商业智能视角

商业智能视角 ^[1]强调了在数据转换、集成和增强的上下文中进行商业分析的独特特征。

商业智能的重点在于把数据转化为有价值的信息：从哪里获取、如何整合，以及如何增强并交付为分析洞察以支持业务决策。

商业智能计划利用以数据为中心的系统架构以及技术和工具，提供可靠、一致且高质量的信息，使涉众能够更好地管理战略、战术和运营绩效。

1 范围变更

.1 变革广度

商业智能系统的一个关键目标是在整个组织中一致地定义和使用信息，为各种业务数据建立一个“单一事实来源”。能够集成来自组织内部（以及可能来自外部）多个数据源的解决方案架构是商业智能解决方案的基础。

商业智能促进 企业级 的信息管理。为了支持这一概念框架，商业智能倡议可能涉及 在组织中开发 基础设施服务，例如数据治理和元数据管理。

.2 变化的深度

商业智能举措侧重于在组织内或跨组织的不同层次上支持决策所需的信息：

• 高管级别：支持战略决策，
• 管理级别：支持战术决策，或
• 业务层面：支持运营决策。

当信息需求最初在特定级别表达或识别时，商业分析师调查其他级别的业务影响，以评估变更对组织的整体影响。

在每个级别，业务需求可能涉及上述任何一项或所有项：

• 新报告开发或现有报告替换所需的沟通要求，
• 为增加或扩展分析功能所需的信息，以及/或
• 企业数据视图构建或修改的数据集成需求，包括数据源、定义、转换规则和质量问题。

.3 交付的价值与方案

商业智能项目的价值在于它能够及时、准确、高价值地为那些能有效利用信息做出业务决策的人和系统提供信息。

在所有层次上做出更明智的决策，可以提高业务绩效，例如：

• 战略流程，如市场分析 ^[2]、客户参与和产品开发，
• 战术流程，如库存管理和财务规划，以及
• 信贷评估、故障检测和应付账款监控等运营流程。
  这些组织当前和未来业绩的改善 可能表现为收入增加和成本降低。

.4 交付方法

商业智能解决方案提供了多种交付选项，以满足涉众不断增长的信息需求以及组织的优先事项。

解决方案架构的可扩展性和可伸缩性为逐步引入或增强业务决策提供了支持：

• 在组织的不同层次，从战略（高级管理人员）到战术（管理），再到运营（员工和系统），
• 在组织中的目标功能领域，从特定区域到企业范围内的实施。

提供数据管理、分析和呈现功能的基础设施服务，有助于在以下方面采用分阶段或增量开发策略：

• 不同数据源的集成、协调和控制，以及
• 商业信息和见解的分析与发展。

商业智能解决方案中的基础设施组件通常由根据特定业务环境和需求配置的商用即开即用软件包提供。

.5 重要假设

以下是商业智能倡议的主要假设：

• 现有的业务流程和交易系统可以提供 可定义和可预测的数据源，
• 该组织没有在技术、财务、政治/文化或其他方面排除支持商业智能解决方案所需的横向数据基础设施，以及
• 该组织认识到，为了有效地实现商业智能解决方案的价值，可能需要进行流程再工程和变革管理。

2 商业分析范围

.1 变更发起人

业务智能倡议的变革发起方最好是受到变革影响的组织单位中的最高级别角色 ^[3]。 这可以为跨功能架构的企业智能解决方案中共享数据资产提供一致、连贯的方法。

.2 变更目标

商业智能的目标是通过更好地报告、监控或预测与业绩相关数据，从而提高组织中各级人员或流程做出的业务决策。

. 3 个商业分析师职位

在其他倡议中，商业分析师再分析，以及商业需求上充当业务智能涉众与解决方案提供者之间的主要联络人。

除了这个角色之外，商业分析师还可以参与与商业智能相关的特定技术活动，包括：

• 企业数据建模 ^[4]，
• 决策建模 ^[5],
• 专门化的演示设计（例如仪表盘），
• 非正式查询设计。

在业务智能项目中工作的商业分析师可以担任以下一种或多种角色：

• 能够定义业务需求并评估潜在解决方案的 商业分析师,
• 具备数据挖掘 ^[6]和预测分析技术知识，以及开发可视化技能的企业智能功能分析师，
• 有经验的数据分析师，能够为所需分析目的定义源系统数据，或
• 能够在逻辑数据模型中定义源和目标数据结构的数据建模师/架构师。

.4 商业分析结果

在商业智能领域，商业分析侧重于解决方案架构的主要组件：

• 影响或改变业务决策，
• 从源系统收集数据，
• 将分散来源整合到收敛的企业框架中，
• 向企业涉众提供有针对性的信息和分析洞察。

商业分析师负责分析并详细说明所有这些组件的业务需求，并与技术专家合作评估解决方案。

商业分析的主要结果包括：

• 业务流程覆盖：在企业级解决方案中，概述需要支持的业务决策。它确定了信息输出如何使用以及其价值所在。
• 决策模型：确定每个要支持的业务决策所需的信息需求，并指定单个信息组件如何对决策结果做出贡献的业务规则逻辑。
• 源逻辑数据模型和数据词典：源逻辑数据模型为每个源系统中所需的数据提供了一个标准定义。源数据字典 ^[7]为每个元素提供了一个定义，以及应用于它的业务规则：业务描述、类型、格式和长度、合法值以及任何相互依赖关系。
• 源数据质量评估：评估来自源系统的数据的完整性、有效性和可靠性。它确定了需要进一步验证和增强源数据以确保在整个企业数据资产中一致地应用业务定义和规则。
• 目标逻辑数据模型和数据词典：目标逻辑数据模型提供了支持业务域所需的集成化、规范化的数据结构视图。目标数据词典提供对数据元素和完整性规则的企业级标准化定义。
• 转换规则：映射源和目标数据元素以指定在转换过程中值的解码/编码、错误值的数据纠正以及缺失值的数据增强的要求。
• 商业分析要求：定义信息和决策支持输出需要的交流要求。包括：
  • 预定义报告，
  • 仪表盘，
  • 平衡记分卡 ^[8]，
  • 非正式报告，
  • 在线分析处理 (OLAP) 查询，
  • 数据挖掘，
  • 用于规定性分析，
  • 条件警报，
  • 复杂事件处理，以及
  • 预测建模。
• 每个输出的规格可以包括：（1）数据选择/维度，粒度级别，应用的过滤标准，可进行逐层钻取、切片切块的可能性以及用户访问和权限；（2）展示规则来定义数据元素格式、转换（标签、查询），计算和聚合。
• 解决方案架构：为每个功能区域的决策支持要求提供高级设计视图，以映射业务智能框架。它通常以流程（或数据流 ^[9]）模型的形式呈现，该模型定义了：
• 数据源数据存储在哪里，
• 数据如何（拉/推）以及何时（频率，延迟）提取，
• 变换将在哪里发生（清理、编码、增强），
• 数据将在哪里进行物理存储（数据仓库、数据中心），以及，
• 数据如何流向演示输出（报告工具、查询工具）。

3 方法与途径

.1 方法论

没有正式的商业智能方法论会影响商业分析师的责任和活动。然而，商业智能倡议可以操作在其他学科或视角的方法论中，这些方法论可能会影响商业分析角色。

.2 方法

在商业智能框架内，有一些不太正式且可能相互重叠的方法，可以映射到特定的业务和技术环境。

分析类型

有三种数据分析类型代表增量解决方案，具有系统复杂性、成本和价值不断增加的水平：

• 描述性分析：利用历史数据来理解和分析过去的业务绩效。商业信息可以进行分类和汇总，以满足涉众的观点，包括执行管理仪表板、中层管理关键绩效指标 ^[10] (KPI) 评分卡和操作管理层图表。不会对哪些情况与涉众有关、需要做出什么决策或可能采取什么行动做出任何假设。商业分析侧重于标准报告和仪表板、临时报告和查询功能的信息和通信需求。
• 预测分析：利用统计分析方法对历史数据进行模式识别，然后利用对关系和趋势的理解对未来事件进行预测。明确涉众的特定情况，并定义其业务规则。商业分析侧重于通过数据挖掘、预测建模、预测和条件驱动警报来识别模式的信息需求。
• 规范分析：在预测分析的基础上，识别需要做出的决策，并采取适当的行动来提高业务绩效。统计优化和模拟技术可以用于确定各种选择中的最佳解决方案或结果。对于相关方感兴趣的情况，需要对相关的决策和潜在行动进行全面说明。商业分析的重点是业务目标、约束条件以及支撑决策过程的业务规则。

供需驱动

商业智能项目的重点和优先级 ^[11]可以基于技术目标（提高现有信息传递系统）(供应驱动型)，也可以基于业务目标（为改善决策过程提供恰当的信息）(需求驱动型):

• 以供应为导向：假设“在给定成本的情况下，我们能提供什么价值？”这一观点。这种方法映射现有系统数据来定义哪些数据可用。常见的实现策略包括：
  1. 将现有数据库逐步纳入商业智能解决方案架构，
  2. 逐步替换或修复现有输出，以及，
  3. 探索从合并数据中获得的新见解。
• 需求驱动：假设“对于给定的价值，我们要付出什么代价？”这一观点。这种方法从识别支持业务决策所需的信息输出开始，然后追溯到底层数据源以确定可行性并估计成本。它为增量实施策略提供了空间，而这些策略不受现有数据库结构的限制，并允许在超出现有报告要求的情况下对商业智能进行早期探索性使用。

结构化数据与非结构化数据

商业智能方法考虑了两种数据类型：

• 结构化数据：传统数据仓库解决方案基于合并来自操作系统的结构化数据（数值和分类），其中业务信息集由预定义的结构（称为“写时复制”）标识，并且在该结构中，驱动模板确保数据完整性。商业分析侧重于数据模型、数据字典和业务规则，以明确定义信息需求和能力。
• 非结构化数据：商业智能解决方案可以包括半结构化或非结构化数据，其中包括文本、图像、音频和视频。这些数据通常来自外部来源。对于此类数据，其结构和关系没有预先定义，并且没有应用特定的数据完整性规则。信息集是从原始数据派生出来的（在读取时称为“schema on read”）。商业分析的重点是元数据定义和数据匹配算法，以定义信息需求和能力。

4 基础技能(基本功)

与任何商业分析学科一样，商业分析师需要具备基本的沟通和分析能力，以便有效地与商业涉众和技术解决方案提供商合作。

在商业智能学科中，商业分析师在以下方面的专业知识可以进一步提高与商业智能系统结果相协调的业务信息需求：

• 商业数据和功能使用，包括术语和规则，
• 复杂数据结构的分析以及它们转换为标准化格式，
• 受影响的业务流程，包括关键绩效指标和度量标准,
• 决策建模,
• 包括基本统计、数据轮廓分析 和 轴对齐的数据分析技术，
• 数据仓库和商业智能的概念和架构，
• 逻辑和物理数据模型，
• ETL (提取、转换、加载) 最佳实践，包括历史数据跟踪和参考数据管理，以及
• 商业智能报告工具。

5 影响知识领域

本节解释了业务智能中的特定商业分析实践如何映射到由 BABOK 指南定义的商业分析任务和做法。 本节描述了每个知识领域如何应用于或修改为业务智能学科。

每个知识领域都列出了与业务智能视角相关的技术。 业务智能学科中使用的技术不会偏离 BABOK 指南中的技术。 BABOK 指南的技术可以在 BABOK 指南的“技术”部分找到。 这并不是要提供一个详尽无遗的技术清单，而是要突出显示商业分析师在执行知识领域内的任务时所使用的技术类型。

.1 商业分析规划与监控

商业智能倡议可能需要建立一个底层数据基础设施来支持解决方案，或者可能是基于现有解决方案的基础设施的增强。范围建模 ^[12]经常用于区分这些替代方案并相应地计划相关的商业分析活动。

信息传递的商业智能范式对业务涉众和商业分析师自己来说可能是新的，陌生的方法。在规划倡议时，商业分析师会考虑：

• 业务智能环境中涉众在表达信息和沟通需求方面的经验，以及
• 商业分析师如何把需求转化为商业智能技术专家所需的详细规格说明。

商业智能解决方案通常提供用于定义需求和建模解决方案的方法、工具和框架。这些方法、工具和框架可以影响计划中的方法，具体取决于涉众和商业分析师的专业水平。

在评估涉众对商业智能倡议的态度时，商业分析师应意识到企业范围内的商业智能解决方案可能不会直接为某些运营涉众提供价值，但会在组织中的其他地方提供，而商业智能基础设施提供的灵活性和可扩展性会带来超越短期运营优势的长期战略价值。

一个集成多个数据源的企业智能解决方案通常涉及许多具有重叠信息需求的涉众。商业分析师准备分析并综合每个要求，以生成完整且不冲突、冗余的一组。

BABOK 指南 技术

• 接受与评价标准 ^[13]
• 风险分析与管理 ^[14]
• 平衡记分卡
• 角色与权限矩阵
• 头脑风暴 ^[15]
• 根因 ^[16]分析
• 决策分析 ^[17]
• 范围建模
• 估计
• 功能分解 ^[18]
• 涉众列表 ^[19]、地图或角色
• 访谈 ^[20]
• 调查或问卷
• 项目跟踪
• 案例研究与场景分析
• 指标和关键绩效指标（KPI）
• 用户故事 ^[21]
• 研讨会 ^[22]
• 非功能需求分析 ^[23]
• 组织建模 ^[24]
• 优先级
• 过程建模 ^[25]
• 评论

.2 询问与协作

业务智能的跨功能特性通常要求 商业分析师 使用专业文档工具和技术，从商业和技术相关方收集特定类型的 要求。

个人涉众可能只知道与:

• 需要支持的商业决策，
• 用于支持这些商业决策的数据元素，
• 数据源、转换和集成规则，以及
• 所需信息的呈现。

与个别涉众的访谈可以确定他们做决定所需要的信息和分析洞察力。 与来自公司不同职能领域的涉众一起进行的研讨会可以帮助发现更常见、重叠的信息需求，这些需求可以通过集成解决方案更好地得到满足。

数据模型和数据字典为现有系统数据的结构和业务规则提供定义。 商业分析师评估可用文档以识别模型中的缺失或不一致之处。

包含数据制品的流程模型可以帮助识别决策点所需的 数据源。 决策模型指定了决策所需的数据分析要求和业务规则。

商用智能功能套件可以为商业分析师提供一套非常有效的原型工具，以提取并澄清涉众的信息和沟通需求。

BABOK 指南 技术

• 头脑风暴
• 条目追踪 ^[26]
• 文档分析 ^[27]
• 观察 ^[28]
• 焦点小组 ^[29]
• 原型制作
• 功能分解
• 研讨会
• 词汇表 ^[30]
• 涉众列表、地图或人物角色
• 接口分析 ^[31]
• 调查或问卷
• 访谈

. 3 需求生命周期管理

商业智能学科的架构性质要求在解决方案中建立基础设施能力。这可能会引入结构依赖性，特别是在分阶段交付时，影响个人业务需求的优先级。 很多时候，通过同时实施相关要求可以实现效率。

BABOK 指南 技术

• 条目跟着
• 角色和权限矩阵
• 组织建模
• 涉众和人物角色
• 优先级
• 评审 ^[32]
• 研讨会

.4 策略分析

商业分析师可以使用 高级概念数据模型 来映射 企业信息 的当前状态，以识别信息孤岛，并评估相关问题和机会。 组织建模 可用于评估任何当前的数据管理基础设施，例如 元数据管理和数据治理 。

在定义未来状态战略时，商业分析师可以使用高级模型来映射数据存储、传输和转换的架构：

• 逻辑数据模型：提供解决方案架构的静态视图，表示连接运营数据输入源与业务信息输出端的信息门户。
• 数据流图：常用于映射解决方案（数据在运动中）的动态方面，并识别其他架构构建基块，如延迟和可访问性。
• 决策模型：用于定义业务决策的相关性，以及数据科学如何有效地满足这些需求。
• 物理数据模型：显示包含 数据仓库 和 数据集市 的实现环境。

商业智能解决方案提供的可扩展架构可以支持在业务的不同功能领域进行增量实施。商业分析师可以根据业务需求和优先级、对业务运营的影响以及现有基础设施组件的可用性来定义变更策略选项。

BABOK 指南 技术

• 背景管理
• 商业规则分析 ^[33]
• 基准测试和市场分析
• 数据流图
• 数据建模
• 头脑风暴
• 决策分析

.5 需求分析与设计定义

在 模型 和指定后台数据捕获和存储要求时，商业分析师使用特定的数据导向模型技术，如 数据建模、数据词典、决策建模和业务规则分析。

现有系统数据模型有助于定义数据可用性并识别冗余、不一致性和数据质量问题。在现有的系统文档不存在或已过时的情况下，反向工程建模可以成为工作的主要内容，并且通常需要与数据库管理员和技术专家如应用程序员合作。

未来状态数据模型展示了建议解决方案中源信息的一般结构。 通常使用 数据流图 来表示整个转换过程，以说明解决方案中的延迟和可访问性要求。商业分析师为数据完整性检查和数据转换定义特定的业务规则。

为了建模并指定前厅信息输出，商业分析师：

• 分析现有报告，确定它们是否可以被商业智能输出所取代或修复，
• 使用商业智能功能（如 非结构化查询、数据挖掘 和 复杂事件处理）来识别并明确新商业智能输出的内容和格式。

商业分析师参与对建议的解决方案（通常是商用软件包）进行评估，以确定其是否符合具体要求。在商业智能环境中，这些包括诸如自助服务设施、数据分析工具、数据呈现工具、钻取功能等功能性需求，以及与数据质量、数据延迟和查询性能等问题相关的非功能性需求。

.6 BABOK 指南技术

• 接受和评估标准
• 数据字典
• 平衡记分卡
• 数据流图
• 数据建模
• 业务规则分析
• 决策建模
• 文档分析
• 优先级
• 功能解耦
• 过程建模
• 词汇表
• 原型
• 接口分析
• 评审
• 面谈
• 范围建模
• 度量和关键指标
• 序列图 ^[34]
• 非功能需求分析
• 涉众列表
• 状态建模 ^[35]
• 观察
• 用例和场景
• 组织建模
• 供应商 ^[36]评估

.7 解决方案评估

在引入商业智能解决方案时，常见的企业局限性是 未能充分利用该方案提供的信息资源和分析功能。 不熟悉商业智能功能的涉众可能会专注于简单地替换或修复现有信息输出。 商业分析师探索并评估商业智能解决方案所提供的额外价值机会。

.8 BABOK指南技术

• 接受和评估标准
• 数据字典
• 平衡记分卡
• 数据流图
• 数据建模
• 业务规则分析
• 决策建模
• 文档分析
• 优先级
• 功能解耦
• 过程建模
• 词汇表
• 原型
• 接口分析
• 评审
• 面谈
• 范围建模
• 度量和关键指标
• 序列图
• 非功能需求分析
• 涉众列表
• 状态建模
• 观察
• 用例和场景
• 组织建模
• 供应商评估
• 决策分析
• 风险分析和管理
• 估算 ^[37]
• 焦点小组
• 调查问卷 ^[38]
• 条目跟着
• 用户故事

本文同步发表在 软件需求探索的http://www.srs.pub/babok/shangyezhineng-shijiao.html

1. 商业分析中的信息技术视角.http://www.srs.pub/babok/xinxijishu-shijiao.html ↩

2. 商业分析中的五十种分析方法和技巧之4-基准测试与市场分析.http://www.srs.pub/babok/jizhun-ceshi-yu-shichang-fenxi.html ↩

3. 商业分析中的五十种分析方法和技巧之39-角色与权限矩阵.http://www.srs.pub/babok/juese-yu-quanxian-juzhen.html ↩

4. 商业分析中的五十种分析方法和技巧之15-数据建模.http://www.srs.pub/babok/shuju-jianmo.html ↩

5. 商业分析中的五十种分析方法和技巧之17-决策建模.http://www.srs.pub/babok/juece-jianmo.html ↩

6. 商业分析中的五十种分析方法和技巧之14-数据挖掘.http://www.srs.pub/babok/shujuwajue.html ↩

7. 商业分析中的五十种分析方法和技巧之12-数据字典.http://www.srs.pub/babok/shuju-zidian.html ↩

8. 商业分析中的五十种分析方法和技巧之3-平衡记分卡.http://www.srs.pub/babok/pingheng-jifenka.html ↩

9. 商业分析中的五十种分析方法和技巧之13-数据流图.http://www.srs.pub/babok/shujuliu-tu.html ↩

10. 商业分析中的五十种分析方法和技巧之28-度量和关键绩效指标（KPI）.http://www.srs.pub/babok/duliang-he-guanjian-jixiao-zhibiao-kpi.html ↩

11. 商业分析中的五十种分析方法和技巧之33-优先级.http://www.srs.pub/babok/youxianji.html ↩

12. 商业分析中的五十种分析方法和技巧之41-序列图.http://www.srs.pub/babok/fanwei-jianmo.html ↩

13. 商业分析中的五十种分析方法和技巧之1-接受与评价标准.http://www.srs.pub/babok/jieshou-yu-pingjia-biaozhun.html ↩

14. 商业分析中的五十种分析方法和技巧之38-风险分析与管理.http://www.srs.pub/babok/fengxian-fenxi-yu-guanli.html ↩

15. 商业分析中的五十种分析方法和技巧之5-头脑风暴.http://www.srs.pub/babok/tounao-fengbao.html ↩

16. 商业分析中的五十种分析方法和技巧之40-根本原因分析.http://www.srs.pub/babok/genbenyuanyin-fenxi.html ↩

17. 商业分析中的五十种分析方法和技巧之16-决策分析.http://www.srs.pub/babok/juecefenxi.html ↩

18. 商业分析中的五十种分析方法和技巧之22-功能分解.http://www.srs.pub/babok/gongneng-fenjie.html ↩

19. 商业分析中的五十种分析方法和技巧之43-涉众列表或人物角色.http://www.srs.pub/babok/shezhong-liebiao-huo-renwu-juese.html ↩

20. 商业分析中的五十种分析方法和技巧之25-访谈.http://www.srs.pub/babok/fangtan.html ↩

21. 商业分析中的五十种分析方法和技巧之48-用户故事.http://www.srs.pub/babok/yonghu-gushi.html ↩

22. 商业分析中的五十种分析方法和技巧之50-研讨会.http://www.srs.pub/babok/yantaohui.html ↩

23. 商业分析中的五十种分析方法和技巧之30-非功能需求分析.http://www.srs.pub/babok/fei-gongneng-xuqiu-fenxi.html ↩

24. 商业分析中的五十种分析方法和技巧之32-组织建模.http://www.srs.pub/babok/zuzhi-jianmo.html ↩

25. 商业分析中的五十种分析方法和技巧之35-过程建模.http://www.srs.pub/babok/guocheng-jianmo.html ↩

26. 商业分析中的五十种分析方法和技巧之26-条目追踪.http://www.srs.pub/babok/tiaomu-zhuizong.html ↩

27. 商业分析中的五十种分析方法和技巧之18-文档分析.http://www.srs.pub/babok/wendang-fenxi.html ↩

28. 商业分析中的五十种分析方法和技巧之31-观察.http://www.srs.pub/babok/guancha.html ↩

29. 商业分析中的五十种分析方法和技巧之21-焦点小组.http://www.srs.pub/babok/jiaodian-xiaozu.html ↩

30. 商业分析中的五十种分析方法和技巧之23-词汇表.http://www.srs.pub/babok/cihuibiao.html ↩

31. 商业分析中的五十种分析方法和技巧之24-接口分析.http://www.srs.pub/babok/jiekoufenxi.html ↩

32. 商业分析中的五十种分析方法和技巧之37-评审.http://www.srs.pub/babok/pingshen.html ↩

33. 商业分析中的五十种分析方法和技巧之9-商业规则分析.http://www.srs.pub/babok/shangye-guize-fenxi.html ↩

34. 商业分析中的五十种分析方法和技巧之42-序列图.http://www.srs.pub/babok/xulietu.html ↩

35. 商业分析中的五十种分析方法和技巧之44-状态建模.http://www.srs.pub/babok/zhuangtai-jianmo.html ↩

36. 商业分析中的五十种分析方法和技巧之49-供应商评估.http://www.srs.pub/babok/gongyingshang-pinggu.html ↩

37. 商业分析中的五十种分析方法和技巧之19-估算.http://www.srs.pub/babok/gusuan.html ↩

38. 商业分析中的五十种分析方法和技巧之45-调查或问卷.http://www.srs.pub/babok/diaocha-huo-wenjuan.html ↩