在IT技術(shù)領(lǐng)域中，射頻識別（RFID）技術(shù)正受到眾多廠商的追捧。它為每一件貨品提供單獨的識別身份，然后透過無線數(shù)據(jù)傳輸讓計算機網(wǎng)絡(luò)隨時掌握各式各樣貨品的去向：不論是超市里的袋裝咖喱粉，還是制造商庫房里的洗發(fā)水?？雌饋硭皇敲馊チ松碳腋欂浧窌r的人工干預(yù)，但這一結(jié)果是通過數(shù)十億貨品傳回的實時數(shù)據(jù)實現(xiàn)的。除了便于對貨品的管理，這些數(shù)據(jù)還意味著什么？有這樣一個例子，生產(chǎn)汽車的菲亞特公司以前一直從兩個不同的供應(yīng)商手中購買車輪上的凸形螺帽，并把購買、運輸、存放這兩種螺帽的數(shù)據(jù)分別放在兩個數(shù)據(jù)庫中。但是到后來，當(dāng)他們把兩個數(shù)據(jù)庫結(jié)合在一起并檢查和分析數(shù)據(jù)之后，發(fā)現(xiàn)其中一種螺帽的整體購買成本比另一個多0.1美元。按年產(chǎn)100萬量車來計算，每個螺帽0.1美元的差價加起來至少有幾十萬美元。是否其它的零件也有這種現(xiàn)象呢？數(shù)據(jù)存在的意義不在于規(guī)模龐大，而在于深入分析之后能夠發(fā)現(xiàn)規(guī)律。零售巨頭們正在從顧客購買商品中發(fā)現(xiàn)一定的關(guān)系，在適當(dāng)?shù)臅r候針對某一些顧客提供打折購物券，從而提高銷售額；保險公司通過對索賠數(shù)據(jù)的分析，可以辨別出可能的欺詐行為，避免風(fēng)險，提高利潤；電信運營商也在設(shè)計用戶支付模型，以便制定針對不同層次用戶的、最有競爭力，同時能帶來大量利潤的價格策略……這樣的趨勢隨處可見。讓我們看看成功者。100多年前，福特汽車公司的創(chuàng)始人萌發(fā)了“將美國人置于車輪之上”的夢想，這就顯露出了他們滿足客戶需求的信念。現(xiàn)在，福特汽車公司從數(shù)據(jù)倉庫公司（Teradata）的數(shù)據(jù)倉庫中抽取數(shù)據(jù)，再用賽仕公司（SAS）軟件平臺上的報表、趨勢分析、客戶分群、客戶評分以及客戶生命周期分析等功能，來為顧客關(guān)系管理以及市場營銷活動管理提供支持。以福特公司計分程序為例，它從家庭角度對顧客進行了分析，并預(yù)測數(shù)據(jù)庫中每個家庭的得分, 接著將這個信息傳送回數(shù)據(jù)倉庫。這使得福特公司的市場營銷小組能夠容易地獲取最新的顧客得分,這樣他們就可以運用這些信息去管理市場營銷活動以及呼叫中心。

    不難理解除了終端和網(wǎng)絡(luò)廠商在推廣RFID技術(shù)，IBM、微軟、甲骨文等軟件巨頭也開始爭奪此項技術(shù)背后的數(shù)據(jù)處理軟件生意。而像BO（Business Objects）、SAS等更為推崇數(shù)據(jù)分析的商業(yè)智能廠商，則一直站在游說各類企業(yè)去“從數(shù)據(jù)中探尋寶藏”的第一陣線。

    分析的時代

    要分析數(shù)據(jù)，先要收集數(shù)據(jù)，再存放數(shù)據(jù)—這就是人們所熟知的數(shù)據(jù)庫。在20世紀80年代，各家公司開始啟用了基本的數(shù)據(jù)庫結(jié)構(gòu)。步入90年代，這些公司希望讓自己的商業(yè)程序處理自動化。盡管眾多的公司在使用軟件或銷售自動化系統(tǒng)時取得了成效，有了產(chǎn)生數(shù)據(jù)的源頭，但他們卻很少采用有效的方式來利用這些收集到的信息，以致數(shù)據(jù)庫像是一個蹩腳的“地下儲藏室”一樣難見天日。企業(yè)怎樣才能像對待自己的產(chǎn)品一樣對待數(shù)據(jù)呢？設(shè)想一個滿是貨架的房間，貨架上按一定次序放滿了各種信息去等待用戶提取?！鞍匆欢ù涡颉边@一點很關(guān)鍵，因為這是一個很好的習(xí)慣，至少便于管理。對傳統(tǒng)數(shù)據(jù)庫中的數(shù)據(jù)進行再加工，形成一個綜合的、可以用于分析的環(huán)境，被稱為數(shù)據(jù)倉庫(Data Warehousing，簡稱DW)。

    數(shù)據(jù)倉庫的主要優(yōu)點就是可以將不同的數(shù)據(jù)整合在一個中央存儲環(huán)境中，并提供給用戶必須的OLAP（Online Analytical Processing，聯(lián)機分析處理）工具來檢索相關(guān)的數(shù)據(jù)。在此之上就是數(shù)據(jù)分析——人們借助這些工具從海量的數(shù)據(jù)中挖掘出可能有潛在價值的信息，或者支持決策為企業(yè)帶來利益，或者為科學(xué)研究尋找突破口。數(shù)據(jù)倉庫、OLAP和數(shù)據(jù)挖掘共同構(gòu)成了商業(yè)智能的基本架構(gòu)。用“智能”來形容這一類軟件和平臺，意味著它們需要“思維”。盡管與人類的思維難以劃上等號，從形式和它們要達到的目標來看，商業(yè)智能也是在“想”和“算”。整個過程涉及到一系列的數(shù)學(xué)和統(tǒng)計學(xué)的方法，人們也期待融入更多“機器學(xué)習(xí)”的技術(shù)，讓軟件或者平臺為使用者帶來更有價值的信息，以更加“人性”的思維模式來支持決策。從這個角度看，此領(lǐng)域與人工智能頗有聯(lián)系，例如二者均利用到了神經(jīng)網(wǎng)絡(luò)技術(shù)（嚴格的說，神經(jīng)網(wǎng)絡(luò)是人工智能的一個分支）。在“智能”方向上，二者均需要更多的技術(shù)突破才能在“思維”上有所進展。除了在分析這一層面的技術(shù)發(fā)展空間，數(shù)據(jù)挖掘、商業(yè)智能也面臨著其它的挑戰(zhàn)。人類管理數(shù)據(jù)的活動已經(jīng)很多年了，不論是國家檔案館中的文檔，還是樓下包子鋪的記賬薄，這些信息的規(guī)模與今天相比只是“牛毛”?，F(xiàn)今資料流通量之巨大已到了令人咂舌的地步，一方面幾乎所有可以想到的信息都被記錄了下來，不論是各類業(yè)主每月的用電量，還是每個家庭的電話撥打記錄。而且數(shù)據(jù)量每年還在大量地增長，像RFID技術(shù)就是一個新形成的海量數(shù)據(jù)制造源頭。另一方面，數(shù)據(jù)存儲的成本也直線下降。實際情況可能是，對于一些“巨無霸”的海量數(shù)據(jù)，人們也許只能對搜集到的資料中的5%至10%進行分析。所需要分析的數(shù)據(jù)量越來越大，相關(guān)廠商都在尋找各自的解決方案，例如采用“分布式運算”，將一個連續(xù)任務(wù)切分成多個部分。SAS中國區(qū)總經(jīng)理戴江鴻介紹，SAS日前推出的SAS 9商業(yè)智能軟件家族，就在多個環(huán)節(jié)具備“多執(zhí)行序列”的功能，使其速度更快、效率更高。與商業(yè)智能相關(guān)的公司，從基礎(chǔ)架構(gòu)到工具應(yīng)用，都在這方面有新的應(yīng)用。

    抓住數(shù)據(jù)的機會BO公司首席執(zhí)行官兼董事主席Bernard Liautaud認為，目前商業(yè)智能的數(shù)據(jù)分析正處于“初級階段”，更多的企業(yè)是在嘗試的過程中發(fā)現(xiàn)自己的需要。福特公司分析信息技術(shù)協(xié)調(diào)員Jim Ader對商業(yè)智能的體會是，“建立預(yù)測模型是最為重要的”。在福特汽車公司，營銷專業(yè)人員每年都在超過200 次的市場活動中使用預(yù)測模型，以找到合適的目標客戶,這其中包括以提高福特林肯等汽車銷售量為目標的市場活動。這些模型通過檢查上百萬客戶的記錄來為每次的營銷戰(zhàn)選擇最好的目標家庭。找到現(xiàn)有數(shù)據(jù)以外的東西，正是分析的價值所在。其實這在人類的思維過程中很平常，只是我們并沒有去刻意的體會自己思考的過程。比如我們可以從一件事的發(fā)生很自然地聯(lián)系到另一件事情，但對于不同事件的關(guān)聯(lián)性，商業(yè)智能則要在事件發(fā)生的概率符合一定的統(tǒng)計意義時才能做出判斷。

    以客戶購買習(xí)慣的數(shù)據(jù)為例，一個開設(shè)儲蓄賬戶的客戶很可能同時進行債券交易和股票交易，購買紙尿褲的男顧客經(jīng)常同時購買啤酒。利用這種知識可以采取積極的營銷策略，擴展客戶購買產(chǎn)品的范圍，從而吸引更多的客戶。通過調(diào)整商品的布局，便于顧客買到經(jīng)常同時購買的商品，或者通過降低一種商品的價格來促進另一種商品的銷售等。但是這些舉措還是別讓顧客發(fā)現(xiàn)為好，否則顧客會有隱私被竊取的感覺。隱私問題在如今的信息社會越來越嚴重，但事實上，大多數(shù)商業(yè)數(shù)據(jù)的價值恰恰由大量有關(guān)個人及個人購買行為的信息構(gòu)成。這不難理解RFID標簽反對者的思路：因為基于RFID技術(shù)的電子標簽有可能通過零售商的數(shù)據(jù)庫把服裝上的數(shù)據(jù)和購買者的信用卡信息聯(lián)系起來，然后再參照信用卡公司的數(shù)據(jù)庫，就可以得到消費者購買習(xí)慣的詳細信息。這一切都將在不知不覺中進行。不過，道德領(lǐng)域的問題從來不是新技術(shù)公司的首要考慮。如果利益足夠大，不到社會輿論的壓力快“爆炸”的臨界點，它們是不會妥協(xié)的，它們更多的是積極地為自己辯護。

    不論如何，數(shù)據(jù)分析已經(jīng)吸引了越來越多的使用者和投資者。除了企業(yè)自己購買軟件來實現(xiàn)數(shù)據(jù)分析，也有的企業(yè)會把整個數(shù)據(jù)采集和分析任務(wù)外包給專業(yè)公司來做。也并非所有的企業(yè)都開始重視數(shù)據(jù)分析，特別是那些資金不夠雄厚的小企業(yè)。因此，盡管商業(yè)智能廠商正在積極游說這些小企業(yè)，但他們的客戶還是集中在金融、電信等行業(yè)。非專業(yè)的商業(yè)智能公司也在覬覦這塊肥肉，例如微軟公司即將推出的SQL 2005 和Visual Studio 2005產(chǎn)品，它們包含的新功能將允許軟件開發(fā)商們把商務(wù)智能特征加入到他們的應(yīng)用程序中去，而SQL服務(wù)器所提供的商業(yè)智能模塊恰好是針對那些而非高端的用戶群。