“這幾年，全球商業智能與分析平臺市場經歷了從“IT主導的報表模式”往“業務主導的自服務分析模式”轉折的臨界點。最近發生的採購大多是現代的、以業務用戶為中心的自服務數據分析平臺，全新市場觀念的形成，深刻地改變了全球數據分析市場格局”，Gartner在2016年的報告中對商業智能的趨勢如是說。商業智能的概念越來越熱，各行各業都“忙著”加入商業智能化的道路，越發重視數據的商業價值，希望通過應用基於事實的支持系統來輔助商業決策的制定，包含業務經營決策或者戰略層的領導決策。將數據轉化為知識，“讓數據成為生產力”。
國內企業進行商業智能化的信息改造建設的動機，是對數據管理和數據分析的，也有部分企業難免有著蹭熱點的心態來。採購了商業智能軟件或搭建了商業智能平臺後，卻不知該如何商業智能化，如何讓企業和商業智能有機結合，如何讓企業的“自服務分析模式”得以開展。以銀行業為例：
銀行業有必要商業智能化嗎？
銀行業商業智能到底是什麼樣的？
銀行業商業智能化該怎麼做？
國內銀行業商業智能化的成功案例
本文將致力於回答前面2個問題，探討銀行業商業智能的道路，第3、4個問題將在後續文章中給出答案。
銀行業有必要商業智能化嗎？
我們先來看下當前銀行行業的獲取數據的背景是怎麼樣的：
原始數據基礎
核心、客服、監管等板塊產生的行內積累加上外部零售風控、精確營銷的外部數據，使得任何一家銀行機構的數據底層量級都是相當龐大的，在數據查詢上都對數據處理的性能有著很高的要求。
數據應用效率
龐大散亂的數據經由人工加工整理低效，時點數據手工彙總分析實時性、準確性欠缺。
數據決策場景
數據都有，就是沒人看，面對著億萬級條的數據，以及各式各樣的業務指標，想要挖掘出數據背後反映的現象或者問題卻無從下手，支撐數據決策的時效性差。
業務分析模式
行內數據純粹依靠信息部門處理，而科技部門進行業務數據梳理麻煩，帶來的溝通和人力成本較大，而業務人員進行業務數據提取也費時費力，其中潛在的準確性問題造成一定風險。
為解決上面四個問題，需要有一個解決方案滿足以下特點：
響應快，滿足高併發下大數據量的查詢和展現
規劃，數據底層的梳理和加工統一規劃
省事高效，可視化良好，由“問題-分析-決策”的轉化過程快速簡單
門檻低，滿足領導層、科技部門和業務部門三方共同的實時自助分析的需求，支撐決策
而銀行商業智能化就是為解決上述低效問題，為銀行創造管理價值的過程，所以，銀行業+商業智能實際上就是一套對陣下藥的解決方案，這也就間接地了我們的問題：銀行業有必要商業智能化嗎？答案是，銀行商業智能化是一種行之有效的行業化解決方案，可以有效地解決當前銀行業的數據分析決策的痛點，是一種選擇，雖沒有必要性之說，但商業智能可以是現階段銀行業進行信息化改造建設的不二選擇。
銀行業商業智能到底是什麼樣的？
顯然，我們需要認識一下什麼是銀行業商業智能。先簡要看後四個字，“商業智能”：
定義：商業智能（Business Intelligence，簡稱：BI），又稱商業智慧或商務智能，指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。
上文提到，商業智能BI是一套有關數據的解決方案，入口是數據，出口也是數據或者以數據為基礎的報表呈現，更多強調的是解決方案，類屬信息化範疇，利用數據展示/分析幫助運營管理，分析決策。具體來看，可以分成“數據資產管理→數據展示→數據分析→數據決策”四個部分。
數據資產管理
即搭建數據支撐平臺。從許多來自不同的企業運作系統的累積大量數據資產中提取出有用的數據並進行清理，以保證數據的正確性，然後通過ETL過程，形成一個包含主數據和指標庫的系統的數據中心，從而得到企業數據的一個全局視圖。
數據展示
基於數據資產管理，通過PC端、移動端和大屏等多種媒介將海量的業務數據中進行可視化顯示，尤其是固化報表。
自助分析
基於數據展示，銀行業務部的業務人員或科技部門圍繞業務目標，自主即時地對關心的業務數據進行處理、探索、快速展現和預測進而發現問題，釋放數據價值。
數據決策
基於數據展示和分析的結果，快速生成科學決策，指導業務經營或進行公司戰略的調整
那具體落實到銀行業上的的商業智能方案是什麼樣呢？簡要如下圖所示：
在數據資產管理方面，這個步驟由科技部主導完成。
銀行業核心系統、信貸系統和信用卡系統等行內積累的數據，加上外部零售風控、精確營銷等外部交換的數據形成了大量級的數據，通過科學規劃和抽取清洗轉換等ETL過程進行內外部交換，合併到一個企業級的數據倉庫裡。在進行數據梳理的過程中也得以完善數據質量，及時對缺失數據進行補錄。讓所有用戶能分享同一個語義模型和元數據，利用強大且集中的功能，管理員能搜索、捕獲、存儲、複用各種元數據，還能把業務用戶創建的數據模型提升為系統級的數據模型，進步形成ODS主題庫。
在ODS主題庫的基礎之上，結合各部門的具體業務，參考行業內成熟指標體系，進行指標體系和業務模型的的搭建，並創建業務主題包。這個過程將逐漸由科技部門向業務部門過渡，快速智能的使用方式使得業務部門也能快速高效地完成指體體系和業務模型的搭建。
在數據分析方面，業務人員將成為主力。
零售部、電子銀行部、風險管理部等業務人員，圍繞日常業務從對比分析、趨勢分析、預測分析等分析思路，可以快速生成金融統計報表、風險管理報表或日報月報季報等固定報表，或者根據自己所需快速製作出新的分析報表，進而發現問題所在。
商業智能平臺支持製作高度可交互的儀表盤和內容。當用戶訪問這些儀表盤時，還可以進行探索式分析、深度分析、地理分析等。支持通過操作圖表的顏色、亮度、大小、形狀等手法去展現數據。這也包括一系列的可視化選項，包括餅圖、柱形圖、線圖、熱量圖、樹狀圖、地圖，散點圖和其他特殊的圖表。這些工具讓用戶能以可視化的交互方式來分析數據。
在商業智能低成本、高效、全員式的自助自主分析模式下，分析決策的時效性和針對性大大提升，讓數據找到人，讓問題更快得以曝光，輔助業務經營決策及戰略決策。
銀行商業智能幫助銀行業人員可以快速搭建面向全員的大數據分析平臺，讓每一個用戶都能夠充分了解和利用他們的數據，大大自由釋放了數據潛能。
下篇文章，我們將來具體講述銀行業如何走商業智能之路。
Gartner《2016年商業智能和分析平臺魔力象限報告》
MBA智庫百科詞條：商業智能
帆軟銀行事業部《聊聊銀行商業智能》
閱讀更多 帆軟軟件 的文章
