在數據庫中分散、獨立存在的大量數據對于業務人員來說，只是一些無法看懂的天書。業務人員所需要的是信息，是他們能夠看懂、理解並從中受益的抽象信息。此時，如何把數據轉化爲信息，使得業務人員(包括管理者)能夠充分掌握、利用這些信息，並且輔助決策，就是商業智能主要解決的問題。

超市供應商規模有大有小，大的供應商如寶潔、可口可樂，小的供應商有送青菜，賣拉面的。無論供應商大小，都面臨同樣的問題，如何將超市門店每日的銷售數據歸類整理，爲自己的業務分析所用，指導公司的經營決策。這些需求可歸入商業智能的範疇，筆者走訪了各類大小超市供應商發現，對于大型供應商盡管目前公司已有功能發達的商業智能工具，然而對于超市目前提供的門店銷售數據仍然手足無措，究其原因公司現有的BI工具其設計模型相當複雜，而對于超市目前提供的簡單門店銷售日報表需要重新設計分析模型。另外一方面的原因是供應商面對各個不同的超市，其所提供的銷售日報表格式各異，如果供應商要統一分析需要對數據進行整理。

??? 独立存在的大量数据，格式有txt，xls等形式，这些数据对于绝大部分超市供应商的业务人员来说，只是一些無法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息，并且辅助决策，就是商业智能需要解决的问题。

??? 如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。 现在国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而我国的企业，目前大部分还停留在报表阶段。素恒软件自主研发的Bizvision是为零售业提供了完整的商业智能解决方案，基于Bizvision为超市供应商定制了一套能应付各个超市不同类型数据的商业智能解决方案。

報表工具???

??? 传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表、Reporting Service等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。

??? 1. 数据太多，信息太少

??? 密密麻麻的表格堆砌了大量数据，到底有多少业务人员仔细看每一个数据?到底这些数据代表了什么信息、什么趋势?级别越高的领导，越需要简明的信息。如果我是董事长，我可能只需要一句话:目前我们的情况是好、中还是差?

??? 2. 难以交互分析、了解各种组合

??? 定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表無法回答诸如“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。

??? 3. 难以挖掘出潜在的规则

??? 报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大，产品之间相互关联的程度如何?越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。

??? 4. 难以追溯历史，数据形成孤岛

??? 业务系统很多，数据存在于不同地方。太旧的数据(例如一年前的数据)往往被业务系统备份出去，导致宏观分析、长期历史分析难度很大。

??? 因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。

??? 八維以上的數據分析

??? 如果说OLTP侧重于对数据库进行增加、修改、删除等日常事务操作，OLAP(Online Analytics Process，在线分析系统)则侧重于针对宏观问题，全面分析数据，获得有价值的信息。

??? 为了达到OLAP的目的，传统的关系型数据库已经不够了，需要一种新的技术叫做多维数据库。 多维数据库的概念并不复杂。举一个例子，我们想描述2003年4月份可乐在北部地区销售额10万元时，牵扯到几个角度:时间、产品、地区。这些叫做维度。至于销售额，叫做度量值。

??? 除了时间、产品和地区，我们还可以有很多维度，例如客户的性别、职业、销售部门、促销方式等等。实际上，使用中的多维数据库可能是一个8维或者15维的立方体。 虽然结构上15维的立方体很复杂，但是概念上非常简单。

??? 数据分析系统的总体架构分为四个部分:源系统、数据仓库、多维数据库、客户端。

??? ·源系统:包括现有的所有OLTP系统，目前每个超市供应商将会面对多个不同的超市系统的的数据下载界面。搭建BI系统并不需要更改现有系统。

??? ·数据仓库:供应商只需定期把源系统中下载的数据放在指定的位置，数据大集中后，通过数据抽取，把数据从源系统源源不断地抽取出来，可能每天一次，或者每3个小时一次，当然是自動的。数据仓库工具的数据数据仓库依然建立在关系型数据库上，往往符合叫做“星型结构”的模型。

??? ·多维数据库:数据仓库的数据经过多维建模，形成了立方体结构。每一个立方体描述了一个业务主题，例如销售、库存或者财务。

??? ·客户端:好的客户端软件可以把多维立方体中的信息丰富多彩地展现给用户。

??? 数据挖掘看穿你的需求

??? 供应商销售数据分析系统在回答以下问题时很有效:

·在指定的産品組內，哪種産品有最高的銷售額?

·在特定的産品種類內，各種産品間的銷售額分布如何?

·哪個超市/門店完成了最高百分比的銷售額，每個超市和門店的貢獻度?

·哪個區域的門店銷售額最高?

??? 广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来，数据挖掘就是BI。但从技术术语上说，数据挖掘(Data Mining)特指的是:源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上，我们可以定义:数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。

數據報表、數據分析、數據挖掘是BI的三個層面。我們相信未來幾年的趨勢是:越來越多的企業在數據報表的基礎上，會進入數據分析與數據挖掘的領域。商業智能所帶來的決策支持功能，會給我們帶來越來越明顯的效益。（業務咨詢021－29556503）