润乾报表系统是国内领先的企业级报表分析软件。它提供了高效的报表设计方案、强大的报表展现能力、灵活的部署机制，并且具备强有力的填报功能，为企业级数据分析与商业智能提供了高性能、高效率的报表系统解决方案。

    润乾报表软件开创性地提出了非线性报表模型、强关联语义模型等先进技术，提供了灵活而强大的报表设计方式和分析功能，使得用户可以不需要掌握复杂的专业开发技能，就可以随时根据业务需要轻松完成各种复杂的报表制作、数据分析，及时掌握企业动态，透视经营数据，真正实现企业报表分析的随需而动。

润乾开创的报表模型

    润乾报表先后开创性地提出了类 Excel 报表设计模型、非线性报表模型、多源填报模型和强关联语义模型，引领了报表工具的发展。

    ① 类 Excel 报表设计模型

解决了传统条带式模型操作不便、难以处理横向扩展等问题，大大提高了报表设计工具的方便性、易用性，已经成为报表工具新的标准；

    ② 非线性报表模型

采用了多源关联分片、不规则分组、自由格间运算、行列对称等技术，避免了大量的复杂 SQL 编写、编码与前期数据准备，以往难以实现的报表可以轻松实现，大大提高了报表设计的零编码覆盖范围，报表设计的效率提高了一个数量级；

    ③ 多源填报模型

实现了基于动态库表关联技术的填报功能，不仅可以用于制作各种复杂的数据填报表，而且可以同时读取相关数据，进行表内计算，实现填报表格式基于数据的变化，以及录入数据向多个不同数据源的回填，完美解决数据入库的难题，极大提高填报表单的处理效率，扩展了 Web 报表工具的应用方式；

    ④ 强关联语义模型

和非线性报表完美紧密结合，可以基于语义层和预设指标等通过简单的操作即可完成大量具有相当复杂度的报表，而不再需要编辑表达式，使最终用户制表成为可能。

润乾报表的特点

    润乾报表不仅在核心模型上推动了报表工具的发展，而且提供了先进的技术解决方案，全面的功能模块，不断完善细节和改进用户体验，努力为用户提供最好的报表工具。

    ① 类EXCEL的报表设计环境

Excel 式设计方式、单元格属性及公式调整；支持无编码预处理的、来自多库、多表及用户自定义等的多源报表；摈弃了传统条带式的单元格扩展机制、分组汇总机制、行列对称机制； 底图描绘的套打报表，十倍效率超越传统方式 。

    ② 多样化的数据展现方式

纯 HTML 报表（含统计图）展现，浏览器端无须下载控件；不失真导出 Excel 、 PDF ， Word 、 TXT 文件；二维 / 三维柱图、饼图、折线图等三十多种统计图；图表结合、一表多图；多种分页方式及全面的打印控制，更好地满足 Web 报表的展现需要。

    ③ 全方位的查询功能

• 通用查询:灵活地任意组合、自行定义复杂的查询条件，实现对数据的查询。
• 即时报表:纯 HTML 的报表向导，自定义查询条件，简单选择即可生成所需报表，用户随时轻松制作简单报表。
• 不限于固定模式，基于 HTML 灵活进行数据分析、钻取和挖掘。

    ④ OLAP分析查询功能数据展现方式类EXCEL

纯 HTML 模式的 OLAP 分析，更加适应 B/S 架构下的应用。拖拽维字段、指标，统计（例如 Sum 、 Count 、 Avg 等等），进行数据的旋转、切片、钻取，并根据结果生成统计图。

    ⑤ 填写数据&上报保存

动态库表关联技术实现数据库表结构与报表任意单元格间的对应；纯 HTML 、 Excel 数据填报及离线填报；多表 / 多库的数据回填；多页 / 多 Tab 填报； 文字、下拉框、下拉树等多种填报编辑风格；严格的数据填写控制及出错信息提示 。

    ⑥ 创建任务，自动生成报表——报表调度器

定时自动生成报表，多种条件下的任务触发方式，强大的参数遍历机制，灵活的多种推送方式，开放的接口，用户可自定义调度方式或开发相关应用 。

    ⑦ 企业级应用的快速实现平台——报表管理中心

提供完整的报表、用户及权限管理。

    ⑧ 应用集成与开发接口

• 提供无缝嵌入、独立服务器、 OCX 控件、 UNIX 下的字符终端等多种应用环境下的集成方案。
• 为二次开发提供了丰富的集成接口，可以很容易将其无缝嵌入到用户的各种应用程序中。

　　在数据仓库环境下进行测试时如何处理需求与质量的关系?虽然数据仓库的测试是一个惊奇而神秘的过程，但实际上它与其它测试项目并无多大区别。基本的系统分析和测试过程在这里仍然有效。我们来看一下其中的几个步骤，并研究如何在数据仓库环境中应用。

　　分析源文件

　　与其它项目一样，测试数据仓库部署时，通常都会有一份相关的说明文件。虽然这些文件对于创建基本的测试策略非常有用，但经常会缺少一些关于测试开发与执行的详细资料。有时会有一些其它文件解释技术上的细节问题，即从源到目标的转化(source-to-target mappings)说明文件。这些文件详细说明了数据的来源、如何对数据进行操作，以及存储到哪里。如果能拿到这些文件，关于系统设计的文件在设计测试策略时也会变得更加有用。

　　开发策略和测试计划

　　分析了各种各样的源文件后，就要开始创建测试策略。我发现从生命周期和质量的角度来看，增量测试是测试数据仓库的最好办法。这从本质上意味着开发团队会从开发过程的早期开始，将各种小组件交付给测试团队。这个办法的主要优点是避免交付让人吃惊的“大块”组件，可以从早期开始检验缺陷，并使调试变得简单。此外，这个方法还有助于在开发与测试周期中建立详细的过程。具体到数据仓库测试，即是对数据获取分段表，然后是增量表、基本的历史表格、BI视图等的测试。

　　另一个制定数据仓库测试策略的主要问题是基于分析(analysis-based)的测试方式和基于查询(analysis-based)的测试方式的选择。纯基于分析的方法是让测试分析师通过分析目标数据和相关标准计算出预期结果。基于查询的方法有相同的基本分析步骤，但更进一步，用SQL查询语言编写预期结果。这为将来建立回归测试过程节省了很大精力。如果测试是一次性的，那么用基于分析的方式就足够了，因为通常这种方式较快一些。反之，如果企业对回归测试有持续的需求，那么基于查询的方式会更为合适。

　　测试的开发与执行

　　不管在测试执行过程之前还是之后进行测试的开发，要根据上行需求的稳定性和分析过程决定。如果情况变动比较频繁，那么早期进行的测试开发可能大部分都会被废弃。这种场合，实时进行的整合的测试开发和执行过程通常会更有效果。不管怎样，在设计测试开发和执行过程的框架时，参考一下测试分类总是有用的。比如，一些数据仓库的测试分类可能有：

• 　　记录计数(预期与实际对比)
• 　　副本记录
• 　　参考数据有效性
• 　　参照完整性
• 　　错误与异常逻辑
• 　　增量过程与历史过程
• 　　控制栏值与默认值

　　除这些分类外，还可以参考缺陷分类学，比如Larry Greenfield的分类。

　　测试执行时，准确的状态报告过程是经常被忽略的一个方面。在确定团队里的其他人明白你的方法的前提下，测试分类和测试进度可以保证他们对测试状态也有一个清楚的概念。有了详细的规划并坚持到底，以及良好的沟通，就能建立一个数据仓库测试过程，帮助项目团队取得满意的成果。

Style Report是美国英网软件技术公司开发的基于Web的纯Java电子报表解决方案。通过Style Report，用户在Internet/Intranet 环境中可以非常方便地构建一个强大的报表系统：用户可以在任何地方通过浏览器来观看报表，且不需要下载任何的插件；用户所观看到的报表是完全动态可交互的，并且可以很方便地通过电子化的方式来存储和传输；用户不仅可以交互地观看报表，还可以修改报表或是创建一个新的报表 。

Style Report产品功能

Style Report从报表的设计、报表服务的管理以及最终展现界面都提供了非常多、强大的功能特性，最大程度的满足报表开发人员、报表管理人员以及最终用户的需求。接下来介绍下其主要的功能点：

1.打印驱动：除可以用Java内置的打印驱动外，还可以选择Inetsoft的打印驱动以加快打印速度和提高打印质量。具备强大的打印功能：安全的服务器端打印与可选择的客户端本地打印相结合满足用户的需求，也可以输出为PDF、HTML、CSV、PS、EXCEL、XML、RTF等流行格式进行打印，方便用户进行选择

2.报表格式：除了支持传统的带状(Band)报表布局外，还支持新的流式(Flow)和表格式(Tabular)报表布局，同时针对中国式的复杂报表增加了Free Hand和公式表单的功能，使客户可以更容易、更方便的设计出所需要的报表

3.报表元素：支持表格、图表、图像、文本等所有流行的报表元素和多种交互性元素

4.表格样式：可以根据内容进行自动的布局，可以针对单元格定制表格格式，支持超过100种内置的表格风格，同时可以自己建立表格风格，还可以针对单独单元格进行格式化

5.图表处理：支持如Bar、Line、Area、Bubble等30多种图表格式及它们的交叉混合使用，支持图表和表格间相互数据的转换及数据共用

6.格式转换：支持PostScript、RTF、CSV、PDF、HTML和Excel格式的转换

7.报表预览：内置的报表预览工具可以预览报表，方便报表制作

8.可视化查询设计器：图形化的操作界面支持JDBC、CORBA、EJB、XML、TEXT等多种数据源和图形化的生成SQL 和SQL的解析，对于数据库同时支持视图和存储过程。还提供了Data Sheet界面，解决同时调用多数据源问题

9.对Script的支持：用户可以编写JavaScript或代码来实现对每个报表元素的控制，以实现更多的功能，同时在脚本代码中可以调用软件的API和Java语句，实现更强大功能

10.与JSP和HTML集成：增加了JSP Tag库，可以将报表内嵌到JSP中。通过不同的Tag分别访问报表的内容和工具按钮。这样，应用程序可以选用或创建一个用户定制的界面，或将报表内嵌到没有使用Frame的HTML页面中。多张报表可以内嵌到同一个JSP页面里

11.与Portlet集成：报表可以被应用到Portal服务器中，作为Portlet来使用。作为Portlet的报表完全基于Portlet标准，支持Apache Jetspeed、Weblogic和Websphere等Portal服务器。报表可以被内嵌到Portal页面中或是作为独立的Portlet使用。随同强大的JSP Tag库，会更简单方便地将报表集成到你的Portal和应用程序中

12.可重用的报表Bean组件：报表开发者可以事先将一些较固定的报表功能模块做成Bean, 然后把这些Bean作为元素，加到任何要设计的报表中，从而达到多次重复使用的目的

13.远程浏览报表：提供DHTML Viewer和Java Viewer，用户可以通过浏览器或Java客户端程序来远程浏览报表，同时进行一些如查询、打印、下载、邮件分发、存档、编辑等处理

14.自动分发报表：能够在实时的动态数据基础上创建报表，并立刻通过电子邮件把报表以任何支持的文件格式分发出去

15.参数化的报表：企业版不但能够建立简单的子表链接报表，而且能够建立有任意数量、任意层的子表链接的报表

16.最终用户创建报表：企业版提供了基于Web的报表制作工具，最终用户可以在浏览器上基于开发者为其定义的报表原型实现报表创建工作

17.存档及版本管理：用户可以以流行的输出格式将自己的报表保存到本地的文件系统中或一个版本控制系统中，而且还可以设定清理存档系统的规则

18.计划任务：允许管理员或任何单独的用户建立计划任务，按照一定周期，定义多种action来执行报表

19.远程管理：Web界面的所有功能都可以在浏览器中通过基于Web的管理工具来进行管理，管理员再也不必被约束在本地的服务器前

20.内建的安全策略（Security）及LDAP支持，支持默认和自定义的安全机制

21.按需分页调度（Demand-Paging），最大限度提高性能

22.集群配置（Clustering）及负载平衡功能

23.数据流技术(Data Streaming)：Style Report利用独特的、具领先地位的数据流技术，高质量的解决数据量大的问题。它利用数据流高效率地提取大型数据集，生成报表。无须等到数据全部提取出来，只要获取的数据可以生成报表的第一页，它就会被传送到报表引擎生成报表，然后利用‘按需分页调度（Demand-Paging）机制发送报表到用户界面

24.系统优化技术(System Optimization)：优化选项控制着报表的生成是按CPU还是内存进行优化。如果按内存进行优化，当大型数据集的大小超过了页面调度的极限，在处理过程中，数据集将被按页存储到磁盘。如果按CPU进行优化，数据会被长时间地保存在内存中，以供直接访问，提高报表生成的速度

25.可调整的缓冲系统(Configurable Cache)：强大的缓冲系统可以存储最近执行过的报表和数据集。根据具体的性能要求，管理员可以通过Enterprise Manager直接调整缓冲系统的配置，包括：缓冲区大小，缓冲时间间隔，交换文件的最大生命周期，工作集大小以及每个会话的最大报表数

26.连接池(Connection Pool)：为了减少数据提取时的开销，Style Report使用连接池连接数据库。用户既可以使用系统预设的，也可以使用自己的连接池，以提高报表系统的性能

27.Ad-hoc报表：Ad-hoc数据访问功能得到了很大的增强。所有的功能被分离为多个小的易管理的窗口，它是一种基于模的设计，对最终用户来说，大大提高了可操控性

   Style Report的过人之处

Style Report的采用先进的体系架构，轻量级的软件架构非常适合软件集成商，而其完整的功能，非常适合最终用户建立自己的报表平台。Style Report作为世界上第一款纯Java 的前端展现工具，从开始开发到今天，都在不断的发展和改进。如今，它已经是一款非常成熟的产品了，下面来介绍下Style Report值得称道的地方：

1.   超强移植性：Style Report纯Java的特点，以Jar包的形式无缝集成到应用系统中，可以部署在各种平台上，Style Report轻量级的特点，可以与集成的应用系统达到最高的效率，而且可以充分的利用应用服务器的集群共享能力，控制力也非常深入，并且能够与应用程序统一部署安装，整体结构非常自然。同时适合二次开发，提供一套完整的API协议，适合用户对现在功能的修改，提供了多种开放的接口适合用户的功能扩展，它可以和用户现有的Java程序无缝结合，减少用户的重复投资。

 

2.   可视化的报表设计：使用户能够轻而易举地设计出专业化的报表，Free Hand和公式表格解决中国式复杂报表难题，支持多种图形样式，图表结合，展示美观。集成开发环境，方便开发人员完成整个开发过程。

 

 

 

3.       强大交互功能报表：提供多种交互性元素组件和专门参数页面，支持任意参数、任意层次和同一页面或不同页面的展示，Style Report做出来的表，而且非常美观。

 

 

4.      基于Web的报表管理：基于Web的定制和存档管理，满足用户的个性化需求，完善的安全机制和访问控制，使报表数据得到保护，计划任务管理使得报表可以按照定义的action执行多种任务，并且报表可以多种格式通过邮件自动分发、自动完成日常事务，从而减轻管理员工作负担，同时性能管理调优化都是图形界面方式操作，适合非IT人员操作。

5.     基于Web的创建和修改：报表开发者可以在Web浏览器上创建或编辑报表，并可以将创建好的报表以多种方式保存，这一功能实现了报表的远程开发。为了简化工作，Style Report提供了多种报表原型模板。通过DHTML显示和拖拽，实现了一个操作方便的基于Web的可视化设计环境。

水晶报表（Crystal Report）是业内最专业、功能最强的报表系统，它除了强大的报表功能外，最大的优势是实现了与绝大多数流行开发工具的集成和接口。在VS.Net平台做过报表开发的程序员，一定都对水晶报表强大、高效、集成等特性留下了深刻印象。 除了开发新程序外，在工作中我们常需要接触到很多较早的软件系统报表功能升级的需求，如果能结合水晶报表这一强大的工具，往往能事半功倍。

VB是以前流行的数据库开发平台，用其开发的C/S系统在社会上有非常大的保有量，但VB超弱的报表功能往往让程序员面对客户的升级要求一筹莫展。本文并不做水晶报表的使用和编程教学，实际上水晶报表本身的使用方法和VS.Net平台并没有太大的差别，我主要是和大家探讨一下VB和水晶报表的一种较方便的接口方式。

* 一套完整的Web报表制作解决方案，让您容易制作网络报表
* 功能强大的工具，可将报表制作功能与Web及Windows应用程序结合
* 可利用各种资料来源，建立简报品质的精良报告
* 与微软Office紧密结合的报表制作功能
* 快速的报表处理功能
* 可弹性地传送报表
* 与Crystal Reports商业智能产品家族完全结合

从简单到复杂的报表，Crystal Reports 都可以协助您存取、分析、报告及分享数据,结合使用容易、具弹性、功能强大的特性，提供简报品质的完美报表。

[功能：]
使用各种资料来源制作报表
享用功能强大的设计与格式设定功能
结合具弹性的分析
最快的报表处理能力
灵活的报表传送作业
可扩充的Web报表制作
取得您所需要的功能强大、弹性高的报表制作工具，将精巧的报表的制作功能结合到您的Windows及Web应用程序。充分运用针对网站thin-wire环境设计的报表制作功能
支持应用程序的强大报表制作功能
享用前所未有的弹性与操控能力
完成应用程序资料的报表

       经过几年的积累，大部分中大型的企事业单位已经建立了比较完善的CRM、ERP、OA等基础信息化系统。这些系统的统一特点都是:通过业务人员或者用户的操作，最终对数据库进行增加、修改、删除等操作。上述系统可统一称为OLTP(Online Transaction Process，在线事务处理)，指的就是系统运行了一段时间以后，必然帮助企事业单位收集大量的历史数据。但是，在数据库中分散、独立存在的大量数据对于业务人员来说，只是一些无法看懂的天书。业务人员所需要的是信息，是他们能够看懂、理解并从中受益的抽象信息。此时，如何把数据转化为信息，使得业务人员(包括管理者)能够充分掌握、利用这些信息，并且辅助决策，就是商业智能主要解决的问题。

　　如何把数据库中存在的数据转变为业务人员需要的信息?大部分的答案是报表系统。简单说，报表系统已经可以称作是BI了，它是BI的低端实现。

　　现在国外的企业，大部分已经进入了中端BI，叫做数据分析。有一些企业已经开始进入高端BI，叫做数据挖掘。而我国的企业，目前大部分还停留在报表阶段。

　　数据报表不可取代

　　传统的报表系统技术上已经相当成熟，大家熟悉的Excel、水晶报表、Reporting Service、润乾报表等都已经被广泛使用。但是，随着数据的增多，需求的提高，传统报表系统面临的挑战也越来越多。

　　1. 数据太多，信息太少

　　密密麻麻的表格堆砌了大量数据，到底有多少业务人员仔细看每一个数据?到底这些数据代表了什么信息、什么趋势?级别越高的领导，越需要简明的信息。如果我是董事长，我可能只需要一句话:目前我们的情况是好、中还是差?

　　2. 难以交互分析、了解各种组合

　　定制好的报表过于死板。例如，我们可以在一张表中列出不同地区、不同产品的销量，另一张表中列出不同地区、不同年龄段顾客的销量。但是，这两张表无法回答诸如“华北地区中青年顾客购买数码相机类型产品的情况”等问题。业务问题经常需要多个角度的交互分析。

　　3. 难以挖掘出潜在的规则

　　报表系统列出的往往是表面上的数据信息，但是海量数据深处潜在含有哪些规则呢?什么客户对我们价值最大，产品之间相互关联的程度如何?越是深层的规则，对于决策支持的价值越大，但是，也越难挖掘出来。

　　4. 难以追溯历史，数据形成孤岛

　　业务系统很多，数据存在于不同地方。太旧的数据(例如一年前的数据)往往被业务系统备份出去，导致宏观分析、长期历史分析难度很大。

　　因此，随着时代的发展，传统报表系统已经不能满足日益增长的业务需求了，企业期待着新的技术。数据分析和数据挖掘的时代正在来临。值得注意的是，数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值，并不是取代数据报表。报表系统依然有其不可取代的优势，并且将会长期与数据分析、挖掘系统一起并存下去。

　　八维以上的数据分析

　　如果说OLTP侧重于对数据库进行增加、修改、删除等日常事务操作，OLAP(Online Analytics Process，在线分析系统)则侧重于针对宏观问题，全面分析数据，获得有价值的信息。

　　为了达到OLAP的目的，传统的关系型数据库已经不够了，需要一种新的技术叫做多维数据库。

　　多维数据库的概念并不复杂。举一个例子，我们想描述2003年4月份可乐在北部地区销售额10万元时，牵扯到几个角度:时间、产品、地区。这些叫做维度。至于销售额，叫做度量值。当然，还有成本、利润等。

　　如图2，每个维度分别代表了时间、产品和地区，立方体上的单元代表了度量值。进一步，维度可以分为不同的层次。

图1 某案例中对销售额的解析及当前产品的分类

图2 使用多维数据分析的案例

图3 某案例的数据分析投影图

       除了时间、产品和地区，我们还可以有很多维度，例如客户的性别、职业、销售部门、促销方式等等。实际上，使用中的多维数据库可能是一个8维或者15维的立方体。

       虽然结构上15维的立方体很复杂，但是概念上非常简单。

　　数据分析系统的总体架构分为四个部分:源系统、数据仓库、多维数据库、客户端。

　　·源系统:包括现有的所有OLTP系统，搭建BI系统并不需要更改现有系统。

　　·数据仓库:数据大集中，通过数据抽取，把数据从源系统源源不断地抽取出来，可能每天一次，或者每3个小时一次，当然是自动的。数据仓库依然建立在关系型数据库上，往往符合叫做“星型结构”的模型。

　　·多维数据库:数据仓库的数据经过多维建模，形成了立方体结构。每一个立方体描述了一个业务主题，例如销售、库存或者财务。

　　·客户端:好的客户端软件可以把多维立方体中的信息丰富多彩地展现给用户。

    数据分析案例:

　　在实际的案例中，我们利用Oracle 9i搭建了数据仓库，Microsoft Analysis Service 2000搭建了多维数据库，ProClarity 6.0 作为客户端分析软件。

　　分解树好像一个组织图。分解树在回答以下问题时很有效:

　　·在指定的产品组内，哪种产品有最高的销售额?

　　·在特定的产品种类内，各种产品间的销售额分布如何?

　　·哪个销售人员完成了最高百分比的销售额?

　　在图1中，可以对PC机在各个地域的销售额和所占百分比一目了然。任意一层分解树都可以根据不同维度随意展开。在该分解树中，在大区这一层是按国家展开，在国家这一层是按产品分类展开。

　　投影图(图3)使用散点图的格式，显示两个或三个度量值之间的关系。数据点的集中预示两个变量之间存在强的相关关系，而稀疏分布的数据点可能显示不明显的关系。

　　投影图很适合分析大量的数据。在显示因果关系方面有明显效果，比如例外的数据点就可以考虑进一步研究，因为它们落在“正常”的点群范围之外。

　　数据挖掘看穿你的需求

　　广义上说，任何从数据库中挖掘信息的过程都叫做数据挖掘。从这点看来，数据挖掘就是BI。但从技术术语上说，数据挖掘(Data Mining)特指的是:源数据经过清洗和转换等成为适合于挖掘的数据集。数据挖掘在这种具有固定形式的数据集上完成知识的提炼，最后以合适的知识模式用于进一步分析决策工作。从这种狭义的观点上，我们可以定义:数据挖掘是从特定形式的数据集中提炼知识的过程。数据挖掘往往针对特定的数据、特定的问题，选择一种或者多种挖掘算法，找到数据下面隐藏的规律，这些规律往往被用来预测、支持决策。

　　关联销售案例:

　　美国的超市有这样的系统:当你采购了一车商品结账时，售货员小姐扫描完了你的产品后，计算机上会显示出一些信息，然后售货员会友好地问你:我们有一种一次性纸杯正在促销，位于F6货架上，您要购买吗?

　　这句话决不是一般的促销。因为计算机系统早就算好了，如果你的购物车中有餐巾纸、大瓶可乐和沙拉，则86%的可能性你要买一次性纸杯。结果是，你说，啊，谢谢你，我刚才一直没找到纸杯。

　　这不是什么神奇的科学算命，而是利用数据挖掘中的关联规则算法实现的系统。

　　每天，新的销售数据会进入挖掘模型，与过去N天的历史数据一起，被挖掘模型处理，得到当前最有价值的关联规则。同样的算法，分析网上书店的销售业绩，计算机可以发现产品之间的关联以及关联的强弱。

　　数据报表、数据分析、数据挖掘是BI的三个层面。我们相信未来几年的趋势是:越来越多的企业在数据报表的基础上，会进入数据分析与数据挖掘的领域。商业智能所带来的决策支持功能，会给我们带来越来越明显的效益。

   2007年是商业智能从感性回归理性的一年，也是从完善到提升承前启后的一年。回顾篇

认识层面

2007年，国内国外普遍加深了对BI的理解。Gartner商业智能峰会重定义了BI，视BI为一个伞状的概念，它包括了分析应用、基础架构和平台以及良好的实践。此举印证也进一步引导BI实现着三个转折:从数据驱动转向业务驱动、从关注技术转向关注应用、从关注工具转向关注工具产生的绩效。其实质是BI以业务为驱动，根据商业策略及其所需要的分析以运用数据。认识的转变对技术的研发有着重大的指导作用。

基础技术架构层面

收购减少了数据在BI不同厂商产品的流转环节，既丰富了产品线，又有利于进一步强壮基础架构。Oracle收购了Hyperion，IBM收购了Cognos，SAP收购了BO。收购行为促进了BI技术和工具的整合，促进了BI从数据抽取、数据加工存储、数据分析和数据展现四个环节的全程贯通。全程贯通后收购者所有的工具开始逐步使用相同的安全机制、元数据、门户、对象模型和查询引擎，并具有统一的界面。

执行层面

为了进一步提高数据管控水平以保证BI执行时的数据准确性，元数据管理产品得到更大的重视，数据的血缘分析和影响分析等技术进一步细化。这些技术的产生和完善，促进技术人员对数据的整个生命周期进行管理，有利于提高数据质量。

语义层功能极大地方便了业务用户对数据的操纵。一是能用业务语言了解字段含义。通过语义层技术可以隐藏基本数据的复杂性，将数据库中英文字段名称、表名称、指标计算公式等描述为用户熟知的业务术语。

二是可以亲自动手直接拖拉各字段做所需要的报表。 IT人员协助完成语义层定义，使表关系建好在语义层中，以支持多字段关联、内外连接。这样，业务人员在做查询或报表时，就不必理会表关联了，需要查什么直接拖放即可。语义层技术支撑了企业建立详细和易于理解的可视化查询对象的需求。

此外，2007年绩效管理、Office集成、即席查询等前端展现技术表现比较突出。近年的实践及权威重定义BI的认识变化，使得BI嵌入了更多的管理理念和管理方法;同时业务人员在项目中主导设计商业策略和业务规则，他们的加入使得BI离管理越来越近，离业务越来越近。 因此与业务紧密相联的BPM/EPM/CPM等绩效管理产品和服务已渐渐得到用户认可。

另外，企业绩效仪表盘（Dashboard）、企业关键绩效指标等实现技术运用增多。Dashboard已经从驾驶舱、速度表、气压计等简单的指标警示开始转向带有管理意味的指标关联展示，如杜邦分析、平衡计分卡等。指标关联技术对于支持决策者一目了然地察觉信息间的关联，以在事前采取措施有着重要意义。

“数据—趋势图形”的交互式联动也引起了一些用户的兴趣，对于MS Office集成日益得到重视。多数BI厂商提供了Office集成功能。支持PowerPoint，尤其是支持Excel得到了用户的积极响应。由于高层用户对关键指标即时信息的关注，EII技术得到进一步应用，使BI提供了及时更新数据的能力。

2007年不少BI产品已经开始嵌入运筹学等优化技术辅助决策，预测建模上更加完善。用户根据既定的目标，调整约束条件可以产生比较有利的解决方案或方案组合。BI产品提供的这种建模和高级计算功能是一种仿真型模拟或测算，它提高了BI的智能程度。预测建模技术方面，除ARIMA建模外，指数平滑、时间序列解构、回归预测模型、谱分析也得到了拓展和应用。

展望篇

2008年，BI在认识层面、执行层面和基础层面可能会有以下提升:

认识层面，技术的实现要围绕着业务的需求而展开，这种导向将日益被接受。

基础层面，“端到端”的全程在一个BI厂商贯通的状况在收购完成后也得到极大地改善，“数据抽取、数据加工存储、数据分析和数据展现”全程的一致与贯通，将提高数据管控水平。

对于非结构数据，文本挖掘的狭义形式文本搜索技术也可能引起用户的注意。保证“端到端”的数据质量仍将是重要的关注点，元数据管理在技术方面会进一步深化数据从产生、加工、分析到展示的完整生命生期过程的落实与有效运用。通过图形或图表等多种方式来反映数据的高级可视化技术会使结果更为直观。

执行层面，“应用不易落实”这种本质性的难题，可能将在2008年后实现转变。

一是应用主体的泛化，使得BI融入日常业务运作。BI将在单位的基层、中层中得到应用，也就是流程型BI（或操作型BI）将得到重视和推广。这种流程型BI的“下里巴人形象”将实现“一般员工也需要用BI，也能用BI，也必须用BI”，从而使BI最大化地用起来。

应用主体泛化下产生的流程型BI需求，要求技术在以下方面做好支撑:数据获取、数据存储、数据交付方面选择适合的方案，如考虑在OLTP、ODS、数据仓库中获取数据；提供高性能，包括增加扩展性和吞吐量、在处理高负载任务时屏蔽新请求;分离分析型和战术型查询和任务;借助RDBMS混合型工作负载的能力等等。

二是，应用智能的深化。智能程度分为三个等级，第一层次是提供数据参考帮助用户作数字方面的回忆或确认已发生的事实，这叫查询/报表;

第二层次是帮助用户寻找关系、寻找原因并加以预测，叫“综合分析”;三是产生几条实现目标的路径，让用户取舍，叫做“方案选择”。方案选择层次事实上需要产生应对问题的措施或解决办法。

2008年，在国内市场出现的大部分BI产品将可能会在技术支撑下走到综合分析层面，将在帮助用户建立指标之间信息关联基础上具备揭示问题原因、估计未来趋势的功能。

部分BI产品在初步具备对确定型决策提供方案选择能力的基础上，可能会引入风险偏好概念，完善决策敏感度支撑技术以促进风险型决策的实现。另外，由于业务驱动数据逐步得到认同，业务人员在BI项目中的话语权和主导权慢慢得到确定，这样真正符合工作实际的商业策略及其实用分析手段可能在业务人员主导下嵌入BI产品中以保证BI的实用性。如此必然要求完善和提升二次开发功能的支撑技术以适应业务人员提出的业务需求，比如预定义的商业软件包，灵活的新业务规则创建等。

第三，应用方式的简化。为在业务导向下实现BI智能程度的提高以辅助用户决策，除提升上述开发、集成技术，提升和完善分析工具外，信息展现的简约便利、直观和动态也将进一步提升。

简约便利要求在全局范畴下完善语义层，实现所有数据在语义层功能下的树状结构与详细描述解释;动态方面，如在Web方式下用OLAP浏览多维数据时，不仅需要强化技术手段提高查询性能，而且要求技术支撑回写功能。又如在与Office集成，要求技术能在Excel支持单元格锁定，回写等;直观方面，更多形式但带有管理意义的仪表盘可能会得到应用，如IFE矩阵、SWOT矩阵、产品/市场扩展矩阵、服务质量差距模型等。

总体来看，2007年是BI感性回归理性的一年。2008年以后的BI，则承上启下，从完善中提升。

横向上，将由功能型BI（传统BI）拓宽到流程型BI，在纵向上由“综合分析层次”向“方案选择层次”深入。如图所示。功能型BI指为特定、某方面的管理需求提供的商业智能，显示为功能菜单，重要性强，紧急性较弱，为高层服务，逻辑性高；流程型BI在操作层人员工作流程关键节点之中内嵌智能，提供及时反馈并立即作用于工作流，辅助用户日常工作。BI纵横提升的实现有赖于开发管控型技术和应用支撑型技术的深入研究和应用。

转自：http://www.amteam.org/k/BI/2008-1/606925.html

1、 Howard Dresner对商业智能的定义

商业智能（Business Intelligence，简称BI）的概念最早是Gartner Group的Howard Dresner于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的技术及其应用。当时的预测说：到2000年，信息民主（注：指组织内信息共享的无差别性）将在具有前瞻性思维的企业中浮现。借助商业智能，员工、咨询员、客户、供应商以及公众能够有效地运用信息。其实，商业智能所涉及的技术与应用，在Howard Dresner命名之前就有，起初被称为主管信息系统（EIS），在羽化成商业智能之前叫决策支持系统（DSS）。

2、 Eric Thomsen对OLAP及商业智能的论断

Eric Thomsen是DSS Lab的首席科学家，他提出了基于决策支持系统的OLAP的设计和实现。OLAP是创建商业智能系统的重要技术，其技术的应用非常广泛。Eric Thomsen在其代表作《OLAP解决方案：创建多维信息系统（OLAP Solutions: Building Multidimensional Information Systems）》第二版中有关于一些相关概念的论述：数据仓库（DW）/决策支持系统（DSS）/商业智能（BI）/联机分析处理（OLAP）/基于分析的面向决策的处理（ABDOP）——数据仓库（DW）的焦点还是十分有限的。决策支持这个术语是以最终用户为中心的，在谈到OLAP和数据仓库时作为ABDOP的补充。从这以后，数据仓库和决策支持的范围有了很大的扩展，但是还没有达到ABDOP的全部内容。商业智能也开始流行起来，也覆盖了相同的范围，不过一般来说，它更加关注于最终用户信息获取的问题。经常看到人们将数据仓库和决策支持或者商业智能联合起来指代所称的ABDOP的全部范围，却没有真正给整个范围起一个名字。

Eric Thomsen采用苏格拉底启发式方式讲解和论述了决策的阶段，从而阐述了商业智能（或其平行概念）的研究内容和方法：

认为，通过观察如何证实一个被挑战的决策是否正确，就可以很好地了解到指定决策究竟需要些什么信息。

2         决策的目标是什么？如果没有目标，任何决策都是没有差别的。在寻求最优决策的过程中，可能用到的算法包括线性编程和蒙特卡洛模拟协助在各种选择、外部因素、偶然事件中进行决策思考的工具就是决策分析工具。

2         如何证明决策可以达到预定的目标？惟一能够证实决策是正确的方法是显示一些预测结果。进行预测用到的工具包括了统计分析和数据挖掘。

2         预测又是从何而来？这时候需要一个推理的过程。预测是模式、关系、解释的延伸。他们需要至少一个用来延伸的假设。所有的预测都需要两个描述和一个假设。用于发现模式的算法包括回归、决策树、聚类、关联规则、神经元网络，用于发现模式的工具也是统计和数据挖掘。

2         如何捍卫描述？如果描述是不正确的，不管推理如何，预测都将是错误的。因此，在原始数据收集过程中应该采用最好的质量控制方法。

2         派生数据是否正确？如果原始数据和推理逻辑都是正确的，预测还是错误的，问题就出在派生数据上。派生数据包括了各种汇总、分配、差别、比率、排序和乘积，例如每周的产品销售量、每天的入库总额、产品的总成本、部门收入、管理费用、销售产品的成本、市场份额、产量和利润等。OLAP工具所关注的就是创建派生变量。

3、 Tom Soukup 和 Ian Davidson对商业智能和可视化数据挖掘的阐述

在《可视化数据挖掘：数据可视化和数据挖掘的技术与工具（Visual Data Mining : Techniques and Tools for Data Visualization and Mining）》中指出：

商业智能解决方案将业务数据转换成明确的、基于事实的、能够执行的信息，并且使得业务人员能够发现客户趋势，创建客户忠诚度，增强与供应商的关系，减少金融风险，以及揭示新的销售商机。商业智能的目标是了解变化的意义——从而理解甚至预见变化本身。它使你能够访问当前的、可靠的和易消化的信息，并能够从各个侧面及不同的维度灵活地浏览信息和建立模型。商业智能方案回答的是“如果……怎么办（What if …）”之类的问题，而不是“发生了什么？（What happened ?）”。简而言之，商业智能解决方案是提高和维持竞争优势的一条有效的条件。

数据可视化和数据挖掘是两种技术，它们常常被常用来创建和部署成功的商业智能解决方案。通过应用可视化和数据挖掘技术，业务人员能够充分地探索业务数据，从而发现潜在的、以前未知的趋势、行为和异常。

提出了一套行之有效的创建数据可视化和执行可视化数据挖掘的方法，包括8个步骤：①验证和规划数据可视化与数据挖掘项目；②识别最重要的业务问题；③选择数据集；④转换数据集；⑤验证数据集；⑥选择可视化或挖掘工具；⑦分析可视化或挖掘模型；⑧验证和展示可视化或挖掘模型。

4、 Bill Inmon对数据仓库的定义

数据仓库之父Bill Inmon在1991年出版的“Building the Data Warehouse”一书中所提出的定义被广泛接受——数据仓库（Data Warehouse）是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的（Non-Volatile）、反映历史变化（Time Variant）的数据集合，用于支持管理决策(Decision Making Support)。

2         面向主题。操作型数据库的数据组织面向事务处理任务，各个业务系统之间各自分离，而数据仓库中的数据是按照一定的主题域进行组织的。

2         集成的。数据仓库中的数据是在对原有分散的数据库数据抽取、清理的基础上经过系统加工、汇总和整理得到的，必须消除源数据中的不一致性，以保证数据仓库内的信息是关于整个企业的一致的全局信息。

2         相对稳定的。数据仓库的数据主要供企业决策分析之用，所涉及的数据操作主要是数据查询，一旦某个数据进入数据仓库以后，一般情况下将被长期保留，也就是数据仓库中一般有大量的查询操作，但修改和删除操作很少，通常只需要定期的加载、刷新。

2         反映历史变化。数据仓库中的数据通常包含历史信息，系统记录了企业从过去某一时点(如开始应用数据仓库的时点)到目前的各个阶段的信息，通过这些信息，可以对企业的发展历程和未来趋势做出定量分析和预测。

企业数据仓库的建设，是以现有企业业务系统和大量业务数据的积累为基础。数据仓库不是静态的概念，只有把信息及时交给需要这些信息的使用者，供他们做出改善其业务经营的决策，信息才能发挥作用，信息才有意义。而把信息加以整理归纳和重组，并及时提供给相应的管理决策人员，是数据仓库的根本任务。因此，从产业界的角度看，数据仓库建设是一个工程，是一个过程。

5、 E.F. Codd对OLAP的贡献

60 年代末，E.F. Codd 所提出的关系数据模型促进了关系数据库及联机事务处理（OLTP ）的发展。数据不再以文件方式同应用程序捆绑在一起，而是分离出来，以关系表方式供大家共享。数据量从80年代的兆字节及千兆字节过渡到现在的兆兆字节和千兆兆字节，同时用户的查询需求也越来越复杂，涉及的己不仅是查询或操纵一张关系表中的一条或几条记录，而且要对多张表中千万条记录的数据进行数据分析或信息综合。关系数据库系统已不能全部满足这一要求。这两类应用― 操作型应用和分析型应用，特别是在性能上难以两全，尽管为了提高性能，人们常常在关系数据库中放宽了对冗余的限制，引入了统计及综合数据，但这些统计综合数据的应用逻辑却是分散杂乱的，非系统化的，因此分析功能有限，不灵活，维护困难。在国外，不少软件厂商采取了发展其前端产品来弥补RDBMS 支持的不足。它们通过专门的数据综合引擎，辅之以更加直观的数据访问界面。力图统一分散的公共应用逻辑，在短时间内相应非数据处理专业人员的复杂查询要求。1993年，E.F. Codd 将这类技术定义为“OLAP ”。鉴于Codd 关系数据库之父的影响。OLAP 的提出引起了很大反响，OLAP 作为一类产品同OLAP 明显区别开来。

联机分析处理专门设计用于支持复杂的分析操作，侧重对决策人员和高层管理人员的决策支持，可以应分析人员要求快速、灵活地进行大数据量的复杂查询处理，并且以一种直观易懂的形式将查询结果提供决策人员，以便他们准确掌握企业（公司）的经营状况，了解市场需求，制订正确方案，增加效益。

6、 国外学者对数据挖掘的定义及其研究方法的概括

Gartner Group ：“数据挖掘是通过仔细分析大量数据来揭示有意义的新的关系、模式和趋势的过程。它使用模式认知技术、统计技术和数学技术。”

The META Group的Aaron Zornes ：“数据挖掘是一个从大型数据库中提取以前不知道的可操作性信息的知识挖掘过程。”

SAS研究所：“在大量相关数据基础之上进行数据探索和建立相关模型的先进方法”。

Bhavani ：“使用模式识别技术、统计和数学技术，在大量的数据中发现有意义的新关系、模式和趋势的过程”。

Hand et al ：“数据挖掘就是在大型数据库中寻找有意义、有价值信息的过程”。

Fayyad ：数据挖掘是一个确定数据中有效的，新的，可能有用的并且最终能被理解的模式的重要过程。

Zekulin ：数据挖掘是一个从大型数据库中提取以前未知的，可理解的，可执行的信息并用它来进行关键的商业决策的过程。

Ferruzza ：数据挖掘是用在知识发现过程，来辩识存在于数据中的未知关系和模式的一些方法。

Jonn ：数据挖掘是发现数据中有益模式的过程。

Parsay ：数据挖掘是我们为那些未知的信息模式而研究大型数据集的一个决策支持过程。

数据挖掘的功能大致有两种，预测检验功能和描述功能。数据挖掘的任务主要有4项：①概念描述，即对数据进行浓缩，给出某类对象内涵的紧凑表示。②发现关联规则，通过分析给出两个或多个变量间存在的相关性规律。③聚类，即簇聚同类对象，使在抽象空间中属于同一类别的个体距离尽可能小，反之尽量大。④偏差检测，寻找观察结果与参照值间的差别，这些偏差往往包含很多潜在有意义的知识信息。

应用较普遍的数据挖掘与知识发现方法有：

2         遗传算法。其基本原理是：类比生物进化过程，每一代同时存在许多不同的种群个体(染色体)。这些染色体的适应性以适应性函数f(x)表征，染色体的保留与淘汰取决于它们对环境的适应能力，优胜劣汰。适应性函数f(x)的构成与目标函数密切相关，往往是目标函数的变种。?遗传算子主要有3种：选择(复制)算子、交叉(重组)算子和变异(突变)算子。遗传算法可起到产生优良后代的作用，经过若干代遗传，将会得到满足要求的后代(问题的解)。

2         粗集方法。其基本原理是：将数据库中的行元素看成对象，将列元素看成属性。设R为等价关系，定义为不同对象在某个(或几个)属性上取值相同。那些满足等价关系的对象构成集合，称为该等价关系R的等价类。设E为条件属性上的等价类，设Y为决策属性上的等价类，则E 和Y存在3种情况：Y包含E称为下近似；Y与E的交非空，称为上近似；Y与E的交为空，称为无关。对下近似建立确定性规则，对上近似建立不确定规则(含可信度)，对无关情况则不存在规则。

2         决策树方法。决策树方法是以信息论原理为基础，利用信息论中互信息(信息增益)寻找数据库中具有最大信息量的字段，建立决策树的一个结点。然后再根据字段的不同取值建立树的分支，在每个分支集中重复建立树的下层结点和分支。这种方法实际上是依循信息论原理对数据库中存在的大量数据进行信息量分析，在计算数据特征的互信息或信道容量的基础上提取出反映类别的重要特征。

2         神经网络方法。其原理是：模拟人脑的神经元结构，以MP模型和HEBB学习规则建立起前馈式网络、反馈式网络和自组织网络3大类多种神经网络模型。基于神经网络的数据挖掘工具对于非线性数据具有快速建模能力，其挖掘的基本过程是先将数据聚类，然后分类计算权值，神经网络的知识体现在网络连接的权值上。神经网络方法用于非线性数据和含噪声的数据时具有更大的优越性，比较适合于市场数据库的分析和建模，通过对市场数据库中行业数据的精密分析，为市场人员提供顾客、用户、市场状况和市场走势等方面的分析结果。

        一个完整的BI解决方案，无论缺少什么，报表和OLAP是不可或缺的组成部分。那么，报表和OLAP究竟有哪些本质差别，并且他们的应用价值目标又分别是什么呢，本文将为您一一详述。
报表的定义
　　报表是指定数据的固定形态展现。报表的主要属性特征表现为：数据结构固定、数据表现样式固定、数据提取范围可以由浏览者临时通过报表参数进行控制，也可以预先固定（比如生产日报，既可以固定体现当天的生产数据，也可以由浏览者确定是要调阅某一指定日期的生产数据）。此外，报表在应用上的价值特征表现为：报表是一种个性化的、经验化的分析产物，同样的数据和同样的分析目标，根据浏览者的经验以及关注重点不同，可能会有不同的样式要求。报表对样式的要求是很严格的，设计合理的报表，不仅表现形式美观，更重要的是可以帮助浏览者迅速地判断出当前数据有无异常，以及对当前企业的特定运作状态有直观的了解。
OLAP的定义
　　与报表不同，OLAP在表现样式上比较单一，一般表现为多重交叉样式，和报表中的交叉报表在表现上比较类似。OLAP是一种分析模型，它更为关心的是如何帮助浏览者对数据的内在规律进行分析，找出数据表象下的内在因素。因此，OLAP更加侧重于维度的任意灵活组合，以及大数据量下的运算效率。在应用中，OLAP不是一种习惯性的数据观察，使用OLAP需要首先确定一个分析目标，然后才是根据目标，对OLAP进行进一步操作。
报表和OLAP两者如何结合
　　通过上面的定义，在数巨报表中，他们对报表和OLAP的价值取向做如下定义：报表是用来快速发现和定位问题或异常的，而OLAP是用来深入分析导致问题或异常的具体原因的。
　　在使用中，浏览者会根据报表来快速的定位问题。前面我们已经讲到，报表是一种经验化的东西，有经验的浏览者可以根据报表非常敏锐地发现目前存在的问题，比如产能的异常降低、订单交付周期的普遍延滞等等。一旦确认问题，就可以明确可以用于表现问题的数据范围。而后，使用OLAP对这些数据进行多角度的观察，从而进一步了解导致这些问题的原因。比如，我们现在可以确定，产品的销售额下降是一个主要问题，那么我们可以从系统上调出销量分析OLAP模型，从销售地区、销售周期、销售模式、产品等多个角度对销量数据进行组合观察，最终我们可能会确定，真正的原因是某个销售地区的销售模式调整导致该地区某些产品销量的严重下滑。 

    目前，绝大多数实施绩效管理的企业都已经引进或者准备引进KPI概念，所谓KPI，是指影响员工绩效表现的关键绩效指标，英文单词Key Performance Indicator的首字母缩写。KPI的导入，使我们对员工绩效表现的关注从眉毛胡子一把抓转移只关注对员工绩效表现有较大影响的几个关键性指标，也就是说，我们在考核一个员工的绩效的时候，并不是对员工的所有的工作职责都考核，而是选取几个重点的绩效指标，通过关注这几个关键绩效指标，来帮助员工改善绩效，进而改善企业的绩效。

　　那么，如何设计KPI，实施KPI考核应该注意哪些问题呢？笔者以为，实施KPI需至少注意以下三个层面的问题。

　　一、物质层面应注意的问题

       请注意，我们在阐述绩效考核目的时候，通常都会这样描述：绩效考核的根本目的在于改善员工的绩效，进而改善企业的绩效。对于企业来说，企业整体绩效的改善才是最重要的，而要做到这一点，首先必须关注具体从事工作的员工的绩效改善，否则，改善企业绩效的最终目标无法达成。因此，我们可以这样理解，企业绩效的改善是绩效管理的最终目的，而员工绩效的改善则是达成这一目的的必由途径。

　　鉴于上述分析，我们在设计员工绩效指标的时候，就必须有一个深刻的思考，这个思考就是，员工的绩效如何为企业的绩效做贡献？实际上，所谓绩效，就是一个员工通过履行自己的职责，对企业绩效的改善做出贡献。贡献是我们衡量员工绩效的关键词，考核员工就必须关注对企业绩效的贡献，脱离贡献谈绩效只能是为考核而考核，没有实际意义。

　　我们知道，员工在日常工作中会表现出很多行为，但并不是所有的行为都代表绩效，只有那些对企业的发展做出贡献的行为，我们才可以称之为绩效。例如：某些经理或主管，喜欢让下属为自己做一些私人的事情，比如撰写研究生毕业论文，比如帮忙处理一些私人事务，尽管这些工作会占用员工大量的时间，而且员工的这些行为也能带来好的效果，比如论文通过，比如解决主管的家庭事务，帮助主管排忧，但是我们不能把这些行为作为员工的绩效，因为这些工作与企业的目标没有任何联系，没有为企业绩效的改善做出任何贡献。另外，员工没有按照主管的意图做事，花费了一周的时间做出一个不知所云的文案，表面看来，员工是做了事，表现出了一定的行为，但这些行为与企业的要求相背离，不能为企业的发展做出贡献，那么，员工的这个行为就不能称之为绩效。

　　鉴于以上分析，我们在设计KPI的时候，首先要考虑的一个问题就是员工的绩效如何为企业的绩效做出贡献。按照这个要求，我们必须对KPI做如下思考：

       1、 KPI的来源是什么？

　　很显然，如果要做到使员工的KPI为企业的绩效做出改善，KPI的设计就必须关注企业的战略目标和年度计划，KPI必须服务企业的总体目标。

　　因此，KPI的分解的来源是企业的战略目标或年度计划，但是，许多企业并没有清晰的战略目标，或者根本不具备推行战略管理的基础，那么，这时候，我们在设计KPI的时候，就要关注年度目标，从企业的年度目标开始分解，先分解到部门，再分解到具体从事工作的员工，形成企业、部门、员工三级KPI指标体系。

　　对战略目标或年度目标进行分解的时候，我们可以采用平衡计分卡作为分解的工具，从财务层面、顾客层面、内部流程层面、学习与成长层面四个层面对战略目标或年度目标进行分解，形成公司级BSC，然后根据各个指标和部门职责的相关性，进行指标提取，形成部门的绩效指标库。注意，BSC只是在公司层面具备完善的四个层面，而形成部门绩效指标库的时候，我们就不需要严格按照四个层面进行划分，我们只要借助BSC的思想对公司级的绩效指标进行分解就可以，无须始终抱着四个层面不放。有一家企业在设计部门指标的时候，也是按照四个层面进行划分，最终发现行政管理部门的财务指标找不到，但为了不破坏四个层面的完整性，最终制订了一个每个月节约成本30元的指标，并把它作为KPI写入部门主管的业绩管理卡，实际上，这是一个没有任何意义的KPI.另外，我们知道，员工的职位并不是独立存在的，实际上，部门与部门之间，职位与职位之间存在着千丝万缕的联系，这个联系的主线就是工作流程。因此，员工的KPI中有一些可能是支持流程衔接和流程改善的，我们在设计KPI的时候应该把这个因素考虑进去。从改善流程角度选取KPI.

        2、 KPI的基础是什么？

　　很显然，员工的职位说明书是KPI设计的基础，从年度目标向员工进行分解的时候，所依据的就是员工的职位说明书。因此，在实施KPI分解的时候的，必须要先确定员工的职位及职位说明书，把员工的工作职责界定清楚，并以此为基础对KPI进行分解。

　　我把上面的因素称为物质层面的因素，他们为KPI提供物质基础，是KPI思想的物质层面。

　　二、标准层面应注意的问题

       我们在找到员工为企业做贡献的KPI之后，并不能保证其得到有效的实施，因为这个时候，只是确定了考核指标的名称和内容，而很重要的考核指标的目标值和考核标准并没有确定。

　　在制定考核标准的时候，我们通常都会遇到这样一个难题，就是指标的量化的问题，因为我们知道，只有量化的指标，才是便于考核的指标，才是具备操作性的指标。但我们在实际的工作中，也会发现，要想对员工的KPI进行量化，并不容易，比如职能部门的指标就是很难量化的，人力资源部作为绩效管理的归口管理部门，其工作本身就很难用数字说明白，比如，如何衡量绩效管理体系的效果，恐怕这样一个简单的问题就可以难倒一批HR经理。

　　但我们也应该知道，量化并不是唯一的标准，而且越是不容易量化的指标，往往越是重要的指标。比如，电话在响三声之前就要接听，这是容易量化的，便于考核的，只要考核者注意观察就可以得到准确的考核数据，但接听电话的质量如何，这个指标就不是很容易量化的，考核数据无法准确获得，但这个指标比电话响三声之前就要接听重要的多。

　　那么我们如何来确定KPI的考核标准呢？我想把握这样一个原则很重要：量化不是目的，可验证才是目的。具体地说，我们不要把量化作为考核的唯一救命稻草，眼光不要老是盯住量化不放，而是转移到可验证这个标准上来，只要我们可以找到衡量KPI的事实，对KPI的考核要求进行验证，我们就可以使KPI发挥作用。

　　而要做到可验证，我们可以在以下几个方面下工夫：

       1、细化。对于不能量化的工作，可以按”质量、时间和成本”这三个纬度进行细化。如：”2月15日之前，采购和安装全厂的消防设施，要求通过消防部门认证，费用预算为8万元人民币。”对于这样一个指标，我们可以按照质量、时间、成本三个纬度进行设计，考核的标准可以设置成为：当月没有通过认证为0分（质量），每推迟一天扣2分，每提前1天加1分（时间）。预算每超2000元扣1分，每节省1000加1分（成本）。

　　2、流程化。对于既不容易量化，内容又比较单一的工作，可以进行流程化设计。如”培训专员”的工作，工作内容就比较单一，就是负责培训，如果以此设定绩效指标，容易造成考核指标过于单薄，无法全面反映他/她的工作。这时，我们可以将培训工作按照工作的流程分解成几个部分，”培训需求调查→制定培训计划→组织实施→评估培训效果”，然后针对每个工作流程制定相应的标准，进行管理和考核。

　　3、行为化转化。即将对员工的考核变成对其行为的考核，如，我们常常说的教师的”师德”是无法直接考核的，但是我们可以看老师在教学中表现出来行为，例如，倾听学生的诉求等，就是中国话说的”言传身教”中的”身教”的部分；如，团队精神，也是无法直接考核的，我们可以通过考核员工与员工之间的不合作次数来考核这个指标，比如在一个绩效周期内，员工在流程合作方面有几次不配合，员工可以对流程衔接岗位员工的不合作行为进行投诉，以投诉次数考核这个指标；执行力这个指标也是一样，我们可以考核员工有几次不能执行上级领导的工作指令，或者有几次不能按照上级指令的标准如期完成工作任务。

　　三、操作层面应注意的问题

       我们一直强调，绩效考核是主管和员工之间探讨成功的机会，所以KPI的制订必须由主管和员工双方共同完成，而不能演变成主管对员工下达考核任务或强制推行的单方面决策。

　　所以，在分解KPI指标的时候，必须强调员工参与的原则，在选取什么KPI，如何确定目标值，如何制定考核标准等方面听取员工的意见，同时，为了做到帮助员工改善绩效的目的，主管还要秉承期望原则，对员工的绩效提高表达期望，引导员工追求高绩效，设定适当提升的考核标准。最后，很重要的一点，作为主管和员工之间的绩效协议，双方应对KPI做出正式的承诺，在成果文件上签字确认。

　　需要注意的是，很多企业容易陷入一个误区，认为只要制订了KPI，绩效管理的任务就完成了一大半，剩下的工作就只是考核打分了。于是，在很多企业里就会出现一种现象，制订绩效指标的时候，大家干得热火朝天，企业老总的参与度也比较高，在老总热情参与的精神感召下，管理者通常会表现出积极的工作态度，在KPI的细节问题上花费大量的时间和精力，企图制订出完美无缺的KPI指标，但是，一旦管理者和员工双方签字确认，进入正式的实施环节，这个工作就会被搁置起来，起码很长一段时间，没有人去关心KPI实施这回事。

　　实际上，我们知道，KPI并不能自动实现，制订完成KPI只是完成了绩效管理万里长征的第一步，还有更多后续的工作需要管理者和员工去做。这些后续工作包括：绩效沟通与辅导、绩效考核与反馈、绩效诊断与提高，只有把后面这三个环节的工作做好了，KPI的成果才能得到真正的落实和强化。

　　因此，KPI制订完成以后，管理者应以支持者和帮助者的身份帮助员工进入绩效管理的轨道，进入PDCA循环的各个环节，通过与员工保持高效的绩效沟通，为员工提供支持和帮助，清除前进过程中的障碍，来帮助员工更好地认识KPI，更好地实现KPI的要求，使员工在管理者的辅导帮助下，在绩效管理预定的轨道上，按照当初制订的目标值和衡量标准，达成并超越这些绩效指标，进而达到改善绩效的目的。

　　结束语：

       KPI的设计和选择是绩效管理体系建设的重要环节，KPI选取的是否合适，标准制定的是否恰当，制定KPI时所采取的方式是否人性化，等等这些问题是制约KPI是否有效的关键因素，而要做到这些，企业就必须全面关注KPI实施的三个层面：物质层面、标准层面、操作层面，提高KPI的有效性，提升绩效管理体系建设的效率。

　　企业绩效管理是对企业整体绩效、部门绩效、员工绩效等进行系统考核、评估、诊断以及持续改进的管理过程。绩效管理包括绩效目标设定、绩效考核、绩效评估、绩效诊断、绩效改进、绩效沟通辅导、绩效激励等在内的一个完整的系统性管理循环过程。绩效管理过程，既是对员工、管理者的检验过程，还是对公司战略、管理体制的检验过程。

　　绩效管理的目的是让企业既“做正确的事”，还要“正确做事”，推动企业绩效的整体改进。绩效管理过程中的绩效考核，不仅针对员工，同时针对各层级的管理者，包括最高层管理者。绩效考核的结果不仅仅是职级升降、奖惩的依据，更重要是作为绩效改进的重要依据。通过绩效评估、绩效诊断，找出影响绩效的根本性问题，形成绩效改进措施，通过绩效沟通辅导和绩效激励等手段，提高管理者和员工的系统思考能力和系统执行能力（不仅是员工工作主动性和执行能力的提高），推动企业整体绩效的迅速提高。

　　企业绩效管理的难点有以下几方面：

1、管理者和员工的系统思考能力形不成，系统执行能力难提高。

2、谁来考核最高层管理者。

3、绩效管理的着力点不能放在整体绩效改进上。

4、一些没有硬性指标的部门和员工绩效考核目标难设定。

5、如何处理好组织目标和个人目标的关系。

6、中层管理者绩效沟通和辅导能力难达到。

7、良好的绩效管理环境难形成（传统公平思想在作怪）。

8、激励的幅度难把握。

　　企业绩效管理的效果：

1、提高最高管理层的决策能力和组织能力。

2、改进优化系统绩效功能，提高组织运行速度。

3、员工持续改进有动力。

4、引导员工调整职业生涯规划和提升职业素质。

5、能形成优胜劣汰的“赛马”机制。

6、能提高员工的自我管理能力。