有的企业面临庞大的数据量，却无法做出有效的分析。这里面最关键的原因是数据基础打得不牢靠，业务系统无法提供商业智能分析所需要的数据。这样一来，企业花了大量的资金购买的商业智能工具也好，系统也好，最后的实际作用还是被局限在了做报表。

问题

“我们武汉钢铁在2005年就已经在做BI系统了，但是当时的使用情况并不太理想。按理说，应该是以业务部门为主导，需要有人能够提出主题。虽然我们的许多部门都在用这个系统，但是也仅仅局限于数据的统计方面和报表展示。” 武汉钢铁(集团)有限公司工程管理部指挥长张汉欣对《CIO INSIGHT/信息方略》记者谈道，“但是BI真正的功能，比如说对数据进行前瞻性的分析以及质量控制的预测都没有发挥出来。最大原因就是业务部门提不出需求，IT部门也不知道该从什么地方着手。”

武汉钢铁(集团)有限公司(以下简称武汉钢铁)坐落在“九省通衢”的武汉市东部，为新中国成立后兴建的第一个特大型钢铁联合企业，于1955年开始建设，1958年9月13日建成投产，是中央和国务院国资委直管的国有重要骨干企业，是国内排名第三大钢铁上市公司。

2005年，在中国企业中已经刮起了一股“BI风”，各种企业纷纷上线BI系统。“当时对数据仓库的挖掘和分析是一种潮流，我们也不想落后。”张汉欣说道。那时，武汉钢铁组织考察团走访了国内外许多钢铁企业，经过综合分析选择了一家国内的BI厂商，整个构建也是按照BI来做的，包括数据展示、图标、驾驶舱，每天对数据进行清洗。由于2002年已经上线了ERP系统，为BI的建设打下了良好的数据基础。

“但是业务部门当时也只提出了一些报表统计分析的要求，我们也感到有力没处使。”张汉欣说道。之后，武汉钢铁的年产量从800万吨猛增到1800万吨。系统扩大了同时业务数据量也增加了，结果“一方面导致数据库压力过大，不能有效对大量数据进行清洗和抓取。另一方面导致二级数据与四级数据交换出现困难。”最终武汉钢铁的BI项目就这样不了了之了。

有人曾把商业智能的应用分为三个层次，即报表层次，数据分析层次和数据挖掘层次。一方面许多企业在BI应用多年之后，甚至在技术已经不存在问题的时候，还是只停留在报表层次。

有的企业面临庞大的数据量，却无法做出有效的分析。这里面最关键的原因是数据基础打得不牢靠，业务系统无法提供商业智能分析所需要的数据。这样一来，企业花了大量的资金购买的商业智能工具也好，系统也好，最后的实际作用还是被局限在了做报表。

北京大学人民医院信息化始于1996年，随着医院的不断发展，不同层次的管理者对数据分析有着不同的需求：院领导希望实时监控医院的业务状况、医疗设备使用率;希望商业智能平台能实时汇总医院整体医疗状况，并根据这些数据，对未来一段时间的医疗发展趋势做出分析预测，以辅助院领导调整未来的医疗策略。

但由于数据分散在HIS、MIS、ERP等应用系统中，数据的来源纷繁复杂。更糟糕的是，数据源还可能存在A系统记录的数据与B系统记录的数据有出入。而这种不一致，不但对于医院的管理很不利，也给信息中心出了个大难题，它们对各部门品种繁多且频繁变动的报表与分析需求，总是耗费周折才能完成，而且答案也不能令业务部门满意。这种情况令业务部门头痛，也让IT人员沮丧。

Gartner副总裁兼资深研究员史蒂夫·普伦蒂斯表示：“我们处在被数据浪潮淹没的危险中，然而我们却缺乏对信息的洞察力。企业面临的挑战是如何让所有数据有意义，并能根据这些数据做出更好的决策。”

对中国许多企业而言，核心系统及IT基础设施已经完善。一部分企业把目光投向已拥有的海量数据，希望运用这些数据分析，来衡量自身的业务现状、分析客户行为，并用于制定战略、指导业务。

但是，像上面这样的企业对商业智能的应用毕竟是凤毛麟角。据埃森哲在中国的研究表明，仅有8%的中国精英企业表示自己的管理团队已经具备了先进的分析能力;超过67%的中国公司根本没有商业智能或其他分析工具;50%以上的企业甚至连基地的数据存储能力都不具备。

询问企业的信息主管：

是否业务人员能够提出合理需求?

询问企业的IT技术人员：

是否有大量的历史数据不知如何处理?

方法

2009年，武汉钢铁重新开始上线BI系统，由于上次在业务部门推行的较难，这一次，张汉欣没有急着在全公司推行，而是选择了武汉钢铁旗下的一家国际贸易公司做试点。国贸公司负责武汉钢铁对外订购设备，对内进行煤、矿等大宗燃料的采购工作。

以前武汉钢铁大宗燃料的采购基本上都是通过人工来进行控制的。现在国贸公司通过物流管理系统，把全公司每年需要的各种煤和矿的数据进行分析，然后对客户和资源进行分析，哪些能够满足需要、哪些不能够满足，这样就可以很快做出决策。物流系统每天都会对各种数据进行清洗，把有用的数据放在数据仓库，管理人员可以直接抽取分析。这种分析就能够更加精确，更能够进行成本和保产需求的控制。同时，“我们在采购的时候会跟客户签订合同，有了这个系统之后，我们的合同进行到哪一步，在系统里面都有体现，这也保证了我们对采购过程进行监控。”张汉欣谈道。

张汉欣认为最重要的还是业务人员对未来采购计划的预测提出了明确的需求，他们才有针对性地让BI达到了超越报表层的应用。

而对北京大学人民医院来说，尽管掌握了大量数据，但只有对数据进行分析、整理，才能服务于管理者的决策。信息部门的当务之急是，将多年来分散在不同系统中的数据整合起来，梳理清晰数据之间的业务逻辑关系，建立统一的业务视图。

在BI建设初期，人民医院遇到的最大困难是业务部门不知道自己需要什么数据，提不出自己的BI目标。大都还停留在传统的医院管理模式中，关注门诊量、住院量、手术量等表面数据，使得项目实施后与其理想化的预期存在较大差距。

为了让BI走向正轨，信息中心要引导业务部门对需求进行思考，提出准确的数据及BI需求，培养其依赖数据分析的习惯。另外，在实施BI项目前，信息中心调研了各级用户对BI的普遍需求，并对全院所有报表及将要开发的报表进行梳理，共整理出7类报表502张。把报表做了规范化整理，为以后分析的准确性打好了基础。

当然，要实现BI，基础数据的整理分析也是非常有必要的。“BI的建设要一步一步来，不能够走得太急，如果过于急于求成，反而达不到应有的效果。” 京港地铁信息技术部经理黄颖俊谈道。而北京京港地铁有限公司(以下简称“京港地铁”)的BI建设恰好印证了这一点。

作为一个2006年才成立的公司，京港地铁并没有上线任何BI项目。但是，公司信息部门却对BI有一个长远的规划。“我们把BI的建设分为三个阶段，第一个阶段是打桩，做一些前期的业务系统;第二个阶段是建房子，做数据仓库和数据平台。第三个阶段才是粉刷和装修，也就是bI的应用”黄颖俊说道。

前期，京港地铁做了两个核心系统——ERP系统和人力资源管理系统，再加上财务系统、仓库管理系统、采购系统、运营管理系统等四个业务系统。这些桩打下去以后，实际上是看不见的，但是它保证了京港地铁各个业务流程的规范、数据的完整度。

第二个阶段是搭房子，建设数据仓库和数据平台。而跟北大人民医院一样，如何引导业务人员去提出目标，培养其建立BI思维，成了黄颖俊在这个过程中的又一课题。

地铁的一项重要工作是维护保障，所有的维修任务都通过维修工程单来处理，过去维修单都是手工填写，费时费力。并且所有的维修数据都保留在设备管理部门。

黄颖俊主动与公司领导沟通，希望将设备的维修处理变成电子化方式，设备出了哪些故障，直接可以从系统里面调出来，这个设备曾经修过多少次、花了多少工单和时间，都可以查询到。这一改变，也得到了业务人员的追捧。维修审批更快速，业务流程也更加标准化。

第三个阶段就是精装修，就相当于BI的展示。这种展示因人而异，因业务需求而异。由于之前的基础打得好，业务人员提出的各种分析目标需求就能够在短期内得到有效满足。

老百姓大药房是一家由单一民营药店发展起来的大型医药连锁企业，创立于2001年10月，总部设在湖南省长沙市。作为一家以“让更多人看得起病、吃得起药”为宗旨的低价药店连锁，对于成本的控制可以说是至关重要。

2005年，老百姓大药房与国内名校合作，自主开发了自己的核心业务系统—— 全集中BS架构医药业务系统。新系统的运行将改变往日数据不准确、不集中、易丢失、难管理的尴尬局面，为财务管理、运营管理与决策分析带来了革命性的突破。

为了降低成本，老百姓大药房对库存管理非常重视，为提高自己预测销售的能力，信息总监吴勇带领其团队做好一套模型放在系统里面，供销售人员对各方面数据进行分析。

由于各个季度有不同侧重的药品销售，当季末的时候就要对这些药品进行严格库存控制，避免换季之后药品囤积。“比如，一些夏季药品，在7月份的时候就要对其进行控制，我们根据历史数据给销售人员提供建议。在接下来的两个月，这种药品15天的销量只是平时5天的销量，这些数据可以提取出来做出分析，然后做出库存预测。”吴勇说道。

有些企业的信息往往分布在不同的部门和分支机构,管理者要纵观全局、运筹帷幄，必须能迅速地找到能反映真实情况的数据，这些数据也许是当前的现实数据,也可能是过去的历史数据。数据源的不一致和不完整，导致经常出现即使把多个数据串起来，却仍然无法进行分析。因此这往往是数据分析的难点所在。

作为国内大型药品零售连锁企业，老百姓大药房每天都要产生海量的数据，为了避免数据的分散，公司要求所有的数据都要汇集在核心业务系统——BS系统上，分公司不保留数据，信息部门只需要对数据进行归类汇总。这就保证了数据的统一规范，便于之后的数据提取和挖掘。

询问企业的信息主管：

是否应用了自主研发的工具来处理企业大量的信息?

询问企业的CIO：

是否建立了数据仓库?