浅析商业智能信息系统项目管理

　　摘要：随着社会的发展和科技的进步, 现阶段商业领域正在积极开发和应用商业智能信息系统项目。研究商业智能信息系统项目管理是提升商业智能发展效益的关键。基于此, 介绍了商业智能的概念和体系结构, 研究了商业智能信息系统项目管理的必要性, 分析了商业智能信息系统项目管理的主要内容和有效途径, 以期为商业智能项目发展提供参考。

　　关键词：商业智能; 信息系统; 项目管理; 大数据;

　　Abstract：With the development of society and the progress of science and technology, business intelligence information system projects are being actively developed and applied in the commercial field at this stage. Research on project management of business intelligence information system is the key to improve the development efficiency of business intelligence. Based on this, the concept and architecture of business intelligence are introduced, the necessity of project management of business intelligence information system is studied, and the main contents and effective ways of project management of business intelligence information system are analyzed in order to provide reference for the development of business intelligence projects.

　　Keyword：business intelligence; information systems; project management; big data;

　　1 引言

　　现阶段, 电商兴起并快速发展, 商业智能化时代已经到来, 相关企业都在积极开发和应用智能化信息系统项目, 力求为企业的产品营销和服务升级提供有利的发展对策, 促进企业竞争力的不断提升。各类商业智能信息系统的项目管理成为项目成败的关键所在, 研究商业智能信息系统项目管理对企业而言意义重大, 对商业发展而言至关重要。

　　2 商业智能的概念

　　商业智能指企业利用相关的程序、技术和设备等, 收集、整理、分析、处理和挖掘数据信息, 为用户提供数据访问服务, 为用户指定经营发展战略提供指导。这一数据的输入和输出过程实现了一种智能化的操作, 节省了人力数据分析的大量工作, 且这种数据分析的量更大, 更具有代表性和科学性, 准确性更高, 更能为决策的成功提供帮助[1]。商业智能化发展主要应用的技术包括计算机技术、大数据技术、云计算技术等, 能够在短时间内快速运算和分析, 挖掘数据内在的规律和价值。

　　3 商业智能信息系统体系结构

　　商业智能信息系统主要由数据仓库、数据分析、数据挖掘、数倍备份、数据存储、数据恢复和在线分析等部分组成, 其能够从不同的数据源中快速提取有价值的数据信息, 清理无用数据, 提升数据的准确性。此外, 对大量的数据进行转换处理, 形成有价值的数据信息, 并将相关的数据信息放入数据仓库, 借助数据分析和挖掘处理工具等, 深度分析、处理得到的数据信息, 形成与企业发展决策相关的信息, 进而为用户提供决策指导[2]。商业智能信息系统的结构通过层层递进, 对数据实施筛选处理, 最终得出明确的数据信息导向, 成为当前企业决策的主要参考信息来源之一。

　　4 商业智能信息系统项目管理的必要性

　　研究商业智能信息系统项目的过程中, 企业应结合自身发展需要和实际情况, 制定相应的系统发展项目。项目从开发到投入运行的过程中, 只有具备有效的项目管理, 才能确保信息系统项目管理的有效性, 提升项目的可行性和应用价值。对企业发展而言, 实施智能信息系统的项目管理是确保项目能够获得成功, 为企业创造利益。对商业智能化发展而言, 实施商业智能信息系统的项目管理是提升项目成功率, 促进商业智能化水平不断提升的必然要求。对消费者来说, 商业智能信息系统项目管理能够优化企业的产品和服务, 提供更高质量的产品和服务, 从而提升消费体现, 不断提升消费者的满意度[3]。因为这是一个有益于多方面发展需要的工作, 所以加强商业智能信息系统项目管理势在必行。

　　5 商业智能信息系统项目管理的主要内容有效途径

　　5.1 商业智能信息系统项目管理的主要内容

　　根据对目前商业智能信息系统项目的了解, 总结了项目管理的主要内容, 主要包括以下几个方面。第一, 项目立项管理。根据市场动向和大数据信息, 为开发的系统项目确定方向。第二, 项目资金管理。为项目的开发和试验等提供充足的资金使用规划。第三, 项目信息资源和绩效的管理。确保信息资源能够得到高效利用。第四, 实施项目运营维护和安全管理。对项目应用实施全过程管理, 同时做好风险评估和防范工作, 避免项目的失败造成企业损失。

　　5.2 商业智能信息系统项目管理的有效途径

　　5.2.1 完善项目管理制度, 明确管理责任

　　要确保企业智能信息系统项目的有效开发管理, 企业应围绕智能信息系统项目立项建设、资金投入与使用管理、信息资源运用与绩效、运营维护管理和信息资源安全管理等方面进行专项审计调查, 针对存在的问题提出建设性建议[4]。加快建立企业智能信息系统建设管理制度, 积极推进信息化工作集中归口管理, 建章立制, 明确主管部门, 制定《商业智能信息化项目统筹管理办法》;此外, 明确相关部门为信息化综合管理部门, 承担信息化领导小组办公室的具体工作, 牵头负责信息化项目的审核、协调、监督和验收等工作, 并编制信息化规划、项目年度建设计划等, 实现信息化项目的归口管理。

　　5.2.2 强化成本管理, 降低项目成本

　　开展商业智能信息系统项目管理工作中, 要将项目开发和应用的成本管理作为管理的重要内容。企业要结合自身丰富的项目管理经验, 通过大量的信息系统项目管理具体案例, 从企业成本管理的理念切入, 以项目开发的全过程视角, 就项目成本管理、策划管理、经济性管理、招标管理和合同管理的方法及标杆企业制订控制成本的措施。通过进一步系统认识商业智能信息系统项目开发全成本管控, 深入学习项目管理过程中的成本管控点, 在后续工作实际操作中结合项目专家提供的建议措施, 提高解决实际问题的能力。通过强化成本管理, 将资金运用在最关键的地方, 实现资金利用效益的最大化。

　　5.2.3 整合信息资源, 构建共享机制

　　现阶段, 企业在商业智能信息系统项目管理中, 要想发挥信息系统的最大价值, 应加快推进资源共享机制的建设, 有效整合信息资源, 建立必要的立项和验收专家或机构论证机制。要求商业智能信息化项目必须符合地区信息化发展规划, 达到地区大数据平台关于数据标准、系统接口和共享交换等技术规范的要求, 遵循统筹规划、互联互通、资源共享和安全规范的原则, 充分利用现有信息基础设施, 避免重复建设;此外, 要进一步加快建立信息化项目评审专家库, 规范信息化项目评审流程, 提高评审质量[5]。对所有信息系统项目实行专家验收制, 重点检查项目建设规范、实施情况、执行法律法规与标准、档案资料、技术文档、功能和规章制度等方面。通过规范商业智能信息系统项目的统筹管理, 避免重复建设和资源浪费, 促进商业信息资源共享和业务协同, 最大化发挥大数据价值, 为提高投入资金使用绩效提供保障。

　　5.2.4 完善风险评估机制, 做好风险防控

　　开展商业智能信息系统项目管理工作, 需要明确项目开发和应用存在一定风险, 不是所有的项目都能获得成功;因此, 必须建立完善的项目风险评估考评机制, 准确评估项目的风险, 为规避风险和风险防控提供有效的管理措施, 最大限度降低风险造成的不利影响。商业智能信息系统项目多是基于企业自主搭建的大数据平台进行创新应用, 其中:企业建立“全面风险预警系统”需要依托大数据平台, 结合大数据、知识图谱及文本挖掘等技术构建信用风险预警系统, 以多种方式为用户提供风险提示和风险发现功能。通过应用风险预警系统, 促进项目管理的风控能力逐步提升。与较传统风控手段相比, 这种风险管理大幅提高了客户风险识别效率、准确率、成本控制等。

　　云消费时代, 企业要发展智能商业模式, 基于大数据技术的数据仓库构建的企业级数据管理平台, 不仅需要充分利用大数据、云计算等相关技术, 还要注重不断提升风控能力。与传统的数据仓库相比, 该平台具有更低的成本投入、更强的整体处理能力、更优质的资源管理和调度机制等创新优势。平台采用T+1日时效性的数据应用, 与传统数据仓库的大数据量跑批处理需要4~5 h相比, 新一代大数据平台的分布式计算能力结合内存处理技术, 处理相同数据量级的工作仅需10 min, 大大提升了营销、风控、运营等业务响应能力。现阶段, 商业银行在发展中正积极探索商业智能信息系统项目发展模式, 将大数据、云计算、人工智能和物联网等技术与金融业务深度融合, 探索一条传统金融数字化、智能化转型升级的有效路径。很多商业银行强化对金融科技的投入, 在保证核心系统自主可控的基础上, 积极引入第三方科技公司的力量, 共同打造一个智能的网络金融风险监测系统。系统中汇聚了各客户触点的业务数据, 通过大数据、机器学习、云计算等技术, 利用自循环优化的监控规则、干预策略, 筛选、甄别、预警和控制渠道交易和重点业务的关键风险点, 有效预防外部欺诈, 为客户和银行挽回资金损失。在这种信息系统应用模式下, 银行有关交易反欺诈、信贷风控以及风控平台项目等场景服务纷纷落地, 成为银行商业智能发展风险排除和减降低的主要技术管理措施之一。

　　6 结语

　　随着信息技术的升级, 数字化对企业的作用已经从推进作用转变为根本的支撑作用。新时期, 企业商业智能发展和转型升级的路线要以信息化为依托, 实现数字化, 最终走向智能化。在这个过程中, 有非常多的技术和工具会被应用到企业的数字化转型升级中;因此, 企业在开发研究商业智能信息系统项目工作中, 要进一步强化项目管理工作, 通过完善的项目管理, 为项目的科学制定、有效开发和成功应用等提供保障, 促进项目管理成效提升, 推动企业商业智能模式的发展, 提升企业在大数据背景下的行业竞争力。

　　参考文献
　　[1]齐雪, 李冠民, 朱建华.基于商业智能及移动应用的供水管理平台建设与应用[J].供水技术, 2017, 11 (5) :61-64.
　　[2]田歆, 汪寿阳, 鄂尔江, 等.零售大数据与商业智能系统的设计、实现与应用[J].系统工程理论与实践, 2017, 37 (5) :1282-1293.
　　[3]雷蕾, 熊伟.浅谈电信行业大数据时代商业智能系统数据管理策略[J].移动通信, 2014, 38 (9) :69-71.
　　[4]张胜霞, 徐鸿雁, 郭进.基于商业智能的大学生网络招聘信息系统分析[J].电子测试, 2013 (12) :77-78.
　　[5]佚名.国网信通公司"基于云计算的智能用电商业智能系统"项目通过中国电机工程学会鉴定[J].电力信息化, 2012, 10 (4) :64.