快速建模

　　尽管辉瑞的重点是通过信息管理以省去用于研发的数据仓库，但是许多软件厂商将他们的重点放在了创新和改进传统数据仓库的维护。这非常有意义。在调查中，70%的受访者使用数据集市和数据仓库。

　　关于数据集市和数据仓库的最大的一个抱怨是需要长期收集需求，然后设计并传输功能资源。当出现新的数据源或是需求发生了变化，你不得不回头修改数据模型、ETL、查询等设计。在你开始传输商务智能报告、衡量指标和仪表盘前，应当完成所有的信息管理工作。(注：仪表盘是商务智能中的新概念，使公司能够消化大量的信息，并将这些信息直接转换为相应格式，从而很容易鉴别并回复那些重要的、有时间限制的事件，同时还能在不丢失数据资料或报告的前提下考察相关问题和趋势。这一系列的功能，都使得这个工具看起来就像一个仪表盘。

　　许多公司正在使用自动化工具以降低数据仓库开发过程中的时间消耗和手工作业工作量。Balanced Insight、 Kalido和WhereScape等专业厂商已经推出了自动化建模环境。这些工具都能够生成数据定义、ETL脚本、SQL查询，甚至普通联机分析处理(OLAP)的方体类型和原数据或知名商务智能平台所使用的语义层。通过更为快速的数据仓库开发和更为容易的模型变化，新的商务智能报告、仪表盘和在仓库顶部运行的应用将更为迅速。

　　商务智能厂商已经意识到了对速度和更为简便的信息管理的需求。开源商务智能厂商Pentaho在2010年早些时候推出了一款整合的开发环境，其可让分析师单独创建和修改ETL脚本、数据模型和商务智能虚拟化。新的IBM Cognos 10建模环境包括了内置wizards，以及让分析师第一时间获取数据模型的小窍门，以避免由不良设计导致的非标准查询。

　　如果信息管理团队得到了适当的模型，商务智能分析师可部署更高级的源数据层进行定义和快速重新定义数据维度、层级和数据源视图——不再需要信息管理团队更改基础的数据模型。今年夏天，甲骨文在其商务智能企业版11g加入了通用信息模型，减少了跨甲骨文数据仓库、OLAP和商务智能工具、应用的源数据建模。在即将于2011年推出的Business Objects Universe中，SAP在数据基础能力上承诺将更容易进行数据访问。IBM Cognos、Information Builders、Microsoft、MicroStrategy和SAS Institute也将可以拥有源数据和语义层。这些研发工作的目标是提高信息管理，这项工作虽然很艰巨，但是必须要做。这样用户才能继续推进新商务智能报告、衡量标准、仪表盘和虚拟化的研发。

　　另一个加速数据仓库研发的方法是使用针对特定行业，如银行、保险和卫生保健的预制数据模型。IBM、甲骨文等大型厂商，以及Embarcadero等专业建模厂商都提供有这类模型。

　　Baseline Consulting公司信息管理专家Jill Dych称，但是我们需要清醒的意识到，许多公司采用预制数据模型等灵活商务智能理念的初衷是错误的——因为他们“没有强化商务智能研发的严谨规定。”

　　通过高级分析提高灵活性

　　在我们的近两年的商务智能期望列表中，高级分析一直排在首位，5分表示极为感兴趣，该项得分为3.8分。三分之一的受访者对此极为感兴趣。高级分析也是一个与灵活性密切相关的主题。在这方面，许多公司都在茆高级分析能力，以拥有前瞻性，而不是对变化做出反应。他们希望能够预测需求，进而可以对产品定价、预测生产、规划他们的供应链。此外，他们还希望能够在资金变成坏帐或库存减少前预测风险和行为。他们还希望在客户减少使用他们的服务前能够预测这一趋势。

　　汽车保险商Infinity Property & Casualty正在使用高级分析以索赔情况进行分析，他们会向专家提交这些信息，无论事件大小，包括是否涉及其他保险商的纠纷，以及是否受到过诈骗调查等。他们将通过SPSS(后被IBM并购)的预测性分析对这些情况建模。公司花了六个月的时间制定了所需要的模型和规定，用以将一些预测整合进入Infinity的索赔系统中。Infinity公司损害赔偿部门高级副总裁Bill Dibble称，目前只需要48小时就可以这些索赔单送至赔偿专家那里，以往在使用预测分析前需要大约四十多天时间。

　　对客户满意度和成本节约来说，速度并不重要。在防止保险诈骗方面，“证据会变冷，如果你等待的时间越长，那么越难证明是否是诈骗，” Dibble称。目前，Infinity阻止骗保的成功率已经由原来的60%提高到了87%，这要归功于预测分析的帮助。

　　在过去的几个月里，Infinity还启用了文本分析以检测索赔单中的描述，当诸如“药物”等关键出现时会自动亮出红旗，因为其可能会指事故中驾驶员的状态。索赔人的位置描述将会以GPS坐标的形式出现，同时会与高速公路匝道进行对比，因为此处的事故经常被用于骗保。这些分析的关键是在处理之初找出潜在的问题，然后将它们送到相关专家那里进行鉴别。

　　移动商务智能：性能问题

　　尽管目前智能手机销售量猛增，但是移动商务智能在商务智能期望列表中并没有排在前列。在调查中，仅有13%的人对此表示极为感兴趣。

　　其中一个原因可能是性能。商务智能套件总是很庞大，因为他们试图弥补基础信息管理的不足。在将商务智能移植到移动设备时，会产生很多独特的问题。

　　MicroStrategy首席运营官Sanju Bansal称，性能低下是“商务智能的一个肮脏的秘密”。查询时间需要20至40秒的时间，这对于移动设备来说时间过长。MicroStrategy在今年尝试解决这一问题，他们使用了iPhone、iPad和黑莓手机等新平台、以及多级缓冲、内存数据结构、高效网络交换等技术来加速虚拟化的传输，同时不放弃深化能力。

　　其他的一些厂商关注的是基于iPhone和iPad的移动商务智能应用，其中值得关注的是QlikTech和Mellmo公司。前者推出了基于iPad的QlikView应用，后者推出的Roambi可以与SAP的BusinessObjects、IBM的Cognos、甲骨文的Essbase和微软的分析与报告服务兼容。

　　在辉瑞，Green还没有遇到移动问题。但是对于将研发产品线移植到移动设备方面，辉瑞的OneSource方案具有许多优势。Green称，辉瑞的下一步举措是为iPad和iPhone提供基于Adobe Flex的研发产品线数据虚拟化。由于苹果公司限制在iPhone上使用某些特定的Adobe技术，因此如果Flex不能使用，Green的团队将在苹果的Cocoa或是微软的 Silverlight上进行开发。

　　云和谷歌类型的搜索的作用有限

　　另一个虽然很流行，但是在商务智能期望列表中排名靠后的是云计算。基于软件即服务和云计算的商务智能/分析在我们列出的十大商务智能技术列表中排名第九，仅11%的受访者表示极为感兴趣。虽然公司感兴趣的是云计算对下游的IT支持和快速部署，但他们对是安全和隐私(65%的受访者表示担忧)，以及数据整合(43%的受访者表示担忧)表现出了更多的担忧。

　　近半数的受访者表示，他们感兴趣，或极为感兴趣的能力是让结构化和非结构化信息具备互联网风格的查询——即在查找数据库和文件、网页、电子邮件信息、博客等方面具备谷歌风格的简洁界面。如果用户不必面对类似SQL、数据源选择、或不直观的界面，那么商务智能将会取得突破，并最终被大多数人所使用。

　　目前在这方面并没有太多的进步。在2006年，BusinessObjects、Cognos、Information Builders、Endeca和Fast Search & Transfer都已经将搜索与商务智能结合了起来。前三个选择的是与谷歌和其OneBox应用合作。虽然在这方面的努力并不多，不过仍然有两家公司在追求着这一梦想：Endeca和Attivio。Endeca在近期推出了名为Latitude的产品。Attivio由前Fast雇员创建于2007年，这些雇员在Fast被微软收购后组建了Attivio。

　　那么利用社交网络的特点帮助人们在商务智能查询方面展开合作以提高智能程度如何呢?与移动和搜索这两个选项相比，该选项处于更为初期的阶段——其在商务智能期望列表中排名第十，仅7%的受访者表示极为感兴趣。现实情况是当社交网络特点出现在商务智能中时，许多公司并没有对此做好准备。

　　他们需要的是更好的信息管基础。商务智能项目之所能够得到资助是因为它们能够更好的洞察重大损失和风险，帮助用户规避这些损失和风险;同时能够发现重大销售和盈利机会，帮助用户抓住这些机会。在高强度的竞争和瞬息万变的市场中，只有能够对商务带来帮助的商务智能项目才能够获得更高的灵活性。