BI融合大数据

杨士强教授给出了信息→信息流→行为性信息流的新挖掘思路。在信息层面， 通过内容理解， 进行信息内容的语义挖掘； 在信息流层面， 进行结构分析， 进行信息传播的结构挖掘及演化规律挖掘； 在行为性信息流层面，通过行为建模， 进行用户偏好挖掘 （如图） 。

　　一些大数据技术正在被那些迫切需要这些技术， 且对新技术异常敏感的人们积极使用， 大数据挖掘正向各行各业扩展。几年前，或许还仅仅只是Facebook、 雅虎这样的大型网络公司应用大数据技术。如今， 银行业、 公共事业、 智能社区等等， 几乎所有拥有海量数据的企业都在使用大数据技术， 这些技术在部分项目中也起到了关键作用， 如创建由社交媒体驱动的基于Web的服务。而在其他一些垂直行业、 企业也已经意识到， 与之前相比， 自己正处于业务转型的一个绝佳机会当口。它们在产业链上的价值越来越依赖于信息。

　   BI→BA

　　商业智能的关键是从企业运作系统的数据中提取出有用的数据并进行清理， 以保证数据的正确性， 然后经过抽取（extraction） 、 转换（transformation） 和装载 （load） ， 即ETL过程， 合并到一个数据仓库里， 从而得到企业数据的一个全局视图。在此基础上， 利用一些工具对其进行分析和处理， 最后将结果呈现给管理者，为管理者的决策过程提供支持。

　　自2003年商业智能技术兴起开始， 处理并分析非结构化数据都是BI面临的难点。大数据意味着包括交易和交互数据集在内的所有数据集， 其规模及复杂程度， 都远远超出了常用技术按照合理的成本和时限来捕捉、 管理及处理这些数据的能力。

　　IDC在对2008-2012年的BI工具预测中， 指出商业分析（BA）软件应包括的两大部分： 数据仓库平台和绩效管理工具及应用。除开商业智能外， 它还包括了企业信息管理(EIM)、数据仓库(DW)、 企业治理、 风险管理和合规(GRC)、 企业绩效管理(EPM)、 分析应用(AA)五大支柱。

　　当报表、 多维分析等传统的BI技术已被大家熟知之后， 它向更高级且易用的BA技术迈进。在BA中， EIM的作用举足轻重， 在社交媒体等工具中产生的大量非结构化数据， EIM可以对其进行分析， 并将其转化为有意义的数据。

　　从企业内部来说， 倘若公司高管和一线员工之间要获得良好的沟通， 需要借助商业分析（BA） ， 与BI更多关注报表、 分析、 仪表盘不同，BA相当于在ERP和BI之间架起了一座桥梁。

　　对各个机构来说， 让业务部门能够访问所有数据， 以便将其应用于整个大数据基础设施中也显得极为重要。数据集成让组织机构能够将传统的交易数据与全新的交互数据组合起来， 从而获得在其他情况下无法达成的洞察力和价值。比如， 可以通过社交媒体了解客户的喜恶， 以此充实客户资料来提高目标行销效率。

　　而商业分析也不再只被少数专家所使用。作为企业管理层， 上班的第一件事也许是打开营运绩效仪表盘查看企业运营情况， 餐厅也会分析顾客的偏好来管理和优化原料的供应， 超市则会根据商品销售的关联分析来进行货架的布置。 BA已经融入人们的日常生活。

　　在此基础上， 传统以报表和多维分析为主的BI， 向整合了统计分析、 数据挖掘等高级分析技术的BA发展， 将逐渐成为主流。

　　机遇与挑战

　　大数据与商业智能的融合将为企业带来什么机遇？在信息技术和信息渠道不断更新的当下， 应运而生的海量数据将社会带入一个多元化的时代。毋庸置疑， 这给企业信息化， 乃至整个产业的发展带来了前所未有的契机， 给予不同需求的厂商及合作伙伴更多的商业竞争机会。

　　对于合作伙伴而言， 传统技术模式的创新更具推动作用， 创新的技术理念推动着产业生态环境的发展， 并能极大地促进于用户的体验， 达成与合作伙伴的共赢。在新兴技术趋势引导下的BI格局， 将在渠道层面掀起一番新的渠道机会。随着企业业务系统的不断完善， 客户需求推动着其步入大数据与商业智能融合的道路。

对于企业而言， 随着企业数据系统架构的不断优化升级， 小至企业部门间的OA系统， 大到企业中的ERP， 乃至数据中心。种种信息系统的集合成为企业信息数据的新价值体系， 企业从海量数据中获取价值的同时， 从不断的企业应用实践中可以得出BI在逐渐被企业驾驭于系统集成之上， 并逐渐开始与企业中ERP、 CRM、 SCM等系统相集成，由此， 使数