【赛迪网讯】人们对商业智能的理解如同那七个印度盲人对大象的理解:有人认为它是高级管理人员信息系统（EIS），有人认为它是管理信息系统（MIS），有人认为它是决策支持系统（DSS）,有人说它是数据库技术，有人说它是数据仓库，有人把它当作分析性SCM, 有人把它当作企业绩效管理……
商业智能的定义不说多如牛毛，也是众说纷纭。
不同的人给商业智能做出了不同的解释，Gartner给商业智能作出一个比较全面、贴切的定义:“商业智能是将数据转换成知识并将知识应用到商业行为上的一个过程”，它由数据管理功能、数据分析功能、知识发现功能、企业优化功能这四部分构成。
两个故事
在解释什么是商业智能之前，我们先看两个小故事。
FORNET 洗衣店的客户服务
我们把堆放了2年的衣服交给洗衣店。他们的任务是，把衣服分类，建议你有的衣服该扔了，然后清洗，这个过程可能会很复杂。它需要问你很多问题，比如，为什么棉袄会和沙滩裤同时出现？而你一定觉得这是个很笨的问题。然后是漫长的等待……
10天后，你拿到的是已经分好类的整齐干净的衣服，并告诉你还缺少什么样的衣服，需要添置。你还需要一个结构更为合理的衣柜。并且，FORNET会提供给你很好的售后服务，时刻帮你处理这些事情，保证你的衣柜总是整洁合理，便于更新。
从此，你自己便可以轻松地在衣柜里挑选你需要的衣服，每个天、月、季度、年度或者节假日，穿得干净得体的去见你的女朋友或者丈母娘。
而且，FORNET提供增值服务，它会告诉你，你女朋友总是给你买竖条纹衬衣，可能是因为你最近变胖了。更重要的是，如果你穿休闲装而不是西装，去和你女朋友约会时，会获得更多的超值奖励。
老板，你要这么多数据做什么？
假如你是一个商品零售公司的老板。你的公司很先进，已经实现了业务信息化，每一笔销售单据都保存在数据库中，日积月累，已经保存了十余年的销售数据，上亿条销售记录。
这时如果我问你:“反正三年前的数据留着也白白占地方，耗费存储成本，索性把它们全删掉吧，这样不用买硬盘就能容纳新数据，如何？”
你会从容的接受我这个建议吗？当然不会。
那么老板，你要这么多数据做什么？
是的，和我一样，你也已经隐约认识到数据的价值，这就是我们割舍不下历史数据的原因，就像任何一个现代化企业，甚至就像任何一个传统的票号，如百年老店般虔诚地保存着古老的数据，因为我们的直觉告诉我们:这些数据很有用！
但这仅仅是一种直觉，到底该怎样把这些占据大量存储空间的数据价值挖掘出来，让这些数据从成本的消耗者变成利润的创造者？
这两个小故事都涉及到了商业智能的应用，到底什么是商业智能？从信息学的发展历程来看，在最早期，一个企业的所有数据，政策都存储在纸质的介质上，随着信息化软件的发展和应用，这些数据转移到了数据库中并可以用程序去处理，随着数据库中存储的数据越来越多，人们就开始寻求数据当中的价值，于是商业智能便诞生了。商业智能就是在大量数据中的“淘金”的过程。
三个产物
观点：实施商业智能必须具备的两大核心条件包括：保证数据的真实性、可靠性和一致性和实现信息民主化。
商业智能会带来三种产物:分析报告，统计分析的依据和方法，数据挖掘。
分析报告，是对已经发生的事实的描述和总结，是基于事实的，比如说:某公司的某部门2008年四个季度的销售额分别为5万元、7万元、10万元和3万元。
统计分析，是根据以往关联数据的规律进行分析和预测，预测的前提是人为的假定，比如说将要发生的事件和历史数据存在某种关系。
数据挖掘，则是由计算机根据一个模型自发地去分析所存储的数据，找出隐藏在数据之间的关联并分析这些关联关系对结果可能造成的影响，从而帮助人们做出决策。
这里用某电信公司的一个例子来说明上面描述的商业智能的产物。
某电信公司通过分析存储的客户数据展示出了不同类型客户的年消费额度的表单，也展示出了各个部门投入和收入的对比图表。这些都是分析报告。
从客户的历史月消费记录趋势图中可以得出部分高端客户的月消费额度逐步的降低，经分析得出按照这样的趋势发展下去，客户将会流失。这是统计分析。
电信公司新推出了很多业务，但是应用情况并不理想，大部分人会认为人们不喜欢这些新推出的业务。计算机经过分析所有已申请和未申请该业务的客户数据发现，未申请业务的人群在年龄层次，学历层次上分布并不集中，但是他们的居住或者工作地都集中在某些区域。经调查发现，新业务的办理只能去营业厅，而经计算机分析出的这些地区恰好没有该电信公司的营业厅，问题找到了，电信公司立即投入资本开发了语音和网站自助服务两个门户来推广他们的新业务。
商业智能可以比作一个工厂，他以大量的数据为原材料，有两条生产线，一条是信息的生产线，会产出:分析报告、数据查询、在线分析处理、数据可视化等产品，另一条是知识生产线，会产出数据挖掘。这些产品的客户就是商业决策者，所以商业智能所起的作用就是决策支持。
四个技术
商业智能在生产出各种产品的过程中，或多或少都会利用到一些基本的技术，比如说:数据挖掘技术、数据仓库技术、多维分析技术(OLAP)、决策信息系统技术(EIS)等等。也许是得益于“啤酒与尿布”这个简单却“神奇”的故事，数据挖掘，一个原本在国内学术界亦颇为冷门的人工智能的研究分支，数年间竟在中国IT应用领域深入人心，乃至于一提到商业智能，许多IT经理们皆会心一笑:哦，你在说数据挖掘吧。数据挖掘作为商业智能应用的基础技术之一，以其神奇的“预测”功能，在人们的脑海中似乎已经成为商业智能的代名词。数据挖掘作为一门跨学科的知识“挖掘”技术，其研究轨迹能够追溯到60年代数据库系统的流行。它的发展得益于数据库系统、ERP等企业级软件的成功应用，海量商业数据的存在以及人们对数据所代表信息的需求，最终促成了数据挖掘从技术到应用的飞跃。数据仓库是指从多个数据源收集的信息，以一种一致的存储方式保存所得到的数据集合。数据仓库创始人之一W.H.Inmon的定义为:“数据仓库是一个面向主题的、集成的、稳定的、包含历史数据的数据集合，它用于支持管理中的决策制定过程”。在构造数据仓库时，要经过数据的清洗、数据的抽取转换、数据集成和数据加载等过程。面向不同的需求，对数据进行清洗以保证数据的正确性，然后对数据进行抽取，转换成数据仓库所需形式，并实现加载到数据仓库。再谈到OLAP技术，它主要通过多维的方式来对数据进行分析、查询和报表处理。OLAP应用主要是对用户当前及历史数据进行分析,辅助领导决策，是数据仓库应用的前端工具,同时OLAP工具还可以同数据挖掘工具、统计分析工具配合使用,增强决策分析功能。最后是EIS技术，人们通常也称其为主管信息系统，是服务于高层经理的一类特殊的信息系统。EIS能够使经理们得到更快更广泛的信息。EIS首先是一个“组织状况报导系统”，能够迅速、方便、直观（用图形）地提供综合信息，并可以预警与控制“成功关键因素”遇到的问题。EIS还是一个“人际沟通系统”，经理们可以通过网络下达命令，提出行动要求，与其他管理者讨论、协商、确定工作分配，进行工作控制和验收等。商业智能体系的建立是一项长期、艰巨的任务，执行起来不仅有技术上的困难，而且有文化上的挑战。有很多企业（特别是中国企业）从来没有真正用过商业智能，无法认识到商业智能是如何改变企业的经营，使企业变得更加高效、更加强大;而且，有些企业害怕商业智能体系所洞察出的弱点和弊端，从而“讳疾忌医”。在企业中建立商业智能体系就象在人身上长出“千里眼”，其威力是巨大的，但是其难度也是“蜀道之难”。中国的企业不应象那英在歌中所祈求的那样去借一双慧眼（因为没有人会借给你的），而应该踏踏实实地建立健全的商业智能体系，自己长出一双慧眼把市场和自身的“纷纷扰扰看个清清楚楚、明明白白、真真切切。”
小贴士：啤酒搭着尿布卖。
啤酒？尿布？风马牛不相及的两件物品，能有什么样的联系呢？
这故事的主角就是全球最大的零售商沃尔玛。沃尔玛利用自动数据挖掘工具对数据仓库中各个商店一年多的详细原始数据进行分析和挖掘，一次分析之后惊奇的发现:跟尿布一起购买的最多的商品竟是啤酒！
经过市场调查，真相大白:原来美国的太太们常叮嘱她们的丈夫下班后为小孩买尿布，而丈夫们在买完尿布后又随手带回两瓶啤酒。既然尿布与啤酒一起购买的机会最多，沃尔玛就在它的各个商店里将它们并排摆放，结果是尿布与啤酒的销售量双双增长。
(责任编辑：跋陀罗尊者)
