商業(yè)智能簡(jiǎn)史，一切要從1865年說(shuō)起

作者：車(chē)品覺(jué)

1865年，理查德·米勒·德文斯（Richard Millar Devens）在《商業(yè)趣聞百科全書(shū)》（Cyclop?diaof Commercial and Business Anecdotes）中提出了“商業(yè)智能”（BI）一詞。他用這個(gè)詞來(lái)描述銀行家亨利·福尼斯（HenryFurnese）通過(guò)收集信息并根據(jù)這些信息，先于競(jìng)爭(zhēng)對(duì)手采取行動(dòng)，從而獲利。1958年，IBM計(jì)算機(jī)科學(xué)家漢斯·彼得·盧恩（Hans PeterLuhn）撰文討論了利用技術(shù)來(lái)收集商業(yè)智能的潛力。按照今天的理解，商業(yè)智能就是利用技術(shù)來(lái)收集和分析數(shù)據(jù)，將之轉(zhuǎn)換成有用的信息，并根據(jù)這些信息，“先于競(jìng)爭(zhēng)對(duì)手”采取行動(dòng)。從本質(zhì)上說(shuō)，現(xiàn)代版的商業(yè)智能利用技術(shù)，在正確的時(shí)間，依據(jù)正確的信息，迅速且有效地作出決策。

1968年時(shí)，只有那些具備專業(yè)技能的人，才能把數(shù)據(jù)轉(zhuǎn)換成可用的信息。那時(shí)，來(lái)自多個(gè)來(lái)源的數(shù)據(jù)通常儲(chǔ)存在筒倉(cāng)中，研究報(bào)告呈碎片化，彼此脫節(jié)，可以作出多種不同的解讀。埃德加·科德（Edgar Codd）認(rèn)識(shí)到，這是個(gè)嚴(yán)重的問(wèn)題。1970年，他發(fā)表文章，改變了人們思考數(shù)據(jù)庫(kù)的方式。他關(guān)于建立“關(guān)聯(lián)式數(shù)據(jù)庫(kù)模型”的提議獲得了巨大關(guān)注，被全世界所采納。

決策支持系統(tǒng)（DSS）是第一個(gè)數(shù)據(jù)庫(kù)管理系統(tǒng)。很多歷史學(xué)家都認(rèn)為，現(xiàn)代版的商業(yè)智能是從DSS數(shù)據(jù)庫(kù)演化而來(lái)。上世紀(jì)80年代，商業(yè)人士發(fā)現(xiàn)了商業(yè)智能的價(jià)值，于是BI供應(yīng)商的數(shù)量大增。那期間，各種各樣的工具紛紛面世，目標(biāo)是以更簡(jiǎn)單的方式訪問(wèn)和組織數(shù)據(jù)。聯(lián)機(jī)分析處理（OLAP）、主管信息系統(tǒng)（EIS）和數(shù)據(jù)倉(cāng)庫(kù)應(yīng)運(yùn)而生，與DSS協(xié)同工作。

OLAP

OLAP讓用戶可以分析多來(lái)源數(shù)據(jù)，并提供多個(gè)范式或視角。OLAP的數(shù)據(jù)庫(kù)采用多維數(shù)據(jù)模型，支持復(fù)雜分析和即席查詢。OLAP的標(biāo)準(zhǔn)應(yīng)用包括：

OLAP“曾經(jīng)”非常流行，因?yàn)樗峁┝硕喾N多樣的信息收集和組織方式。作為基于SQL的程序，OLAP在NoSQL流行起來(lái)后，就漸漸失勢(shì)。（現(xiàn)在，Kyvos Insights、Platfora和AtScale等公司把OLAP疊加到NoSQL庫(kù)之上。）OLAP支持三個(gè)基本操作：

合并是指把那些可以通過(guò)多種方式儲(chǔ)存和處理的數(shù)據(jù)結(jié)合起來(lái)。例如，所有分支機(jī)構(gòu)的汽車(chē)銷售數(shù)據(jù)由銷售經(jīng)理匯總，以預(yù)測(cè)銷售趨勢(shì)。下鉆是指查看和分析更詳細(xì)的數(shù)據(jù)，比如按照顏色、類型或燃料種類，來(lái)查看汽車(chē)銷售數(shù)據(jù)。切片和切丁是指選取OLAP立方體中的特定數(shù)據(jù)，從不同的角度，進(jìn)行細(xì)致觀察。

EIS

上世紀(jì)70年代末，CEO們開(kāi)始使用互聯(lián)網(wǎng)來(lái)探究商業(yè)信息。EIS由此誕生，為高管提供決策方面的支持。EIS旨在提供“簡(jiǎn)化”決策過(guò)程所需的適當(dāng)和最新信息，強(qiáng)調(diào)以圖表和易用界面的方式，來(lái)呈現(xiàn)這些信息。EIS的目標(biāo)是把高管變成“親自動(dòng)手”的用戶，讓他們自己處理郵件、進(jìn)行研究、作出任命和閱讀報(bào)告，而不是通過(guò)中間人接收這些信息。但由于作用有限，EIS漸漸失寵。

數(shù)據(jù)倉(cāng)庫(kù)

上世紀(jì)80年代，企業(yè)開(kāi)始經(jīng)常使用內(nèi)部數(shù)據(jù)分析解決方案（由于當(dāng)時(shí)計(jì)算機(jī)系統(tǒng)的限制，這通常是在下班后和周末進(jìn)行），因此數(shù)據(jù)倉(cāng)庫(kù)開(kāi)始流行。在數(shù)據(jù)倉(cāng)庫(kù)出現(xiàn)之前，企業(yè)需要大量的數(shù)據(jù)冗余，以便向參與決策的所有人提供有用的信息。數(shù)據(jù)倉(cāng)庫(kù)大幅縮短了訪問(wèn)數(shù)據(jù)所需的時(shí)間。通常儲(chǔ)存在多個(gè)地方（往往是部門(mén)筒倉(cāng)）的數(shù)據(jù)，現(xiàn)在可以儲(chǔ)存在同一個(gè)地方。

數(shù)據(jù)倉(cāng)庫(kù)還有助于推動(dòng)大數(shù)據(jù)的使用。突然之間，數(shù)量龐大、形式多樣的數(shù)據(jù)（電子郵件、互聯(lián)網(wǎng)、Facebook、Twitter等等）可以從同一個(gè)地方訪問(wèn)，這節(jié)約了時(shí)間和資金，并且還能訪問(wèn)先前訪問(wèn)不了的商業(yè)信息。在提供由數(shù)據(jù)驅(qū)動(dòng)的洞見(jiàn)方面，數(shù)據(jù)倉(cāng)庫(kù)潛力巨大。這些洞見(jiàn)可以提高利潤(rùn)、發(fā)現(xiàn)欺詐、減少損失。

商業(yè)智能邁向高科技

1988年，在羅馬舉行的多路數(shù)據(jù)分析大會(huì)結(jié)束后不久，商業(yè)智能開(kāi)始作為一個(gè)技術(shù)概念出現(xiàn)。在這場(chǎng)大會(huì)上得出的結(jié)論促使人們開(kāi)始簡(jiǎn)化BI分析，并使之對(duì)用戶更加友好。BI企業(yè)大量涌現(xiàn)，每家新公司都提供新的BI工具。在那個(gè)時(shí)期，BI有兩項(xiàng)基本功能：產(chǎn)生數(shù)據(jù)和提供報(bào)告，并以適當(dāng)?shù)姆绞浇M織和呈現(xiàn)數(shù)據(jù)。

20世紀(jì)末、21世紀(jì)初，BI服務(wù)開(kāi)始提供簡(jiǎn)化的工具，降低決策者對(duì)工具的依賴度。這些工具更易于使用，而且提供所需的功能，非常有效。商業(yè)人士可以通過(guò)直接與數(shù)據(jù)打交道的方式，收集數(shù)據(jù)，獲取洞見(jiàn)。

商業(yè)智能VS數(shù)據(jù)分析

目前，商業(yè)智能和數(shù)據(jù)分析常常被混用。這兩個(gè)術(shù)語(yǔ)都描述了在商業(yè)決策過(guò)程中使用數(shù)據(jù)的普遍實(shí)踐。商業(yè)智能代表了為決策者提供輔助的一系列技術(shù)，而數(shù)據(jù)分析則代表了處理數(shù)據(jù)的一系列工具，并且作為一個(gè)統(tǒng)稱，涵蓋了數(shù)據(jù)倉(cāng)庫(kù)、企業(yè)信息管理、商業(yè)智能、企業(yè)績(jī)效管理和企業(yè)治理。

描述性分析

描述性分析是指描述和總結(jié)數(shù)據(jù)，主要聚焦歷史信息，通過(guò)描述過(guò)去，幫助用戶了解以前的行為如何影響現(xiàn)在。描述性分析能用來(lái)解釋企業(yè)如何運(yùn)作，描述業(yè)務(wù)的不同方面。在最理想的情況下，描述性分析能講述一件具有相關(guān)主題的事情，并提供有用的信息。

預(yù)測(cè)性分析

預(yù)測(cè)性分析能預(yù)測(cè)未來(lái)，它利用統(tǒng)計(jì)數(shù)據(jù)，為企業(yè)提供關(guān)于未來(lái)變化的有用信息，比如判斷銷售趨勢(shì)和購(gòu)買(mǎi)模式、預(yù)測(cè)消費(fèi)者行為。其商業(yè)用途通常包括，預(yù)測(cè)銷售增長(zhǎng)速度、消費(fèi)者可能購(gòu)買(mǎi)哪些產(chǎn)品，以及預(yù)測(cè)庫(kù)存總量。信用評(píng)分是這類分析的一個(gè)用例，金融服務(wù)機(jī)構(gòu)利用信用評(píng)分來(lái)評(píng)估客戶按時(shí)還款的可能性。

規(guī)定性分析

規(guī)定性分析是一個(gè)相對(duì)較新的領(lǐng)域，應(yīng)用難度還比較大。它會(huì)“規(guī)定”幾個(gè)不同的可能行為，引導(dǎo)人們找到解決方案。這類分析的核心在于提供建議。從本質(zhì)上說(shuō)，規(guī)定性分析會(huì)預(yù)測(cè)今后可能出現(xiàn)的多種情況，并讓企業(yè)根據(jù)他們的行為，對(duì)可能出現(xiàn)的多種結(jié)果進(jìn)行評(píng)估。在最理想的情況下，規(guī)定性分析可以預(yù)測(cè)將來(lái)會(huì)發(fā)生什么、為什么會(huì)發(fā)生，并提供建議。一些大公司已經(jīng)利用規(guī)定性分析，成功優(yōu)化了日程安排、收入流和庫(kù)存，從而改善了客戶體驗(yàn)。

流分析

流分析是一個(gè)實(shí)時(shí)過(guò)程，不斷計(jì)算、監(jiān)測(cè)和管理基于數(shù)據(jù)的統(tǒng)計(jì)信息，并根據(jù)這些信息，“先于競(jìng)爭(zhēng)對(duì)手”采取行動(dòng)。這個(gè)過(guò)程中，你可以在任何特定時(shí)間，了解市場(chǎng)上發(fā)生的事件，并根據(jù)這些事件采取行動(dòng)。作為一種新的工具，流分析大幅改善了提供給決策者的有用信息流。

用于流分析的數(shù)據(jù)可以有多種來(lái)源，包括手機(jī)、物聯(lián)網(wǎng)、市場(chǎng)數(shù)據(jù)、交易和移動(dòng)設(shè)備（平板電腦和筆記本電腦）。它能迅速有效地將管理人員和外部數(shù)據(jù)源聯(lián)系起來(lái)，讓?xiě)?yīng)用程序把數(shù)據(jù)并入一個(gè)應(yīng)用流，或者用處理后的信息更新外部數(shù)據(jù)庫(kù)。流分析支持：

芝加哥利用MongoDB開(kāi)發(fā)的WindyGrid項(xiàng)目就是流分析的一個(gè)用例。WindyGrid把來(lái)自各個(gè)市政部門(mén)的700萬(wàn)個(gè)數(shù)據(jù)點(diǎn)加以整合，讓芝加哥市政人員可以分析數(shù)據(jù)，預(yù)測(cè)哪里需要資源，然后相應(yīng)地分配資源，有效地解決問(wèn)題。市政人員可以更迅速地作出更明智的決定，更有效地分配資源。WindyGrid為芝加哥帶來(lái)了革命性的變化，使之能夠以具有成本效益的方式，了解、準(zhǔn)備和應(yīng)對(duì)各種各樣的情況。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來(lái)自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁(yè)或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書(shū)面權(quán)利通知或不實(shí)情況說(shuō)明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開(kāi)相關(guān)鏈接。