商业智能选型手册(简版)

商业智能(BI)选型手册(简版)

1、前言

互联网时代企业数据呈现爆发式增长，全面考验着企业的数据处理和分析力

量。面对大容量、多样性、高增长的数据许多企业往往无所适从，除了耗费大量

管理和存储成本外并没有给企业带来真正的价值，大量的数据积累给企业带来了

巨大的挑战。然而数据已经渗透到了企业内外各个层面，因此想要从浩大的企业

数据中“掘金”就必需有信息化应用强有力的支撑。

近年来大数据、云计算、移动应用、社交等新兴技术风靡全球，技术的创新

以及环境的成熟赐予了企业在信息化应用上更多元化的选择，随着中国制造企业

信息化应用的不断深化，在寻求业务管理精益的同时，信息化对于决策的支撑、

对于市场前沿的洞察力成为了越来越多企业深化应用的方向c依据Gartner数据,

2022年全球商务智能(BusinessIntelligence,BI)与分析软件(包括BI平台，

企业绩效管理CPM套件，分析应用和先进的分析方法)营收总计达到144亿美元，

与2022年的133亿美元相比，增长8%o2022年中国区商务智能与分析软件总营

收达到11亿7千580万元，较2022年增长13.5%<>2022年以来，商务智能进入

了一个基础性变革阶段，依据Gartner2022年BI魔力象限讨论报告显示，商业

智能分析市场正处于全面过渡时期。大多数公司都在选择新一代数据挖掘工具或

者交互式分析平台。尽管市场增幅放缓，但是多年来企业需求始终维持稳定。

目前中国BI市场仍旧存在许多不明朗的因素，技术层面也有许多混沌之处，

细分市场的进展趋势也存在很大的差异，随着大数据、移动等应用的普及，以及

海量的数据都加速了B1的变革。因此，企业在选择BI产品的时候亟需梳理出清

楚的思路，找到满意需求的合适产品。为此，e-works本着客观、中立、公正的

原则，发布商业智能(BI)选型手册，分析BI软件选型的要点及步骤，介绍主流

BI软件的核心功能和产品特点，为广阔企业进行BI软件选型供应指南。

2、商业智能(BI)概述

2.1BI的内涵

来自维基百科的解释是：“商业智能，又称商业才智或商务智能，指用现代

数据仓库技术、在线分析技术、数据挖掘和数据呈现技术进行数据分析以实现商

业价值。"BI并不是近年才有的新兴名词，早在1996年GarlnerGroup的霍

华德•雷斯内尔(HowardDresner)就已经提出，并定义其为一类由数据仓库(或

数据集市)、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、

以关心企业决策为目的技术及应用。

在了解概念的同时必需正确理解商业智能的内涵，e-works认为，BI的内涵

在于回顾过去、总结现在和展望将来。即首先要告知企业管理者己经发生了什么

事情?结果如何?其次会告知管理者产生这些结果的具体缘由是什么，该采纳何种

策略解决?再则是告知管理者企业在可预见的将来会发生什么?于此同时还能实

时的告知管理者企业正在发生什么事情，完成的进度状况如何，是否实现了既定

目标，是否需要准时调整策略？只有明确了这些问题才能从根本上理解BI。

2.2BI的价值

经过多年信息化的推动，企业内部积累了各种来自不同业务部门的数据。这

些庞杂的数据给企业带来了很大的困扰：

企业数据爆发式井喷，数据存储的硬件成本造成IT负累；

数据存储在不同的应用系统中，孤岛问题严峻；

异构系统加大了数据猎取、管理、分析的难度；

企业数据类型简单多样，多为非结构化数据，管理和挖掘的难度大；

传统老旧的数据呈现形式无法适应现代化企业管理要求；

企业战略性调整缺乏有力的数据支持。

尽管不断增加的数据给企业的管理造成了不小的困扰，然而最核心的问题则

是在于这些错综简单的数据还不都能称之为信息，不能为企业所用。身处激烈竞

争环境的企业面对海量的数据以及日益增加的数据管理成本，更盼望能够发觉数

据的商业价值。BI软件的价值在于其通过技术手段从企业各个应用系统的庞杂

数据中提取出有用的数据并进行科学的整理，以保证数据的正确性和全都性，并

同过透过抽取(Extraction)、转换(Transformation)和装载(Load),的过程，合

并到一个部门数据集市或企业的数据仓库中，在此基础上采用合适的BI工具，

针对不同需求进行多维数据分析和挖掘，并通过可视化手段将结果定期或实施展

现给相关人员，最终为企业决策供应支持，达到帮助企业创收增利、规避风险、

提升效能和竞争力的目的。

2.3BI的关键技术及功能

BI关键技术

商业智能的关键技术主要包括：数据仓库(数据集市)、数据挖掘、ETL(数据

的提取、转换与加载)、联机分析处理(OLAP)、数据可视化技术等。

数据仓库(数据集市)

数据仓库(DataWarehouse)之父比尔•恩门(BillInmon)1991年出版的

“BuildingtheDataWarehouse”(《建立数据仓库》)一书中所提出的定义：

“数据仓库(DataWarehouse)是一个面对主题的(SubjectOriented)>集成的

(Integrated)>相对稳定的(Non-Volatile)、反映历史变化(TimeVariant)的数

据集合，用于支持管理决策(DecisionMakingSupport)。”数据仓库技术是为

了有效的将数据集成到统一的环境中以供应决策型数据访问，因此在BT的实施

过程中，大量来自企业各种管理系统的数据需要搜集和整理，需要数据仓库技术

的支持。

面对主题。数据仓库中的数据是依据肯定的主题或者说决策支持的需求点进

行组织的，一个主题通常与多个操作型信息系统相关;

数据集成。数据仓库的数据有来自于分散的操作型数据，将所需数据从原来

的数据中抽取出来，进行加工与集成，统一与综合之后进入数据仓库；

相对稳定。数据仓库是不行更新的且随时间而变化的，稳定的数据以只读格

式保存，且不随时间转变。

数据挖掘

数据挖掘是指从数据库的大量数据中揭示出隐含的、从前未知的并有潜在价

值的信息的过程。作为一种决策支持过程，它主要基于人工智能、机器学习、模

式识别、统计学、数据库、可视化技术等，高度自动化地分析企业的数据，做出

归纳性的推理，从中挖掘出潜在的模式，关心决策者调整市场策略，削减风险,

做出正确的决策。

ETL

透过抽取(Extraction)、转换(Transformation)和装载(Load)即ETL。作为

BI/DW(BusinessIntelligence)的核心和灵魂，能够依据统一的规章集成并提高

数据的价值，是负责完成数据从数据源向目标数据仓库转化的过程，是实施数据

仓库的重要步骤，用户从数据源抽取出所需的数据，经过数据清洗，最终依据预

先定义好的数据仓库模型，将数据加载到数据仓库中去。在企业实施BI的过程

中，ETL面临的最大挑战是接收数据时其源数据的异构性和低质量。

联机分析处理(OLAP)

联机分析处理(OLAP)系统是数据仓库系统最主要的应用，特地设计用于支持

简单的分析操作，侧重对决策人员和高层管理人员的决策支持，可以依据分析人

员的要求快速、敏捷地进行大数据量的简单查询处理，并且以一种直观而易懂的

形式将查询结果供应应决策人员，以便他们精确把握企业(公司)的经

营状况，了解对象的需求，制定正确的方案。

数据可视化技术

数据可视化主要旨在借助于图形化手段，清楚有效地传达与沟通信息。其基

木思想是将数据库中每一个数据项作为单个图元元素表示，大量的数据集构成数

据图像，同时将数据的各个属性值以多维数据的形式表示，可以从不同的维度观

看数据，从而对数据进行更深化的观看和分析。在实际的商业智能应用中经常以

图形、图像、虚拟现实等易为人们所辨识的方式呈现原始数据间的简单关系、潜

在信息以及进展趋势，以便更好地采用所把握的信息资源。数据可视化的工具主

要是报表类（如JReport,Excel,水晶报表等）和BI分析工具（如BO,BIEE等）。

BI功能

BI软件的最大功能就是通过对数据的分析为决策支持供应关心。Ganter曾

经定义过BI应用的20个功能点，包含BI架构、元数据管理、基层Web服务、

开发环境、可视化开发环境、数据迁移、业务规章、协同工作流、报表、仪表盘、

查询发布、实时或基于时间的数据猎取、高级分析和数据挖掘等。经过综合的分

析e-works总结认为一个典型的BI产品应当具备的功能点主要包括以下几个方

面：

数据管理

能从不同的异构系统中猎取有价值的数据，并能轻松实现数据的查询、归集

和输出，实现对企业数据的科学管理。

数据分析

充分采用OLAP,Legacy等数据分析技术实现对数据价值的呈现，为企业决

策供应数据支撑。

集成与开发

系统在具备典型架构的基础上，具有敏捷的系统开发和集成性能。在架构、

元数据管理、数据迁移、规章流程等都能进行共性化的开发，并能实现同其他功

能的高效集成。

可视化的数据展现

系统具备报表、仪表盘、实时数据展现等可视化功能，并依据共性化需求提

升可视化展现的客户体验。

其他共性化功能点

针对不同企业不同的业务决策需求开发出的一些共性化功能点。

图1典型BI系统架构

BI与BA、绩效管理

业务分析W商业智能，BA(BusinessAnalysis)即业务分析，核心功能是关

心企业了解现状并能猜测将来。

企业绩效管理(EPY,EnterprisePerformanceManagemen:)主要针对全都的、

可识别的KPI(关键绩效指标)，对业务绩效进行衡量和分析，以支持业务绩效的

分析与管理，以业务流程改进为核心，指导用户完善决策过程，使战略执行更加

有效。EPM主要是连接战略到方案到执行的过程，监控财务和运营结果与目标的

差异并供应分析，驱动企业范围的绩效改善。BI则是实现监控、发觉，集成、

分析、计算、报表、指导、模型、可视化、猜测、预警、驱动行动等。因此，可

以理解为BI是EPM的分析平台，两者在应用领域、功能划分、系统构造上都有

明显的差异。

EPM可以深入特定的业务流程或功能；BI只是通用

应用领域工具.

“EPM可按企业业务功能划分，如财务绩效管理、客

户关系绩效管理、生产运营绩效管理、交叉业务绩

功能划分效管理；BI工具只能根据技术划分，如数据挖掘工

具、OLAP工具等。

EPM能够协调业务活动以达到特定的结果，如编制

系统构造预算、评估关键供应商；BI只是支持没有预定义的

特殊查询和分析，其业务目标是开放的。

图2BI与BA、绩效管理

3、商业智能(BD技术进展趋势

3.1移动BI

移动BI(MobileBusinessIntelligence)是指通过使用移动终端设施，使

得用户能够随时随地猎取所需的业务数据及分析呈现，完成独立的分析与决策应

用，实现决策分析无处不在的实时动态管理。随着移动应用的普及，企业对于管

理软件可“移动”的需求增长快速，用户渐渐盼望通过智能手机等移动设施提交

数据，并猎取分析报告，实现无处不在、无时不在的实时动态管理，这将给传统

BI带来巨大的飞跃。尽管BI厂商对于移动BI的呈现形式等方面技术还不够成

熟，但是移动BI是不行回避的进展趋势。

3.2云计算BI

云计算近年来可谓风生水起，但BI领域却鲜有见到云的痕迹，缘由是多方

面的。但是今年几大主流厂商都在云BI上有了或大或小的动向，这也充分说明

BI市场已经开头接纳云，其中很大一部分缘由在于经过长期探究，BI市场已经

特别成熟，BI作为基础应用已经达到了临界点。云功能的强大、部署的便捷，

必将带动以云为基础的商业智能在线服务成为全新的商业智能部署的主流方向。

3.3可视化数据和自助式BI

早在2022年可视化BI就已初现端倪，BI巨头们面对市场的变化开头寻求

新的途径建立更灵敏的业务分析，挖掘更多可信数据。与此同时供应更为友好的

数据呈现形式和优化的客户体验。对于市场用户而言单一而刻板的数据展现形式

己经不能满意其要求。

传统BI专注于从数据仓库和其它的数据库中将数据转换成信息，再将信息

转换成智能，在功能上往往无法满意市场客户某些特殊或者说共性化的需求，因

此自助式BI的服务概念应运而生，所谓自助其实是允许用户自行创建自定义的

数据查询方式，创建方式简洁无需考虑数据库等因素。可视化的数据分析手段和

自助式BI都是优化客户体验、实现客户共性化需求的，将是将来一段时间的亮

点，值得期盼。

3.4社交化BI

社交的热度还在持续的升温，也已经成为软件营销的重要阵地。社交化BI

将企业数据、社交化网络和协作、社交媒体的监督与舆情分析结合在一个应用中,

让传统的BI具有了更加友好的界面，商业智能的工具更具创新性。尽管其技术

上并没有重大的革新，其价值也没有得到企业肯定的认同，但可以确信的是这种

新的商业智能模式将协作力量带入核心体验中，呈现出了BI更多元化的进展空

间。纵观目前市场现状，总体来说社交化BI仍处在一个探究期，但前景不容忽

视。

3.5大数据融合

在数据爆炸的时代，将数据转化为资源是企业梦寐以求的，大数据可以说是

真正意义上的将信息转化为了资源.大数据时代下的商业智能开头融合大数据的

应用，大量的BI厂商开头在其数据分析的产品中增加对大数据处理技术（如

Hadoop）的支持或者内嵌基于对大数据处理技术的分析功能。

3.6数据即服务

SaaSBI可以理解为数据即服务，这种新兴的BI实现方式渐渐被用户所接

受。SaaSBI成为焦点很大一部分缘由在于目前传统BI的工具价格不菲，建设

的过程也相对简单，中小企业特殊是小企业往往准时存在需求也望而却步。反之,

SaaS租用模式具备的低费用高效能的特点正好可以弥补这些条件的不足，因此

得到不少小企业的青睐。但是SaaSBI的模式并不成熟，真正开头使用的企业并

不多，受各方面因素影响短时间内客户群不会有太大的增长，但是这种颠覆性模

式的价值是客观存在的，将来的进展前景看好。

3.7信息集成

就商业智能的进展趋势而言，经过同各种技术、应用的融合之后，逐步演化

为一种企业级、跨部门的基础信息系统，可以联结企业各个岗位，可以联结企业

各类信息系统和信息资源，真正实现跨平台，从而实现信息的大集成。将来，商

业智能与OA、CRMERP、SCM或是其它系统实现集成，系统间的结构化数据能通

过BI的管理平台相互调用、可视化，全面供应决策支持、学问挖掘、商业智能

等一体化服务，实现企业数字化、学问化、虚拟化，全面提升企业的决策力量和

市场竞争力。

4、商业智能（BI）市场概览

随着BI市场的渐渐成熟，许多厂商都活跃在商业智能领域。表1为目前市

场上的BI厂商列表（部分）。

5、商业智能（BD系统选型要点及步骤

5.1BI软件的选型要点

随着企业信息化应用的不断深化，越来越多的企业面临深化应用的问题。信

息化对于决策的支撑、对于市场前沿的洞察力成为了新的掘金地。市场上的BI

产品良莠不齐，企业在选择时往往简洁受到宣扬的误导，作为企业在选择BI产

品的时候应当从企业系统需求、产品性价比、产品功能、把握如下要点，以资鉴

别。

5.2BI软件选型步骤

在总体了解了BI系统选型的要点之后，。-works建议企业选型步骤可参考

以下流程进行：

组建BI项目工作团队

明确企业需求，制定具体的项目目标

分析梳理内部数据，确保数据质量

了解市场BI新技术及主流产品信息

确定需求匹配的产品范围并初步接触

目标BI产品，进行考察和评估

确定目标BI产品并进入商务谈判环节

6、主流厂商

6.1SAP

SAP公司成立于1972年，总部位于德国沃尔多夫市，是全球最大的企业管

理和协同化商务解决方案供应商、全球第三大独立软件供应商。目前，全球有

120多个我国的超过263,000家用户正在运行着69,700多套SAP软件。财宝

500强80%以上的企业都正在从SAP的管理方案中获益。SAP在全球50多个我国

拥有分支机构，并在多家证券交易所上市，包括法兰克福和纽约证交所。1995

年在北京正式成立SAP中国公司，并间续建立了上海、广州、大连分公司。

核心产品

SAPLumira

SAPLumira供应了拖放式界面和引人入胜的可视化效果，无需编写任何脚

本即可高效分析数据，以快速猎取洞察，提高业务敏捷性。借助该软件，企业业

务用户将能够以可重复的自助方式访问、转换和可视化数据，

SAPBusinessobjectsAnalysis

借助SAP的多维数据分析软件，业务分析师可以在熟识的Microsoft

Office环境中更深化地挖掘业务数据。即使没有IT人员的关心，他们也能够

轻松地过滤和操作数据，把握进展趋势及特别，并共享其发觉。

产品特点

SAPLumira

以可重复的自助方式，更快猎取洞察;通过统观全局和深化挖掘具体信息，

全面把握业务状况;为简单的业务问题即时供应基于事实的解答，显著加快决策

流程;在不增加IT部门工作量的状况下，提高自助服务数据的使用率;借助SAP

HANA,实时可视化海量数据。

SAPBusinessObjectsAnalysis

对大型数据集进行分析，获得深化的业务洞察;在Excel中发觉、比较和猜

测业务驱动因素;借助嵌入式商务分析，在实时的PowerPoint演示文稿中与您

的团队共享彼此的重要发觉;借助内容复用和实时查询响应等方法，显著提高效

率；借助内存加速，提高数据分析效率.

典型客户及案例

典型客户：摩森康胜啤酒酿造公司(MolsonCoors)

6.2IBM

IBM是全球信息产业领导企业，为中国客户供应领先的的硬件、软件、企业

询问和技术服务,助力中国各夕亍业持续创新转型。在过去的100年，世界经济不

断进展，现代科学日新月异，IBM始终以超前的技术，精彩的管理和独树一帜的

产品领导着信息产业的进展，保证