
BI的应用状况与中外差距分析
商务智能活动在美国和欧洲比在世界上任何其他地区都要发达,商务智能已经由“旁门左道”转变为“主门正道”。欧美的企业已经认识到商务智能的重要意义,因而对它寄予很高的期望,希望能够通过商务智能充分利用企业以往对信息技术的投资、改善决策、提高利润、提高运营效率和增强透明度。而在这些市场上,商务智能厂商之间的竞争已趋于白热化状态,因而各个厂商使出浑身解数去争取竞争优势。不过,就算是在世界上商务智能最发达的这些地区,企业对商务智能的部署也多是部门性的和战术性的。商务智能的理想和现实之间仍然存在了一条“成熟性沟壑”(见下图),商务智能要想实现其在企业中的战略性地位还有很长一段路要走。
图1 商务智能的理想和现实之间的差距
但是,欧美企业的商务智能开支还是处于不断增长的势头。根据加特纳公司预计,到2003年底大企业中有70%都会部署商务智能,虽然并不一定把它当做全公司范围的、战略性的计划。
图2 欧美企业商务智能投资的增长
加特纳公司在2002年进行的商务智能调查中发现,商务智能的渗透率相对来说还是比较低的,在美国比在欧洲还要低。
图3 美国和欧洲的商务智能的渗透率
美国和欧洲的企业对商务智能工具的使用略有不同,美国企业用商务智能做在线分析处理要比欧洲企业多,而欧洲企业用商务智能进行高级分析比美国企业要多。
图4 欧美企业对商务智能工具的利用
商务智能的部署重点在北美企业和欧洲企业中也有所不同。
图5 欧美企业商务智能的部署重点的不同
纵观欧美企业对商务智能的应用应该说是“喜忧参半”:喜的是许多企业都计划实施商务智能,对商务智能的投资在持续增长;忧的是商务智能仍未被广泛地提升到战略性层面,这对企业和商务智能的发展都是不利的。为了使企业能够更充分地利用商务智能,欧美企业的领导人必须继续增强对商务智能的认识,带领企业全体员工把商务智能转变成战略性的数据管理、分析决策和绩效提升的“秘密武器”。
[page] 中国企业对商务智能的应用
商务智能在中国的的发展尚处于起步阶段,大部分企业对商务智能仍然缺乏必要的了解。据IDC预测,如果中国经济继续保持高速增长,商务智能软件在中国内地市场的年销售额平均增长至少在65.6%,但即使如此,到2006年中国内地的商务智能软件市场规模仍不到一亿美元。中国虽有宝钢、中国海关以及大的银行和电信公司进行过或正在进行数据仓库和数据挖掘项目,但是大部分企业在这方面的应用还几乎为零。但是,笔者坚信,随着中国企业信息化建设的进一步完善,对商务智能系统的需求会与日俱增。
虽说几乎每个中国的企业都需要商务智能,但大规模的分析主要集中在竞争激烈的生活消费品行业、零售业以及金融服务业(如银行、保险等)。由于国内的生活消费品行业和零售业利润薄,信息化程度低,资金实力不强,因而没有足够能力实施。被商务智能软件厂商们看好的反而是电信、金融、航空等行业,因为这些行业的信息化程度偏高,并且这些行业从某种意义上讲都是服务业,客户的需求扮演着重要角色,准确、科学地把握客户的需求是身处这些行业的企业决策者们孜孜以求的。另外,这些行业可以利用商务智能来补充和完善它们实施的CRM和ERP系统。Business
Objects和Brio在国内实施的案例中,多数集中在这几个行业。另外,商务智能厂商们也看好正在实施电子政务计划的中国政府部门。
尽管中国企业在商务智能的应用方面还处于刚刚起步阶段,但它的需求潜力巨大。在过去两年里,已经有不少国际商务智能公司进入中国,其中有MicroStrategy,
Business Objects,
Cognos等国际知名的传统的商务智能软件厂商,也有一些著名的企业管理应用软件厂商,比如SAP、甲骨文和冠群等公司投资于分析软件。国内用友和金蝶近期也推出了这类产品。过去一年有些厂商实现了两位甚至三位数的高速增长的事实让许多其他厂商确实看到了中国发展商务智能的巨大希望和潜能。目前,在中国大陆发展的这些跨国厂商纷纷招兵买马、摩拳擦掌,准备大干一场,更多的厂商则通过寻求合作伙伴或者直接设立办事处加快进入中国市场的步伐。面对甲骨文、IBM等国外品牌对中国市场的进攻,国内厂商如金蝶、用友、创智等一方面同这些巨头建立良好的合作关系以维持发展,另一方面也在积极提升产品和解决方案的内在品质,向客户提供更完美的决策支持服务,争取与国外厂商一比高低。
世界上其他地区的企业对商务智能的应用
根据IDC公司在2003年7月发布的一份调查报告,亚太地区的大型金融服务公司、公共机构和制造性公司仍然在投资商务智能解决方案,以期把数据转换成智能,并用来支持决策。亚太地区的商务智能解决方案的市场在2002年接近5.9亿美元,预计到2007年会超过10亿美元。IDC公司估计商务智能增长最快的行业包括医疗、教育和服务。由于亚洲企业在因特网、数据储存、数据仓库和管理应用软件等方面进展迅速,商务智能将会迈向更高的层面。尽管如此,笔者认为亚洲企业(日本企业除外)在应用商务智能方面与欧美企业比起来在短期内还会存在很大距离。
从厂商角度讲,虽说亚太地区占世界商务智能市场的总份额不是太大,但是它代表的是崛起的未来市场。世界上的主要的商务智能软件厂商都在亚洲设有分支机构。另外,该地区也有一些当地的软件企业在进行商务智能软件的开发。可以预计,接下来的市场竞争将会十分激烈,会有一场商务智能软件企业之间的“智能战争”。
许多日本企业(比如佳能、夏普等)非常重视商务智能和数据仓库的建设,已用这一工具来建造“管理驾驶舱”,改善经营决策的水平。商务智能软件公司Brio和Business
Objects在日本取得了很大的成功。日本还有一个自称为日本“惟一独立的数据仓库/商务智能和CRM分析方面的咨询公司”——IAF,该公司在美国加州还设有软件分公司。
虽然商务智能在韩国还是一个比较新鲜而未经验证的概念,已经有一些企业对商务智能的收益产生兴趣了,这是有一定基础的,因为前几年韩国公司已经在信息技术基础设施平台上做了很大的投资,为提高企业的效率和利润打下了一定的基础;另外,韩国的大企业都实施了ERP和CRM解决方案,进行了不少流程创新。现在是利用企业收集和积累的数据和信息将效率、利润和创新进一步提升的时候了。据估计,韩国的商务智能市场到2003年底将增长到820万美元。由于预计到商务智能市场的潜力,很多信息技术厂商都纷纷涌入韩国市场,其中有系统整合商、CRM厂商、硬件厂商、在线分析处理厂商、企业信息门户厂商和企业应用软件整合厂商等,熟悉的名字包括甲骨文、IBM、微软、冠群、Business
Objects和MicroStrategy等。
在印度,商务智能的历史也不长,大多人还不是非常理解商务智能,他们通常把它当做传统的数据库分析工具或者把它等同于收集信息的市场情报工作。可以说,商务智能在印度仍处于初级阶段,接受和执行商务智能的多是银行和电信等企业。据苏利文和弗洛斯特研究公司估计,印度的商务智能市场规模到2002年底是一千万美元,预计到2005年能够增长到三千万美元。
在目前市场上,在印度设立分公司近5年的SAS公司占据了22.5%的市场份额,是不可争辩的领导者。商务智能在印度会有较大的增长,主要原因是大中型企业和跨国公司正在进行数据仓库、数据集市、在线分析处理和数据挖掘等方面的工作,以期解决具体的业务部门在数据接入、趋势分析和利润预测等方面的需求。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15