云计算与物联网技术对商务智能的影响

　　1 商务智能

商务智能BI（Business Intelligence）于1989年由Gartner Group 的Howard Dresner首次提出，它描述了一系列的概念和方法，并通过基于事实的支持系统来辅助商业决策的制定。之后随着商务智能的深入发展和人们对其认识的加深，不断有不同的商务智能的定义出现。文中采用2007 年Gartner 商务智能峰会对BI的重新定义，即BI为一个伞状的概念， 它包括了分析应用、基础架构和平台和良好的实践。数据仓库、数据标准等平台已经涵盖在BI范畴里，BI已不再仅仅是前端展现工具。商务智能已经开始成为一种用于描述企业范围内使用数据、分析信息、制订决策和管理绩效的原则的术语。而且组织应该用全面的绩效提升来衡量商务智能的成功。衡量BI的成功与否，不再是数据组织的有序、数据的ETL 过程的更完美，不再是异构数据的集成能力，也不再是数据变换和数据归约的强大功能，而是BI是否有助于促进企业业绩的提升。此外，BI分析型系统应该强调和形成效果，也就是说，BI必须要促进和业务或某一方面业务的顺利展开，提升业绩。BI的核心在于应用，这也是BI实践者在工作中的真实体会。

商务智能的概念和商务智能系统的发展都不是一蹴而就的过程，商务智能系统的雏形可以看成是事务处理系统。后来在事务处理系统的基础上出现了高级管理人员信息系统，它是商务智能发展的又一个层级，相对于初级的事物处理系统来说它在分析和处理综合性与复杂性问题的能力上有了进一步的提高。在管理信息系统(MIS) 的基础上，又出现了决策支持系统，最终出现了商务智能系统。BI系统可以为决策者提供智能服务，而且越来越多的支持非结构性问题的处理，在决策的支持上也要比决策支持系统进步，更好的分析和处理综合性和复杂性较高的问题。

BI系统虽然可以提供智慧服务，但它所有功能的完成仍然依赖于原始的业务数据，这些海量的数据是智慧服务的基础，对这些数据的存储及加工处理仍然占有很高的位置，可以说商务智能系统的核心就是数据仓库系统。BI系统先要收集大量的数据并对其整理形成可供使用的数据。然后把这些经过预处理的数据进行加工转化成信息，形成的最终智慧产品用于指导商务实践。IBM 公司曾经提出过一个体系结构，主要有下面的几个组成部分：外部数据源、数据仓库建模和构造工具、数据管理、访问工具、决策支持工具、商务智能应用、元数据管理。以上几个部分通过体系内的协作可以提供数据分析与管理、知识发现等功能。

以零售业为例，分析商务智能在零售业中发展的推动因素：

（1）不断增长的需求。随着业务的高速增长，零售企业积累了大量的业务数据，管理人员面对看似无序的海量数据，迫切需要发掘其中的市场规律和发展趋势，包括基层管理人员在内的零售企业管理团队在日常经营业务中必须及时有效地做出正确的决定或决策，这些都引发了零售业对于商业智能应用的迫切需求。

（2）对商业智能理解的加深。跟随着商业智能理论与实践双重发展的脚步，零售业界对于商业智能的理解和认识不断深入，更多的零售企业开始能够根据自己的业务实际提出商业智能方面的应用需求，这对于成功开展商业智能项目，提升项目的投资回报率有着重要的实践意义。

（3）以顾客需求为导向的业务流程再造。为了提升企业竞争力和盈利水平，越来越多的零售企业开展了以顾客需求为导向的业务流程再造，力求打造良好的客户服务质量和不易复制的核心竞争力。一方面，更好地理解客户需求，及时地应对市场变化都有待商业智能应用的支持。另一方面，业务流程的再造有助于零售企业更好地采集相关业务数据和统计关键绩效指标。

（4）新信息技术的应用。信息技术的快速变革从技术层面大力推进了商业智能的实践和应用，例如无线射频技术(RFID)在零售业的逐步应用有效改善了零售数据采集的时效性，同时也极大提高了数据的粒度和准确性，这对于改善商业智能应用的数据质量意义重大。

2 物联网

随着互联网技术的不断发展，在互联网的基础上延伸和扩展，形成了新一代的网络技术，即物联网。物联网是新一代信息技术的重要组成部分，是继计算机、互联网和移动通信网之后的第三次信息革命。

物联网是指在互联网基础上，通过各种信息传感设备，如射频识别（RFID）技术、传感器、激光扫描器、红外感应器、全球定位系统、气体感应器、摄像头等各种装置与技术，实时采集任何需要连接、监控和互动的物体或过程，采集其声、光、图、热、电、化学、力学、生物、位置等各种需要的信息，进行信息交换与通讯，实现定位、智能化识别、跟踪、监控和管理的一种网络。其目的是实现物与物、物与人，所有的物品与网络的连接，方便识别、管理和控制。

所有物品在这个网络中能进行“交流”。物联网（Internet of Things，简称 IOT）又称传感网，最早是由美国在 1999年的移动计算机和网络国际会议上提出的。2003 年，美国《技术评论》提出传感网络技术将是未来改变人类生活的十大技术之首。2005 年，国际电信联盟(ITU)在突尼斯举行的信息社会世界峰会上发布了《ITU 互联网报告 2005：物联网》引用了物联网的概念，指出无所不在的“物联网”通信时代即将来临。2008 年，在北京大学举行的第二届中国移动政务研讨会“知识社会与创新 2.0”提出移动技术、物联网技术的发展代表着新一代信息技术的形成，并带动了经济社会形态、创新形态的变革，推动了面向知识社会的以用户体验为核心的下一代创新（创新2.0）形态的形成。2009 年，美国将新能源和物联网列为振兴经济的两大重点。

目前世界许多国家都对物联网技术发展高度重视。在美国，奥巴马政府把物联网确立为新一轮国际竞争优势的关键战略。在我国，自温家宝总理 2009 年 8月视察无锡物联网产业研究所提出“感知中国”以来，物联网被正式列为国家重点发展的战略性新兴产业之一，写入政府工作报告。与计算机技术、物联网技术不同，我国在物联网技术研究方面处于世界领先水平，与美国、英国、德国一起成为国际标准制定的主导国，具有重要的影响力。英国、德国、芬兰、日本、韩国、意大利、加拿大等国家都在投入巨资深入研究探索物联网。

作为推动信息产业发展和社会进步的一项重要技术，物联网从2009 年至今一直受到我国各行各业的重视。由于物联网需要智能处理，因此物联网的快速发展也给商务智能带来了商机。

当前，我国物联网企业更多地关注硬件的应用，而在应用软件层面则显得不够重视。从计世资讯《中国RFID 与物联网发展2009 年度报告》(以下简称物联网报告)中可以了解到，物联网的组成必须具备三个条件：

第一，全面感知。就是让物品会“说话”，将物品信息进行识别、采集。第二，可靠传递。就是通过现有的2G、3G 以及未来4G 通信网络将信息进行可靠传输。第三，智能处理。就是通过后台的庞大系统来进行智能分析和管理。

其中第三个条件就是我们所说的应用软件。目前，从国内外物联网的发展来看，专注于应用软件的开发商相对较少，同时由于物联网是一个覆盖全行业、全业务的领域，对于应用软件开发商来讲，应用软件的开发也是一个摸索、实践的过程，这就导致了物联网的应用软件并不是很成熟。

物联网报告中指出，如果说传感技术和通信软件满足了前两个条件，那么第三个条件则必须通过软件技术才能实现。目前，虽然中国信息网络与传输基础较好，但是在传感器和芯片制造、集成、预处理等方面还很薄弱，尤其是海量信息处理的软件技术相当薄弱。

正如物联网报告指出，物联网技术最终的实现需要智能处理，需要通过庞大系统来进行智能分析和管理，而这个智能分析管理就是当前被企业决策者以及CIO 所持续关注的商务智能(BI)。

当前，商务智能已经成为企业信息化建设的一个重要目标，企业的决策者以及业务人员希望通过引进商务智能来了解市场动态、企业的内部管理，对商务智能的需求越来越强烈。我们如果把物联网看成一个“企业”，那么这个“企业”就是一个多元化，覆盖不同领域、不同行业的企业，它所产生的数据、信息会大得惊人，如何把这些数据进行分析、转换成有效的信息以及实现智能的管理，就需要商务智能的支持。

关于物联网与商务智能，在物联网报告中是这样定义的：物联网是一个智能的网络，面对采集的海量数据，必须通过智能分析和处理才能实现智能化。因此，商务智能将大有可为。

虽然我们看到物联网对商务智能的需求很强烈，但是商务智能在物联网上的部署也不是一步到位的，物联网的海量数据对商务智能提出了更高的要求：

首先是实时商务智能，即随时随地实现商务智能。受内部和外部的、可预见的和突发事件的影响，物联网任何一个应用端均需要对瞬息万变的环境实时分析并做出决策。

其次是分析速度更快。实时商务智能要求分析速度更快，这使商务智能不得不进行架构上的改变。

以前的BI都是把它存储在硬盘上面，数据和硬盘有接口互相交换，这种交换限制了速度的提高。

以前的 B1 只是一个软件，如果用户要分析的话，把它通过网络连接到服务器进行计算就可以了。但现在，BI企业没有完全将BI固化到硬盘里，而是和硬件厂商进行绑定，推出一个专门为分析而制定的软硬结合的工具，大幅提高了分析速度。

再次，对数据质量控制提出更高要求。海量的数据如果不能保证数据的真实性，那么就会产生错误的结果和判断，后果非常严重。因此，数据质量控制是获得真实结果的重要保证。

最后，关键绩效指标分析、即时查询、多维分析、预测功能以及易用的数据挖掘等也是BI必不可少并不断需要加强的地方。

3 云计算

Google 的创业者们采用了众多廉价PC 提供的搜索服务，他们成功的把这些PC 集群成比商用服务器功能还要强大的系统，于是云计算(Cloud Computing)的尝试在Google 的努力下得到了成功。基于他们的研究， Google 公司发表了四篇具有重要意义的学术论文，分别为：分布式文件系统( GFS) 、并行计算(MapReduce) 、数据管理(BigTable) 和分布式资源管理(Chubby) 。这些文章成为了云计算理论的发展基础，对云计算平台的发展起了巨大的促进作用。关于云计算的定义，中国移动研究院提出了具有代表性意义的观点，他们认为云计算系统是一种把大数量的低成本运算单元通过IP 网络相连而组成的超大型运算平台，其核心是组成云计算平台和管理软件。云计算具有低成本的突出优点，它通过虚拟机、镜像部署执行等方法为用户提供服务。

结合前面叙述的商务智能系统和物联网技术的特点，可以看出它们与云计算的结合成为一种非常自然的结果。传统的BI系统运行在Unix小型机的集中平台上，这就带来了BI系统的封闭性，这种相对封闭的状态与商业对信息时效性的需求显然是矛盾的，无法更好的满足商务上需求。另外，由于系统的封闭性导致了BI系统在运营中的一些问题，比如BI系统的可扩展性很差，BI处理能力相对较弱，已经无法满足对海量数据处理的要求，BI在成本上也相对较高等缺点。拿聚类为例，现有的BI系统目前只能支持100万个用户在一个月内数据的知识发现，这样的处理能力相对于企业对BI的需求显得相形见绌。云计算的出现让BI的发展看到了曙光，云计算与BI的结合将在很大程度上突破目前BI所处的瓶颈，从而满足企业对BI的需求。

BI和云计算的结合将为BI带来如下的显著特征：

（1）云计算使得BI具有处理海量数据的能力。能够处理海量的数据是BI系统提供智能的保障，是BI存在的基础，但是传统的BI在运算能力上还存在很大的缺陷。在数据挖掘的过程中BI往往面临大量的数据，比如一次小规模的数据挖掘所需要的数据也要有几个GB或者十几个GB，而稍大规模的数据挖掘要处理的数据量可以达到十几个TB的规模，有些公司年业务数据量能够达到几千个TB。云计算的出现让BI很好的摆脱了传统Unix平台下面临的窘境，使得其具有处理海量数据的能力，经试验BI系统的处理能力可以提高十几到几十倍，为BI系统的“智能”提供保障。

（2）云计算环境下，BI的共享性将成为最重要的优势之一。现实的企业运行情况表明，公司之间及公司内部协调性并不理想，共享服务呼之欲出。企业的发展重心应该是其核心业务，而通过不同区域和国家的非核心业务进行共享合作，可以使不同部门实现更好的协同、规模效应和成本节约。云计算下的BI提供了一个信息共享的平台，云计算下的BI可以通过强有力的信息共享、数据共享、计算共享等手段实现实体共享服务中心的功能。由于云计算下BI的共享性，可以将分布在不同地区的信息资源和智力资源进行整合，能够使企业通过规模经济、流程再造、管理聚焦等手段提升企业的效率。

（3）云计算能够提升BI的时效性。企业对BI系统时效性的要求仍没有得到满意的解决，造成这种实时性需求的压力主要来源于企业多种业务的需求。目前，大部分企业并没有真正的实时反应的商业智能系统，所提供的信息还无法达到即时反馈的要求。提升BI系统的时效性有着一些先天的困难，比如虽然可以轻松的检测到特定的交易，但仍无法即时的获取客户的个人数据和历史交易记录等，另外在实际的操作中可能会受到人为因素的影响，比如一些人为的错误等。但是，BI系统时效性的提升并没有完全丧失操作上的可能性，比如数据仓库技术就是时效性提升的一个突破。但其与云计算下的BI相比仍有不足的地方，比如企业仓库运行的平台单一，虽然它有着很快的运算速度，但无法与云计算的速度相比，云计算能够让BI在更短的时间内获取并下载交易数据，能够执行更强的数据分析功能，运行更强大的业务活动检测工具，在业务发生的同时提供更好的信息反馈。云计算下的BI可以随时加载分散于不同地理位置的业务数据，很好的让历史数据和个人数据整合，实现高级的BI功能，让企业从中获益。

（4）云计算与BI的结合增强了BI系统的开放性。企业对信息具有很高的实时性要求，有时效性的商业决策才能引导企业做出正确的经营决策，但是传统的BI是相对封闭的，这也成为了它提供实时性智慧服务的阻碍。这一矛盾将在云计算环境下得到改观，因为在云计算环境下系统处理的数据将具有更好的时效性，整个数据的挖掘过程将具有更好的开放性，从而满足企业对信息的时效性的要求。BI系统处在相对开放的环境中可以拥有很好的扩展性，使得BI能够满足企业不断变化的需求，为企业提供更具个性化的服务。

（6）云计算与BI的结合将降低成本。云计算的出现使得BI可以运行在云上，通过相应的服务提供商提供云计算的服务完成BI的功能，企业只需要支付相应的服务费便可以运行自己的BI系统，这样企业既省去了购买服务器的成本又可以得到小型的服务器无法实现的功能。例如Google的PC集群的成本要比昂贵的商用服务器低得多，但是功能上要比商用服务器的功能还要强大。中国移动的试验中成本也比小型机系统的成本低得多，只占小型机系统的六分之一。另外，由于云的出现使得企业可以方便地得到云提供的服务，这样使得企业不必再花费资金和时间来对BI系统进行维护，这也是节约成本的重要因素之一。

4 挑战

最后，总结一下目前商务智能依然面临的具有挑战性的问题，首先是数据爆炸的问题，数据之所以爆炸，直接原因是近年来各大企业的数据收集意识和信息整合能力大大提高了。比如，无线射频技术(RFID)在零售业的应用，不仅提高了数据采集的粒度，还增强了数据的实时性和准确性，极大地推动了零售行业数据量的增长。这些数据，正在成为零售商最大的财富和资源。当然，如果没有海量数据处理的技术，就会变成灾难，而海量数据的处理仅仅依靠云计算技术是远远不够的。

二是非结构化数据的处理。比如顾客在博客、论坛、社交网站和推特上用文字记录的消费经历、对消费行为和商品表达的看法和评价，是一种有非结构化的数据。如何把在散布在网络上的非结构化文本资源整合起来，并从中为零售商挖掘有价值的信息，也是商务智能的热门话题之一，即使在企业内部也充斥着这种文本资料, 如各种文书、技术报告、E- MAIL、市场报告等。过去的40几年里, 每年在联机医学文献分析和检索系统中出版的摘要以五倍的速度增长。而且超过1200万甚至更多的在线资源都是全文本的文章。除了这些, 还有专利、内部报告和其他潜在可获取的公开资源。尽管有一小部分信息是以结构化的形式存在于数据库中, 但80%的信息是以自然语言组织的非结构和手写资源。如何将这些资源也充分地整合到商务智能的数据源中，进行和结构化数据一样的分析和处理，是要深入研究的问题。