商业智能给数据获取带来的局部效益案例

在实际数据环境中，企业的关键业务数据往往分散在多个异构的、异地的数据源中，形成所谓“数据孤岛”，从而导致企业难以方便的获取决策所需的正确信息。
    在数据决策逐渐受到广泛关注的今天，如何缩短企业获取有效数据和信息的时间并消减成本成为一个重要的问题。我们经常在商业智能解决方案中向客户宣称：商业智能、数据仓库可以提高用户获取数据、分析数据的效率，能够有效的挖掘数据的价值并将数据转化为决策辅助信息。
   商业智能到底能给信息获取工作带来多少实际价值呢？我们往往只是根据调研情况和实践经验进行粗略估算，能够获取准确统计数据的情况不多，现以其中一个项目为例，说明BI/DW项目实施前后获取数据的成本和时间变化。
    这是一家精细化管理水平非常高的企业，拥有庞大的营销网络，企业大部分业务的开展都有信息系统的支撑。当然，这样的企业对数据决策的需求和认知也是非常高的，企业在高层决策和业务经营的各个环节都有系统化的KPI指标体系和报表体系，以及各种专项的分析工具。
    可是，即使这样的企业，数据还是分布在20个左右的系统中以及大量的数据文件中，管理层、业务部门、营销网络、区域及终端等机构的管理人员的频繁数据需求，都需要向IT及各运维组织提交数据提取申请工单，在得到数据后还要经过手工合并及整理才能用于分析工具。从申请工单的记录统计得知每年提取数据约5000次，每年仅支付给第三方运维机构的人工费用就高达300万元以上。根据近几年经验，随着数据化决策范围及深度的不断扩展，数据提取需求至少以每年30%以上的速度增长。因此即使不考虑时间成本，仅从人工成本开销出发都必须进行适当改进。
    我们知道在企业内数据提取的成本和以下两个因素有关：
    1）企业业务和系统的规模及复杂；
    2）数据提取平均单次成本和提取次数。
    因数据仓库系统的成功规划与建设有效集成了以往20多个系统的业务数据库的数据及多个业务面的数据文件的数据，同时数据仓库和语义化的分析模型也为业务人员使用商业智能等相关分析工具提供了基础，信息获取不再需要提交工单申请，而是直接使用BI工具进行自主的数据查询和分析。
    假设建立商业智能/数据仓库系统的费用也是300万，每年BI/DW系统运维及调整的费用为初始建设费用的30%。根据用户统计的数据，忽略其他数据价值或成本，可以估算出该企业建设BI/DW系统前后的数据提取需要支付的直接开销情况如下：