- 中国服装企业信息化市场再掀BI热潮
- 发表于:10-05-01 作者: 来源:伯俊软件 浏览:180次
BI一个看似陌生又熟悉的名词,近期不断在中国服装企业信息化管理软件行业频繁现。BI这个及“天使”与“恶魔”特性于一身的软件,是否将席卷中国的软件市场?BI,即:(Business Intelligence)从英语的字面上翻译,我们可以理解为商务智能软件。BI的概念,最早在上个世纪90年代就被提出。但是BI就其概念被提出到实际的市场大面积使用,其速度时非常缓慢。目前在中国的信息化管理软件市场上,能做出成熟的BI系统的软件公司寥寥无几。而能成熟的适用于服装企业的BI产品,几乎为零。为什么BI项目的开发进程那么缓慢?为什么会有因BI使用不当而造成企业重大损失?为何近期中国服装企业信息化市场又掀起了BI热?其实所有的问题都是源于BI本身。因此这个问题最终还是要由BI“回答解释”。
BI不是简单的报表显示工具。BI的数据分析都是建立在现有数据库上的。它是利用企业现有的数据库,抽取企业某一个已经生成的数据依据,然后放置在OLAP(联机分析处理器)上进行储存,再分析,最后显示预测,达到帮助企业高层制定企业未来发展提供一个数据依据。这一切的分析都是依靠计算机运作,无需使用者为之操心。至于国内的一些也称自己为商务智能的产品,许多仅仅是报表工具而已,因为一套真正的商务智能产品必须具备三个必备的条件:
• 必须具备直观、丰富、美观的数据展现界面,像艺术品一样展现数据
• 必须具备后台对于数据处理响应速度的优化机制,让查询效率得到大幅度的提升
• 必须具备一定的管理思想以及数据分析模型包含其中,尤其是针对行业的分析模型
那些思想超前的CIO对真正的BI所赋予的理念是认可的,但是敢于尝试的企业却为数不多。也有服装企业早在几年前就使用了SAP及IBM的商务智能产品,但是失败比比皆是。导致一些企业“闻BI丧胆”。到底是何原因使得服装行业BI项目屡屡失败?其实关键的问题在于:传统商务智能产品并不适合国内服饰行业。
目前国内服饰类行业现在普遍存在的问题如下:
• 基础信息化建设都以基本完成,信息化覆盖率较高
• 公司内部同时存在多个信息化系统,如OA、HR、DRP、CRM、PLM、财务等等
• 部门之间信息化交流瓶颈,企业内部信息化孤岛现象严重
• 难以建立统一的KPI指标,难以绩效考评
• 对于企业潜在的问题无法提前预知及预警
• 数据统计困难,周期长,数据表现形式单一
同时,也正因为如此,因此传统商务智能产品一旦形成应用了之后,后期的更改可能性几乎为零,因为任何细微的改动都将重新经历从数据源定义一直到建立CUBE的过程。
服饰类行业属于“非垄断”型的时尚产业,其特点就是流行趋势变化快,而且款式众多,如果细化到每个款式下面的条码数量,那么一个服饰企业一年的商品种类以及数量都是非常惊人的。针对这样的情况,服饰企业经常需要调整一些分析的角度或者是添加一些分析的维度、指标等等,而传统商务智能产品相对固化的分析模型显然难以适应这样的需求,总结下来主要有以下几点:
• 无法应对企业内部频繁的“缓慢维度变化”
• 如何处理超大规模数据量压力下的性能问题
• 前期的数据准备工作需要花费大量的精力
• 项目周期长,过程复杂
• 用户需要大量培训才能使用
• 后期开发难度大,更改困难
传统的商务智能产品上线周期一般都长达1~3个月,面对某些大项目甚至会长达半年以上,这主要是由于传统商务智能软件一般都需要经历以下几个过程:
• IT人员预定义数据源,确定分析模型
• 执行数据ETL (抽取, 转换, 加载) 过程
• 建立数据仓库
• 在CUBE中建立数据分析模型
• 将数据加载进BI应用
对于一个企业的CIO来说,如何选择一款软件产品通常不外乎:实用性、兼容性、实施成本、实施周期、实施成效(回报利润)。由此可见,传统商务智能产品并不适合国内服饰行业;SAP、IBM这样大型的软件公司的商务智能产品,也不适合中国的服装企业。
就近期中国服装企业信息化市场再掀“BI”热潮来看,应该不是源于服装企业对BI产品的认可,而是在于有一些软件研发制造商对传统的BI产品进行了优化改良。如:ESPRIT(中国)目前实施的BI项目,其从项目规划到实施,只用了3天的时间,打破了传统BI实施周期最少6周的时间。实现了:上线周期短,后期开发灵活,查询响应速度快,数据展现形式丰富,操作界面美观等。如果目前服装企业信息化市场的新BI软件改进了传统BI由于数据库庞大,造成数据分析慢;由于数据分析缓慢造成项目实施周期过长,成本过大。扩大了数据的存储量,提高了数据的分析的速度、精准性,缩小了项目实施的周期。那么中国服装企业信息化市场的 “BI暖风”的涉及面将会越来越广。BI使用就不会仅限于目前大型服装企业的使用,中小型企业也能利用BI对企业的市场前景进行分析评估。BI市场前景是无可限量的。












