20多年前,Gartner提出了商业智能的概念,并将其定义为“一类由数据仓库、查询报表、数据分析、数据挖掘等部分组成的,以帮助企业决策的技术及应用”。从技术上讲,商业智能是数据仓库、OLAP和数据挖掘等技术的综合运用,可以将现有的数据进行有效的整合,快速准确地提供报表和决策依据,帮助企业做出明智的业务运营管理决策。

在国外,商业智能已取得各行各业的广泛认同,SAP、ORACLE等大公司的产品基本上占据商业智能软件的大部分市场,其功能也整合进ERP、CRM等模块。而国内众多大型企业也开始享受到商业智能带来的巨大利益。可是对于众多中小型企业来说,商业智能软件的使用一直采取观望态度。首先,其高昂的成本加上配置和后期的维护费用就已让众多企业难以承受。其次,这些国外软件大多系统复杂,需要业务人员专门的培训学习才能上手,这样一来又增加了培训成本。即使最后买了这些软件,由于其难以兼容其他的应用,数据资源无法得到充分利用,性价比低。

可是,在当今这个以客户为先的时代,企业要想进一步发展,必须认识到企业数据的分析和洞察是驱动企业成长的引航标,现有的数据必须进行快速实时处理才能引导后续的决策运行。

针对这种困境,企业并不是无计可施,退而求其次选择商业智能SAAS系统同样可以实现企业数据的智能礼遇。应其采用平台+模块的创新模式,可避免企业单独搭建服务器和安装软件,只需使用平台所提供的共享服务,也就是所谓的“即服务”模式。这种方式灵活开放,企业可根据自身需求,定制所需要的功能模块,享受定制的商业智能服务,这样一来即可大大减轻的信息化建设成本,帮助中小企业走上商业智能之路。


 针对这样一种商业智能系统,笔者认为,面向中小企业应当满足如下需求:

1、统一的平台系统。

目前很多商业智能软件都呈现多架构、多组件的特点,设计与界面隔离。但对于中小企业由于其复杂性,学习和管理难度较大,对于其业务现状实用性不高。面向中小企业的商业智能SAAS系统可以采用统一的数据管理、应用框架和用户管理。各应用平台的信息访问可在一个系统实现,以适应中小企业整体IT水平不强的现状。

2、实施简便,易于使用。

考虑到中小企业资金和人力成本的局限性,业务人员在使用商业智能时最好能做到快速上手,这要求商业智能也能做到规避原始手工数据整合和关联工作,提供一种拖拽式的操作界面,使普通用户能降低学习成本,进行自助式分析。

3、面向服务架构(SOA)

采用面向服务的体系架构,能够屏蔽不同平台、编程语言、操作系统和硬件架构之间的差异,实现各应用程序的简单集成。这也使得I T系统的灵活性得到前所未有的提升,开发成本也得到降低。选择面向服务的架构后,能使得商业智能SAAS系统更易于与中小企业已有的ERP系统整合关联,构建出个性化的企业信息门户。

4、强大的数据分析技术

数据分析是基础,为适应企业快速发展的需求,商业智能需要做到快速、一致、交互地存取数据,支持复杂的分析操作。以FineBl为例,其cube数据存储的使用,能做到数据定时全量以及增量更新,其具有智能避免重复计算的缓存机制,可避免不断提取录入数据所带来的时间耗费。

5、流畅丰富的可视化体验

商业智能SAAS系统的 OLAP是基于BI的多维分析技术,能够使企业的管理者和决策者进行自助式查询分析。用户可以从多维度,各方面关联来探寻数据的价值。在数据展示方面,除了基础的图表展示,GIS地图集成、Dashbord技术和HTML 5的嵌入式开发技术等可提高可视化功能,为企业应用增色不少。

当下时代,商业智能是企业日后发展的必经之路,SAAS系统由于其业务敏捷性,强化竞争优势和客户互动的特点可在企业应用中快速释放数据的威力,其效用也会波及到企业优化运营的方方面面,这对下一波业务创新至关重要。

商业智能SAAS走向中小企业的更多相关文章

  1. 传统软件和SaaS,差异究竟在哪里

    这篇文章从创业起步阶段.产品形态和产品策略.市场竞争格局三个方面比较了中美 SaaS 领域的异同,在文章的最后,作者根据自己在 Box 的工作经历对在国内做 SaaS 的公司提出了四点建议. 我曾有幸 ...

  2. 采云链SRM SaaS供应商管理系统,发展型中小企业的福音

    采购业务的发展遵循一些规律:采购从一开始围绕"供应商"开展,逐渐发展成围绕"货物"进行,如今围绕"供应商协同"和"采购流程管理&q ...

  3. 为中小企业打造的数字化采购SaaS平台的特点与必要性

    ​激烈的市场竞争.复杂的国际环境.以及疫情的常态化将企业的供应链推向风口浪尖.供应链管理(SCM, Supply Chain Management).供应商关系管理(SRM,Supplier Rela ...

  4. 展望 2017年商业智能BI 发展的趋势

    在展望2017年商业智能 BI 发展趋势前,我们先来了解一下商业智能 BI 发展的几个重要阶段. 传统 BI 和新型 BI 的分水岭(2013年) 大背景 在2013年以前相当长的一个周期(2005年 ...

  5. SaaS系列介绍之十: SaaS的商业模式

    1 引言 赚钱之道很多,但是找不到赚钱的种子,便成不了事业家.作为职业软件人,我们都寻求使用一种有效而经济的过程来建造一个能够工作的,有用的产品.                            ...

  6. SaaS系列介绍之五: 我国SaaS市场分析

    1 我国SaaS市场现状 我国SaaS从ASP年代发展到今天,也有不少时间了.我国是个十几亿人的大国,国情复杂,各地贫富不均,发展不平衡.信息系统建设也是各树一帜,各地为王.特别是占有大量用户的中小企 ...

  7. SaaS系列介绍之三: SaaS的特性与作用

    1 SaaS的特性 最早的SaaS服务之一当属在线电子邮箱,极大地降低了个人与企业使用电子邮件的门槛,进而改变了人与人.企业与企业之间的沟通方式.发展至今,SaaS服务的种类与产品已经非常丰富,面向个 ...

  8. 商业智能(BI)选型手册(转载)

    摘自http://articles.e-works.net.cn/bi/Article126429.htm 1.前言 互联网时代企业数据呈现爆发式增长,全面考验着企业的数据处理和分析能力.面对大容量. ...

  9. 深入解读《Gartner2017年商业智能和分析平台魔力象限报告》

    文 | 帆软数据应用研究院 船长 2017年2月16日,Gartner发布了2017年BI商业智能和分析平台魔力象限报告,笔者这里进行一些解读,帮助大家更好了解市场状况和趋势. 一.几家欢笑几家愁 和 ...

随机推荐

  1. Unix及类Unix系统文本编辑器的介绍

    概述 Vim是一个类似于Vi的著名的功能强大.高度可定制的文本编辑器,在Vi的基础上改进和增加了很多特性.VIM是纯粹的自由软件. Vim普遍被推崇为类Vi编辑器中最好的一个,事实上真正的劲敌来自Em ...

  2. Sql Server系列:数据表操作

    表是用来存储数据和操作数据的逻辑结构,用来组织和存储数据,关系数据库中的所有数据都表现为表的形式,数据表由行和列组成.SQL Server中的数据表分为临时表和永久表,临时表存储在tempdb系统数据 ...

  3. VS2015安装EF Power Tools

    前言 最近在研究EF觉得EF Power Tools比较强大,可以利用其特性来进行Code First模型验证等等,本以为在VS2015扩展和更新中能找到EF Power Tools,结果未找到,还得 ...

  4. geotrellis使用(二十一)自动导入数据

    目录 前言 整体介绍 前台界面 后台控制 总结 一.前言        之前Geotrellis数据导入集群采用的是命令行的方式,即通过命令行提交spark任务来ingest数据,待数据导入完毕再启动 ...

  5. git开发流程、常用命令及工具、TortoiseGit使用及常见问题

    根据我最近使用git的一些经历,git是基于分支的版本控制工具,分支有远程分支和本地分支. 一.开发流程 - 从远程服务器的master,clone一份项目文件到本地,然后本地master的基础上br ...

  6. Hadoop入门学习笔记---part2

    在<Hadoop入门学习笔记---part1>中感觉自己虽然总结的比较详细,但是始终感觉有点凌乱.不够系统化,不够简洁.经过自己的推敲和总结,现在在此处概括性的总结一下,认为在准备搭建ha ...

  7. 百度eCharts体验

    前言 从昨天开始给项目里添加一些图表对比功能,上一个项目里使用的是Highcharts,本打算继续用Highcharts做的,昨天试了下做出来的效果不太好,主要也是因为看的多了没什么新鲜感了,于是便尝 ...

  8. PHP中json_encode后中文乱码的解决方案

    <?php header("Content-Type:text/html;charset=utf-8;"); $arr = array ('Version_code'=> ...

  9. 【十大经典数据挖掘算法】CART

    [十大经典数据挖掘算法]系列 C4.5 K-Means SVM Apriori EM PageRank AdaBoost kNN Naïve Bayes CART 1. 前言 分类与回归树(Class ...

  10. 【Python实战】Pandas:让你像写SQL一样做数据分析(二)

    1. 引言 前一篇介绍了Pandas实现简单的SQL操作,本篇中将主要介绍一些相对复杂一点的操作.为了方便后面实操,先给出一份简化版的设备统计数据: 0 android NLL 387546520 2 ...