畅谈商业智能未来

计世报道：畅谈商业智能未来
2007-06-04 09:27:13
计算机世界
【计世网 独家】今年，我们突然发现，似乎一度有些沉寂了的商业智能市场正在发生着突破性的变化。无论是甲骨文、IBM、微软等软件巨头对商业智能厂商进 行的一系列收购，还是NCR宣布分离数据仓库事业部门Teradata，或者是数据库厂商Sybase将其业务全面转向商业智能服务的数据仓库业务，这些似乎都在向我们传递着一个信息——商业智能市场正在逐步升温，这个一直被人们叫做“贵族软件”的产品有望在更大的范围内得到应用。
在中国市场更是如此，越来越多的国内企业对商业智能产品有了更大的需求，据计世资讯的研究数据显示，中国商业智能市场2007年总体市场规模将达到11.4亿元人民币，与去年同期相比增长率将达到39%。
在这样的情况下，或许市场的重组和变革是必然的，这也让我们不得不去关注商业智能市场的发展，当然，我们更关注的是商业智能本身。在SOA、Web2.0 等概念的影响下，商业智能在未来将会是怎么样的？会不会经历重大的革新呢？为了能让更多的用户更清晰的了解商业智能，《计算机世界》产品与市场版在近期组织召开了一个关于商业智能研讨会，我们请来了商业智能领域的主流厂商，IBM软件部商业智能开发部经理林晖，甲骨文公司大中华区商业智能总监杨涛　，Sybase软件(中国)有限公司技术总监卢东明　，Business Objects北方区售前顾问经理刘琳珂，　SAS市场总监罗威，以及商业智能领域的专家杨柄儒教授，与计算机世界执行总编孙定进行了高层次的深入交流．也希望我们的努力能让您对商业智能拨云见日。
 

主持人（计算机世界总编助理兼产品与市场版主编 胡英）：今天很高兴大家能来参加我们这个小的沙龙活动，这个是我们从去年开始的定期就某个问题进行讨论的活动，比如说软件领域的，或者是服务器领域的，或者是安全领域的。主要是为了寻求市场的热点，今天我们之所以把大家叫过来讨论BI这个话题。因为BI在中国已经受到的广泛的关注，而且它逐渐在向2.0时代演进，而你们都是BI里面做得比较多的资深人士，今天的形式比较随意，希望大家畅所欲言。
计算机世界执行总编孙定致辞：BI这个话题我们最近非常关注，主要是从应用的角度来讲，应用有了一些新的变化，我最近跟一些企业的CIO有过接触。在国内，信息化走得比较前面的企业，ERP做完了， CRM做完了，然后HR做完了，然后是叫做总部ERP的，集团的财务、采购和供应链也都做完了。这些都做完了之后，下一步做什么？
这个问题是对我们所说的成长型企业，业务发展很快的成长型企业，尤其是面向全球市场发展很快的这些企业，这个问题相当突出。去年我们制造业信息化分论坛的议题叫做“企业信息化的下一步”，到底下一步做要什么？有的人说是整合，有的人说是建平台，众说纷纭，在会议上也没有得到明确的答案。今年我们看了一些企业，有一个明确的题目叫做“总裁信息化”，因为最开始的信息化要做ERP，做完了之后是各个岗位的信息化。比如说仓库信息化了，财务部门已经信息化了，财务和仓库连起来了，还有采购也信息化了。所有的数据一开始就入库了，后来跟生产系统，跟PIM整合了，CD也进来了，CM也进来了，生产数据管理也都进来了，并且跟ERP整合起来了。这个企业里面的各个层面都信息化，该做的全都做了，现在就出现了什么样的状况呢？
现在，总裁每天看到的报表必须是打印的，很复杂的一套报表打印到总裁那里去，总裁无所适从，仓库、财务、生产管理部门送来的报表，怎么通过这些报表来平衡整个企业的状况呢？实际上我们看到了一些例子，比如说三一重工是一个很有意思的企业，他们做工程机械已经卖到了全球，他在北美、欧洲、中东、印度等都有子公司。比如说他的泵车、水泥罐车上都有GPS，并且这个车走到哪里，运行的状况都通过卫星送到长沙的系统里去。还有他们在如皋的厂，在成都的厂，还有各地的销售公司的数据数都会到北京来。后来他们建了一个企业控制中心，就是一面墙一个大屏幕，总裁一上班就坐到这，就是说现在一上来的界面就是世界地图，总裁要看在沙特的办事处现在的操作情况，操作人员就用笔记本点，就看到了办公室，摄像头就过来了，就把数据调过来，今天的销售情况怎么样，明天的销售情况怎么样，今天卖的车是卖给谁了，一下子把数据调过来了，并且把车的实况的照片摆在那里。他们说要以这个展现各种各样汇总的图表，当时在这个地方总裁要做判断，现在要解决哪些问题，现在哪些数据运行是满意的，哪些是不可以的。他们准备做BI，他们准备投很多的钱去做BI系统，也就是做企业控制中心。现在的企业控制中心还是一些零散的数据，但是以后他们要把数据抽象出来，汇总归纳在一起，然后呈现给总裁。要把总裁看很多乱七八糟的报表的问题解决，这样可以解决企业的快速应变和快速决策等一系列的问题。比如说如皋的车间，在ECC的屏幕上可以看到车间物料等的情况。
我上个礼拜在鲁花，他们也在做企业控制中心，他们不是搞一个大屏幕，是给总裁定一个46英寸的触摸屏，家里安一个，办公室安一个，总裁要看到是各种汇总的报表数据，这就要投入很大的力量去做BI。
他们要解决的就是总裁信息化的问题，照我的理解，主要就是商业智能的问题，解决支持决策的问题，给决策提供必要的数据支持和信息。现在看来，现在需要的商业智能比以前的简单的数据挖掘等要更广泛，可能要包括视频的数据，要包括现场的交互，还有包括Web2.0的一些东西。并且还要通过各种的技术手段，比如通过卫星定位，通过全球信息的传递，要从汇总的数据一直查到最下面，到一个车间甚至是一个工位，这对于总裁来讲都是很现实的。比如说国务院，希望在北京建一个控制中心，这样他在各地的点，要是国务院总理在这里看扶贫项目的时候，不断地有数据要出来，而且可以查到现场的视频数据，有很多这样的需求。
因为以前没有做ERP，没有数据，什么数据挖掘、数据分析、决策的事情都谈不上，但是经过这5年企业信息化，尤其是走在前面的企业，已经到了这一步了。通过我们差不多有半年的时间跟CIO们的接触、调查和摸底，看来总裁信息化，有的叫做总部ERP，有的叫做总裁信息化，有的叫做ECC，名目很多，但是总的来讲都是解决决策支持这样的问题，这个问题看来是需求是很旺盛的。
三一重工，自己成立了一个信息研究院，他准备自己找一帮人来开发；而鲁花则是准备招标外包，并且投资都是过亿的，所以我们觉得这个话题对于整个中国的信息化具有前瞻性，但是未来的市场前景是可以预期的。因为我们计算机世界一直在推进信息化，从一开始的办公自动化开始就一直都是，到ERP和CRM，现在再说ERP已经没有什么意义了。但是说总裁信息化、企业控制中心和BI就非常有价值了，因为以前只是像中国电信、中国移动、银行这样的企业在做。但是现在看来，从几十亿到几百亿规模的企业都需要这个东西。而几十亿的企业很多，像三一重工已经是400多亿的企业了，鲁花每年也都增加50%，去年是20多亿的企业，今年就要超过了45亿，这样的企业成长都非常快，所以我们觉得这个议题是我们很关心的，我们很希望能够通过厂商找到一些思路、解决方案，或者说是提供什么样的服务，我们希望能够把这些信息比较有效地、清晰地传达给信息化前线的CIO们，因为这些人都在考虑选型的问题，考虑建这个系统的问题。比如说中国移动、中国电信、银行在用，都是你们的客户，你们都很清楚，但是这么庞大的企业群，就需要我们媒体做一些事情了。我就不多说了，今天主要是听听各位的，我相信我们的编辑会把大家的真知灼见梳理清楚，告诉给我们的读者，有机会我们也会跟CIO见面，讨论一下这些问题，看看大家有没有机会合作。
 
主持人：像孙总所说的，我们觉得今年这个市场，将从大型行业用户走向中小企业，我们觉得SMB到BI，这个市场已经过了培育市场期了，现在到了市场成熟期了，这个时候我们可能不会再去宣扬BI的概念是 什么了，可能更多地是想帮用户了解实际部署当中有什么样的问题，用户需要克服哪些难点，才能真正地把这些问题处理好。我们今天的讨论主要从三个方面展开。
首先是第一个问题，目前用户对于商业智能的需求点是什么？用户是如何看待商业智能的？国内与国外的情况又有什么不同？
甲骨文公司大中华区商业智能总监杨涛：首先是从过去战略化的BI到一个实时性的BI，这个是对那些信息化已经准备好的企业来说。过去的BI和现在的BI都存在一个比较典型的状况，就是总部或者说是总局或者是企业的主管，他们所看到的BI信息和操作部门看到的BI信息是脱节的，没有真正的反映前面存在的问题，没有捕捉出来信息跟我的决策有什么挂钩的地方。类似的问题，即便是在电信这个行业，或者是其他的大客户也存在这样情况，总部拿到的BI信息和操作部门看的不是一回事，所以希望能看到一个实时的BI。我们看到“实时BI”在市场推广和客户交流的过程当中，需求还是很旺盛的。所以BI，就是要求对很多即时的信息进行捕捉，捕捉到之后对这个结果进行快速的分析并且应用起来。对于这个是实时BI，客户提出了比较多的要求，像三一重工或者是鲁花，或者是其他很多正在做BI项目的企业也有一些这样的需求，这是一个比较简单的用户的需求趋势。
杨柄儒教授（国际注册科技专家、中国模糊信息和模糊工程学会名誉理事长、中国离散数学学会副理事长、中国人工智能学会知识工程委员会副主任、北京科技大学信息工程学院知识工程研究所所长）：我们学院方面可能都是空谈的，当然了，我们的想法还在于我们做的学问里面。第一，先看国外最先进的到了什么程度，是不是国外也经历了这样的BI发展过程，当然现实的需要是一方面。那么我们比发达国家在每个层面上是比他们前进还是某些方面有漏洞？我们到底属于哪个类型的？现在我们要对这个估计，如果没有估计，你跟踪到90年代的文献，你得在近几年的发展才能比较和创新。所以第一个问题不清楚，如果在清楚的情况下，就是不谈理论研究，从实用的角度讲有哪些产品。比如说是不是通过卫星通讯来接触一些信号的稳定，地面接收的情况怎么样，还有遥感技术怎么样，这个是和BI结果的。
第二个问题我先提问题，按道理应该是我们BI这个问题的发展，和国际前沿最新的信息技术的发展，是并行地发展，是相互刺激的。现在信息技术的发展对于我们BI提出了几个问题，需要现代信息技术为他服务，提出新的课题需要帮助它解决。甚至工艺和方法问题等等都需要解决。那么现在到底并行发展，我们的位置在哪？包括我们大规模搞研究，软件不值钱，受很大的限制，比如说技术发明，国家的技术发明包括外企公司在中国，你看有多少技术发明？就是软形态的，所谓的非物质形态的技术发明认可不认可？现在在科学界和技术界认可不认可？认可到什么程度？冶金、材料等等的东西都没有问题，你用机械做出来的化肥粉末、农药都认，这种物质发明形态的我们认，但是软的，一个光盘，有的公司做项目，在南方一个大学里面，很可笑的笑话，160万也不算多，最后就给了20万。你不就给我光盘吗？这个光盘值160万吗？这个道理很多，所以目前在这个情况下，我们要推进它。在我们目前，包括产、学、研结合，我们怎么结合？另外国外的厂家是不是看不起中国一些理论界的研究成果？我们有没有研究成果？是不是他了解，这里面有很多的问题，包括意识上的障碍。因为母体公司都在国外，那么在国内是不是有延长经济？如果有的话，他信不信？比如说我们现在可以拿出来，跟美国最新的产品，你们可以做见证人，那么我们现在往哪说去？我们现在做这个，往哪里说？谁认？那么将来我们做的话，把国外的现成的，包括BI的软件拿到国内，是不是适合？有零库存，我们现在能不能做到？诸有此类的问题，那么移植过来之后怎么做？我们国内的自主产品有没有可能产生？这根本不可能，如果有先进技术可以吸纳过来，这是产、学、研有适合点创造适合国情的。
主持人：看来，杨老师也代表了很多用户的想法。
 
Sybase软件(中国)有限公司技术总监卢东明：我觉得杨老师提的很有见地，跟国外比较，看国外到底怎么样。那么从我这个角度，我想正好可以分享一些，因为我去年刚刚回来，所以有一些 东西可能比较新一点。
去年的时候，我去了BI高峰会，他们提了很多新的概念，那么我回来到现在8个月，基本全在BI这个领域讲产品和各种各样的合作等，我觉得这个距离还是确实存在的，但是距离的存在并不表明现在BI的水平跟国外有多少年的差距。国外也是走了跟我们现在走的路其实是一样的路，他也是从开始的所谓的奋斗，然后慢慢有人在理论层次上提高，提高出来之后再指引企业。因为追求效益风气比较强，所以追得比较紧一点。比如说刚才提到的，怎么看这个商业智能？其实从我个人的观点来看，我觉得商业智能首先BI这个概念，它就不是一个死的概念，有点像个“移动靶”。因为到现在，我觉得各个厂家、用户、大的企业、小的企业，都在谈BI，那么每个人对BI的理解，或者是每个厂家对于BI的理解都不一样。你说他的对，我的不对吗？或者是我的对，他的不对吗？都不是，大家都处在盲人摸象的时期。最后大家是把各个厂商和企业的经验还有成功的案例结合起来，你才能够得看出来BI原来是这样的。那么往回退30年，大家搞Internet的时候，也是这样的，你没有领先性的产品出来之前，没有一套理论能把整个解释清楚，都是处于摸索的状态。
刚才孙定讲到了总裁看信息的问题，正好符合这个阶段的发展过程，并不是说国外已经发展到了所谓的睿智期。BI发展的6个阶段，产前期、婴儿期、幼儿期、青少年期、成年期、睿智期，并不是说国外达到了某一个期，但是发展中的模式是中国的企业可以借鉴的。比如说婴儿期，基本上面对一个单独的执行官，就是我们说的总裁集中制，信息都集中到总裁那，给总裁提供一个大的、很方便的模式，然后由他来做决定。但是实际上在BI的高峰会上，他们提出一个很新的概念，就是这个决策层不是要上升，而是要下降。那么实际上这对我们所有的厂商，所有提供BI这个生命链服务的公司来说，提出了一个不一样的要求，我们怎样能够改变这个趋势？这个决策是不是每天或者是一个月，或者是一个星期汇总到总裁那里去做决定。哪个环节能够有信息的来源，有决策的理念，他就可以做决策，这样企业才可以最后做到在技术上和服务上、企业的运作上领先。
主持人：我们经常采访一些专家和厂商，我感觉现在是信息化层面到了这一步所以才需要BI。国外BI为什么用得比中国领先一点，是因为他信息化程度更高一点，他有这个需求吗？
卢东明：其实说国外比 国内领先多少年，很难量化。因为是拿国内最先进的比较还是平均的水平比较呢？如果单纯从总裁信息化这个话题来说，国外是不是都实现了呢？我相信也不是，但是从我们厂商来说，从这些能够驱动行为实现的手段上来说，都已经实现了。不管你是海量数据，还是什么别的，因为对于总裁来说，他要把数据都汇总到这里来，有人给他做各种各样的报表。这些东西不管是从数据库的领域还是软件开发的领域，前端展示都实现了。国内有没有？国内也有。
杨涛：刚才卢总这边讲到全员化的BI，去年我们在高峰会上也提出了一个全员化的BI，这是市场一个主要的趋势之一。总裁的信息化是在中国市场比较突出的，但是全球来看500强的CEO当中，绝大部分的CEO考虑的就是BI，但是考虑的层面是不一样的。我补充的一点叫做全员化的BI，什么意思呢？过去的企业里面是被当成在金字塔里面专业性极强的，由专业分析师来掌握的，那么做渗透分析的人掌握了BI，其他的人是不能参与BI的，他们不能用BI来驱动他们的本职的工作，业务岗位或者是他们的决策分析是做不到这一点的。那么现在的BI实际上要求全员化BI，包括一个我们策略是把小部分金字塔当中的BI扩散到企业的各个岗位，到我们的执行层和最底层的人员等每一个岗位的人员都按照自己的工作要求用BI推进工作。
比如说国外比国内先进的，每一个岗位怎么用BI推动促进你的业务，推动自己的工作，去实现整个企业信息化。举一个例子就是思科，他98年的时候用BI，当时只是小部分的，只是执行人员和高级主管用BI。后来随着BI系统逐步在内部的推进和业务需求、发展，其实也是一个很重要的动因在背后。现在全球2万个员工，包括他客户服务的团队等等全部都有在用BI，用到BI的部署，每个人都有自己部门的BI的应用，全企业都可以用BI。这是一个很典型的例子，这是BI对企业的帮助很大。
SAS市场总监罗威：我觉得谈起国内外的差距，很难在这个市场一概而论，这是我个人的看法。其实今天大家多在谈BI，其实BI做得好的要跟业务结合，不然BI做得再好也是报表。所以如果谈起业务来，其实这个有一个观点，用户为什么上BI？实际上用户上BI就是感觉到了竞争的压力，竞争的压力越来越大，他才想到我要更快地用 BI。同时，为了保证我绝对不会失误，我需要一些真实的数据来支持，同时做一些分析和深度的挖掘。那么我们看一下中国的行业，哪个行业的竞争压力最大？在我看来电信行业虽然是开放，但是开放得还不是很大，电信行业不像电信自己说得那么大。比如说客户挽留、财务成本可能不太关心，现在可能关心的是我一年进多少新增用户，我能抢多少个省，怎么运作和上市？银行来讲，其实中国的银行业在整个中国的IT业界花的预算很大，声音也很响，但是银行不是最早做IT的，最早做一些帐户、存储一些基本的东西，但是我们把眼光放到制造行业，其实我们感觉制造在国内的竞争压力是最大的，因为它直接面临和国外竞争。所以在我的观点来看，中国的哪些龙头的企业BI建设可能制造业是走在世界的前头的。
有一些案例是可以证明的，但是谈起银行和电信他的BI跟全球现有的水平，感觉还是有一定差距的。举一个例子是什么呢？比如说宝钢，我并不是宣传他有多好，只是看他IT信息化建设的流程。其实今年您可以看到我在上海包括泰康，他们很多人是从宝钢出来的，宝钢的IT系统当年被誉为万国牌的，因为他们用得太多了，而且很早，所以宝钢的IT建设也非常早。
在这种时候，其实宝钢也一些总结和研究，宝钢现在做到库存量这个概念，宝钢当年被这个问题困扰非常大。宝钢想进国内市场的时候，想挖一些上海通用等等的汽车用户走，宝钢说为什么？因为现在很多钢厂都是按月提供钢的，但是宝钢是按季，但是现在宝钢可以达到了按周甚至是按天，他们要求是我工地没有住房，因为我在国贸附近没有大的库房，所以我希望宝钢当天来的钢材当天就卖。所以这涉及到了一系列复杂的技术，从生产到库存和跟GPS连在一起做运输的工作都可以达到按天。而宝钢最近有一个统计指标，最近一个钢铁的调研杂志，谈了全球的竞争力，他们的钢产品排名全球第九，但是竞争力排到了第三。很周期的一点就是宝钢近几年做了信息化建设，整个的系统决策和挖掘、分析的工作很深入，宝钢每天都在用分析的工作，所以这个符合了前面杨总谈到了全员BI，只是几个头在用没有用，那只是一个结果。你没有起到在整个的流程里面我加快信息的例子。
我们来看，中国的制造行业，由于他在全球的竞争压力大，同时又一些制造行业也走在全球的前面，所以他的BI建设在全球看可能是算很先进的。但是其他的有一些行业，竞争压力传统来讲并不是很大，BI还停留在建设和数集中的阶段。
Business Objects北方区售前顾问经理刘琳珂：孙总讲过了ECC或者是控制中心的概念，其实这个东西，从这个方面衡量当然不具普遍意义，实际上做商业智能和土地分析，20年前没有商业 智能的时候，大家想到的也是为企业的高级主管提供特殊的信息，用很大的时间、空间为他们做IT服务。那么后来的商业智能是逐步地往下渗透的，这个过程本身来讲，商业智能我们可以叫做业务智能，本身和业务和你的企业决策的思路是相干的。那么我们现在讲在亚洲和在欧美的商业智能有区别，为什么？是因为我们的管理思路是有差别的，这也影响着我们商业智能的体系的建设。
本身在欧美。商业智能平民化在上一个10年基本上很多大型的企业已经做到了。我们在通用电器那边的用户数大概是15万个，我们在法国电器有10万个。他们每一个企业里面每2个人就有一个用这个工具的。那么叫做管理控制中心或者是怎么样，当时我们3年前在全球惠普我们帮助他们2万个管理层的人员过这种类型的东西，不只是企业里面的CEO可以看到全球各种类型的东西，他2万个各层的主管都可以看到企业里面的部门、管理的产品、管理的员工关键的指标和绩效。那么这种东西来讲，我觉得一个首要的点，不好衡量先后，那么这一点上，是跟欧美的管理决策的思维方式有关系，本身是个体为主的平民化的管理的决策思路。那么同样，我们一般讲日本的信息化建设，我们觉得他总体的方式是比中国要先进一些的，但是在日本很少产生大规模的商业智能平民化用户的企业产生，这是为什么呢？这是因为管理思路的问题，那么实话讲，我们本身在中国所做过的，刚才讲的ECC，我们叫做管理驾驶舱的用户来讲，我们2年前就开始做了，我们当时在华为和大众，我们为他们都做过类似的事情。为他们企业里面10个20个以内的高层主管提供关键的信息，这本身我国就有的。现在我感觉，很多中国的大型企业，像刚才我们讲的竞争比较激烈的企业，他们也注意到了这样的一点，光是企业里面少数的高层主管掌握了信息是不足够的，他们并不是全能的，每个人也不是超人。
他们需要大量的基层的企业里面的同事来做事情，那么现在就有一些企业开始把商业智能这个东西逐步渗透到企业基层去。甚至有一些企业比ERP和设计项目的人员还要多，但是总体而言，我还是觉得国内的商业智能总体的建设和思路来讲，比国外还是有它落后的地方的，这是肯定的。我说的不是发展，而是一个思想在产生，因为我们目前我们所说的绝大多数的中国企业，你在建设商业智能和ERP系统，那所采用的管理思路是什么地方产生的？大部分不是中国产生的，你用的是国外的成型企业的成功经验，比如说你是很多汽车制造业的企业，他们会看大众等等做的ERP规范系统是什么样的。这是一个相当大的问题，但是在实际的角度来讲，在贯彻实施的程度上，也是有一些实际的差异。
这种差异我觉得是可以很快地弥补，比如说国外的企业上商业智能系统，上比较分析型的IT的系统，他们的比例性比我们要高。比如说你们参加过中小企业市场的推广，我们BO目前在国外主要是推中小企业市场，那么搬到国内来讲，国外涉及的中小企业实际上是国内的大中型企业，那么我们仔细看一看，国内的大中型企业，我们即使说电信公司，我们的银行，主要的特大型的制造企业，不说BI，他们的IT的总投入和他们对IT的重视，利用IT为企业所产生的价值来讲，还是有一些并不尽如人意的地方。那么这些地方综合水平的产生，使得这些地方有一些差距，具体我觉得衡量时间不好衡量，但是有一些好的地方很明显。大多数竞争激烈的企业，他们不在乎上商业智能系统，他们需要找一个类型的系统，让自己企业里面各个层次需要干活儿的人，看到他的绩效指标，看到他的分析报告，去找到他信息的价值，从这个意义上来说，我觉得好很多。
IBM软件部商业智能开发部经理林晖：我不是做市场的，我是做开发的。关于市场BI的话，就我做开发的经验来说，我觉得在国内，其实对于BI每个层次面，每个企业不管是银行还是保险或者是制造业，各个理解都不一样。其实我们做产品的时候，我们IBM现在推出的一种思路叫做动态的数据仓库。这样的话，用户根据自己的需求，我们可以给你随机调整，用电子化来做。比如说像刘总说的，各个用户会根据自己的特定条件，去做需求。这样的话，你没有必要告诉客户BI是什么，BI就是一个很笼统的概念，你怎么想的它就是什么，主要是满足你的需求。那么作为厂商来说，你有需求，我来应对实现你的需求。那么IBM现在推出了一个基层的ETL等等都有，比如说客户有什么需求，我们可以定制。所以IBM在今年以及明年会加大力度做BI，然后基于客户的需求来做任何事情。我们现在开发的团队主要是说做完了解决方案，总体来说，像杨老师说的一样，国内和国外BI领域上的差距有，但是在结案方面的差距不一样。事实上中国万国的软件都在里面，实施起来的技术难度是美国人想不到的，所以很多的时候中国人会利用这个来做事情。
 
卢东明：我不太同意，中国公路的复杂程度是在美国见不到的，但是你觉得应该是美国学中国吗？绝对不是。
林晖：我给你举一个例子，我们去年说的信息整合，美国的公司打破头也不知道怎么整合才可以算 出来信息，你卖出这个软件，你根本想不到这些东西。有Sybase等等的都有，还有不同的平台，最后整合到一块，你的版本支持吗？
卢东明：你说的是具体的问题，我说的是整个的BI体系结构上面。
林晖：你说的是市场的解决方案，这是美国人领先的，中国人差一点。思维观念和想的角度不一样，但是具体的时候，很多东西都是美国人缺乏的。比如说中国有一个好处是我们有一个市场，有一个用的临床经验。
卢东明：我以前是在一家数据公司做，我们当时的野心是做世界上最大的数据仓库，我们公司也具备这个能力。我们使用了很强大的数据库之后我们有野心积累世界上30年的数据，当时我们想一定要做世界上最大的数据库。但是我下决心回中国的时候，其中很大的原因，我觉得世界上最大的数仓库一定会出在中国的。这是中国和国外不同的地方，全美国人口才3亿人，中国移动用户4亿多，美国做梦都想有2亿多客户，这个是中国的一个基础。像中国的数据源和复杂情况，像我刚才举的例子，中国的公路一样，有的是因为我们要跟和盲目地跟，所以才走成了万国软件聚在一个地方的模式。我们从来没有清清楚楚地想，我们要干什么事情，然后有一个毅力围绕一个方向去走，包括中国现在整个的商业活动变化很快，所以领导也在变，整个的系统也在变。最后能够解释这些东西，这也是对我们IT界很大的挑战，这是国内外不一样的地方。其实我觉得，国内要学国外，或者说要需的东西是什么呢？是看看出一个思想和一个理论，真的踏踏实实围绕这个东西往下走下去。比如说你怎么解决数据仓库？BI这个领域里面数据爆炸的问题？刚才我说十几T，可能你马上说现在已经不只了，你知道现在的数仓库多大吗？
杨涛：在雅虎用的是250T。
卢东明：他的源数据有多大？
杨涛：60%吧。
卢东明：绝对没有。05年的时候雅虎的数据仓库是100T，它的源数据是17T，这是评比公开的结果，源数据是 17.0T。那么实际上，17.0T到的数据仓库里面变成了100T，这是我们在BI领域里面发展中会遇到的问题，就是数据爆炸。那么在整个数据仓库里面，我觉得每一个数据库都会存在这样的问题，就是数据爆炸。这个是雅虎05年的公开数据，雅虎的数据仓库100个T，源数据是17T，这有一个数据爆炸的问题，那么怎么解决数据爆炸的问题，现在已经变成了250T了，源数据可能是17T的两倍半，45T，你到底用多大的代价解决这个问题？我们Sybase 提出一个很新的观念，就是怎么样把绿色计算带到我们现实的BI的环境里面，怎么样能够真正地给用户提供一个绿色的环境？当然这个是够我们一些理念上，我们的产品会反映出我们理念上的东西，我们有极强的压缩，同样一个18T的数据库，在我们的数据库里面，美国专门跟踪电视收视率的数据仓库，它同样是18T的数据压缩成了17T，按照传统的数据库，其实我不光是一家数据库，其实传统的数据库都存在，但是为什么Sybase IQ这个产品可以压缩出来？这是一个非常重要的要点，就是说我们的用户面对一个数据膨胀的挑战，我们怎么样应对这个挑战？
主持人：那么它的成本会增加多少？
卢东明：每一个T按国内现在的价值来算，IBM应该知道一点，20万到30万人民币。
林晖：你们现在这个压缩是以什么密度来压缩的？
卢东明：列。
林晖：那压缩完了之后，客户要访问解压缩怎么办？
卢东明：事实上，这个理论是这样的，我们大家看一下整个的计算机系统，从机器的主机到内存，然后到存储，实际上不光是从开销来说，还是从整个的在一个系统里面的运转来说，存储是占了非常非常大的环节。以前的系统大概是70%是投在主低上，25%是投在存储上，现在是完全反过来。现在是70%到80%投在存储上，20%、30%投在主机上。尤其是BI领域，海量数据的分析等等等等，我要做各种各样的ETL等等，哪一个不要存储？都要存储。那么IO目前几十年了，没有一个爆炸性的突破，CPU每18个月翻一倍，刚才我们讲的多核的东西，就是因为他翻不上去，他利用多核来提高CPU的效率。那么上不去什么地方成了瓶颈？就是存储，所以压缩之后起到什么样最重要的效果，就是把计算机系统里面最难突破的瓶颈给打开了。
林晖：你们的绿色体现在什么地方？
卢东明：我们的绿色体现在什么地方呢？我们所有机房的设备转化为存储的开销、能源的开销等等。这本身是一个硬件厂商的问题，那么硬件厂商提出来怎么样在更少的空间里面提供同样的计算能力，比如说刀片式的，这些东西的理论实际上是为了这个东西来做的，它提高了单位功耗，实际上单位是提高了，但是整个的机房来说变小了。那么对于软件来说，怎么样能够按照同样的理念帮助硬件厂商来实现绿色计算？那么对于我们软件来说，我们提出一个理论就是所谓的Spot，什么意思呢？S就是源数据，P是性能，O是Over，T是，就是你的源数据×你的性能/你的T。我们不能说谁的性能好，我们压缩率实际上就是非常重要的衡量软件或者是数据库的绿色的指标，你能够在一个什么样的指标下面给客户提供绿色服务，这是很重要的概念。
现在DB2 9里面也开始有了压缩了，但是Sybase这个技术在国内外提出来几年以后，一直有一个鲜明的特点，就是它是在最根本的基础上，劣势存储等等数据一进来就进行了压缩，不存在进行行式存储然后在另外一个地方进行压缩。所以我们数据库往往可以做到整个数据库级的压缩。
主持人：这是你们独有的吗？
卢东明：对。
 
主持人：其他的厂商怎么解决这个问题的？
刘琳珂：这是数据库厂商才涉及到的问题。
罗威：你今天请到的厂商都很有特点，Sybase是从数据库切入 的，有的是从整体前端，SAS是从数据分析这一方面。实际上大家的视角不一样。
卢东明：这是每个人在大象的不同部位。
罗威：所以很多的厂商在做BI，但是做得不一样，以前做数据库大家做得都一样，很能达成共识。商业智能这个项目是一个IT项目，不一定从业务着手，我跟一个CIO聊天，我当时印象很深，他说我们非常自豪，因为我们已经把数据仓库建完了，节省了多少钱。明年我们马上要着手看一下数据仓库可以用来干什么，但是我觉得他的想法是本末倒置的，你数据仓库建的时候，你应该想清楚，你用来做什么，回去才能选一个真正适合他的数据仓库。但是如果说我先做一个底层再往上走就不行了。
主持人：比如说三一重工，你们每个厂商都从自己的角度，肯定从最强效的地方推荐BI，那他怎么选？他要先考虑他什么？但是他要做的东西你们都可以做。比如说我为了采集，你们都可以实现数据的智能采集或者是报表，他怎么选？
罗威：实际上IT在用户来讲是一个服务，他做的任何的东西是要为其他的部门服务的。比如说我业务部门是为我的市场服务的，所以他真的想提高竞争力，一定说业务部门需要IT。比如说BI很多在市场上面的立项，不是以BI立项的，比如说银行要做一个协议，看起来这是金融领域很专业的东西，但是实际上我们理解这是一个BI的项目，为什么呢？因为这是一个合规性，你量化之后套到合规的模板里面是不是合规。比如说海德龙，他传统的强项，报表、预算、合同其他的厂商都有，但是大家一提CFO要做预算合并，可能很多人想起海德龙有很多财务方面的经验。
卢东明：说起来很简单，就好像衣服都可以闭体，但是为什么有的人买衬衫，有的人为什么买厚棉袄。
罗威：比如说统一的监控中心，领导在家里看报表，一层一层挖，如果只做这个，我觉得这是BO。但是如果说我要把企业的数据，像数据爆炸我可能找IBM或者是Sybase做一些数据挖掘。
 
第二个问题，在应用上，用户面临着哪些挑战？用户在部署以前应该做好什么样的准备？
主持人：我觉得用户在做BI的时候，应该怎么做才能搞清楚到底BI能为我做什么？面临哪些挑战？
卢东明：现在大家把大象的各个地方都给你看，所以你会疑惑大象到底是什么样子呢，但是每个地方你都看到一点，你也拼不起来。其实哪个厂商都没有把大象拼起来，因为大家多只拿了一部分的照片。
刘琳珂：其实从顶向下穿透了整个企业的信息架构，既跟你的数据存储，又跟你的业务系统和中间件系统，所有的东西都串起来。那么在整个的领域内，其实有不同的提供商，他可能做着各自不同的事情，那么对于这个的商务，也是没有在硅谷的软件企业当中，他存在的厂家数应该也是相对最多的。除了大的可能了解比较多一些，其实有数十个做不同领域的大大小小的小的商业智能提供商还是存在的。这个领域还是相对比较活跃的领域。比如说有一些专门的提供商，做一些零售市场应用打包的特殊的分析，他有一个面向很窄的专业软件。但是基本上对于大型企业，最近几年，有一些开始在做一个工作叫做BI标准化。就是说，你可能在做商业智能，你商业智能要做的事情基本上是差不多的，我们是为了让企业里面主要为业务部门的用户，我们让他更清楚从不同的层次了解他的信息和数据，加快他的数了解和准备性。那么但是可能为了这个领域，尤其是大型的集团，他可能有各种各样不同的工具来做同一件事情，这是很有可能的，那么这个从集团决策的角度来讲是很不利的。IBM也讲过，在一个企业里面存在着各种各样的数据源。那么一个出租汽车公司，他买40个品牌的汽车当出租汽车，他维护他的零部件的费用是高的，如果他采用一家或者是两家所有的零件和采购成本都在降低，这个道理各个领域都说得通。那么现在有一些国内做得比国外多一些，就是商业智能的标准化，你的主体的需求由少量的公司提供，而逐步让企业的这个领域清晰化。因为大多数的企业上ERP，很少听说有企业上了SAP的ERP，又上了别的公司的ERP。很多的企业采购硬件的时候，他会从IBM或者是其他的厂商当中选一个，只是我们国内的商业智能系统，涉及的人员的面积是相对比较窄的。所以，它标准化的进程还在早期的阶段，我们现在还是有一个企业里面有多个不同的工具在做同一个类型的事情，这种现象还是很常见的。
主持人：您说的标准化，现在是全球在推，还是中国现在也在推？
刘琳珂：中国少，国外在推。
主持人：但是也不是行业标准化？
刘琳珂：是一个企业，行业里面不可能，这样就没有竞争机制了。但是一个企业为了企业的方便，他可以做到。
主持人：那么一个用户心里应该想清楚怎么开始？
刘琳珂：他的IT和他的业务要想清楚，所有的BI都是业务出发的。
卢东明：所有的企业都不要为了BI上BI。很多的厂商你问你们公司有没有BI一定说有，很多的公司问你有没有做 BI一定说有，没有BI的也做了数据仓库，没有也买了BI的产品。就跟北京的车似的，你开得动吗？开不动，你买车了吗？买了。所以我觉得企业最终还是落到业务，你到底要做什么，你要从什么地方去赚钱，还是从什么地方省钱？你做这个系统是为了什么？其实现在厂商都准备好了，等你想明白你要做什么的时候，大家一定可以找出一套方案说我给你提供这个或者是那个。因为现在BI从厂商的层次来说，划分已经相当清晰了，不管是各方面的整合，做ETL的都是那几家。不会有说咱们几个人一起做一个数据仓库的引擎吧？已经不可能了，现在完全是通过已经在市场的这些公司逐步地优化，然后通过各种整合，像海德龙整合掉一个。其实就是说，这种工具或者是手段，都在用。你只要告诉我，你要一个什么样的车，到那个时候你真的不需要太着急。现在企业有一个问题，是为了上BI而上BI。他原来就是想做一个决策支持，你就做决策支持就完了。
 
主持人：你刚才说的三一可能就是需要一个决策支持？
卢东明：对，你买一个数据库，你做一个崭新的数据库，你可以叫BI，但是是不是BI没有把理论的层次保持好。
主持人：现在我又不明白什么是BI了？
卢东明：你没有办法搞清楚是因为它很庞大，而且这个是在移动，不断在进化的。在未来的某一天，大伙回头看，10年前我们BI，现在我们才明白BI是什么东西。其实我们这个高峰的讨论会也是这个过程的一部分。
主持人：我觉得最开始至少有5、6年的时间了，国内的BI是4、5年前开始的。
杨柄儒：在前两年，亚运村由中国计算机学会和信息产业部、国家科技部搞BI的研讨会，每年都在那里。那么我讲过几次，但是我就想，1993年8月27日在华盛顿开的会一样，那个会议当时提出者都参加了，倡导者这些人一致觉得年轻的技术目前面临着最主要的核心问题。一个基础匮乏，没有一个很好地理论指导这门技术的发展，到底这门技术要做什么？为工程实践指导什么？很难提出，这就使得Web在商业界推广很多，但是真正用到CRM或者是ERP等等实际的商务活动中，但是真正的本质还没有揭示。在整个的管理体制内也没有找到一个各种协调的结合点，这是使得我们差异的问题。
第二个是杀手锏，你光说一般的BI，你拿出一个杀手锏，让人非常信服。向管理要效益，向管理化手段要效益，达到什么效益了？它只是一个决策手段，人的智能决策还是不可代替的。到目前，为什么叫做辅助决策支持系统，不能轻易叫决策系统？计算机本身就是辅助工作的，决策者的灵感、思维有他的一些顿悟，这是计算机目前不能达到的。目前计算机在想象思维上达不到，因此这两点平移到BI当中，基本上差不多。现在能够把BI的理论体系或者是技术体系都构建起来，那么它的基础是什么？有人工智能基础，有信息化基础，有技术支持等等，那么理论支柱是什么？那么搭成的上层建筑是什么？但是模模糊糊地对BI有一个一般性的看法和认识，这是得有的，没有相对稳定的看法也不行，这跟电子商务和电子政务就混淆了，没有界限了也不行。因此，人们有一个思想上的基本的轮廓，描述性的轮廓，因为它本身是动态的发展，概念的内涵外延也不断地扩展，所以很难严格地定义和说明。
方才太了很多，处理起来一个是在理念上，我们现在看中国，我们把目标明确了。在这个领域里面，我们谈中国的BI，那么首先我们科学界、理论界、厂家、企业界、各个集团公司都有一个非常重要的使命，应当把我们目前的管理理念贯穿，如果这个不贯穿，在我们国内的思想上最要不得，所以有人不会在这个地方花钱。你不要说那些大的，日子已经过得非常富裕了，他可以考虑这个事，温饱型的企业谈不到这个事，但是提到这方面有新的效益产生，就有人感兴趣了。
我们现在说的总裁的信息化，我们很难论证谁不能做。我们刚才说的BI，层面我们可以下来，我们全面来做。还有像当年的电子商务、电子政务的标准很重要，还有规范，个人按自己的意愿，违反了BI本身的规律去做也不行。你总结的经验来，我们制定了一些规范，作为今后行动的标准也是一个参考。再一点我认为最中的就是智能决策支持，因为提到了目前BI，一个是场景问题，还有设计问题，真正重要的是智能决策支持。这个是没有定义的，弄一点智能化方法，弄一点TRM，这只是方法上的点缀，要真正实实在在的智能决策支持。既有结构化的数，又有多媒体的数，包括Web数据和纯文本等等的放到里面去。最后综合支持，要有具体的机制，又有一些必要的专家经验的获取，又有政策支持库，又有预警系统和提供前沿的谈判中的预警情报。这是很实在的，不要太花哨，这个问题很重要。
那么当前在几个关键基础上，第一人们来重视数据了。最近在东莞要开始做了，知识库现在越发重要，因此人们有一部分的精力移到知识库来。包括用本体论和逻辑来支持知识库，这个方法已经在实际构成了。
第二领域专家支持和参与，包括数分析等等都要参与进来，这不是主管的系统化，是系统提供一些自主性的领域知识参与和背景知识参与。所以要提高这个档次，第三个就是自主的知识的介入。因为我们现在很多的技术，我发现像国际电子商务中心，进出口贸易加工的，这个智能决策直接纳来，必须要进行二次改造。要根据自己的具体情况，有一些核心的架构要打破。
还有一些具体的分析技术，这个包括中间件等等，现在数据处理这一块、数据挖掘这一块要有自主技术，这个自主技术的主要体现，一个是体现在智能化上面，一个是体现在知识产品上。你客户从一推到三，供你参考，就像买东西，你要一样，我给你三样挑。包括网上的移动智能体系，这是我们要不断地研发这些技术，让我们构造一个可以实实在在为企业的经营决策，为政府战略决策的智能决策系统。
当然这里面细致分，比如说预警，如果预警作为一个子系统，还有必要的集成，包括我们信息类的从采集到最后的发布等等，这些具有适合一些企业特征和实际的自主研发，我们应该做。在国际上，也承认中国人的理论，中国人就是理论思维。但是在现在的技术层面上，工艺层面上确实存在着比较大的差距。
第三个问题是目前的商业智能在发展中存在什么样的问题？发展方向如何？
计算机世界记者田梦：刚才大家都讲了BI现在还是一个动态的发展的变化，而没有形成移动版。那么请各位预测一下或者以你 们对这个的认识，讲一下BI将来发展的趋势？其实甲骨文他们推动的是全员化的，他们提到了互动式的发展方向，不知道各位能不能讲一下自己的观点？
罗威：从我们这边来看，BI现在里面的种种的技术慢慢越来越成熟，但是如果用户真的应用BI提高他的竞争力，我们感觉国内的用户面临一种文化的创新。这种文化的创新才决定了他所用的技术，我们叫做BI的技术或者是概念，是否可以给企业的竞争力创造价值，所以我们在国内有一个概念叫做BICC，像BO和Sybase这种概念。并不是说我们有BICC的产品，只是用户的一个组织架构，这个架构主要的作用是在企业内部完成BI的推广和企业内部文化的创新。只有这个组织担任的很多的任务，包括在企业内部普及BI的应用和做一些调研和分析，招聘一些人，这就是全民BI，包括和厂商之间协调，也包括了其他很多涉及到业务部门、财务部门、IT部门的组合，所以传统来讲是一个新的架构，而这种新的架构带来就是企业文化的创新，因为这个架构起到了很重要的作用，就是下方的数据和下方的业务需求，和上面最顶层的决策人物之间的桥梁。我们以前是CEO或者是CIO牵头，但是一定是一把手和二把手工程，所以有了这个文化的创新和推动，才能可以把BI真正在企业内部用起来。在2010年左右会慢慢提出来，但是在国内的报告，40%的大型企业已经建立了BICC文化的概念，或者是这个组织。
卢东明：我觉得只能有这个概念，离实用还很远。
罗威：就宝钢哪个案例，宝钢有一个部门叫做系统创新部。那么系统创新部什么时候成立的呢？2000年之前就成立了，当时大家没有一个概念说这个系统就是BICC，因为当时没有这个概念。但是走过这几年回头看起来，系统创新部完全起到了BICC的作用，因为系统创新部完全向总裁汇报。第二，在所有的数据的挖掘、培训和流程等等都是由系统创新部完成的。所以这是一个很好的案例，我记得在BO的网站上看到类似的BICC 的案例。
主持人：BICC中文名字是什么？
罗威：翻的不一样，我们叫做商业智能竞争力中心。在国外我们也见到了其他的方式，如果以后用户想真正用BI越来越好，这种文化和组织上的变动绝对是需要的。因为我们前一段跟咱们的兄弟单位叫做IDC办了几场CIO的论坛，从现场CIO的反馈，大家都非常认同，但是他们都认同这种概念，但是真正的实施在中国还有很长的一段路。
刘琳珂：像BO也是一样的，因为这个加纳也提过BICC的概念。我们当时在法国电信做，而且BICC一般是要这个机构商业智能基础的应用已经成型了，因为BICC有一个很好的优化，可以做长期的支持。因为我们在法国电信跟他们一起做的，他们买了我们几年的服务。BO 在商业智能的知识库上，我们下一代的发展，有一个叫做BI2.0的理论概念，我们带未来的几年内会逐步把它实施。因为在中国和国外陆续几个月会发布这个概念，基本上我们希望让商务智能，随着新的技术有新的需求，做一些新的事情。现在我们所使用的数据主要是这个企业里面大概只占百分之十几或者是百分之二十的数是由BI来做的，但是互联网基于Word和文本的数据是企业大量的想法，这个跟商业智能是很有必要的。我们在上个月刚刚收购了专门做这个的公司。
另外一方面是用户的方面，像刚才的甲骨文的全员BI的概念我们早的几年在做了，现在已经不做了，我们现在是做让用户更加简单。为什么两个盛行，一个是Google一个是Ipod，那是因为它够简单，我们希望在下一第的商业智能系统当中我们能够更简单。因为越简单越稳定，而且大量的用户可以使用。还有一个方向就是它的平台性，因为刚才我们讲了，很多的企业里面，有各种各样的数据应用平台，都是跟商业智能打交道的，你的平台越复杂，对于商业智能的平台代价也是越复杂的。那么下一代的商业智能系统，我们希望不只是数据集成和应用集成，我们进一步地让企业里面的基础信息架构，能够更适合商业智能的应用。
还有一些其他的方面，比如说应用程序的集成上，我想现在即使做ERP的人，他们也不认为自己的系统是尽善尽美的。从我们的角度，我们和ERP等等经常打交道，很多的用户在操作ERP的时候，拿到一些结果的时候，这个东西对于他来说太复杂了，他要借助商业智能的基础产生一些信息和结果。但是这两个东西是孤立的，并不产生互动，我在商业智能系统里面拿到我3000条关键用户的名单，这个怎么反映到ERP系统里面产生价值呢？这就是商业智能系统和应用系统可能产生的整合。这都是下一代商业智能系统可能发展的方向，还包括人际的沟通。现在商业智能系统在企业里面解决的问题，比如说这个企业里面有2万个员工，我们上1万可以从商业智能系统里面看东西。比如说军队，军队要畅通，美国这些年都在搞数据化军队—他们让最小的工作单位士兵，可以和所有的组织单位沟通信息。我们让企业里面1万个使用商业智能系统的人员发现了支持，怎么和其他的人员字共享。这是下一代要做的，比如说你的 CEO想到了一个想法，可能他不需要自己做，在几万人的商业智能系统网络里面已经有人做到想到了，他把这个想法拿出道路，这是支持他企业的信息化的发展。
主持人：所以我们刚开始说的BI概念还是要不断地在部署和深入当中，BI还是一个动态发展的过程。
林晖：就像杨老师说的，BI到底可以创造什么效率？说了半天，界面好看也没有用，其实你不分析结果BI的价值也体现不出来。
卢东明：不要为了BI而BI。反过来说，一个好的BI系统自然会成长。
主持人：今天听了各位专家的演讲，我自己觉得学习了很多的新东西，我相信我们的读者也是一样的感受。
田梦：前两天我刚参加了IBM的一个活动，听说今天是IBM实施SOA的关键年，要从投入期变成盈利期，那么IBM有没有在BI与SOA的整合上有一些什么动作？
林晖：今年没有，因为BI这一块要先把这套东西整合成了之后再和SOA整合，所以到明年的话可能会和SOA整合。
成功案例讲述
主持人：我想请咱们几位主流的厂商，自己讲述一个自己的成功案例，让我们的读者可以清楚地知道，什么样的企业，他为什么要用你的BI，为什么选择了SAS或者是为什么选择了BO，实现了什么样的效果？对他们企业产生的影响，这样读者可以了解我是什么样的企业，我要做什么样的 BI。刚才您讲的宝钢，您可以补充一下他当时为什么上BI，他上的时候为什么选择了你们？这么多的BI厂商为什么选你们了？我觉得大家可以从这个角度来讲，什么类型的企业选择什么BI系统更合适？
罗威：我举一个比较典型的例子，我讲上海通用也是我们的客户，为什么中国有一些大型的企业，为什么走到了前面通用是一个比较好的例子。通用不叫BI，他们真正的就是业务系统，但是这个业务系统的支撑实际上是所有的售后的数据和客户的反馈，一直到信息的跟踪、信息的挖掘、领配件的调配和整个全国仓储的信息。这是相当大的系统，涉及到全国的零售店和4S店。上这套系统之后最大的好处就是这套系统给用户的回报。以前从上海通用整车出厂发现了一个缺陷，到最后厂里生产线把这个缺陷改进需要3个多月，在这个期间里面用户报告一个故障，你这个车设计有问题，这个时候前台就一级一级往上传，上面说就一个用户可能不是真的，等电话多起来了就重视了，派人看一下调查一下，说是这么一个，转到设计部门，你怎么设计的，设计转完了到进货部门，然后协调最后生产。3个多月的时间，每天假设出厂5万辆车，3个多月就是400多万辆，中国现在有一个召回制度，这个损失是很大的，上了这个系统，从 90多天到20多天。这个车有故障，到20多天内从生产到反馈所有的环节。所以这个案例，为什么说他是一个存储很先进的案例？因为我们跟上海通用的CIO聊过，当年这个案例在全世界是一个很先进的典型，所以以前上海通用总结的一句话，以前叫做上海通用学全球通用，就是全球通用建了什么系统，上海通用拿过来建一下，现在是全球通用学上海通用，现在已经到了日本、印度、美国差不多6个厂都做了这套系统，这是很典型的案例是中国的企业先走了一步，而且很成功，推广到了全球。这套系统全球看起来比其他的系统都好，他们做得很成功。但是这套系统又涉及到了刚才的挑战的问题，实际上这套系统是IT部门和售后质量访问部配合的，这套系统所有的业务和支撑是IT部门来完成的，但是真正的需求和实施中实际上业务部门参与非常多。
最后，我们作为SAS来讲，很多的时候跟业务部门接触更多，所以这个我们理解是BI项目，从这个项目里面看出来，之所以能够成功，还是这个项目的失败主要的因素是在于只是IT部门参与，往往一个BI项目如果只是IT部门参与肯定是要失败的。
最主要的一点是SAS在商业智能上面是一个概念，里面有很多的技术，比如说数据仓库还有ETL，SAS比较擅长预测，这都是一种技术，为什么这个项目选择SAS呢？实际上SAS这些技术都有，我们是一个整体解决方案的提供商。比如说整个的解决仓库和其他的系统的整合，比如说SAP的ERP或者是SOP，或者是数据库等等都可以整合进来。整合进来之后还要分析和呈现，可能还涉及到智能的预测，现在是这样的，3个月之后是什么样的。这整套的我们说是比较完善的平台提供商。
刘琳珂：我大概讲一个国内案例，讲一下我们大概在去年做的泰康人寿，他们后端是IBM的DB2 的平台，他们去年参加了我们的大会和IBM的大会，我们帮他们做到的第一点由于业务。因为它本身是一个综合BI的项目，后面又是数据仓库平台，那么它所有的需求是从业务里面产生的。那么这种类型的项目里面，事实上我们的咨询顾问是和他们的IT人员，我们是一家人。我们一块和业务部门交朋友，来去确认他们的需求，怎么样能够把这个事情做得更清楚。当时我们的顾问从他们的CEO到他们各个层次的主管，还有关键的业务顾问，他们基层的业务流程我们都做过调研和访问，而且很多。现在这个Case 大概做了两期，去年我们做了第二期，大概是10月份上线的。最终的业务部门是主导者，他们需要快速地拿到自己需要的信息，有一些业务需要找一些关键指标，以前来讲可能需要找IT帮忙，IT到财务系统里面帮我把这个数搜集出来。过了几天我可以拿到我的结果，现在不需要了，你自己上几秒钟之后这个信息就拿到了。而且信息跨度是所有的业务部门，我们是把所有的泰康人寿的核心业务层放作SAP上面，把所有的信息系统放在信息仓库里面去。这样从高层主管，他们的 CEO他们叫做是一个董事会还是总裁办的部门，他们所有人员看所有的宏观指标，他们是跨部门的。那么各个部门的主管就是看财务报表，那么现在是及时度快了，但是业务和财务是合不拢的。到了季度末和月末两边的数据对不上，现在有了这个平台，消除了这样的问题。
另外有一些保监会他们有一些业务报表要拿出来，这有由总体的BI平台展示出来的。到目前，我们在他们两级的分支机构，有几百个业务用户，包括主管和基层的业务人员，他们都可以到这个系统上面快速地获取自己所需要的关键指标和统计分析报表、业绩的报告、人员考核的相关的报告，都可以从上面产生。另外我们帮助他们做了一些实时的指标告警的因素，因为对于他特殊的需求领域，他是需要里面有一些指标有实时告警的。我们大多数人是在国内做的，是一个定时更新的，是以天、小时来做更新的结果，我们实时的是帮助他做了一部分的实时仓库的应用。让这些类型的人员想了解信息，可以及时了解到你整体系统的更新。
那么现在这个应用平台系统，它已经成为了这个客户的一个核心应用系统，本身就像他的ERP，像他的保险的核心业务系统一样，是不可分离的，他日常都需要使用的。
主持人：你们的强项是什么？
刘琳珂：对于我们来讲，是提供端到端的解决方案，整体的商业智能都做，而且大部分做得不错。我们除了中间的数据库这个产品不提供，后面做数据整合等等都提供。
林晖：我想说的是BI这一块，可能国内我不知道，我说一下国外的。去年我们做了一个百事的，做的时候IBM有机器、系统、软硬件都有，所以我们可以随意做我们想做的事情。有一解决方案，我只能先Show给你们看，但是我不知道是不是可以公布出来。这就是一个非常标准的IBM的整体的BI的框架，你可以从这里看到，它从每天的数据到底层很多的系统，还有做不中补漏的，还有我们Web的数据应用，它可以有挖掘、分析、搜索引擎等等都可以有。那么我们给百事从系统到机器到软硬件都是我们来提供的。
刘琳珂：我看他们的结果，就是用一些图形的识别方法，在这个图片里面，有一堆箱子，可以靠你的识别算法，给你算一个总数出来，大概有几个分类，有这种原始的算法和分类，但是让他们做到实际客户那里可以产出的东西，图片和声音都不是能够做到的。事实上从严格意义的商业智能定义都是结构化的数，非结构化的都是这几年逐步在加的。BO也是刚买了一家公司做结构化数据挖掘的。
卢东明：刚才各位都讲了各家公司的长处，SAS是一个整体的解决方案，有做端到端的。我们公司相对来说比较小，可能比各家都小，那么我们也没有覆盖整个BI的全领域，但是我们的定位是做一件事情就做好。我们在BI里面有两个领域有我们的产品，一个是整个的数据库的设计方面，我们有一个管理源数据的，我们的旗舰产品是我们的数据模引擎。那么Web2.0大家都没有提，我找一个这样的案例聊一下Sybase的长处。
大家提到Web2.0，先不说Web2.0是什么东西。我们先看一下从95年Internet起来之后，到00年之后还有哪几家公司活着。爱慕是一家，还有Eaby也是比较领先的公司。那么在Web或者是Ecom上，刚才也提到了雅虎的数据仓库，他们有一个很大的挑战，就是点击流分析。以前在数据化数据和企业的数里面永远想象不到我的数达到了250T，只有在Web这种Ecom的情况下，雅虎的数据到底点哪个根本不知道，只能解决行为模式，但是解决不了数据爆炸。所以作为爱慕本身是全球十大仓库之一，你所有点过买过的东西，他全都记下来，而且全都进行分析，而且进行二次的给你建议等等。所以，比如说我今天去爱慕网站上面待了20分钟，我点了相机，我点了镜头，我也点了一个手机，然后我最后发现我买了一台相机，爱慕一定会把这个信息记下来，你买了相机我一定卖你镜头和相机的套和背带。但是这个人今天来了，在爱慕上面转了20分钟什么也没有买走了，怎么办？
 
主持人：分析一下他想买什么？
卢东明：分析不出来，因为他没有信息，Eaby也在做同样的事情，但是有人在Eaby上面也没买，他也不知道用户信息。有一个用户是05年评比里面在Wind owsXP上面最大的数仓库，他做的是什么模式呢？就是刚才我说的这种问题，他来解决，他怎么解决呢？他在全美国或者是全球有400个代理服务器，所有人上网的点击流他都有纪录，我在爱慕上面待了20分钟爱慕知道，但是我待了20分钟总了爱慕不知道，但是他知道，这个信息对于爱慕是无比的价值，因为它可以知道这个人走了去Eaby去买或者是其他的网站买，那他一定存在他的价钱比我低或者是他的服务比我好等等，所以这是他的目标，他会花大钱买这个信息。所以国内的企业是不是百亿元才可以做BI？任何一个公司都可以从小变大，怎么样从小变大？要挖掘你企业的潜力，而且在整个的架构的时候，我要给中国的用户提一个建议，不要好大喜功，先把产品买了一定要做一个BI，整体规划、分布实施，从小的地方，从一个项目，从一个应用、一个需求解决好了，慢慢慢慢成功，会成长成一个企业的数据仓库。很多的国际企业都是这样的。那么这家公司就是这样的，就做这么一件事情，他把点击流存下来卖给别的公司，那么他的挑战是他的数据量比爱慕和Eaby都要大。那么这是能力的问题和钱的问题，你到底用多少钱，我们一个小公司，我没有爱慕那样的财力，我能不能够做成这样的事情？但是他们确实是做到了。怎么样做到了呢？跟我们产品的优势有关系，分析的效率非常高，存储上面有压缩，所以他可以用40T解决别人必须用200T解决的事情。这个对于企业来说是非常现实和直接的优势，你到底愿意花500万美金做一个项目还是愿意花100万美金。就好像买车一样，你买一个夏利同样可以开，但是为什么很多人要买Q7？你为了BI而做一个BI，还是为了解决一个企业的矛盾和痛苦做一套系统做一个产品，这是我们的优势。
杨柄儒：我有问题，第一点是产品的宏观化设计和网格集群，一个大的计算机集群很有发展。第二点就是数据的爆炸问题，给数据分析和数据处理带来一些非常困难的问题。现在围绕这个事情，我们提出两个猜想，事实上，在做数挖掘当中，不是全部的数都在起着作用。以太网上 10万个属性当中的大型的系统分析当中，只有1%的属性有用。现在数据挖掘不是说所有的都起作用，所以能否寻找一个在海量数据当中一个不动点，真正的挖掘就转化成对局部的挖掘，挖的效率和全体的挖掘基本上等效，这个事情已经很多事实，隐隐约约体现出来了。那么到底这个核心怎么走？我们要找出最核心的序列中心，要吸引那些子系统出来。它的浓度一样，别看他把两头都截了，我就取中间一段。跟基础是相等的，这一块可以换取在数据处理间的研究。如果真正在这方面做好了，商业价值可能有一些。