。数据的表现形式是多种多样的，除了数字，数据还以图像、声音、文字等形式表现出来。

信息是指有一定含义的、经过加工处理的、对决策有价值的数据。 信息＝数据＋处理。信息是有意义的数据，是被赋予相关性和目的性的数据。例如，人口的分布情况、降雨量分布情况等。可以用专门的信息管理系统对各类信息进行管理。

知识是信息基础上的又一次升华，是浓缩的系统化了的信息。需要在信息的基础上，使用归纳、演绎的方法得到。知识只有在经过广泛深入地实践检验，被人消化吸收，并成为了个人的信念和判断取向之后才能成为知识。知识＝信息+理解与推理＋解决问题的技能。

“需求是创造之母”，商务智能应用广泛

“需求是创造之母”，柏拉图的格言应用于商务智能领域尤为恰当。正是基于统计学、运筹学、信息技术与人工智能的发展，科学领域的生物医学数据和空间数据分析 (GIS、GPS等)；商业领域的经济和金融数据分析、零售业数据分析、电信业数据分析、Web数据分析等驱动了商务智能领域的广泛应用。目前，数据仓库、联机分析处理、数据挖掘与知识发现技术等发展迅速。

商务智能软件中的SAP、IBM、Oracle和Microsoft，总的市场份额从2006年的20%，增加到2007年的66%。这种急剧增长主要是通过并购来实现的。在2007年1月份，SAP收购了BO（Business Object），IBM收购了Cognos。在2007年3月份，Oracle则收购了Hyperion。2009年9月IBM宣布以12亿美元现金收购SPSS。 目前SAP排名第一，占据了全球26.3％的商务智能软件市场，比第二名（IBM，市场份额为14.7%）高出了将近一倍。SAS为第三名，市场份额为14.5%。

从国内来看，商务智能已经被电信、金融、零售、保险、制造等行业越来越广泛的应用，操作型BI逐步在大企业普及，也就是说BI不仅限于高层管理者的决策之用，也日益成为普通员工日常操作的工具。据ChinaBI调查，2009年中国大陆地区的BI市场份额约为26亿元人民币，比2008年增长18%，约占企业管理软件的市场份额的8%。随着2010年全球经济的逐步复苏，在未来几年内商务智能市场需求旺盛，市场规模增长迅速。

更“准”、更“快”、更“清晰”，智能赢未来

随着商务智能的广泛应用，其未来发展同样面临着诸多的挑战。

挑战问题之一：精准。所有领域存在的共性问题都是希望越准越好，提高精准能力是永远的追求。

挑战问题之二：速度。商务智能技术能否更“快”？能否做到“离线分析快”、“在线分析也快”？

挑战问题之三：可理解性。绝大多数领域都希望有“可理解性”。例如欺诈检测、市场分割、经济预测等，但目前强大的技术几乎都是（或基本上是）“黑盒子” ，但“黑盒子”能满足需要吗？

挑战问题之四：数据利用能力。传统的技术对数据有很多假设和限制。但随着数据收集能力飞速提高，在大多数领域中都可以很容易地获得大量“坏”数据. 如何利用含有大量噪声、属性缺失、不一致、非结构化的“坏”数据？

挑战问题之五：代价敏感。目前的BI技术通过降低错误率来提高精准性，但“错误”是没有区别的吗？把“好”当成“坏”与把“坏”当成“好”在大多数领域中的错误代价都不一样。

挑战问题之六：易用性。易用性是交互的适应性、功能性和有效性的集中体现，随着BI软件的逐步推广，BI软件的易用性将会受到前所未有的关注。

…… ……

        挑战性问题或许还有更多，但显然，商务智能的发展与应用将会相当广泛，诸如：Web2.0、云计算、物联网等都将给人类生活带来巨大的变化。商务智能面临的挑战性问题也将因需求的推动而不断得到解决，更“准”、更“快”、更“清晰”并不是空想。企业管理中若能很好的运用商务智能，将能在激烈的市场竞争中保持自身优势，智赢市场空间。