论文部分内容阅读
摘要：随着信息化时代的来临，越来越完善的各类信息化工具把我们想要的数据信息都会留存在我们的企业数据库内，当前企业级的战略决策除了丰富的实战经验和敏锐的商业头脑以外，也需要从数据信息里提炼知识以供决策支持，这就是我们的商务智能，本文主要探讨商务智能在中小型企业的应用现状、困难以及未来发展方向。
关键词：BI 商务智能 中小企业应用 数据分析 数据挖掘 大数据
中图分类号： C29文献标识码： A
最早提出商务智能概念的是市场研发公司Gartner公司的分析师Howard Dresner，1996年，他提出商务智能描述了一系列的概念和方法，应用基于数据的分析系统辅助商业决策的制定。商务智能技术为企业提供了迅速收集、分析数据的技术和方法，把这些数据转化为有用的信息，提高企业决策的质量。
商务智能是融合了先进信息技术与创新管理理念的结合体，集成了企业内外的数据，进行加工并从中提取能够创造商业价值的信息，面向企业战略并服务于管理层。业务层，指导企业经营决策，提升企业竞争力，涉及企业战略、管理思想、业务整合和技术体系等层面，促进信息到知识再到利润的转变，从而实现更好的绩效。
商务智能在行业间的发展也具有不均衡性，数据量比较大的行业相对起步会早一些，也会更加的成熟，比如银行、电信、零售流通行业等，不管是信息化基础建设的完善程度还是对于数据的收集、处理、分析应用能力都走在其他行业的前列。近些年一些經过野蛮增长初期，过渡到精细化管理的行业也慢慢的加大了信息化的力度，比如房地产行业、教育培训行业等等。
商务智能一般分成几个阶段，初级的报表阶段，满足基础的数据准确、数据呈现；图标趋势分析阶段，用可视化图形让数据的结果趋势及行为趋势等更加的直接易懂；数据分析数据挖掘阶段，通过数据建模等分析主题数据或者对海量数据进行分析，发现规律及数据背后的业务模式。
商务智能作为一种提高企业智能的手段，能够增强企业的竞争力，为企业带来价值，所以正吸引着越来越多的企业。商务智能目前应用的行业主要包括银行、保险、证券、通信、制造、零售、医疗、电子政务、能源和烟草等，尤其是金融、通信和制造业等信息化比较成熟的行业。
商务智能是企业应对激烈竞争的必要选择，他契合行业特殊需求，贴近企业业务流程，并满足企业发展的需要。商务智能的应用领域越来越广泛，除了在企业的顾客关系管理、财务分析和人力资源管理等领域得到了较多的应用之外，近年来在生命科学、制药和电子商务等领域也得到了初步应用。
要实现对数据比较深入的整合、分析、处理，需要建立有比较完善的商务智能系统架构，需要大量的高质量的业务数据，这些数据一般分布在许多业务系统中，以及一些手工单据中，难免存在噪声。如何提取、净化和整合这些数据是数据分析的基础。
商务智能系统架构一般包含7部分内容，分别为数据源与数据提取、数据仓库、访问工具、决策支持工具、商务智能应用、系统管理、元数据管理等。重点在ETL、数据仓库建设以及商务智能应用方面，系统架构建设以满足业务分析需求为最终目标，根据业务分析主题构建不同的数据集市，比如利润成本分析、资产分析、营销分析、投资组合分析以及人力资源管理、顾客关系管理、供应链管理等各种根据各级决策者的需求而形成的业务分析主题。
从商务智能的系统架构可以看出，最基础的就是数据源，一般进行综合的商务智能建设要具有比较稳定数据源，也就是基础的ERP、CRM等系统要比较完善稳定，才具有建设数据中心，建设数据仓库的基础。如果业务模式频繁变化，业务系统频繁重构，并不适合做大型综合的商务智能建设，但是也不是说不能利用数据进行分析，进行决策，可以由相关的数据分析专员直接从底层数据库提取相关数据进行综合分析。
如前所述，商务智能一般分成三个阶段，基础报表展现、即席查询阶段；在线分析处理（OLAP）阶段；数据分析挖掘阶段。上边重点讲了第一个阶段数据仓库的建设，接下来分析一下OLAP的阶段。
OLAP在线分析处理是有E.F.Codd提出的，他同时提出了在线分析处理的准则。目前已经出现了很多在线分析处理的定义：在线分析处理是一种共享多维信息的快速分析的技术；在线分析处理利用多维数据库技术使用户可以从不同角度观察数据；在线分析处理用于支持复杂的分析操作，侧重对管理人员的决策支持，可以满足分析人员快速、灵活地进行大数据量的复杂查询的要求，并且以一种直观易懂的形式呈现查询结果，辅助决策；在线分析处理是针对特定问题的在线数据访问和分析；在线分析处理是通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理人员对数据进行深入观察。实质是基于数据立方体，可以快速的从一个纬度转化到另外一个纬度，或者在维成员间进行比较，使用户可以在短时间内从不同角度审视业务的经营状况，以直观易懂的方式为管理人员提供决策支持。
目前市场上的OLAP工具有很多，主流的还主要是国外几大软硬件巨头旗下的产品，比如：微软的microsoft analysis services,可以支持流线型cube设计器、聚合设计器，可以通过回写功能开展假设分析，可以监视分析、优化解决方案；甲骨文的oracle essbase plus，采用最适合hyperion planning 类型的数据存储和压缩方法，实现性能优化，单一维护点使管理员能够轻松管理，多用户读/写技术；甲骨文的oracle database OLAP option,把多维引擎集成到oracle内核，支持对多维数据类型的SQL访问，提供了超大型多维数据库（VLDM）的基础，利用网格计算实现企业级分析；SAP BI7，与SAP的业务数据结构的高关联性，引入data transfer process（DTP）方法以减少错误的数据传输，与水晶报表集成，在数据呈现上根据优势；IBM cognos TM1，访问并修改预先编辑好的分析工具或者创建特殊查询，使用积分卡突出显示例外情况，通过高级回写和简单的数据输入机制开展假设分析和预测，通过个性化框架过滤不相关的信息；microstrategy OLAP services,允许microstrategy web 和desktop用户使用Intelligent cubes, Intelligent cubes可以自动创建或刷新；SAS OLAP server，数据存储和导航被整合至SAS商业智能报表环境，完全兼容微软的OLE DB for OLAP标准，使用不同技术水平的用户可以根据需求充分利用OLAP，各企业可以根据自己的实际情况以及各家公司的优缺点来选型适合自己的OLAP工具，总体来说IBM的congnos的OLAP工具简便易用，具有支持海量数据处理的特点，目前有着较高的市场占有率，受到越来越多的公司和厂商的青睐。
商务智能的第三个阶段数据挖掘分析，数据挖掘又称为数据库中的知识发现（knowledge discovery in database,KDD）,它是一个利用人工智能、机器学习和统计学等多学科理论分析大量的数据，进行归纳性推理，从事务数据库、文本数据库、空间数据库、多媒体数据库、数据仓库以及其他数据文件中提取正确的、新颖的、有效的以及人们感兴趣的知识的高级处理过程。它融合了模式识别、数据库、统计学、机器学习、粗糙集、模糊教学和神经网络等多个领域的理论。
数据挖掘的过程需要由几个步骤组成：定义业务问题，提取与预处理数据，选择挖掘方法分析，解释挖掘结果，探查新模式以及运用发现的知识，整个过程中需要数据库管理员、业务分析师、数据挖掘专家、数据质量分析人员、系统开发人员等共同合作才能顺利完成。其中业务人员提出业务需求，协助熟悉数据挖掘算法和相关数据挖掘软件的数据分析员把业务问题转化为数据挖掘问题，并评价数据挖掘结果，最终把数据挖掘模型转化为企业的行动，创造价值。数据挖掘是一个非平凡的过程，一些步骤很难自动完成，后续步骤的结果不令人满意可能会回溯，这个过程需要循环多次才能达到目标。
数据挖掘的应用领域相当广泛。不仅在一些传统行业中得到应用，而且在新型的科技领域也引起了人们的注意。在过去的十多年中，大型商业数据库的使用和人们需要了解数据之间的内在规律的需求迅速增长，导致数据挖掘广泛的应用与多样化的商业领域。比如银行通过数据挖掘，一方面可以对顾客的信用卡使用模式进行分类，检测信用卡欺诈行为，并按顾客等级和类型建立信贷发放模型，避免顾客出现信贷危机，减少信贷损失；另一方面，根据信用卡的使用模式，可以识别为银行带来较高利润的顾客，进行收益分析。在零售行业中，数据挖掘的汉族要应用之一是分析顾客的购买行为和习惯，例如，“某地区的男性顾客在购买尿布的同时购买啤酒”、“顾客一般购买了睡袋和背包后，过了一定的时间也会购买野营帐篷”等，这些模式促使零售企业改进营销手段。数据挖掘也可以分析企业销售上品的构成，例如，把商品按照利润的多少分成多个类别，然后分析属于同一类别商品的共同特征。这些知识有助于商品的市场定位、商品的定价等决策。数据挖掘工具还可以用于商品销售预测、商品价格分析和零售点的选择等，例如，聚类可用于顾客细分，把顾客分成不同的群组进行有针对性的营销。
介绍完商务智能的应用基础、应用方法及应用案例，接下来分析一下中小企业的商务智能的应用现状，这里以几个实例来展开。
首先看一下教育培训行业，以新东方、好未来、安博、学大等教育公司为首的教育培训行业在几年前迅速的发展成长上市，一度掀起了整个市场对教育培训的关注，2010年左右对教育培训行业的关注力不亚于现在社会对在线教育的关注力度，以某教育机构为例2003年成立，经历一路摸爬滚打，收购也好，自建也罢，快速的以“一对多”模式占领市场，并于2010年融资上市，信息化也从完全空白到一步步完善，分析决策也从粗犷式慢慢过度到理性分析，教育行业经历了野蛮成长期以后，市场慢慢进入平稳阶段，随着规模扩大，收入、利润年度翻倍的现象不再那么明显，逐步进入精细化管理阶段，但是对整个业务模式的摸索也并没有停滞，频繁的会推出一对一、一对六迷你班、词汇班、艺术班、网校、游学等等，这就对基础ERP系统提出了很大的挑战，基本每一年就要重构一次系统以应对当前的业务模式，像这种业务模式还处于摸索期，没有一个明确的方向，频繁修改业务系统的就不太适合做完善的商务智能分析系统，但是数据分析挖掘还是可以先做的，同时也可以同步做一些即席查询报表，以支持当前的业务决策。
再举个房地产行业，经历了百花齐放，百家争鸣，利润暴力期后，随着地价、物价、人价上涨，很多团伙公司慢慢的都消失了，很多小型的公司也慢慢的被大公司兼并，房地产行业信息化做的比较好的万科、金地等等也都一直屹立于市场前列。地产行业的模式相对明确，拿地—设计—施工—现场销售—物业等等，各个环节都相对比较简单成熟，但是难处是基础数据是否留存，比如收并购合同、风控预算及资料、比如会员活动、比如供应商合作数据、比如媒体公关数据等等，房地产行业是一个非常依靠政府关系的企业，很多隐私留存不了系统，那分析起来也不会特别的精细化，建立商务智能分析系统首先要基础数据源丰富完善的基础上，所以当前中小房地产公司还是应该全力建设基础ERP系统，让各个业务流程的数据能够留存于系统。
接下来看一下数据挖掘和大数据，特别是大数据，近些年炒得很火，关于因果分析和相关分析也有专门的书籍可以查阅，大数据要摒弃因果分析，放弃确定的管理假设的基础上，完全通过相关分析的事实数据来反映现实存在。当前也还没有特别成功的大数据案例。而对于数据分析挖掘，更多的也是留存于表面，企业总是希望能够找到技术高超的人帮忙自己做数据挖掘，技术高超的人员依赖专业的业务分析人员，但是大多企业高管可能自己也不知道具体分析些什么，还没有明确的主题和目标，或者没有时间细想，那些高技术人员也就迷失在海量的数据里了，当前比较成熟的数据挖掘模型RFM模型，还是得到很多企业的广泛应用的，比如零售行业，用RFM模型进行客户关怀、营销分析、顾客忠诚度分析、顾客生命周期分析等等，通过三维立方体的旋转、切片、钻取等分析用户的行为习惯。
未来中小企业的商务智能发展，还有很长的路要走，一方面要把关键节点的业务数据留存与数据库中，一方面业务高管也不要惧于技术短板也不敢想数据分析数据挖掘，绝大多数厉害的数据分析模型最初都是起于业务的想法。商务智能不仅仅是数据仓库、查询、报表、多维分析和数据挖掘等技术的集合。企业界对商务智能的认识由感性逐渐走向理性，注意力从数据驱动转向业务驱动，从关注技术转向关注应用，从关注工具到关注工具产生的绩效。对于数据的分析也会逐步的从结果层面的展现分析到深入挖掘用户行为习惯最终分析用户趋势用于营销、管理。
商务智能在国内的发展起步较晚，各行业内的发展水平參差不齐，综合普及仍有待时日，未来在实时、标准化、移动化、易用性等方面都还有很大提升空间，但是未来每个企业都用商务智能指导决策，每个人都用数据指导投资的时代一定不会远了。
参考文献：
赵卫东.商务智能（第二版）.清华大学出版社2011，（2）.
谢邦昌.数据挖掘基础与应用.机械工业出版社 2012，（1）.
托马斯.H.达文波特 珍妮.G.哈里斯.数据分析竞争法—企业嬴之道》.商务印书馆，2009
李艳.商业智能是一种解决方案.http://industry.ccidnet.com/art/786/20031103/69643_1.html
IBM Cognos 辅助雅戈尔进行生产决策. http://www.ibm.com/news/cn/zh/2009/09/11/m210064u56962u77.html.
主数据管理和实施. http://www.ibm.com.developerworks/cn/data/library/techarticles/dm-0904loulj/.
陈琦.上海一包数据仓库的设计.上海：复旦大学硕士论文，2006.
冯健文，林璇，陈启买.决策树在银行特约商户分析中的应用研究.计算机工程与设计，2006，27（24）：4724-4728.
赵卫东，黄丽华.电子商务模式.上海：复旦大学出版社，2006.
冯勇，樊治平，冯博等.企业顾客服务中心知识推送系统构建研究.计算机集成制造系统，2007，13（5）：1015-1020.
关键词：BI 商务智能 中小企业应用 数据分析 数据挖掘 大数据
中图分类号： C29文献标识码： A
最早提出商务智能概念的是市场研发公司Gartner公司的分析师Howard Dresner，1996年，他提出商务智能描述了一系列的概念和方法，应用基于数据的分析系统辅助商业决策的制定。商务智能技术为企业提供了迅速收集、分析数据的技术和方法，把这些数据转化为有用的信息，提高企业决策的质量。
商务智能是融合了先进信息技术与创新管理理念的结合体，集成了企业内外的数据，进行加工并从中提取能够创造商业价值的信息，面向企业战略并服务于管理层。业务层，指导企业经营决策，提升企业竞争力，涉及企业战略、管理思想、业务整合和技术体系等层面，促进信息到知识再到利润的转变，从而实现更好的绩效。
商务智能在行业间的发展也具有不均衡性，数据量比较大的行业相对起步会早一些，也会更加的成熟，比如银行、电信、零售流通行业等，不管是信息化基础建设的完善程度还是对于数据的收集、处理、分析应用能力都走在其他行业的前列。近些年一些經过野蛮增长初期，过渡到精细化管理的行业也慢慢的加大了信息化的力度，比如房地产行业、教育培训行业等等。
商务智能一般分成几个阶段，初级的报表阶段，满足基础的数据准确、数据呈现；图标趋势分析阶段，用可视化图形让数据的结果趋势及行为趋势等更加的直接易懂；数据分析数据挖掘阶段，通过数据建模等分析主题数据或者对海量数据进行分析，发现规律及数据背后的业务模式。
商务智能作为一种提高企业智能的手段，能够增强企业的竞争力，为企业带来价值，所以正吸引着越来越多的企业。商务智能目前应用的行业主要包括银行、保险、证券、通信、制造、零售、医疗、电子政务、能源和烟草等，尤其是金融、通信和制造业等信息化比较成熟的行业。
商务智能是企业应对激烈竞争的必要选择，他契合行业特殊需求，贴近企业业务流程，并满足企业发展的需要。商务智能的应用领域越来越广泛，除了在企业的顾客关系管理、财务分析和人力资源管理等领域得到了较多的应用之外，近年来在生命科学、制药和电子商务等领域也得到了初步应用。
要实现对数据比较深入的整合、分析、处理，需要建立有比较完善的商务智能系统架构，需要大量的高质量的业务数据，这些数据一般分布在许多业务系统中，以及一些手工单据中，难免存在噪声。如何提取、净化和整合这些数据是数据分析的基础。
商务智能系统架构一般包含7部分内容，分别为数据源与数据提取、数据仓库、访问工具、决策支持工具、商务智能应用、系统管理、元数据管理等。重点在ETL、数据仓库建设以及商务智能应用方面，系统架构建设以满足业务分析需求为最终目标，根据业务分析主题构建不同的数据集市，比如利润成本分析、资产分析、营销分析、投资组合分析以及人力资源管理、顾客关系管理、供应链管理等各种根据各级决策者的需求而形成的业务分析主题。
从商务智能的系统架构可以看出，最基础的就是数据源，一般进行综合的商务智能建设要具有比较稳定数据源，也就是基础的ERP、CRM等系统要比较完善稳定，才具有建设数据中心，建设数据仓库的基础。如果业务模式频繁变化，业务系统频繁重构，并不适合做大型综合的商务智能建设，但是也不是说不能利用数据进行分析，进行决策，可以由相关的数据分析专员直接从底层数据库提取相关数据进行综合分析。
如前所述，商务智能一般分成三个阶段，基础报表展现、即席查询阶段；在线分析处理（OLAP）阶段；数据分析挖掘阶段。上边重点讲了第一个阶段数据仓库的建设，接下来分析一下OLAP的阶段。
OLAP在线分析处理是有E.F.Codd提出的，他同时提出了在线分析处理的准则。目前已经出现了很多在线分析处理的定义：在线分析处理是一种共享多维信息的快速分析的技术；在线分析处理利用多维数据库技术使用户可以从不同角度观察数据；在线分析处理用于支持复杂的分析操作，侧重对管理人员的决策支持，可以满足分析人员快速、灵活地进行大数据量的复杂查询的要求，并且以一种直观易懂的形式呈现查询结果，辅助决策；在线分析处理是针对特定问题的在线数据访问和分析；在线分析处理是通过对信息的多种可能的观察形式进行快速、稳定一致和交互性的存取，允许管理人员对数据进行深入观察。实质是基于数据立方体，可以快速的从一个纬度转化到另外一个纬度，或者在维成员间进行比较，使用户可以在短时间内从不同角度审视业务的经营状况，以直观易懂的方式为管理人员提供决策支持。
目前市场上的OLAP工具有很多，主流的还主要是国外几大软硬件巨头旗下的产品，比如：微软的microsoft analysis services,可以支持流线型cube设计器、聚合设计器，可以通过回写功能开展假设分析，可以监视分析、优化解决方案；甲骨文的oracle essbase plus，采用最适合hyperion planning 类型的数据存储和压缩方法，实现性能优化，单一维护点使管理员能够轻松管理，多用户读/写技术；甲骨文的oracle database OLAP option,把多维引擎集成到oracle内核，支持对多维数据类型的SQL访问，提供了超大型多维数据库（VLDM）的基础，利用网格计算实现企业级分析；SAP BI7，与SAP的业务数据结构的高关联性，引入data transfer process（DTP）方法以减少错误的数据传输，与水晶报表集成，在数据呈现上根据优势；IBM cognos TM1，访问并修改预先编辑好的分析工具或者创建特殊查询，使用积分卡突出显示例外情况，通过高级回写和简单的数据输入机制开展假设分析和预测，通过个性化框架过滤不相关的信息；microstrategy OLAP services,允许microstrategy web 和desktop用户使用Intelligent cubes, Intelligent cubes可以自动创建或刷新；SAS OLAP server，数据存储和导航被整合至SAS商业智能报表环境，完全兼容微软的OLE DB for OLAP标准，使用不同技术水平的用户可以根据需求充分利用OLAP，各企业可以根据自己的实际情况以及各家公司的优缺点来选型适合自己的OLAP工具，总体来说IBM的congnos的OLAP工具简便易用，具有支持海量数据处理的特点，目前有着较高的市场占有率，受到越来越多的公司和厂商的青睐。
商务智能的第三个阶段数据挖掘分析，数据挖掘又称为数据库中的知识发现（knowledge discovery in database,KDD）,它是一个利用人工智能、机器学习和统计学等多学科理论分析大量的数据，进行归纳性推理，从事务数据库、文本数据库、空间数据库、多媒体数据库、数据仓库以及其他数据文件中提取正确的、新颖的、有效的以及人们感兴趣的知识的高级处理过程。它融合了模式识别、数据库、统计学、机器学习、粗糙集、模糊教学和神经网络等多个领域的理论。
数据挖掘的过程需要由几个步骤组成：定义业务问题，提取与预处理数据，选择挖掘方法分析，解释挖掘结果，探查新模式以及运用发现的知识，整个过程中需要数据库管理员、业务分析师、数据挖掘专家、数据质量分析人员、系统开发人员等共同合作才能顺利完成。其中业务人员提出业务需求，协助熟悉数据挖掘算法和相关数据挖掘软件的数据分析员把业务问题转化为数据挖掘问题，并评价数据挖掘结果，最终把数据挖掘模型转化为企业的行动，创造价值。数据挖掘是一个非平凡的过程，一些步骤很难自动完成，后续步骤的结果不令人满意可能会回溯，这个过程需要循环多次才能达到目标。
数据挖掘的应用领域相当广泛。不仅在一些传统行业中得到应用，而且在新型的科技领域也引起了人们的注意。在过去的十多年中，大型商业数据库的使用和人们需要了解数据之间的内在规律的需求迅速增长，导致数据挖掘广泛的应用与多样化的商业领域。比如银行通过数据挖掘，一方面可以对顾客的信用卡使用模式进行分类，检测信用卡欺诈行为，并按顾客等级和类型建立信贷发放模型，避免顾客出现信贷危机，减少信贷损失；另一方面，根据信用卡的使用模式，可以识别为银行带来较高利润的顾客，进行收益分析。在零售行业中，数据挖掘的汉族要应用之一是分析顾客的购买行为和习惯，例如，“某地区的男性顾客在购买尿布的同时购买啤酒”、“顾客一般购买了睡袋和背包后，过了一定的时间也会购买野营帐篷”等，这些模式促使零售企业改进营销手段。数据挖掘也可以分析企业销售上品的构成，例如，把商品按照利润的多少分成多个类别，然后分析属于同一类别商品的共同特征。这些知识有助于商品的市场定位、商品的定价等决策。数据挖掘工具还可以用于商品销售预测、商品价格分析和零售点的选择等，例如，聚类可用于顾客细分，把顾客分成不同的群组进行有针对性的营销。
介绍完商务智能的应用基础、应用方法及应用案例，接下来分析一下中小企业的商务智能的应用现状，这里以几个实例来展开。
首先看一下教育培训行业，以新东方、好未来、安博、学大等教育公司为首的教育培训行业在几年前迅速的发展成长上市，一度掀起了整个市场对教育培训的关注，2010年左右对教育培训行业的关注力不亚于现在社会对在线教育的关注力度，以某教育机构为例2003年成立，经历一路摸爬滚打，收购也好，自建也罢，快速的以“一对多”模式占领市场，并于2010年融资上市，信息化也从完全空白到一步步完善，分析决策也从粗犷式慢慢过度到理性分析，教育行业经历了野蛮成长期以后，市场慢慢进入平稳阶段，随着规模扩大，收入、利润年度翻倍的现象不再那么明显，逐步进入精细化管理阶段，但是对整个业务模式的摸索也并没有停滞，频繁的会推出一对一、一对六迷你班、词汇班、艺术班、网校、游学等等，这就对基础ERP系统提出了很大的挑战，基本每一年就要重构一次系统以应对当前的业务模式，像这种业务模式还处于摸索期，没有一个明确的方向，频繁修改业务系统的就不太适合做完善的商务智能分析系统，但是数据分析挖掘还是可以先做的，同时也可以同步做一些即席查询报表，以支持当前的业务决策。
再举个房地产行业，经历了百花齐放，百家争鸣，利润暴力期后，随着地价、物价、人价上涨，很多团伙公司慢慢的都消失了，很多小型的公司也慢慢的被大公司兼并，房地产行业信息化做的比较好的万科、金地等等也都一直屹立于市场前列。地产行业的模式相对明确，拿地—设计—施工—现场销售—物业等等，各个环节都相对比较简单成熟，但是难处是基础数据是否留存，比如收并购合同、风控预算及资料、比如会员活动、比如供应商合作数据、比如媒体公关数据等等，房地产行业是一个非常依靠政府关系的企业，很多隐私留存不了系统，那分析起来也不会特别的精细化，建立商务智能分析系统首先要基础数据源丰富完善的基础上，所以当前中小房地产公司还是应该全力建设基础ERP系统，让各个业务流程的数据能够留存于系统。
接下来看一下数据挖掘和大数据，特别是大数据，近些年炒得很火，关于因果分析和相关分析也有专门的书籍可以查阅，大数据要摒弃因果分析，放弃确定的管理假设的基础上，完全通过相关分析的事实数据来反映现实存在。当前也还没有特别成功的大数据案例。而对于数据分析挖掘，更多的也是留存于表面，企业总是希望能够找到技术高超的人帮忙自己做数据挖掘，技术高超的人员依赖专业的业务分析人员，但是大多企业高管可能自己也不知道具体分析些什么，还没有明确的主题和目标，或者没有时间细想，那些高技术人员也就迷失在海量的数据里了，当前比较成熟的数据挖掘模型RFM模型，还是得到很多企业的广泛应用的，比如零售行业，用RFM模型进行客户关怀、营销分析、顾客忠诚度分析、顾客生命周期分析等等，通过三维立方体的旋转、切片、钻取等分析用户的行为习惯。
未来中小企业的商务智能发展，还有很长的路要走，一方面要把关键节点的业务数据留存与数据库中，一方面业务高管也不要惧于技术短板也不敢想数据分析数据挖掘，绝大多数厉害的数据分析模型最初都是起于业务的想法。商务智能不仅仅是数据仓库、查询、报表、多维分析和数据挖掘等技术的集合。企业界对商务智能的认识由感性逐渐走向理性，注意力从数据驱动转向业务驱动，从关注技术转向关注应用，从关注工具到关注工具产生的绩效。对于数据的分析也会逐步的从结果层面的展现分析到深入挖掘用户行为习惯最终分析用户趋势用于营销、管理。
商务智能在国内的发展起步较晚，各行业内的发展水平參差不齐，综合普及仍有待时日，未来在实时、标准化、移动化、易用性等方面都还有很大提升空间，但是未来每个企业都用商务智能指导决策，每个人都用数据指导投资的时代一定不会远了。
参考文献：
赵卫东.商务智能（第二版）.清华大学出版社2011，（2）.
谢邦昌.数据挖掘基础与应用.机械工业出版社 2012，（1）.
托马斯.H.达文波特 珍妮.G.哈里斯.数据分析竞争法—企业嬴之道》.商务印书馆，2009
李艳.商业智能是一种解决方案.http://industry.ccidnet.com/art/786/20031103/69643_1.html
IBM Cognos 辅助雅戈尔进行生产决策. http://www.ibm.com/news/cn/zh/2009/09/11/m210064u56962u77.html.
主数据管理和实施. http://www.ibm.com.developerworks/cn/data/library/techarticles/dm-0904loulj/.
陈琦.上海一包数据仓库的设计.上海：复旦大学硕士论文，2006.
冯健文，林璇，陈启买.决策树在银行特约商户分析中的应用研究.计算机工程与设计，2006，27（24）：4724-4728.
赵卫东，黄丽华.电子商务模式.上海：复旦大学出版社，2006.
冯勇，樊治平，冯博等.企业顾客服务中心知识推送系统构建研究.计算机集成制造系统，2007，13（5）：1015-1020.