ITPub博客

首页 > 大数据 > 可视化 > 大卸“商业智能” (系列二)

大卸“商业智能” (系列二)

可视化 作者:我是杰物 时间:2010-09-16 10:39:31 0 删除 编辑

    赛迪顾问数据表明,2009年中国商业智能软件市场规模达到27.28亿元,同比2008年增长19.8%,未来三年中国商业智能软件市场的年均复合增长率为20.3%,到2012年市场规模将达到47.47亿元。

 

    2009年,中国商业智能(BI) 市场上,行业应用征凸显。
电信行业,3G业务应用、终端用户数量增长以提升服务水平的要求,使得其更加需要应用商业能来提高效率,改善服务;制造、流通等行业对商智能的主要需求来自于海量数据处理过程中科学策的难题。 随着信息化进程的深入, 企业内部数据增长迅速, 而数据处理、 提供决策依据成为商业智能的主要应用方向。
    商业智能软件大致分为两类应用,决策支持应用与数据管理应用。 从市场竞争看, 目前在决策支持应用市场上,管理软件厂商众多,用友、金蝶、 浪潮等软件厂商在为高端客户提供管理软件的同时,能够为其提供基于管理系统的决策支持系统。在数据管理应用市场上,由于其技术要求高,数据处理复杂, 因此目前主要以国际商业智能软件巨头为主。

 

    专业与综合的博弈
    经历一轮并购潮之后, “大牌”BI厂商已经为数不多。 大体上分为两类, 一类是专业化BI提供商,另一类是综合性BI提供商。
    所谓专业化, 是指专注于BI从后台到前台的某一个技术环节进行深入耕耘,向纵深方向发展的厂商, 例如精于数据仓库技术的Teradata和在数据挖掘分析方面见长的SAS。而所谓综合性厂商则是指提供端到端综合解决方案的BI厂商, 甚至是提供整合BI 功能的业务软件或者管理软件的厂商,例如IBM、SAP、Microsoft和Oracle等。
    单从数量上来看, 综合性厂商显然具有压倒性优势, 实际上这也代表了如今BI应用的一种潮流, BI需要与其他软件系统,尤其是直接支持企业业务运营的业务系统进行融合,因为只有这样BI才能更好地支持企业的业务决策。
    在BI工具的整合, 以及BI与其他软件系统的整合问题上, 表面上看综合性厂商有着先天的便利性,但同时又有着一定的局限性。 便利在于, 综合性厂商在完成收购之后,许多整合工作将变成厂商内部的事情;而局限是指有可能会在兼容性上重点照顾自己的产品,而在同类竞争产品上照顾得要少一些。

    随着收购次数的增多, 完成收购的综合性厂商都纷纷表示,将继续开发和支持能与对手厂商的软件良好兼容的BI工具,但是客观来说,厂商的开发团队在为各项目分配时间和资金时肯定会有所取舍。综合性厂商面临另一个重要的问题:完成购并后的综合性BI厂商整合并不容易。 比如甲骨文公司, 多达20多种BI产品,在开发资源的合理分配,以及重点的取舍上, 都会是比较棘手的问题。 但是, 由于甲骨文公司CEO拉里多年前已确定要超越当年赖以起家的单一数据库业务,而走上全面的从底层基础架构、 操作系统、 数据库、中间件到应用层面的软件的所谓“一站式”或“大而全”之路,所以近两三年都是不惜血本往“开放”和“集成”上砸钱。数据显示该公司用于完成开放和集成的研发投入每年占营收超过10%,而在2010年1月份刚刚宣布完成收购SUN公司的大会上,总裁Charles Philips更放言其2011财年将投入43亿美元用于研发。 甲骨文力求花大力气整合并购来的公司,即可见一斑。
    对于越来越少的专业BI厂商来讲,其合作伙伴群体变得越来越小。一方面要和综合性厂商中与自己产品有竞争关系的产品线进行拼杀,另一方面还要尽可能与这些综合性厂商中与自己产品有互补关系的产品线进行合作。
虽然专业厂商的处境似乎颇为不利,但仍然保有一些优势。 虽然没有先天的与业务融合的优势, 但专业性厂商产品的开放性更强。这对于那些不希望“在一棵树上吊死”的客户很有吸引力。而且,专业化厂商也进一步强化了自己的优势方面,同时在专业化厂商之间加强了合作。例如Teradata和SAS都将对方作为非常重要的合作伙伴,宣称他们的互补性远多于竞争性,尤其是都强调将专注于各自的专业方向,SAS公司更是进一步将自身明确定位于商业分析领域。


    产业链上“较高低
    由于商业智能厂商的并购以及各大厂商的宣传, 使得用户对商业智能厂商和解决方案的选择变得更加困难。 笔者对主要商业智能厂商的战略或产品的进行剖析, 希望可以帮助用户做出更好的决策或者开始行动。

    SAP
    关注SAP近几年的产品发布, 可以很明显的感觉到一个关键字不停出现:易用性,BI系列产品更是在易用性上下足功夫。
    SAP中国区首席顾问鲁百年为记者举了一个小例子,去年5月发布的Explorer是SAP与Business Objects技术之间的一次最重大、 最全面的整合。 它以互联网式搜索框为界面, 是针对此前没有任何IT经验的用户进行设计的。 任何一个人现在都可以通过简单的关键词搜索来浏览和检索商业信息。其总的应用体验就像浏览互联网或网上商店一样简单,特别是对那些目前还没有尝试过BI 工具的用户来说,这款产品非常具有吸引力。 “易用性”是BI这个贵族走下神坛的必要条件。
    在鲁百年看来BI从应用角度分为五个层次。 第一层, 解决以前发生的事情, 例如公司的库存量、 销售额、哪些产品能为企业带来效益、企业的大客户青睐哪些产品、 哪些产品为企业带来的效益最少等等。第二层,了解以前发生事情的原因,例如公司有一系列产品,为什么有些产品销量好,另外一些产品销量差,这背后都有什么原因。第三层,监控现在发生的事件, 即我们常说的实时BI或者说运营型BI,企业用来进行风险防范。第四层,预测未来会发生什么,这个层次对企业做预算非常有帮助,在一些电力系统需求也非常明显。第五层,业务活动监控, 它可以根据企业的运营情况随时调整企业的预算,让企业活动和预算达到最好的平衡。
    3月3日, SAP发布了SaaS版本的BI解决方案,利用互联网的特点,将产品放在网上,用户可以先去试用各种版本。
    这些数据可以通过这个工具在企业内被所有用户分享。

    HP
    惠普软件产品线中, 很重要的一环就是BI, 它定位于高端BI领域,在惠普原有服务优势上加入BI要素, 为用户提供高级的BI咨询服务和企业数据仓库。
    早在2006年,惠普就收购了全球著名的BI咨询公司Knightsbridge Solutions, 大大增强了在BI领域的整体服务能力。在产品方面,惠普有Neoview数据仓库平台,主要用于大型数据仓库和操作型商业智能领域。
    相比BI领域的其他巨无霸, 惠普拥有两个非常有利的优势, 那就是两位在数据仓库领域非常著名的人物:CEO马克·赫德和CIO兰迪·莫特。赫德在加入惠普之前,是NCR公司和它的Teradata部门的负责人, 这使得他有机会深入了解这个充斥着数据抽取、 运算法则以及数据库表格关联的神秘世界。而莫特在沃尔玛集团担任CIO期间曾建立并管理了基于Teradata数据仓库的巨大系统。
    而在BI咨询领域, 惠普的重要性不言而喻, 它的咨询覆盖了用户实施BI的整个生命周期。 惠普大中国区商业智能销售总监郑雅辉向记者表示, 惠普可以为用户提供的, 首先是BI具体实施前的战略咨询,其次是为各主要行业用户提供更加专业且深入的专项咨询,  例如数据标准, 数据质量,  数据管控咨询等。 最后在实施层面惠普提供全套的实施方法论和来自国际国内高端用户的实施经验以最大限度地确保用户的BI项目获得成功。
郑雅辉表示,对很多中国市场的客户来说,BI第一阶段的工作——基础数据平台的建设已经初步完成了。现在需要做的就是如何转向下一步,如何提供更有价值的分析能力以及如何提供更加实时的分析能力。而在通信和零售银行领域的CIO,对以上问题尤其敏感。他们已经看到,与传统的数据仓库相比, 运营型商业智能解决方案可以提供更多源、更实时、交互性更强的数据和分析能力,推动企业尽可能快速地实现决策,这正是未来BI 的发展趋势。而这恰恰也是惠普希望抓住的机会。

    甲骨文
    收购海波龙(Hyperion)之后, 甲骨文的BI排名大大提升,而BEA的中间件更是加强了甲骨文的BI战略,中间件作为从交易系统中实时提取数据重要工具的一个关键部分, 成为甲骨文复杂事件处理技术的基石。而甲骨文一直以客户只要有需求,就支持这个产品的收购,这是一个很好的姿态。
    甲骨文公司大中华区企业绩效和商业智能(EPM/BI) 总经理钟赞辉表示, 甲骨文提供了一个可以降低企业商业智能构建与部署成本和复杂性的完整、预先集成的技术基础。
    甲骨文凭借其在技术、资源和经验上的优势,一直致力于为企业提供最能满足企业竞争需要的数据仓库解决方案, 其数据仓库解决方案包含了业界领先的数据库平台、开发工具和应用系统。Oracle数据仓库突破了现有数据仓库产品的局限,能够帮助企业以任何方式访问存放在任何地点的信息,在企业中的任何层次上, 满足信息检索和商业决策的功能需要。 数据仓库解决方案能够提供一系列的数据仓库工具和服务,具有多用户数据仓库管理能力, 多种分区方式,较强的与OLAP工具的交互能力, 以及快速和便捷的数据移动机制等。
    同时,业界也都清楚看到,以数据库起家的甲骨文近几年全力把管理软件做大做强, 抗衡SAP。 围绕BI,甲骨文致力于使BI与ERP、CRM、HCM、PM 的对接和整合, “Oracle商业智能解决方案” 集成了数据仓库、 ERP管理软件、 绩效管理软件、 CRM管理软件以及商务智能管理软件等,这其中包含了数据的收集开始、到分析、最终进行智能决策。
    甲骨文在商务智能方面还有一个特点:实现了绩效管理与BI的统一, 并支持广泛的战略、 财务和运营管理流程。
    钟赞辉更多地是在BI现今最薄弱的应用环节来看BI, 在和用户的沟通过程中, 他看到很多用户希望厂商能够为BI多提供一些建设性意见, 为用户下一步工作做指导。 正是这些需求, 甲骨文在后台有几百个预定制好的报表。 用户可以根据自己的行业需求, 选取领先行业客户早已制作好的报表直接使用。 不仅如此, 通过最佳实践设计出来的报表有很好的借鉴作用,用户常常因为这些报表,能触发下一步工作的灵感。
    在钟赞辉看来,智能性、敏捷性以及协调一致是商业智能管理软件必须满足用户的三大方面。在总结竞争优势上, 钟赞辉也不忘用甲骨文经典的“C.I.O”来概括:即完整、集成和开放。

 

    SAS
    SAS在2009年初公开提出的从商业智能转变到业务分析的理念。SAS公司副总裁David Hughes这样表述:“商业分析技术可以依据历史数据,帮助各类企业去分析并找到他们正确的用户,同时能够优化其业务,预测未来的企业行为。”
    SAS提供的是一个整合的平台, 不同在于SAS的产品线基本都是公司自主开发的,因此产品系列的延续性相对更强。SAS也是唯一一个可以利用统一构建的平台来将数据整合、报表和分析集合在一个可以随着一个组织的发展而演变的框架之中的商业分析供应商。所有这些能力都可用于在企业范围内提升绩效和管理变更。SAS软件销售实行许可证定购模式,SAS把软件租给企业使用,免费提供服务, 按年收取租赁费。 “这种业务模式要求SAS必须每年都提供创新而可靠的软件,了解客户并服务客户。否则后续服务成本很高,同时由于是按年租赁的,SAS必须要保持产品和服务领先,不然来年未必能续签合同。 ”SAS公司市场总监罗威告诉记者。

    对于SAS一向最擅长的统计分析领域, 罗威举了一个实例来说明,现在中国正在建立征信系统,但是由于中国人口众多,包含的信息也更加丰富,因此是一个非常巨大的数据基础, 在做征信系统的时候, 就要求能够对每个人按照不同的维度去快速分析判断数据, 这就对分析工具的要求非常高, 这也是众多客户选择SAS的另外一个重要原因。
    谈到SAS的应用经验,罗威表示,在整个项目占的资源是最大的, 并不是应用系统的实施,而是数据的基础工作。 但如果实施从基础数据工作开始, 再进行别的工作, 结果往往是不成功的, 因为单独做基础数据工作常会导致很多工作无效,费时费力还没有好的效果。因此在实施BI应用的同时,要确定好目标,以这个目标为结果实施基础数据工作。

 

    IBM
    IBM对商业智能的定义并不停留在报表和记分卡等BI产品这些零散的功能上,它追求把“可信”的数据在“最适宜”的时间展现到“最需要”的地方,以帮助企业进行更有效的商业决策。要做到信息既可信、适时、又有业务针对性,需要包括数据管理、 信息整合、 信息展现的BI业务解决方案。 IBM有一套完整的BI技术平台, 拥有端到端的产品和解决方案, 首先会将信息孤岛上的数据整合起来, 将数据进行清洗, 用数据管理软件管理这些数据, 最后通过丰富的展现技术在适宜的时候用各种表现形式展现出来。
    IBM在BI领域有许多发展, 先后并购了Cognos和SPSS, 去年又提出了业务分析。 IBM中国研发中心Cognos软件开发高级经理欧阳文龙用业务分析是个“动词” 来为记者解释业务分析。 它通过相关的技术和应用不断地对业务状况进行探索、提高业务的洞察力来驱动业务计划并达到业务优化的目标。

    针对现在用户无法消化BI带来的巨大数据量,欧阳文龙认为应该从业务着手,分析数据应该和业务相关,IBM针对各行业都有独特的BI解决方案,每个功能都不是IT视角的,而是在业务角度出发, 这样才能让用户真正“消化”BI数据。
    IBM收购Cognos、SPSS之后,业界对IBM整合之后的方案很有兴趣,欧阳文龙用一个小小的比喻解释了二者对IBM的BI方案的作用:如果把BI看做一辆汽车,那么传统的BI就相当于汽车的“后视镜” , 通过它可以帮助用户了解已有业务;而SPSS提供的强大预测分析能力则相当于汽车的“前车灯” ,通过它可以看到将要经过路的状况,即我们常常说的可预测性。在IBM统一的平台架构下,二者可以统一步伐,更好地为用户服务。
    具体谈到IBM的BI总体解决方案, 可以说它具有很低的总体成本。IBM的数据仓库技术非常易于开发和使用,便于业务人员充分利用数据并从中获取信息。 IBM是技术的先驱。 IBM发明了关系数据库、SQL、 关键数据挖掘算法以及数据仓库方法。 IBM在信息管理方面的专利比其它数据库厂商的专利之和还多。IBM被业界推崇有极好的支持和专业服务。

 

    需求主导
    任何技术的出现都是需求主导的结果。BI也不例外。让我们看看BI产业发展背后的需求。
    金融行业是中国BI应用最早的行业,  从1999年开始,金融业开展了大规模的“大集中”建设,迈出了应用系统整合的“第一步” ,原本分散的业务数据得到了集中存储与管理, 有效降低银行应用系统的运维成本。但“大集中”并不是应用系统整合的终点,在银行内部, 应用系统间依然缺乏必要的功能交互,刚性的IT架构无法根据业务的变化作出灵活调整。 因此, 需要借助BI技术,对异构应用系统进行数据、 外部渠道等多层面整合,更好发挥整体效能。
    应用BI技术不仅解决了数据孤岛、 功能冗余等问题,更是降低运营成本、提升管理水平的有效手段。 “大集中” 实现了数据层面的整合, 在资源共享、信息安全等方面作用突出。
    谈到零售业, 我国零售业市场上的零售业态, 几乎包含了世界上所有的零售业态,以连锁经营形式发展的现代零售业态已成为我国零售业发展的主流。
    目前, 中国零售行业BI应用主要集中于部门级、单独系统的数据查询、 综合报表、 报告等应用, 较少有企业级的综合分析与预测等高级应用。中国零售企业BI应用主要在客户关系管理与店面经营两个方面。 客户关系管理涉及客户划分、 促销效果分析、 客户价值分析、 客户忠诚度分析、 交互推销、 产品定价分析、定向营销分析等。店面经营涉及“市场篮子”分析 (用于产品的放置和捆绑) 、 类别分析和管理、 缺货分析等。
    从2000年至今,中国电信行业极速发展,截至2009年底,中国电信行业移动用户总量突破7亿用户, 固定电话装机总量3.1亿。 随着电信市场竞争的加剧和数据业务的发展,原来电信运营商赖以竞争的手段如价格战、 行业垄断优势、 促销策略等已无法适应新形势的需要,为了保住客户资源, 运营商需要一套业务分析支持系统,以从自身市场数据中获得能够真正反映企业运营状况的有效信息,依靠其对市场变化的掌控能力和敏锐的洞察力为市场经营决策提供正确的支持,因此BI的商业作用和价值显而易见。
    但是长期以来由于中国电信行业虽然市场巨大,但是属于卖方市场,运营商通过不断地技术创新和营销创新在带动用户的发展,市场没有成熟的商业模型。因此尽管话费、客户、经营数据量巨大, 但是可挖掘分析的潜力不足,导致在中国电信市场以商业智能为核心技术的相关系统建设迟缓。
    目前,电信运行商的整合和3G牌照的发放, 缩小了运营商之间,为电信市场的成熟和有序打下了良好的基础,各大电信运营商开始重视客户关系管理、 人力资源管理、 企业经营数据分析等管理系统的建设, 例如:2006年开始中国移动就已经开始布局建设省级经营管理分析系统,这使BI商业智能在电信行业的大规模应用成为可能。
    以上行业都促使商业智能在这几大行业需求凸显,各大厂商也在摩拳擦掌,准备大干一场。

 

<!-- 正文结束 -->

来自 “ ITPUB博客 ” ,链接:http://blog.itpub.net/22506858/viewspace-1119330/,如需转载,请注明出处,否则将追究法律责任。

上一篇: 没有了~
下一篇: 没有了~
请登录后发表评论 登录
全部评论

注册时间:2009-09-10