BI实战

从数据角度说，业务职能改变就意味着数据所代表的东西在变化，不成熟的分析人员，常常不理会这些必须得关注的东西。

2004年3月，3个赌徒在伦敦里兹俱乐部的轮盘赌中赢得了130万英镑——这绝不是一时走运。这3人利用手机拍下了轮盘开转那一刻的图像，接着将信息传输给电脑；电脑计算出球运行的轨迹，预测出球将停止的位置，并将信息回传给这3个高技术操纵者——所有这一切都发生在轮盘的3转之内，这也正是下注的时限。这个故事展示了预测性洞……

商业智能工具能使企业对于其业务绩效有比较清晰和深入的了解，这有助于管理层做出正确的决策。

数据量和数据复杂度的膨胀严重威胁着中小型企业，阻碍了它们做出企业成长所必系的正确决策。

制造企业从聚焦产品的初始阶段出发，可以选择两种转型模式：提供基于产品的增值服务和脱离产品的专业服务。

选择什么样的多变量统计分析方法，主要是根据变量的测量尺度决定的，更明确的说是根据因变量的测量尺度和类型决定的。

数据挖掘能够使海量数据完成“把冰冷信息人性化”的过程，数据挖掘的各种应用也开始为我们提供越来越近真实服务。

数据仓库是一个面向主题的、集成的、相对稳定的、反映历史变化的数据集合，用于支持管理决策。

什么是最合适？抛开上面提到的幕后因素，其实也就是三点需要考虑——产品成本、开发人员对这个产品的熟悉程度、有没有类似案例。

当你已经让执行者拥抱BI时，下个需要接触BI的使用者就是业务人员。因为他们的工作是增加业绩，达到业绩目标。

这些数据反应了企业经营过程的实际情况，如果能够有效应用，无疑能够帮助企业发现运营过程中的问题。只有把数据用起来，数据本身才有价值，“如何用好这些数据”也就摆在了IT部门负责人的案头上。

中小企业在实施商业智能时应从小处入手。大范围部署BI只适用于BI环境已经成熟的企业。

目前商务智能需求非常旺盛，特别是那些花巨资引进SAP管理软件的企业集团，更是希望从决策支持系统得到更多的回报。

之前业界一直有质疑的声音：Oracle加Hyperion，真的能够为客户带来好的体验了吗？

斥资搭建BI系统的最终目的是“让数据转化为信息，让信息转化为知识”，并非是单纯的选择效益好的BI工具厂商。