BI的6宗罪

 

摘要 : 发表时间： 2007-9-14 来源： AMT
数据导向容易把 BI 的根本在于商务，应由业务逻辑来组织数据的红绳莫须有化，结果使得 BI 偏离业务偏离企业的绩效日益远之。

   2005 年开始，有关报道宣称中国的商业智能（ BI ）市场在 IT 领域炙手可热，引发众多管理软件企业摩拳擦掌，在这新的利润增长点上跃跃欲试。但事实上，至于今说 “BI 逐渐火起来 ” 说两三年，用户的 BI 项目实施却没看到有实质性的进展。

   

    今年 8 月，《经理人》杂志一篇《解析商业智能失败的根源》中提道，据相关统计数字显示，在国外，投资建设 BI 的企业有 60% ～ 70% 以失败告终；而在中国，这个数据可能会更高。其中的原因有很多，比如缺乏历史数据支持、理解上存在误区等等。《三位一体的商业智能 — 管理、技术与应用》的作者王茁先生在与 CIO INSIGHT 杂志记者交流也谈到商业智能项目确实有着很高的失败率。他说这也造成了现在普遍存在的对于商业智能的两种极端的观点 —— 万能论和无用论。该篇采访在 8 月 1 号被刊发于网上。

   

    笔者从事 BI 的几年工作实际也证实了 BI 确实难以成功。失败的根源，众说纷纭，大致有以下。一是实施过程难控，如不致陷入贪大求全的项目整体规划与分步实施、需求提炼、数据质量控制、针对非技术人员设计出简便而形象的用户界面等；二是协调配合难度大，如王茁先生认为大型的 BI 项目需要多个部门的认真配合，如导入源数据到数据仓库这么一个简单环节都会同时牵涉到众多部门的参与。三是，一把手支持力度不够，参与 BI 的业务人员级别低以及投入不高。四、 BI 系统上线后的使用者数量少且不专业。

    

    也许不能臆断这些 BI 应用都是失败的。但是 BI 没有达到用户和厂商宣称的结果却是不争的事实。    笔者也和其它 BI 从业人员一样，反思问题寻找原因。笔者认为， BI 当前有六宗罪，导致了 BI 的高失败。即在意识和认知层面的 “ 体系不清、方向不明 ” ，在执行和操作层面的 “ 数据不准、应用不实 ” ，在基础层面的 “ 全程不通、工具不全 ” 。如下图所示。

   

    罪一：体系不清，鸡对鸭讲，无法公正地相互理解以建立统一的 BI 认知

   

    以下问题广泛存于各种 BI 项目中，主要原因是 BI 体系不完整和 BI 厂商和代理商的宣传诱导。各 BI 厂商的差异化营销策略形成了 “ 差异化基础上的差异化 ” ，而不是 “ 标准化基础上的差异化 ” 。由此导致了用户和开发者之间的沟通交流受阻，甚至是单方面的诱导用户的沟通。根本原因，还是在于 BI“ 体系不清 ” 未能给用户和集成商建立起一个标准化的认知平台。

   

    用户： BI 实质是什么，应该如何理解 BI? 面对众多的 BI 产品及其不同功能的版本，我们应该选择什么样的 BI 产品才能适合本企业？ BI 建设应该做成什么样？对于本企业的 BI 如何评估难度和深度并据此考虑经费、周期等问题？未来本企业做 BI 还应是怎样？

    

    开发者和集成商：如何能将我们的概念融入用户的意识？怎么样向其介绍 BI 才能相互和谐？如何和用户共同发掘需求并顺利推荐相应的产品及其功能？如何让客户理解本次 BI 项目的难度而不至对支出 “ 讨价还价 ” ？

   

    面对上述实际问题，用户和开发者集成商却难以达成一个利于 BI 长期发展的认知。原因在于当前 BI 体系不清晰，对 BI 的理解也不一致。

   

    当前的 BI 体系，侧重于技术角度以详略不等的程度体现了 BI 从数据到应用的过程。 IBM 增加了该过程的管控和安全。美国数据仓库研究院展示了 BI 的结果对策略和行动的关联和影响。这些 BI 体系全面性和贴近应用性有所不足，或者用户不能深入理解，只简单的仅将 BI 当作利用数据的过程；或者开发者只知 BI 实现过程而难以明白实现结果以及原因，以致无法达到用户和开发者之间的顺畅交流。事实上，当前的 BI 体系仅解决一个方面的问题，即如何做 BI ，这仅是体用关系中 “ 用 ” 的其中一部分。可见当前 BI 体系的不完整和片面性，以至于它难以解决用户期望的 BI 是什么和为什么，以及 BI 有什么类型， BI 要做成什么样？ BI 后期如何提升等问题，因而无法顺畅实现开发者和用户的沟通。此部分内容可详见本人博客《商业智能（ BI ）的哲学思索 ---BI 框架体系探讨》。

   

    当前商业智能也存有多种概念。从概念提出至现在，数年来对 BI 仍没有一个公认的统一的定义。 Gartner Group 、 IBM 、 Microsoft 、 IDC 、 SAS 、 Business Objects 、 Cognos 、 Teradata 、 Oracle 、 MicroStrategy 、 all-BI 述定义大致可分为三类：第一类软件论或技术论，认为商业智能是一套帮助企业管理或决策的系统。第二类技术和软件结合形成的概念和方法。第三类则多是自动化管理过程。综合上述商业智能的定义，都揭示了商业智能的技术性特性，部分观点也点明了商业智能与管理的联系。但是，他们都缺乏明确的本质性揭示和实施方法的体系化思考，既不能让人深入、全面的理解，更无法让人实现操作。可参见本人博客《商业智能的 “ 操作性和提升性 ” 转换 ---- 商业智能（ BI ）的三维框架》。

   

    另一方面的原因，当前对 BI 概念和 BI 体系的描述不易让用户和更多的开发者集成商理解，不够直白，也容易造成大家理解 BI 进入误区，不好造就一个轻松交流的平台。比如有人认为业务流程改进 (BPI) 比业务流程再造 (BPR) 更适合于当前国内大多数企业的信息化及人员素质现状，因此直白地解释为 “ 不坐电梯走楼梯 ” 。这种直白确实容易让大众理解，相反太 IT 化太针对性的 BI 描述却难以让用户和技术开发者直接接受。这正如王茁先生认为的当前对 BI 的概念太窄化了，不易普及。

 

  罪二：方向不明，好钢没有用到刀刃上，难以引导 BI 实现预期目标

   

    BI 以数据驱动为方向，还是以业务驱动为方向？这个问题日益受到重视。即使是以业务驱动为导向，还是会滑向数据为核心，这是为什么？

   

    王茁先生指出商业智能发展到现在所存在的问题是人们往往过度强调 “ 智能 ” ，却忽视了 “ 商业。商业智能变得越来越像一个 IT 的专有名词，从而退化成了一项 IT 技术工具。这说明过度注重 IT 技术的结果，将会使 BI 距离业务越来越远。

   

    一份调查证实了当前国外在商业智能上高度注重业务的倾向。今年 Gartner 研究公司的副总裁和著名的分析师 Burton 在调查了 350 家企业的商务智能项目后说，商务智能 ( 没有成功 ) 的核心问题不是技术问题。问题则恰恰是商务领导人方面的失败，他们没有能够确保企业得到他们所需要的信息，并且没有把信息按照对企业目标有意义的方式进行调整。显然，这实际要求 BI 的信息要按照业务逻辑进行组织。调查中列举了 Coldwater Creek Inc. 公司。它是一家专门供给职业妇女的服装目录编制商和零售商，该公司成功运用了 BI 。公司创始人 Dennis Pence 说， ( 商务智能 ) 绝对不能是一个 IT 项目， “ 我不认为它在脱离了商业的情况下会有什么意义。商务应该感觉他们在某种程度拥有它。

   

    上半年的 CHICAGO——Gartner 商业智能峰会重新定义商业智能。峰会上主要发言人认为 BI 要从商业策略、商业策略、人员和流程、分析应用四个方面介绍了如何帮助业务的成功。可参见本人博客《 BI ，中国人可以对你说不 ----- 评 2007 Gartner 商业智能峰会重定》。

   

    可见，以业务驱动为方向应是 BI 的趋势。但是上面描述的问题却恰恰说明当前 BI 往往是以数据驱动为方向。原因一是，发起者的角色错位或角色责任转化的不易实现。 BI 的发起者往往是信息中心等技术部门，而不是业务部门发起或业务部门联合信息部门发起。 二， BI 泊来品照搬国外未经消化的后遗症。 BI 引入国内，即是以报表， OLAP 的旋转、切片等概念和演示呈现给用户，把用户带入了技术的胡同。三，业务类人员包括不少企业的一把手，对管理精细、数据分析、强化经营效果的意识不强，不易打动业务人员的参与。四，非技术的业务类人员对 BI 技术的使用并不熟练，兼之 BI 界面方便性有待提高，导致业务类人员往往认为 BI 是增加了自己的工作负担。

   

    上述原因，往往在 BI 实施前后过程中形成了技术部门占主导的局面。这直接造就了 BI 以数据逻辑进行组织，并且直接构成了数据标准、数据源获取、数据组织和存储、数据利用和展示的 BI 主要环节。并由此形成了元数据管理工具、主数据管理工具、数据集成与交换工具、数据仓库工具和前端展示工具这些产品。此时此刻， BI 往往被定义在了前端展现工具上，即 BI 成了数据生命周期中的一个最终环节。集成商的开发人员考虑业务最多的是在这个 BI 展现环节，也就是特意强调这个环节满足业务的需求。显然，这造就了 BI 的恶果，埋下了 BI 不易达到实施目标的祸根。首先，由技术部门牵头必然容易滑向自己熟悉的领域，特别是数据获取 、数据组织和存储这些过程；其次由于涉及部门较多而业务类人员并不用心参与，造就了协调的难度；再次，面子意识以及官本位容易使信息负责人希望实施人员要拿出成果且能拿得出手时，才愿意组织业务类人员郑重洽谈。此时往往技术开发人员被要求要做出一个完整的 DEMO 出来。当考虑很少业务需求的 DEMO 做出后，信息部门觉得界面不好看、色彩不鲜明等原因担心引起业务类角色的笑话，又以自己的想法强迫技术人员重新修改。可想时间花去了，解决业务问题的要求却远了。鉴于上述，即使项目经理或技术开发人员抛弃了自己的技术思维跨入业务类思维而考虑到了在数据生命周期各环节要以业务需求作红绳，以贯串整个数据过程也难以在工作中真正做得到与此想法相匹配的行动。更何况，信息部门、技术人员中的多数根本不具备业务管理方面的思维和管理知识素养，以及对业务的深入了解能力。

   

    可惜！可叹！

   

    总结之，技术占主导局面非常容易使 BI 跌入数据驱动陷阱。数据驱动有什么不好？数据驱动模式很好，它由数据的深度挖掘来辅助业务，它将企业所有的数据都整合、清洗并按不同的粒度存储起来，业务类人员用什么数据都能提供。技术部门也似乎能一劳永逸。但是，该模型可能不适合当前国内 BI 发展的现状。原因除上述所言，数据导向容易把 BI 的根本在于商务，应由业务逻辑来组织数据的红绳莫须有化，结果使得 BI 偏离业务偏离企业的绩效日益远之；另外，还有以下原因。如人员素质以及用户习惯。用得上 BI 的企业信息化程度应该不低，但是能用各种方法和工具从数据中提取有效信息的业务人员并不好找；又如变化。用得上 BI 的企业业务应有一定稳定性。然而花大力气整顿好的数据，却可能在竞争环境下对战略战术的调整而致使数据毫无用处。再说财力和成本，尽管能上线 BI 的企业财力不弱，但如从数据驱动出发长期整理数据，成本之高确实难以承载；笔者曾从事一个 BI 项目，仅是把数据搞准确就花了两年 , 而事实上搞准的那些数据能用到业务类人员所关心的管理问题方面的非常少，价值很低。最后从项目成果来看，数据导向耗费大量时间在数据的一致性等方面，在业务需求和业务逻辑的理解和深入上尽力不够，结果匆匆忙忙拿出的成果是报表和一些 DashBoard 。由于涉及业务肤浅，本质效果很少，就花时间在界面的美观和绚丽上，敷衍领导。

   

    数据驱动的技术主导方向，在 8 月份 Business Objects 公司在杭州凯悦酒店所请嘉宾的职业亦可见一斑。据主持人介绍，听众由政府行政人员、企业人员构成。在进一步的讲师讲课互动中得知绝大多数人员担任信息中心工作，即技术人员占绝对多数。当鲁博士提示是否有业务人员时，现场无人举手。可见业务类人员的参与度极低。

   

    数据驱动的技术主导，业务类人员参与度低，这显然是企业最高领导的责任。正如 Gartner 研究公司的副总裁和著名的分析师 Burton 所说，当商务智能软件项目失败的时候， IT 通常是受到责备的那个。但是这个失败却通常会追踪到领导能力的缺乏，而不是技术。但是谁又敢去责备一把手？谁又能去责备一把手？不仅是因为它的公司地位，更重要是他没有他正确理解的 BI 体系和 BI 概念以及正确的 BI 方向。

       

    即意识层面的体系不清和方向不明，导致了一把手的错误决策，同时也导致了业务类人员的低度参与热情，最终导致了 BI 结果的不如人意。这难道是某一个人的错误？