我們的研究發(fā)現(xiàn)，對于滿足變化的商務需求來說，移動商務智能和云計算等目前流行的工具并不重要，重要的是可靠的信息管理方案。商業(yè)領導者竭力追求的IT目標是讓其更具靈活性。他們需要能夠快速支持需求變化的系統(tǒng)，以最大程度的利用采購，進軍新的市場，或是找到新的客戶。在近些年里，“靈活性”一直是軟件研究領域中的熱門話題，目前這一熱門話題同樣出現(xiàn)在了商務智能領域。

在一些功能強大的現(xiàn)有商務智能中，我們仍然能夠看到對靈活性的需求。對能夠迅速獲取新洞察力的需求正在促進著快速假設分析規(guī)劃工具和內存分析能力的發(fā)展。提前預知新興需求和風險的能力激發(fā)了人們對預測性分析的興趣。你可能會認為移動傳輸、云計算和谷歌類型的查詢仍將會在靈活性上扮演重要角色，不過《<信息周刊>分析型商務智能與信息管理觀察》顯示，這些仍屬于新興概念，遠遠未達到廣泛應用的程度。

盡管多數商業(yè)人士希望商務智能能夠更為靈活，但是他們很少聽說過商務智能的基礎——全面的信息管理，他們也很少在這上面投資。信息管理包括數據發(fā)現(xiàn)、建模、整合和清理，以及數據倉庫優(yōu)化——這些都不是易事，同時也非常的耗時間。而往往情況總是，當IT人員剛開始全面接手現(xiàn)有信息時，公司就收購了其他公司，這導致IT人員先前的工作前功盡棄。

看一下今年的調查結果，商務智能使用者提出的改進意見清單并沒有太多變化?？焖俜治?、快速部署，以及其它與靈活性相關的屬性仍然高居前列。不過，有一個觀點正日益清晰，那就是商務智能應當與信息管理同步發(fā)展。

在過去兩年里，接受我們調查的受訪者指出了多個與信息管理相關的問題，這些問題成為了阻礙在整個公司內部署商務智能工具中主要障礙。數據質量問題所比重最在，在2009年和2010年均占55%。，位列二、三名的其次分別是易用性、與現(xiàn)有平臺的整合性與兼容性。在對信息管理的調查中，妨礙成功的幾個主要障礙分別是，及時訪問相關的可靠數據(59%)、清理、復制和確保數據的一致性(51%)、數據整合(49%)。

輝瑞公司的方案已通過M&A測試

藥業(yè)巨頭輝瑞公司商業(yè)整合總監(jiān)Peter Green非常清楚靈活性問題。Green和他的團隊在過去十年里參與了輝瑞公司的一系列收購活動，包括2001年轟動一時的收購競爭對手華納·蘭博特、2004年收購制藥公司法瑪西亞和2009年收購惠氏的交易。在這些被并購的公司背后是知識財產，這些知識財產以數據的方式存在，特別是在他們研發(fā)實驗室中的藥品數據。在每一起并購案中，為了充分利用投資，這些數據必須被迅速整合。

大多數制藥公司都使用相似的程序和相同術語描述他們研發(fā)的藥品。不過，每一家公司在定義他們的信息的方式上都有一些出入，因此并購后的整合將是“緩慢而又痛苦的”，Green說。公司生產線上的藥品數據包括了分子描述、實驗結果、在多種管制程序中的狀態(tài)，如通過了美國食品藥品管理局認證。

輝瑞已經知道整合并不一定是一個漫長的過程。Green致力于輝瑞的OneSource平臺的研發(fā)，該平臺可整合不同公司的研發(fā)數據，讓主管們更多詳細地查看價值數十億美元的藥品研發(fā)流水線。最重要的是，這是一種靈活性非常強的平臺，能夠快速融合新的數據。

輝瑞以前使用的老方法被Green稱為“重鐵融合”，指通過傳統(tǒng)的提取、轉換和負載(ETL)批處理方式將其他公司的數據導入中央數據庫。不過，在最近18個月里，輝瑞轉而采用虛擬化方法。公司使用由Composite Software公司研發(fā)的數據聯(lián)合技術直接繪制數據源，不再像以往那樣將數據導入數據庫后再進行分析;同時創(chuàng)建了一個虛擬的數據視圖，而不再創(chuàng)建一個數據庫。

這種方法的一個最大優(yōu)勢是讓數據管理員對數據的定義和源數據達成共識，然后通過Composite公司的抽象層進行繪圖、測試和部署整合過的數據視圖。虛擬化數據將不再進行復制和合并，這為所有的繪制過的數據提供了一個整合視圖。

輝瑞的方法在2009年進行了驗證，當時公司在交易完成后的一周時間內就將惠氏的研發(fā)數據整合進了OneSource。高級主管能夠看到最具前景的藥品的工藝，以及兩家公司之間可能出現(xiàn)的產品重疊和協(xié)同效應。這一過程比以往縮短了許多。在2004年的收購中，他們花了數個月的時間才整合了相似的數據，Green稱。

如何實現(xiàn)的呢?答案是通過虛擬化，整合過程中最困難的部分可以提前完成。輝瑞和惠氏的團隊在合并正式結束前并沒有共享實際數據，但是OneSource讓兩個團隊在定義、參考術語、格式、以及各自藥品研發(fā)中關鍵階段的準確翻譯達成了共識。“我們知道，在并購過程中的某一天，惠氏的數據格式就能夠適合我們的數據模型，因此我們可以將惠氏的數據比較輕松的整合到我們現(xiàn)有數據庫中，” Green說。

為了能夠瀏覽數據，輝瑞在OneSource頂端直接實現(xiàn)了基于Adobe Flex的小型數據可視化。因此，Green幾乎不再需要大型數據數據轉換和報告架構，這些架構通常由商務智能套件所提供。這并不是說輝瑞已經完全放棄了商務智能套件。OneSource僅僅用于研發(fā)領域中的共享。財務、市場仍然在使用包括SAP BusinessObjects和IBM Cognos的商務智能套件。

這種方法在制藥業(yè)中被應用于那些速度至關重要的領域——研發(fā)。研發(fā)一種新藥并通過認證需要花上數年時間，同時許多仿制藥者都在摩拳擦掌以準備在專利保護期過后一試身手。這迫使制藥公司必須把握短暫的機會以盡快收回他們的研發(fā)投資。一旦出現(xiàn)拖延，一種藥品都可能會損失數百萬美元的收益。

在許多行業(yè)，時間就是金錢，因此靈活性和虛擬化整合將會受到廣泛的關注。

#p#

快速建模

盡管輝瑞的重點是通過信息管理以省去用于研發(fā)的數據倉庫，但是許多軟件廠商將他們的重點放在了創(chuàng)新和改進傳統(tǒng)數據倉庫的維護。這非常有意義。在調查中，70%的受訪者使用數據集市和數據倉庫。

關于數據集市和數據倉庫的最大的一個抱怨是需要長期收集需求，然后設計并傳輸功能資源。當出現(xiàn)新的數據源或是需求發(fā)生了變化，你不得不回頭修改數據模型、ETL、查詢等設計。在你開始傳輸商務智能報告、衡量指標和儀表盤前，應當完成所有的信息管理工作。(注：儀表盤是商務智能中的新概念，使公司能夠消化大量的信息，并將這些信息直接轉換為相應格式，從而很容易鑒別并回復那些重要的、有時間限制的事件，同時還能在不丟失數據資料或報告的前提下考察相關問題和趨勢。這一系列的功能，都使得這個工具看起來就像一個儀表盤)

許多公司正在使用自動化工具以降低數據倉庫開發(fā)過程中的時間消耗和手工作業(yè)工作量。Balanced Insight、 Kalido和WhereScape等專業(yè)廠商已經推出了自動化建模環(huán)境。這些工具都能夠生成數據定義、ETL腳本、SQL查詢，甚至普通聯(lián)機分析處理(OLAP)的方體類型和原數據或知名商務智能平臺所使用的語義層。通過更為快速的數據倉庫開發(fā)和更為容易的模型變化，新的商務智能報告、儀表盤和在倉庫頂部運行的應用將更為迅速。

商務智能廠商已經意識到了對速度和更為簡便的信息管理的需求。開源商務智能廠商Pentaho在2010年早些時候推出了一款整合的開發(fā)環(huán)境，其可讓分析師單獨創(chuàng)建和修改ETL腳本、數據模型和商務智能虛擬化。新的IBM Cognos 10建模環(huán)境包括了內置wizards，以及讓分析師第一時間獲取數據模型的小竅門，以避免由不良設計導致的非標準查詢。

如果信息管理團隊得到了適當的模型，商務智能分析師可部署更高級的源數據層進行定義和快速重新定義數據維度、層級和數據源視圖——不再需要信息管理團隊更改基礎的數據模型。今年夏天，甲骨文在其商務智能企業(yè)版11g加入了通用信息模型，減少了跨甲骨文數據倉庫、OLAP和商務智能工具、應用的源數據建模。在即將于2011年推出的Business Objects Universe中，SAP在數據基礎能力上承諾將更容易進行數據訪問。IBM Cognos、Information Builders、Microsoft、MicroStrategy和SAS Institute也將可以擁有源數據和語義層。這些研發(fā)工作的目標是提高信息管理，這項工作雖然很艱巨，但是必須要做。這樣用戶才能繼續(xù)推進新商務智能報告、衡量標準、儀表盤和虛擬化的研發(fā)。

另一個加速數據倉庫研發(fā)的方法是使用針對特定行業(yè)，如銀行、保險和衛(wèi)生保健的預制數據模型。IBM、甲骨文等大型廠商，以及Embarcadero等專業(yè)建模廠商都提供有這類模型。Baseline Consulting公司信息管理專家Jill Dych稱，但是我們需要清醒的意識到，許多公司采用預制數據模型等靈活商務智能理念的初衷是錯誤的——因為他們“沒有強化商務智能研發(fā)的嚴謹規(guī)定?！?/P>

通過高級分析提高靈活性

在我們的近兩年的商務智能期望列表中，高級分析一直排在首位，5分表示極為感興趣，該項得分為3.8分。三分之一的受訪者對此極為感興趣。高級分析也是一個與靈活性密切相關的主題。在這方面，許多公司都在茆高級分析能力，以擁有前瞻性，而不是對變化做出反應。他們希望能夠預測需求，進而可以對產品定價、預測生產、規(guī)劃他們的供應鏈。此外，他們還希望能夠在資金變成壞帳或庫存減少前預測風險和行為。他們還希望在客戶減少使用他們的服務前能夠預測這一趨勢。

汽車保險商Infinity Property & Casualty正在使用高級分析以索賠情況進行分析，他們會向專家提交這些信息，無論事件大小，包括是否涉及其他保險商的糾紛，以及是否受到過詐騙調查等。他們將通過SPSS(后被IBM并購)的預測性分析對這些情況建模。公司花了六個月的時間制定了所需要的模型和規(guī)定，用以將一些預測整合進入Infinity的索賠系統(tǒng)中。Infinity公司損害賠償部門高級副總裁Bill Dibble稱，目前只需要48小時就可以這些索賠單送至賠償專家那里，以往在使用預測分析前需要大約四十多天時間。

對客戶滿意度和成本節(jié)約來說，速度并不重要。在防止保險詐騙方面，“證據會變冷，如果你等待的時間越長，那么越難證明是否是詐騙，” Dibble稱。目前，Infinity阻止騙保的成功率已經由原來的60%提高到了87%，這要歸功于預測分析的幫助。

在過去的幾個月里，Infinity還啟用了文本分析以檢測索賠單中的描述，當諸如“藥物”等關鍵出現(xiàn)時會自動亮出紅旗，因為其可能會指事故中駕駛員的狀態(tài)。索賠人的位置描述將會以GPS坐標的形式出現(xiàn)，同時會與高速公路匝道進行對比，因為此處的事故經常被用于騙保。這些分析的關鍵是在處理之初找出潛在的問題，然后將它們送到相關專家那里進行鑒別。

移動商務智能：性能問題

盡管目前智能手機銷售量猛增，但是移動商務智能在商務智能期望列表中并沒有排在前列。在調查中，僅有13%的人對此表示極為感興趣。其中一個原因可能是性能。商務智能套件總是很龐大，因為他們試圖彌補基礎信息管理的不足。在將商務智能移植到移動設備時，會產生很多獨特的問題。

MicroStrategy首席運營官Sanju Bansal稱，性能低下是“商務智能的一個骯臟的秘密”。查詢時間需要20至40秒的時間，這對于移動設備來說時間過長。MicroStrategy在今年嘗試解決這一問題，他們使用了iPhone、iPad和黑莓手機等新平臺、以及多級緩沖、內存數據結構、高效網絡交換等技術來加速虛擬化的傳輸，同時不放棄深化能力。

其他的一些廠商關注的是基于iPhone和iPad的移動商務智能應用，其中值得關注的是QlikTech和Mellmo公司。前者推出了基于iPad的QlikView應用，后者推出的Roambi可以與SAP的BusinessObjects、IBM的Cognos、甲骨文的Essbase和微軟的分析與報告服務兼容。

在輝瑞，Green還沒有遇到移動問題。但是對于將研發(fā)產品線移植到移動設備方面，輝瑞的OneSource方案具有許多優(yōu)勢。Green稱，輝瑞的下一步舉措是為iPad和iPhone提供基于Adobe Flex的研發(fā)產品線數據虛擬化。由于蘋果公司限制在iPhone上使用某些特定的Adobe技術，因此如果Flex不能使用，Green的團隊將在蘋果的Cocoa或是微軟的 Silverlight上進行開發(fā)。

云和谷歌類型的搜索的作用有限

另一個雖然很流行，但是在商務智能期望列表中排名靠后的是云計算?；谲浖捶蘸驮朴嬎愕纳虅罩悄?分析在我們列出的十大商務智能技術列表中排名第九，僅11%的受訪者表示極為感興趣。雖然公司感興趣的是云計算對下游的IT支持和快速部署，但他們對是安全和隱私(65%的受訪者表示擔憂)，以及數據整合(43%的受訪者表示擔憂)表現(xiàn)出了更多的擔憂。

近半數的受訪者表示，他們感興趣，或極為感興趣的能力是讓結構化和非結構化信息具備互聯(lián)網風格的查詢——即在查找數據庫和文件、網頁、電子郵件信息、博客等方面具備谷歌風格的簡潔界面。如果用戶不必面對類似SQL、數據源選擇、或不直觀的界面，那么商務智能將會取得突破，并最終被大多數人所使用。

目前在這方面并沒有太多的進步。在2006年，BusinessObjects、Cognos、Information Builders、Endeca和Fast Search & Transfer都已經將搜索與商務智能結合了起來。前三個選擇的是與谷歌和其OneBox應用合作。雖然在這方面的努力并不多，不過仍然有兩家公司在追求著這一夢想：Endeca和Attivio。Endeca在近期推出了名為Latitude的產品。Attivio由前Fast雇員創(chuàng)建于2007年，這些雇員在Fast被微軟收購后組建了Attivio。

那么利用社交網絡的特點幫助人們在商務智能查詢方面展開合作以提高智能程度如何呢?與移動和搜索這兩個選項相比，該選項處于更為初期的階段——其在商務智能期望列表中排名第十，僅7%的受訪者表示極為感興趣?，F(xiàn)實情況是當社交網絡特點出現(xiàn)在商務智能中時，許多公司并沒有對此做好準備。

他們需要的是更好的信息管基礎。商務智能項目之所能夠得到資助是因為它們能夠更好的洞察重大損失和風險，幫助用戶規(guī)避這些損失和風險;同時能夠發(fā)現(xiàn)重大銷售和盈利機會，幫助用戶抓住這些機會。在高強度的競爭和瞬息萬變的市場中，只有能夠對商務帶來幫助的商務智能項目才能夠獲得更高的靈活性。