商业智能的效益、风险与发展方向

组织中的商业智能。效益、风险与发展

摘要

根据文献综述，已识别出商业智能实施带来的显著好处。然而，也发现了相关风险，这些风险主要与商业智能系统实施过程中的不当变革管理有关。本文还讨论了商业智能系统发展的进一步方向，特别关注文献中现有的成熟度模型。
论文强调，目前文献中可用的成熟度模型未能全面考虑组织中商业智能发展的所有方面。因此，该科学领域需要进一步的研究。

关键词 ：商业智能，好处，风险，发展，成熟度模型。

引言

商业智能（BI）系统已成为二十一世纪企业运营不可或缺的一部分，原因是组织在分析、解释和数据处理领域的需求不断增长。
商业智能的定义指的是支持和改进决策制定的广泛商业智能概念，进而应提高组织的效率。然而，仅实施商业智能系统本身并不能保证取得满意的结果。要取得成功，管理团队必须做出一系列决策。

本文旨在识别在组织中实施商业智能系统的好处和风险，并基于对当前科学成就的回顾，探讨商业智能系统的未来发展方向。
本文的第一部分强调了与实施商业智能系统相关的重要方面：一方面讨论了可能导致商业智能项目失败的潜在风险，另一方面也明确了实施商业智能系统所带来的诸多好处。
第二部分重点关注商业智能系统的发展方向。文中比较了十三种成熟度模型，并尝试确定这些模型是否完全满足当今组织的需求。这一工作是在明确商业智能系统发展方向的背景下进行的。

组织中的商业智能 —— 好处与风险

一个组织在实施和使用商业智能系统的过程中会产生关键的好处和风险。风险与在实施商业智能过程中投入组织的额外资源相关，而好处则只有在这些投入产生可衡量的结果时才会出现。

“商业智能的实施不仅仅是一种数据处理技术，还涉及管理技术、人员激励以及激发对信息的真实需求”，P. 亚当切夫斯基在谈到商业智能实施过程时写道。作者赞同亚当切夫斯基的观点，即当前市场情况是更便宜且更高效的商业智能解决方案日益普及，但与此同时，却缺乏对其使用方式的清晰概念[亚当切夫斯基 2012，第65页–75]。这一结论也得到了S. 和 W. 威廉姆斯的支持，他们认为商业智能系统为组织带来了全新的分析能力，但要取得成功，取决于整个团队坚持到比赛结束前的良好配合。因此，商业智能实施的时机可以比作在上半场结束后以领先球队的身份进入中场休息阶段。[Williams and Williams 2003]。

此外，商业智能项目可能在财务上取得成功，但可能会导致其他项目遭受损失。例如，由于关键员工参与商业智能项目的实施，可能导致其“日常业务”活动的效率下降。在组织中成功实施商业智能取决于专业变革管理，因为实施本身（被视为无形资产）会导致公司价值下降，因为它消耗了组织的资源 [Surma 2009]。

此外，P. 亚当切夫斯基还指出，商业智能实施有助于企业重新调整方向，走上成为“智能组织”的道路。该术语指的是基于知识管理哲学的学习型组织[科罗尼奥斯和叶赫 2010，第 35页]。此类组织具备获取知识并利用知识提高效率和竞争力的能力[奥热霍夫斯基 2008，第 143页]。

巴拉和N.D.克内泽维奇的研究是对上述观点的延伸。研究人员探讨了通过使用商业智能技术可能实现的学习过程，因为所采取行动的详细信息（作为使用商业智能的结果）会被存储在商业智能系统的数据源中。同时，这些研究者指出了决策过程中一个重要的延迟因素。
他们区分了三种类型的延迟：1）数据延迟——数据在数据仓库中可用的时间；2）分析延迟——数据对应用和用户可用的时间；3）决策延迟——接收信息到做出决策之间的时间段。在这三个阶段各自所需时间之间存在两种差距：知识差距和决策差距[巴拉和克内泽维奇 2013，第27页–42]。该现象在图1中进行了展示，以便更直观地理解。

如文献所述，随着技术的发展，出现以下关系：利用大型数据集进行分析和决策的能力的增长速度，不及收集数据能力的增长速度。
当前存储的数据量远超现有系统能够分析的范围。因此，识别组织相关数据的能力成为一项重要技能。2005年，陈.Y. 提出了数据集估值方法。在他的方法中，使用计数器、可扩展性比率和生命周期阶段权重被任意设定，使得最古老的时期被赋予最小的值。该方法的缺点是复杂性高，需要存储多个使用计数器，并且参数 [Chen 2005] 的设定具有任意性。

然而，2007年提出了一种方法，该方法基于三个参数来计算未来使用收割的可能性：文件年龄范围（以天为单位）、注册文件访问操作次数（范围）和文件类型。遗憾的是，由于其复杂性较高，且需要确定合适的分组标准，该方法并不适用于通用场景 [Turczyk, Gropl, Libau 和 Steinmetz 2007]。

下一种方法由金.H. 于2008年提出，该方法通过反映供给方面（数据集的规模和数据集访问速度）和需求方面（未来预期使用数据集的时间段、过去数据集的用户数量、每日存储数据量与访问次数之间的关系）的数据集使用参数来评估数据集价值。上述方法除了具有复杂性之外，另一个缺点在于需要维护多个计数器[Jin, Xiong and Wu 2008]。

总而言之，上述所有方法都有一个根本性的缺点：实际实施非常困难。

值得注意的是，斯瓦查.J. 开发了一种原创的数据集估值方法，与之前所述的方法不同，该方法在实际实施和自动化方面较为简单。该方法的使用不需要大量的数据量，且仅有两个参数：时间和使用频率 [Swacha 2011, pp. 108–119]。

错误决策，通常基于直觉做出，可能对公司造成严重影响。在计算机技术时代之前，决策主要依据估计、假设和直觉 [Maria 2009, pp. 996–1000]。如今，得益于商业智能系统，我们可以摆脱这种做法，转而依靠从信息系统中收集的硬数据进行决策。然而，数据收集与处理过程非常耗时。

如图2所示，组织能够显著减少数据收集、处理和数据分析所需的时间 BI 的实施 [巴拉和克内泽维奇 2013，第 27–42] 页。在未使用商业智能系统的组织中，分析师80%的时间用于数据收集，仅20%的时间用于分析。

D. 巴拉和N.D.克内泽维奇的研究表明，通过使用商业智能系统，数据收集所花费的时间可以减少3.5倍。因此，员工可以将更多时间用于分析和决策。

上述员工效率的提升还可以通过商业智能系统中提供的高级可视化来实现，这种高级可视化具有更高的信息容量。此类可视化的一个例子是管理仪表盘。弗罗茨瓦夫经济大学和UNIT4 Teta BI中心（一家专注于为中小企业管理者开发智能仪表盘的公司）的研究表明，管理仪表盘可以监控财务比率、信用状况、数据挖掘、预测、模拟、聚类、警报和决策规则[科尔恰克、杜迪奇和迪奇科夫斯基 2012，第27–37页]。然而，从中小企业的管理者角度来看，上述技术存在一定的局限性。

目前由于商业智能系统实施成本高昂而无法获得。然而，随着科学的发展，此类解决方案的可获得性在未来应会提高。

发展

商业智能的发展可以在四个背景下考虑：附加功能、开源形式的可用性、存储技术和数据处理，最后是成熟度模型背景下的成果，后者是对卓越的追求。

业务绩效管理（BPM）作为一种新趋势，被认为是商业智能系统的继任者，近年来在商业智能领域的文献中受到越来越多的关注。理论上，BMP的功能范围比其后辈商业智能更广泛。文献中提到的 BMP扩展功能可包括业务流程建模、指标自动监控、对偏离既定标准的情况进行偏差通知，以及最终将不同来源整合到一个界面。BPM类系统关注流程，提升其效率，并旨在实现这些流程的自动化和支持。
正确实施BPM系统带来的好处包括：更快地响应变化的条件和发展、提高运营效率、突出客户关系，以及改善组织预算、规划和战略之间的关系。适当实施BMP还能提高IT投资回报率，增加项目按假设交付的可能性，并降低业务风险[齐姆巴和奥布兰克2012，第71–85页]。根据E. 齐姆巴和L. 奥布兰克的观点，BPM系统是商业智能的下一代系统。然而在作者看来，这一结论似乎因两个主要原因而存在错误：商业智能系统的定义本身已相当全面，且大多数BPM功能现代商业智能系统已经具备。

在选择商业智能系统供应商之前，企业还应考虑购买开源BI软件的选项。这种方案的主要优势之一是实施成本要低得多。除了对开源系统与专业解决方案的优缺点进行详细比较外，D. 切林斯卡和M. 拉谢克还对开源解决方案进行了SWOT分析。他们的结论与高德纳发布的报告一致，该报告指出一个显著的发展趋势：由于发现开源解决方案为企业带来的机遇大于威胁，预计商业智能领域的开源软件将得到发展[切林斯卡和拉谢克 2012，第 20–27页]。

对于希望选择商业智能解决方案的管理者而言，另一个重要决策是在云解决方案与传统方法之间进行选择（即在企业自有IT基础设施上实施商业智能）。M. 芒特安和C. 芒坦开展了一项研究，考察了在中等规模公司中以两种方式实施商业智能系统的影响：1）商业智能即服务——系统在云中可用（SaaS）；2）采用传统方法在组织内部署商业智能（客户端基础设施，相较于SaaS具有更高的初始成本）。
蒙特卡洛模拟显示，根据所选经济价值（每种方式均假设一定成本），商业智能实施对净资产收益率和投资回报率水平的影响，在第一种方式（SaaS）下远比传统方法更有利。这些结果也在来自罗马尼亚中等规模企业的实际数据中得到了验证[芒特安和芒特安 2013，第85–102页]。

反过来，M. 和 M. 斯凯巴·特夫迪科娃利用他们在商业智能环境中积累的经验，基于中小企业的需要，设计了基于云计算技术的解决方案和服务。更具体地说，他们通过对150家捷克公司进行调查，研究了商业智能等信息技术的应用水平。作为此项研究的结果，他们提出了以下建议：对于微型和小型企业，应以软件即服务（SaaS）的形式实施商业智能系统；而对于中型企业，商业智能工具则是支持战略的重要组成部分，意味着应在企业自有IT基础设施上部署商业智能。他们的研究证实了商业智能工具在捷克共和国的中小企业中的高度重要性[特夫迪科娃和斯凯巴 2012，第39–51页]。S. 波佩斯库的研究进一步证实了特夫迪科娃和斯凯巴的发现，指出商业智能为那些资源无法与跨国公司相比的中型企业提供了重要的解决方案，因为这些系统易于实施并能快速提升决策能力。波佩斯库指出，根据SAP公司开展的研究[2010]，大多数管理者知道如何优化自己所在部门的工作，但他们希望了解这种优化如何影响整个公司的绩效。这一功能完全可由商业智能系统提供。根据同一项研究，商业智能系统提供了强大的分析能力以及多维度分析的可能性，数据解释、过滤和访问细节。同时，它们提供了一个易于使用的界面，使不具备高级计算机知识的用户也能操作[Popescu, 2012, pp. 53–63]。

在云计算领域，M. 尼奇也开展了一项重要研究。该研究者指出，采用传统解决方案的组织中，仅有21%的预算用于开发，其余资金均用于现有解决方案的维护。通过SaaS解决方案替代组织已实施的部分系统，可释放出更多资金用于开发。然而，尽管云计算具有诸多优势，尼奇也指出了以下障碍：1）技术方面——互联网连接质量差，对互联网服务提供商的依赖性高；2）法律方面——个人数据的存储问题及可能的数据泄露风险；3）心理方面——用户信心不足，主要源于对相关知识的了解不够充分[Nycz 2012, pp. 53–63]。

C. M. 奥尔扎克进一步指出了商业智能系统有效开发中的问题。
根据她的研究，当我们基于成熟度模型理论的知识和经验来开发商业智能系统时，这种开发才是有效的。这一概念与实现应遵循的理想状态密切相关[Lahramnn, Marx, Winter 和 Wortmann 2011，第5–10页]。然而，达到成熟状态需要经历不同的发展阶段[Fraser, Moultrie 和 Gregory 2002，第244–249页]。C. M. 奥尔扎克分析了13种成熟度模型：TDWI商业智能模型–埃克森森模型、高德纳成熟度模型、AMR研究公司商业智能/绩效管理成熟度模型–第2版、商业信息成熟度模型、SAS公司信息演进模型、商业智能成熟度层级模型、基础设施优化成熟度模型、商业智能开发模型（BIDM）、商业智能层次（LOBI）、惠普业务成熟度模型、SAS公司信息评估模型、沃森模型、特拉数据模型。从设计理念上看，这些模型旨在回答在组织内商业智能系统应朝哪个方向发展的关键问题。几乎所有这些模型的共同特点是，它们恰当地命名了发展阶段，例如从新生儿到智者，并在各种领域进行评估：分析类型、范围、管理、技术平台。

克日什托夫·奥尔扎克为我们提供了四个不同组织的实例，其中商业智能系统的实施显著改变了其业务运作方式、长期战略、信息管理、业务流程、客户服务以及向客户推出创新服务的方式。

Monster.com、哈拉斯娱乐公司、大陆航空公司和诺福克南方公司都是基于商业智能的组织。这些公司各自以不同的方式开发了商业智能系统，但均通过引入新商业服务、改进客户服务以及发展新型合作形式取得了成功，从而提升了竞争力。这些企业的做法与商业智能成熟度模型有许多相似之处，因此C. M. Ol szak证实了她的假设：“商业智能成熟度模型应作为组织发展商业智能系统以实现可衡量的效益和持续增长的效益的重要路标”[Olszak 2012a，第9页–29]。

研究表明，绝大多数成熟度模型关注的是技术因素，如基础设施、数据和应用，而未考虑到一个关键因素，即技术、功能与组织可用性之间的联系。软性要素很少被提及，例如员工、组织战略和特定信息需求。根据C. M. 奥尔扎克的观点以及本文作者的看法，上述成熟度模型并不完整。因此，有必要构建一个目标商业智能成熟度模型，该模型将整合所有要素，并基于研究与学术讨论在未来得以发展[Olszak 2012b, pp. 11–26]。

结论

提高商业智能领域的能力如今已成为许多组织的首要任务。管理者日益意识到，存储在源系统中的数据作为一种资源具有极高的价值。将数据转化为信息的分析与处理是商业智能系统的基本任务。通过使用商业智能工具，可以创建基于知识并能从自身错误中学习的智能组织。
这一目标通过将所采取行动的信息存储在商业智能系统的数据仓库中来实现。

文献综述确定了实施商业智能带来的以下好处：
- 启动变革的能力，从而促成基于知识和学习的智能组织的创建。
- 改进决策。基于硬数据而非直觉和惯例进行决策。
- 对数据集的有效度量的可能性。
- 显著减少用于收集和处理数据的时间。
- 使用高级数据可视化。其优势在于与传统可视化相比，具有更大的信息容量。
- 高级商业分析对中小型企业而言更加可用。

在实施商业智能系统过程中可能识别出的风险包括：
- 在实施商业智能系统期间缺乏专业变革管理，因为商业智能的实施本身会由于吸收了启动系统所需的资源而导致商誉减少。
- 关键员工参与商业智能实施过程可能导致其现有工作效率下降。

还讨论了商业智能系统进一步发展的问题。此外，从商业智能项目赞助者的角度来看，已确定了相关困境，这些困难可能包括商业智能技术工具的选择。根据已发表的研究成果，在决策过程中应考虑基于云计算的解决方案和开源方案，特别是对于小型公司的管理者而言。

研究表明，商业智能系统的进一步发展取决于成熟度理论模型的建立。文献中已提出了多种成熟度模型，但这些模型均不完整，因为它们未充分关注软性因素，而主要侧重于基础设施和技术。因此，未来研究应集中于开发一个完整的成熟度模型，以便明确商业智能系统的发展方向。