从商业智能到决策支持

Posted 2021-04-20 翔业周报

不论商业智能（BI）还是决策支持系统（DSS），都是利用IT手段为企业经营者和决策人提供全面及时的企业内外部信息。但不同于OA、财务、人力等IT系统解决单一或某一领域的具体问题，BI和DSS更多的是一种对抽象数据的处理，是全盘信息的加工和展现。如果把企业的IT系统架构比作金字塔的话，BI和DSS无疑处于金字塔的顶端，因为它们是高度依赖于业务系统的数据的。

BI的发展经历了传统的报表展示，大数据云计算，到决策支持，乃至于当下正火的人工智能，都在为BI和DSS的发展添砖加瓦。

领导驾驶舱模式

企业在积累了一定的客户数据、经营数据、财务数据和外部市场数据后，这些数据对经营分析和决策制定能起到一定的帮助作用，不仅在于量化、有据可依，更在于客观可靠，特别是从一堆数据和图标中洞察隐藏的价值和商机。

要实现这一目标，传统的报表型BI便可做到，即领导驾驶舱模式。通过动态更新的仪表盘和多维度的图表，能够一目了然看到关心的重要数据指标，并通过实时刷新和可视化达到直观、好理解，从而让决策者解放出一部分阅读理解数据的精力。

驾驶舱能根据不同的使用者展示不同数据，或同一组数据的不同维度，并且能提供报表钻取功能，即在年度报表上点击月份可以查看更为详细的月度报表，或点击产品查看该产品的详细报表等。

大数据云计算

当数据量积累到一定的程度，就不得不借助大数据工具、平台来进行分析和处理，并通过建模来进行数据挖掘，这就涉及到目前BI的发展趋势之一，基于数据仓库（Data Warehouse），不仅展示片面的行业内的数据，也展示跨行业的协同数据，是集团全盘数据的有机交融展示，而非独立的分割。

同时，与传统BI相比，最大的不同在于半结构化和非结构化数据的引入分析。目前集团大数据库内主要为关系型数据（即结构化数据），而在信息具有多元化和多样性的今天，企业更多的是面临难度较大的半结构化和非结构化问题，这种非结构性及其对信息量处理数量、速度，对于传统数据分析和BI而言是重点和难点。                    

以酒店大数据收益管理系统为例，传统的收益管理工具提供酒店历史和当下的房价、收入、成本等指标，最多加上竞争对手和周边市场的情况。而引入大数据建模分析工具后，能利用爬虫爬取OTA等市场和竞争对手的价格、房间数等动态信息，加上客人的点评信息，综合反映市场晴雨表，再结合内部历史数据，能智能地预测出房价的合理定价区间和销售策略。这已经从BI向DSS迈了一大步。

人工智能决策支持

当下正火的人工智能，也是从BI到DSS的一个发展方向。通过专家系统的建立和基于知识库的机器学习，决策支持能做到有问必答。类似Siri那样的语音识别和助手，能够给到经营决策中你想要的答案。

试想不久的未来，DSS以专家的身份在你面前，接受你的提问并给出答案，并且能根据你的进一步需求和交流，得到你最需要的预测结果和判断，甚至主动告诉你经营中的隐患和机会。就像你真的在与一位人类专家面对面交流一样无障碍，不同在于带有人工智能的DSS知识更渊博、反应更快更准确、洞察力也更强，而这些都是人脑所远远不及的。

从产业协同的角度来看，引入BI，可以作为DSS的第一步，通过可视化的报表和报表钻取，为集团领导和各成员企业经营层提供经营分析的数据支撑，实现集团各产业“一盘棋”的布局，也有利于集团战略的落地。有了BI，可以真正让数据说话，在运用熟练和稳定之后，引入大数据分析乃至人工智能，为战略协同、产业协同、服务协同贡献一份力。