业务智能架构和工具
简介
业务智能是为了确保以下几点：
- 各种决策者和分析师可以直接且不间断地访问数据。在整个组织中使用的数据应该是无可争议的。
- 决策者将时间花在分析数据上，而不是收集和格式化数据。
- 决策者能够专注于改进业务流程，而不是在系统之间搜索数据。
- 决策者可以即时进行假设分析，而无需太多手动干预。
- 数据管理是从企业角度进行的，而不是从部门层面进行的。
- 数据被视为战略资源，而不仅仅是业务智能过程的输入。
- 业务预测用于业务供需双方。
- 大多数决策过程是通过自动化完成的。
- 数据可以在公司内部轻松共享。
- 生成的报告利用了原始数据和二级数据，而不需要额外的努力。
为了确保业务智能实现上述目标，必须有一个稳健的架构。业务智能架构分为六个关键要素：数据管理、转换工具和流程、数据存储库、分析应用工具、展示工具和操作流程。
- 数据管理
为了实现数据完整性，需要解决以下几个要点。首先，组织需要确定所需的数据。组织必须达成共识，认为特定的分析将提供竞争优势并提升业务绩效。
接下来需要解决的问题是信息的来源。数据源可以来自企业本身，也可以来自外部。如果数据源在组织内部，则必须有一个共同的平台来处理所有信息流。
下一个问题是数据的数量。由于有大量的数据可用，公司应根据需求收集数据，以保持业务行为的规范化。
最后一个问题是如何使数据有价值，一旦确定，数据管理就成为关键，即从数据获取到数据退役的整个过程。
- 转换工具
所需数据需要经历ETL（提取、转换、加载）过程。ETL过程包括提取数据、转换数据和加载数据。从存储库中提取数据是一个简单的过程。然而，验证和清理数据是一项艰巨的任务。此验证和清理是通过各种已建立的业务规则完成的。数据转换涉及将数据转换为标准化形式。
- 数据存储库
组织可以通过数据仓库存储数据。数据仓库有时会包含数据集市，这是处理单一业务功能的一个分区。元数据存储库用于存储数据定义和技术信息。
- 分析工具和展示
市场上有许多业务工具，但重要的是要明确自己打算如何使用这些数据，然后选择合适的工具。
- 展示工具和应用程序
业务智能只有在最终用户能够理解数据时才能发挥作用。展示工具应该允许用户将复杂数据转换为可分发给全公司的临时报告。
- 操作流程
操作流程决定了数据管理和业务智能在组织内如何实施。它涉及组织如何创建、管理和应用不同数据和应用的问题。