【摘要】零售业在商业智能和商业分析中进行抉择商业分析是概念，也不仅是概念 在厂商、咨询公司、系统集成商、媒体、客户、研究机构等共同营造的BI

零售业在商业智能和商业分析中进行抉择

商业分析是概念，也不仅是概念
    在厂商、咨询公司、系统集成商、媒体、客户、研究机构等共同营造的BI生态中，利益永远是第一位的，适时地进行“整顿”，对任何行业都是必需的，对基础性的概念也是如此。
    SAS认为：BA是建立在BI基础之上的高端分析拓展，与传统BI偏重于业务结果的呈现不同，BA更偏重于业务流程中的分析，借助预测性分析为管理者和员工团队提供具有指导性意义的有效信息，帮助企业更好地完成分析和决策，全面提高企业的绩效。
    对于“BA是建立在BI基础之上”，从原理上来讲，大可不必：即使没有BI基础，或者说没有数据仓库，只要有相对完备的数据，就可以进行业务分析。但从实际应用来讲，如果没有海量的数据支撑，没有数据仓库以及其后所隐藏的企业数据管理链条作为支撑，那么任何的分析和研究项目都无法在系统性、全面性和战略性等方面得到保障。
    同时，我们也看到，BA与BI还是有比较明显的区隔：BI更偏向水平的技术和业务平台，而BA更偏垂直业务应用（例如面向行业的业务问题）。从这个角度来看，BA更能帮助企业解决实质业务问题，也能更好地发挥BI的商业价值。
    针对零售业的商业分析，我们可以从下图中的一些业务主题入手，来帮助企业解决业务问题并提供切实的商业策略。

图1 新华信零售业商业决策解决方案
[page]    同时，针对这些业务主体的分析和研究，甚至建立商业模型，是零售企业的经营决策所必须要逾越的一个阶段；特别是在阴晴不定且瞬息万变的市场上，针对某些特定主题的快速市场响应，是每个希望做大做强的零售企业家都在思索的核心问题。
   零售业在商业智能和商业分析中进行抉择
    那么，在商业智能和商业分析中，企业（尤其是零售企业）究竟应该如何抉择呢？
    首先应该看企业的发展阶段：按照一些人的说法“很多中国企业都在莫名其妙中长大”，这种原始性、自发性和不确定性的成长，势必为系统性、目的性和确定性所代替。对于中型企业来讲，企业或者活在产业链条的某个节点，或者靠新鲜的商业理念得以迅速成长，企业产品和服务的“大规模快速复制”是中型企业成长为大型甚至巨型企业所必经的阶段。在这个阶段，普遍来讲，中型企业更应该解决的问题是业务的规范化和体系化问题，并系统地规划下一步的走向，此时商业智能的水平性特质将会逐步显现，也会在更大程度上契合企业的发展脉络（这也是为什么诸多BI厂商开始推出中小企业普及版的原因之一）；同时，中型企业采用商业分析来为企业解决特定的业务问题，也是一个不错的选择，甚至会成为企业今后实现个性化和差异化经营打下良好的基础。对于大型甚至巨型企业而言，往往已经建立了自己的BI体系，而针对某些特定业务主题的分析、建模和预测甚至决策引擎，将会在瞬间为企业带来巨大的绩效提升或者成本削减，大型和巨型企业更多地基于BI体系从事BA的业务，是已然也是必然。
    其次应该看重企业的实际业务需求，很多的业务分析和业务模型并不是靠BI或者BA就可以单独解决的：零售业是典型的资金流转型行业，日常经营中的财务分析和企业快速扩张所必需的投融资分析，都具有很强的行业和应用主题特色，例如企业就必须对杜邦分析、沃尔分析或者现金流预测分析乃至投资回报分析等模型进行适应本行业特别是本企业的改造。在这个方面，企业最缺乏的不是BI或BA专家，而是基于行业的应用专家；虽然操作型BI可以部分解决这些问题，但是在实际的分析和研究过程中，需要行业专家、应用专家、数据专家、分析专家和技术专家等一干人等来合力解决这些问题，而不必去刻意去划分BI或者BA（事实上有时也无法划分）。
    还有一个要命的问题需要解决：任何的分析项目，都离不开基础数据的支持，万法归宗，皆是数据。对于处于发展阶段的中小零售企业，首先是考虑自身的数据收集和管理能力，或者去系统性地逐步建立这种能力；而对于存在大量数据甚者数据迷雾的零售业企业，数据的高速增长也往往带来数据管理问题的几何级增长。简单地保留POS机数据、进货数据等是基础，而对业务分析至关重要的客户数据、营销数据、消费数据和服务数据中，哪些数据、什么粒度的数据应该通过什么方法进行收集和存储，是企业必须要考虑的问题。企业的数据能力，会决定企业的BI和BA能力；同时，企业的BI和BA需求，也会反过来逼迫企业数据能力的提升。
    最后提一点，鉴于小型的BA项目更易操作实施并评估成效，建议某些还站在BI和BA两座山头前逡巡不前的零售业企业，以小型BA项目为契机，评估商业决策为企业带来的价值，同时“拉动内需”，为企业后期的规模化BI或BA实施打下良好的基础。