商业智能

商业智能，国内外用户看法需求各不同
2007-06-04 09:28:25
计算机世界
【计世网 独家】编者按：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。