商业智能（BI）在电力勘察设计企业决策支持的应用

刘湘晖 LIU Xiang-hui

（中国能源建设集团广东省电力设计研究院有限公司，广州 510663）

0 引言

在我国经济发展全面进入新常态的形势下，电力勘察设计行业在经历了十余年的高速发展后，发展逐渐趋缓，正处于深刻变革期。未来一段时期，电力勘察设计企业面临的严峻市场形势，迫切要求企业提高自身的外部竞争力与内部管理能力。

电力勘察设计企业需时刻关注当前的对外经营情况、项目进度与质量、盈利能力与资金情况，迅速做出反应；也需时刻关注当前的内部运营情况、成本发生、组织效能与管理效率，对企业内部运营进行及时调整。及时、准确、有效的数据信息与沟通对于企业的决策制定必不可少，构建数据信息支持与沟通渠道十分重要。

基于以上背景，本文借助商业智能工具，构建电力勘察设计行业用于决策支持的KPI体系，并设计其在商业智能的业务主题实现与系统技术架构，为电力勘察设计企业如何应用商业智能辅助决策支持提供一些启示。

1 商业智能的概念及发展现状

商业智能（BI）是将数据有效地转化为信息、知识和智慧的数据仓库相关技术与应用的统称，以数据仓库技术为基础，借助数据挖掘、联机分析处理和数据展现等技术，搜集、整合和分析企业业务过程中的数据，以提升企业的管理水平与决策洞察力，实现商业价值。

商业智能是目前企业管理中最前沿、最重要的信息化应用之一，于20世纪90年代末进入中国。目前国内大多数企业实施的商业智能仍处于简单的内部数据整合等基本统计分析阶段，还未能实现数据挖掘等进一步的智能分析。商业智能在国内不同行业、不同规模企业的发展水平差异较大，大型企业、特别是大型集团企业有更完善的数据积累，商业智能的应用更为普遍。

我国已成为商业智能发展最快的国家之一，越来越多的企业理解并建设应用了商业智能，我国商务商业正向标准化、实用化、智能化方向发展。

2 电力勘察设计行业数据应用决策支持现状

目前，国内大型电力勘察设计企业基本上已有成熟的信息化规划，并在各类业务上建设并应用了业务信息系统，然而众多的业务信息系统在累积了越来越多数据的同时，却难以为高层管理者的决策提供实时有效的数据信息支持，基于以下几点原因：

2.1 历史数据形成数据孤岛

在企业的信息化建设过程中，业务信息系统以不同的标准开发并分散部署，数据分散在众多数据环境与业务逻辑不同的系统中，存放格式与平台各不相同，缺乏统一访问的渠道与机制。形成信息孤岛，数据尚未得到有效整合与充分集中利用。

2.2 数据质量无法保证，难以追溯

各个业务信息系统中的数据入口不唯一，数据维度、口径、格式、编码、标准不统一，导致数据缺乏一致性，增加数据检查与核实的工作量。手工制作的综合性报表数据来源不清晰，出现错误时难以追溯到数据源，数据保存缺乏系统性，容易丢失。

2.3 缺少对数据指标的深层分析

业务信息系统中的数据对于决策分析需求来说过于明细，缺乏重要性层级的区分，浏览明细数据无法形成对整体业务的全面了解；业务信息系统的分析功能通常较为简单，难以对数据进行提取穿透、进行深层次分析与趋势预测。

2.4 高层管理者使用不便

业务信息系统依据具体业务的需求开发建设，设计初衷是面对基层业务人员，系统操作页面较为专业，管理层获取数据还需依靠业务人员另行编制手工报表，效率低下且容易出错。

商业智能在电力勘察设计行业的建设与应用可以解决以上瓶颈和制约，整合各个信息孤岛，提升数据分析的全面性、及时性，为管理层提供动态、实时、全面的数据分析支持。

3 商业智能在基于KPI体系的决策支持的应用

3.1 用于决策支持的KPI体系

企业管理层的决策对于企业的短期与长期战略目标是否能达成至关重要。关键绩效指标（KPI）体系将企业战略目标进行层层分解、细化与量化，引导全体员工关注战略重点指标，实现对重点业务过程及其运作情况的直接衡量与控制，促进企业绩效向战略目标预期方向发展。KPI体系需随着企业战略目标的改变而调整。

运用KPI体系工具的决策支持管理流程详见图1。运用KPI体系工具，通过对企业战略决策目标进行分解，对指标体系进行监测，可以实时评估战略执行的效果，发现战略执行中存在的问题，帮助企业管理者快速寻找问题成因、及时决策；当期指标完成情况可为下一阶段的行动决策与战略调整提供依据。

构建KPI体系时，需注意以下几点：遵循SMART原则，必须是具体的、可度量的、可实现的、现实的与有时限的；重点突出，关注重点业务过程，识别影响企业战略和绩效的最关键因素，用以构成KPI指标集合；不仅考核时点结果，也要对关键流程的过程指标进行控制；分层设计，根据不同层级的组织和员工的职责定位，分别设立各组织机构和员工个人的KPI指标。

从电力勘察设计企业的战略规划出发，结合行业与企业的实际业务情况，针对企业整体及下属组织机构的KPI指标体系可以包含以下指标：

利润率：衡量企业的盈利能力；

营业收入：企业的主要经营成果，是资金来源、经营情况的直接反映及取得利润的重要保障；

EVA（经济增加值）：从企业价值增值这一目的出发，评价企业有效使用资本和为所有者创造价值能力；

新签合同额、市场占有率、潜在项目：反映企业的市场开拓成果与潜在市场机会，是未来发展的基础与储备；

重点项目执行情况：关注重点项目的实际进度与计划进度的差距，收付款情况以及项目质量；

应收账款周转率：衡量企业资金使用效率与偿债能力；

成本发生情况：反映企业当期已发生的成本结构及控制情况。

在KPI体系实施过程中，通过对各个层级的KPI体系各项指标完成情况进行实时监测，纵向与指标值、去年同期完成情况进行比较与分析，分下属机构维度进行横向分析，实时发现KPI指标反映的存在问题，迅速反应、采取措施，及时纠正或减少KPI指标与预期之间的偏差。

KPI考核周期结束后，对当期KPI指标的完成情况进行分析可为下一阶段的行动决策及指标确定提供依据。

3.2 KPI体系在商业智能的业务主题实现

基于以上用于决策支持的KPI体系，商业智能不仅能直接应用于KPI体系实施过程，在KPI指标的监测、发现问题、分析问题方面起到重要作用，也为KPI体系构建及应用提供数据支持，还能实现从大量企业业务数据中挖掘不同类别的指标的内部联系，揭示可能的深层次原因。将KPI体系在商业智能中实现，可为相关数据的准确性、实时性、易获取性提供保障。

根据电力勘察设计企业的KPI体系与业务规则，可将业务功能进行归纳划分为企业综合运营分析（管理驾驶舱）、经营情况分析、财务信息分析、项目信息分析、人力资源分析、科技信息化分析及下属机构主题分析等七个板块，其框架图如图2所示。

各业务板块的业务主题设计如下：

3.2.1 企业综合运营分析（管理驾驶舱）

企业综合运营分析板块用驾驶舱视图对公司层级的KPI指标完成情况进行实时、简明、直观的展示，进行时间等多维度的趋势变动分析。对重要的KPI指标设定各时段警戒值，指标完成情况接近或达到警戒值时通过推送或标红提醒用户。总体指标情况可从不同维度进行下钻，从多个维度对单项指标进行分析与展示，通过下钻可以发现警戒指标的问题，提供解决线索。

3.2.2 市场开发情况分析

市场开发情况分析包括地图分析、趋势分析、合同工程信息等模块。地图分析将新签合同额、市场占有率等与经营相关的指标，在世界地图与中国地图上分国别、省份展示，并可对地图区域的完成情况分类进行下钻。趋势分析将市场相关指标按时间、类型、组织机构等进行统计分析与图表展示，可具体看到经营情况的趋势。合同工程信息模块对合同、工程及潜在项目进行汇总分析。

3.2.3 财务信息分析

财务分析模块对利润率、营业收入、EVA、应收账款周转率、成本发生情况等财务KPI指标完成情况进行分析；展示资产负债表、利润表、现金流量表，从而纵览企业财务整体情况；通过对预算执行情况、成本发生情况的监测，对预算及成本费用实施过程控制；针对重点项目分项目展示财务核算情况，对重点项目进行收支与成本管控。

3.2.4 项目信息分析

项目信息分析包含项目基本信息、项目收支、项目费用、重点项目监控等模块，展示重点项目的基本情况、进度情况、收入与成本情况、费用控制情况、盈利情况、项目质量，并对项目数据分项目及时间进行趋势分析，关注实际进度与计划进度之间的差距，对进度滞后、费用控制超额等异常情况进行提醒。

3.2.5 人力资源分析

人力资源分析包含人员信息、人才培养情况、人员资质情况等模块。人员信息可按不同维度进行分类统计；人才培养情况统计展示企业人员培训、参训、职业发展情况；人员资质情况统计展示人员执业资格和注册资格情况。通过人力资源的全面分析，支持企业人才队伍建设与业务开展。

3.2.6 科技信息化分析

科技信息化分析包含科技项目统计、获奖统计、报优统计、专利专有技术统计及信息化项目情况，主要对科技及信息化情况进行统计分析展示，支持与企业科技发展与信息化建设相关的决策。

3.2.7 下属机构主题分析

归集汇总单个下属机构的各方面数据，将下属机构口径的市场开发、财务数据、项目执行情况、人力资源、科技信息化情况等关键指标整合成一个页面，形成下属机构管理驾驶舱，面对下属机构的管理者，基于数据归总与分析，提供下属机构层级的决策支持。

3.3 用于决策支持的商业智能技术架构

商业智能信息系统的建设以数据仓库系统建设方法论为指导，以数据仓库技术体系为基础进行数据架构设计，以ETL技术为数据处理手段，以数据治理方法论为指导实现数据整合和存储，结合各种应用展现工具实现数据展现，以元数据管理技术、主数据管理技术以及安全管理体系等保证数据仓库的安全性和可靠性。适用于电力勘察设计企业的系统技术架构设计参考图如图3所示。

商业智能系统技术架构体系中主要包括原始业务数据层、数据管理层、BI应用层和展现层四个层次，涉及到的关键技术主要有数据采集技术、数据仓库技术、数据挖掘技术、ETL处理技术和联机分析技术，以及前端展示、即席查询、数据挖掘、多维分析、主题分析、报表报告定制等。

①原始业务数据层为本系统提供数据分析所需的数据源，主要来自于企业现有或在建的各类业务系统，包括但不限于财务系统、经营管理系统、人力资源系统、设计管理系统等，以及录入业务系统中缺失数据的数据上报平台。

②数据管理层主要包括ODS（操作数据存储）、数据仓库、数据集市、OLAP（联机分析处理）等。其中ODS存放业务数据库的备份或者映像，减少对业务系统的影响；数据仓库从ODS数据库按照各主题的不同指标口径抽取数据，实现数据标准化和数据质量监控，为OLAP、前端数据分析提供多维表数据支持；数据集市是按照特定的决策支持需求而组织起来的，针对一组主题的应用；OLAP根据分析主题要求及元数据情况，建立合适的分析模型，给前端展示提供查询和分析模型的支持，实现数据切片、上钻下钻等。

③BI应用层主要包括BI中间件和应用模型，在数据管理层的基础上，快速构建分析模型，实现多维分析、即席查询、报表定制、告警监控、分析统计、数据挖掘等功能，形成各业务板块业务主题分析。

④展现层主要实现BI门户功能，终端展示支持PC机、平板电脑、智能手机等终端访问，满足用户的决策支持与统计分析需求。

4 结语

在电力勘察设计行业严峻的市场环境下，企业有必要建立及时、准确、有效的信息沟通与决策方式。在电力勘察设计企业建设实施商业智能，建立企业数据库，可以为基于KPI体系的决策支持流程的实施落地提供数据基础和保障。商业智能系统由原始业务数据层、数据管理层、BI应用层和展现层组成技术架构体系，结合企业的具体KPI指标体系，可在商业智能中规划部署分公司层与下属机构的两个层级的业务主题，对企业经营过程中的各方面运营指标实施总体监控。随着行业的发展及信息化水平的提高，决策管理的需要将催生对数据的及时性、准确性的需求，商业智能将有更大的发展与应用空间。