下载掌阅APP，畅读海量书库
立即打开
所谓商业智能的成熟度即为分析商业问题的能力，成熟度越高的商业智能，其分析能力也越强。如图 1.4.1所示为著名咨询公司Gartner总结的商业智能分析的4个阶段。
图 1.4.1
第一阶段：描述性分析，基于历史数据对过去商业运作的描述分析。
例如，通过求和计算分析企业今年的销售利润是多少、销售量是多少。
再进一步，通过将各种聚合结果进行相互运算，衍生出一系列的嵌套度量，例如销售额同比、销售额等比、客单价、销售任务达成率等重要指标。
两者通常紧密结合使用，为企业运作提供了基础商业智能数据支持。
第二阶段：诊断性分析，基于第一阶段的信息，分析造成问题的原因。例如，2013年的销售总金额比2012年有大幅度增长。业务部门不仅需要了解销售总金额增长的幅度（同比），还需要了解促成增长的主要因素。
而具体的解决方案是将年销售总金额，根据不同的维度，以结构化方式拆分成几个个体，随着维度的叠加，数据粒度变得更细，解释则更加清晰，直至得出诊断结果。注意，目前所讨论的两个阶段都是基于历史数据的商业分析。
第三阶段：预测性分析，对未来商业运作进行预测指引。
此阶段即结合历史数据，通过模型及设计的计算模型（如多元线性回归模型），建立对未来的预测性分析推断。后文的销售预测就属于此种分析方式，尽管此案例使用的模型简单，现实中的预测模型往往会考虑更多的因素和权重因子，模型也会更为复杂，但原理相通。
第四阶段：处方性分析，基于前三个阶段的分析，商业智能系统需要提供具体的行动指引。例如，通过预测模型计算得出2013年线上销售金额预测增幅为60%。为达成此目标，模型给出以下处方性建议。
●从商品角度：通过图1.4.2可以看出，山地自行车（Mountain Bikes）和公路自行车（Road Bikes）是2012年最热卖的大额商品，因此，市场部通过线上的一个广告平台发送商品优惠信息，吸引新用户购买。
●从客户角度：通过帕累托分析法，得出购买金额排在前 20%的客户名单，再通过模型预测分析哪些客户是价格敏感型客户（如通过分析客单价得出），可以通过发送优惠券的方式刺激这部分客户进行二次消费。
图 1.4.2
处方性分析是商业智能分析中的最高形态，其背后除存在一般性的维度分析外，还存在大量的统计算法和人工智能技术。也许未来的处方性分析可以通过文字结合图形的形式直观地输出分析结果，但因为模型的复杂性和商业逻辑的独特性，目前处方性分析并未被广泛应用。预测性分析和处方性分析属于对未来预测的分析。
再结合前文的数据挖掘流程的完整循环，其最终产物为商业分析洞察。而成熟度代表了其产出结果的能力。例如，业务人员通过商业智能分析销售利润的历史情况，以及预测未来的变化。在第一轮的数据挖掘流程中，分析模型得出了销售利润在不同维度下的分布情况，解决了描述性分析和诊断性分析的需求。在第二轮的数据挖掘流程中，要完成对未来利润的预测，以及为此所应该采取的相应行动。此时，第一轮销售利润数据可以作为新一轮数据挖掘流程中的输入模型，并得出对未来预测的分析。
总结：这4个分析阶段从历史分析演变为未来分析；由相对简单的事实分析演变为复杂的高阶预测分析。前一个阶段的输出结果可作为下一个阶段的输入。企业或个人的商业智能成熟度与能实现的分析形态相关，实现的分析形态越高，意味着企业或个人的分析能力越强。
作为初学者，熟练掌握描述性分析和诊断性分析是进入商业智能分析的第一道关卡。Power BI和Tableau的出现，恰恰似一把钥匙，为用户打开了商业智能分析的大门。