商業智能（BI）在電力勘察設計企業決策支持的應用

劉湘暉 LIU Xiang-hui

（中國能源建設集團廣東省電力設計研究院有限公司，廣州 510663）

0 引言

在我國經濟發展全面進入新常態的形勢下，電力勘察設計行業在經歷了十余年的高速發展后，發展逐漸趨緩，正處于深刻變革期。未來一段時期，電力勘察設計企業面臨的嚴峻市場形勢，迫切要求企業提高自身的外部競爭力與內部管理能力。

電力勘察設計企業需時刻關注當前的對外經營情況、項目進度與質量、盈利能力與資金情況，迅速做出反應；也需時刻關注當前的內部運營情況、成本發生、組織效能與管理效率，對企業內部運營進行及時調整。及時、準確、有效的數據信息與溝通對于企業的決策制定必不可少，構建數據信息支持與溝通渠道十分重要。

基于以上背景，本文借助商業智能工具，構建電力勘察設計行業用于決策支持的KPI體系，并設計其在商業智能的業務主題實現與系統技術架構，為電力勘察設計企業如何應用商業智能輔助決策支持提供一些啟示。

1 商業智能的概念及發展現狀

商業智能（BI）是將數據有效地轉化為信息、知識和智慧的數據倉庫相關技術與應用的統稱，以數據倉庫技術為基礎，借助數據挖掘、聯機分析處理和數據展現等技術，搜集、整合和分析企業業務過程中的數據，以提升企業的管理水平與決策洞察力，實現商業價值。

商業智能是目前企業管理中最前沿、最重要的信息化應用之一，于20世紀90年代末進入中國。目前國內大多數企業實施的商業智能仍處于簡單的內部數據整合等基本統計分析階段，還未能實現數據挖掘等進一步的智能分析。商業智能在國內不同行業、不同規模企業的發展水平差異較大，大型企業、特別是大型集團企業有更完善的數據積累，商業智能的應用更為普遍。

我國已成為商業智能發展最快的國家之一，越來越多的企業理解并建設應用了商業智能，我國商務商業正向標準化、實用化、智能化方向發展。

2 電力勘察設計行業數據應用決策支持現狀

目前，國內大型電力勘察設計企業基本上已有成熟的信息化規劃，并在各類業務上建設并應用了業務信息系統，然而眾多的業務信息系統在累積了越來越多數據的同時，卻難以為高層管理者的決策提供實時有效的數據信息支持，基于以下幾點原因：

2.1 歷史數據形成數據孤島

在企業的信息化建設過程中，業務信息系統以不同的標準開發并分散部署，數據分散在眾多數據環境與業務邏輯不同的系統中，存放格式與平臺各不相同，缺乏統一訪問的渠道與機制。形成信息孤島，數據尚未得到有效整合與充分集中利用。

2.2 數據質量無法保證，難以追溯

各個業務信息系統中的數據入口不唯一，數據維度、口徑、格式、編碼、標準不統一，導致數據缺乏一致性，增加數據檢查與核實的工作量。手工制作的綜合性報表數據來源不清晰，出現錯誤時難以追溯到數據源，數據保存缺乏系統性，容易丟失。

2.3 缺少對數據指標的深層分析

業務信息系統中的數據對于決策分析需求來說過于明細，缺乏重要性層級的區分，瀏覽明細數據無法形成對整體業務的全面了解；業務信息系統的分析功能通常較為簡單，難以對數據進行提取穿透、進行深層次分析與趨勢預測。

2.4 高層管理者使用不便

業務信息系統依據具體業務的需求開發建設，設計初衷是面對基層業務人員，系統操作頁面較為專業，管理層獲取數據還需依靠業務人員另行編制手工報表，效率低下且容易出錯。

商業智能在電力勘察設計行業的建設與應用可以解決以上瓶頸和制約，整合各個信息孤島，提升數據分析的全面性、及時性，為管理層提供動態、實時、全面的數據分析支持。

3 商業智能在基于KPI體系的決策支持的應用

3.1 用于決策支持的KPI體系

企業管理層的決策對于企業的短期與長期戰略目標是否能達成至關重要。關鍵績效指標（KPI）體系將企業戰略目標進行層層分解、細化與量化，引導全體員工關注戰略重點指標，實現對重點業務過程及其運作情況的直接衡量與控制，促進企業績效向戰略目標預期方向發展。KPI體系需隨著企業戰略目標的改變而調整。

運用KPI體系工具的決策支持管理流程詳見圖1。運用KPI體系工具，通過對企業戰略決策目標進行分解，對指標體系進行監測，可以實時評估戰略執行的效果，發現戰略執行中存在的問題，幫助企業管理者快速尋找問題成因、及時決策；當期指標完成情況可為下一階段的行動決策與戰略調整提供依據。

構建KPI體系時，需注意以下幾點：遵循SMART原則，必須是具體的、可度量的、可實現的、現實的與有時限的；重點突出，關注重點業務過程，識別影響企業戰略和績效的最關鍵因素，用以構成KPI指標集合；不僅考核時點結果，也要對關鍵流程的過程指標進行控制；分層設計，根據不同層級的組織和員工的職責定位，分別設立各組織機構和員工個人的KPI指標。

從電力勘察設計企業的戰略規劃出發，結合行業與企業的實際業務情況，針對企業整體及下屬組織機構的KPI指標體系可以包含以下指標：

利潤率：衡量企業的盈利能力；

營業收入：企業的主要經營成果，是資金來源、經營情況的直接反映及取得利潤的重要保障；

EVA（經濟增加值）：從企業價值增值這一目的出發，評價企業有效使用資本和為所有者創造價值能力；

新簽合同額、市場占有率、潛在項目：反映企業的市場開拓成果與潛在市場機會，是未來發展的基礎與儲備；

重點項目執行情況：關注重點項目的實際進度與計劃進度的差距，收付款情況以及項目質量；

應收賬款周轉率：衡量企業資金使用效率與償債能力；

成本發生情況：反映企業當期已發生的成本結構及控制情況。

在KPI體系實施過程中，通過對各個層級的KPI體系各項指標完成情況進行實時監測，縱向與指標值、去年同期完成情況進行比較與分析，分下屬機構維度進行橫向分析，實時發現KPI指標反映的存在問題，迅速反應、采取措施，及時糾正或減少KPI指標與預期之間的偏差。

KPI考核周期結束后，對當期KPI指標的完成情況進行分析可為下一階段的行動決策及指標確定提供依據。

3.2 KPI體系在商業智能的業務主題實現

基于以上用于決策支持的KPI體系，商業智能不僅能直接應用于KPI體系實施過程，在KPI指標的監測、發現問題、分析問題方面起到重要作用，也為KPI體系構建及應用提供數據支持，還能實現從大量企業業務數據中挖掘不同類別的指標的內部聯系，揭示可能的深層次原因。將KPI體系在商業智能中實現，可為相關數據的準確性、實時性、易獲取性提供保障。

根據電力勘察設計企業的KPI體系與業務規則，可將業務功能進行歸納劃分為企業綜合運營分析（管理駕駛艙）、經營情況分析、財務信息分析、項目信息分析、人力資源分析、科技信息化分析及下屬機構主題分析等七個板塊，其框架圖如圖2所示。

各業務板塊的業務主題設計如下：

3.2.1 企業綜合運營分析（管理駕駛艙）

企業綜合運營分析板塊用駕駛艙視圖對公司層級的KPI指標完成情況進行實時、簡明、直觀的展示，進行時間等多維度的趨勢變動分析。對重要的KPI指標設定各時段警戒值，指標完成情況接近或達到警戒值時通過推送或標紅提醒用戶。總體指標情況可從不同維度進行下鉆，從多個維度對單項指標進行分析與展示，通過下鉆可以發現警戒指標的問題，提供解決線索。

3.2.2 市場開發情況分析

市場開發情況分析包括地圖分析、趨勢分析、合同工程信息等模塊。地圖分析將新簽合同額、市場占有率等與經營相關的指標，在世界地圖與中國地圖上分國別、省份展示，并可對地圖區域的完成情況分類進行下鉆。趨勢分析將市場相關指標按時間、類型、組織機構等進行統計分析與圖表展示，可具體看到經營情況的趨勢。合同工程信息模塊對合同、工程及潛在項目進行匯總分析。

3.2.3 財務信息分析

財務分析模塊對利潤率、營業收入、EVA、應收賬款周轉率、成本發生情況等財務KPI指標完成情況進行分析；展示資產負債表、利潤表、現金流量表，從而縱覽企業財務整體情況；通過對預算執行情況、成本發生情況的監測，對預算及成本費用實施過程控制；針對重點項目分項目展示財務核算情況，對重點項目進行收支與成本管控。

3.2.4 項目信息分析

項目信息分析包含項目基本信息、項目收支、項目費用、重點項目監控等模塊，展示重點項目的基本情況、進度情況、收入與成本情況、費用控制情況、盈利情況、項目質量，并對項目數據分項目及時間進行趨勢分析，關注實際進度與計劃進度之間的差距，對進度滯后、費用控制超額等異常情況進行提醒。

3.2.5 人力資源分析

人力資源分析包含人員信息、人才培養情況、人員資質情況等模塊。人員信息可按不同維度進行分類統計；人才培養情況統計展示企業人員培訓、參訓、職業發展情況；人員資質情況統計展示人員執業資格和注冊資格情況。通過人力資源的全面分析，支持企業人才隊伍建設與業務開展。

3.2.6 科技信息化分析

科技信息化分析包含科技項目統計、獲獎統計、報優統計、專利專有技術統計及信息化項目情況，主要對科技及信息化情況進行統計分析展示，支持與企業科技發展與信息化建設相關的決策。

3.2.7 下屬機構主題分析

歸集匯總單個下屬機構的各方面數據，將下屬機構口徑的市場開發、財務數據、項目執行情況、人力資源、科技信息化情況等關鍵指標整合成一個頁面，形成下屬機構管理駕駛艙，面對下屬機構的管理者，基于數據歸總與分析，提供下屬機構層級的決策支持。

3.3 用于決策支持的商業智能技術架構

商業智能信息系統的建設以數據倉庫系統建設方法論為指導，以數據倉庫技術體系為基礎進行數據架構設計，以ETL技術為數據處理手段，以數據治理方法論為指導實現數據整合和存儲，結合各種應用展現工具實現數據展現，以元數據管理技術、主數據管理技術以及安全管理體系等保證數據倉庫的安全性和可靠性。適用于電力勘察設計企業的系統技術架構設計參考圖如圖3所示。

商業智能系統技術架構體系中主要包括原始業務數據層、數據管理層、BI應用層和展現層四個層次，涉及到的關鍵技術主要有數據采集技術、數據倉庫技術、數據挖掘技術、ETL處理技術和聯機分析技術，以及前端展示、即席查詢、數據挖掘、多維分析、主題分析、報表報告定制等。

①原始業務數據層為本系統提供數據分析所需的數據源，主要來自于企業現有或在建的各類業務系統，包括但不限于財務系統、經營管理系統、人力資源系統、設計管理系統等，以及錄入業務系統中缺失數據的數據上報平臺。

②數據管理層主要包括ODS（操作數據存儲）、數據倉庫、數據集市、OLAP（聯機分析處理）等。其中ODS存放業務數據庫的備份或者映像，減少對業務系統的影響；數據倉庫從ODS數據庫按照各主題的不同指標口徑抽取數據，實現數據標準化和數據質量監控，為OLAP、前端數據分析提供多維表數據支持；數據集市是按照特定的決策支持需求而組織起來的，針對一組主題的應用；OLAP根據分析主題要求及元數據情況，建立合適的分析模型，給前端展示提供查詢和分析模型的支持，實現數據切片、上鉆下鉆等。

③BI應用層主要包括BI中間件和應用模型，在數據管理層的基礎上，快速構建分析模型，實現多維分析、即席查詢、報表定制、告警監控、分析統計、數據挖掘等功能，形成各業務板塊業務主題分析。

④展現層主要實現BI門戶功能，終端展示支持PC機、平板電腦、智能手機等終端訪問，滿足用戶的決策支持與統計分析需求。

4 結語

在電力勘察設計行業嚴峻的市場環境下，企業有必要建立及時、準確、有效的信息溝通與決策方式。在電力勘察設計企業建設實施商業智能，建立企業數據庫，可以為基于KPI體系的決策支持流程的實施落地提供數據基礎和保障。商業智能系統由原始業務數據層、數據管理層、BI應用層和展現層組成技術架構體系，結合企業的具體KPI指標體系，可在商業智能中規劃部署分公司層與下屬機構的兩個層級的業務主題，對企業經營過程中的各方面運營指標實施總體監控。隨著行業的發展及信息化水平的提高，決策管理的需要將催生對數據的及時性、準確性的需求，商業智能將有更大的發展與應用空間。