商业智能实施不关键的因素

在实际工作中，商业智能某个因素的变化，引起的连锁反应会非常的复杂。如企业库存的增加，有劣势也有优势。劣势是导致企业的库存成本（库存会占用资金）和管理成本的增加。而优势是可以缩短交货周期从而扩大销量、扩大市场占用率等等。也就是说，一个因素的变化会导致五个甚至更多的因素的变化。BI而且这些因素的变化最终都会影响最后的计算结果。

那么在分析中，我们需要考虑所有的因素吗？这是没有必要的，也是不可能完成的任务。无论是在实际工作中，还是在BI系统中，我们主要关注的仍然是一些关键的因素。如对于销售价格的变化分析，我们只考虑销售数量这个因素，而不考虑违约成本等等次要的因素。如果将所有的因素都考虑进去，从实际工作来看成本太高。而从BI系统的角度来看，可能会导致死循环。总之，在BI系统中设计、开发、实施因素分析模块时，我们可以去掉那些不关键的因素。具体的说，需要做到以下几点。

一是分析某一因素对分析指标的影响时可以家电高其他因素不变必须要求各个因素之间没有显著的相关性。即在考虑因素之间的连锁反应时，先考虑各个因素之间的相关性。如果他们之间没有显著的相关性，或者说中间隔了好几座山，此时可以认为这个因素与需要分析的因素之间不存在必然的联系。这就是说，商业智能分析在考虑因素分析时，不需要考虑进去。

如企业需要提高利润，必须要提高销售价格或者降低生产成本。但是实际工作中，信用条件、库存数量等等也会影响其最终的利润。而且不同的企业其影响程度有所不同。如对于生产企业来说，库存数量比较多，则库存对于利润的影响就比较大。为此在分析利润时，可能需要将其考虑进去。而对于商品流通企业来说，其库存的压力往往是在其前家，即生产企业。此时库存数量并不会对其利润产生很大的影响。所以在分析利润这个指标时，不需要考虑库存成本这个因素。由于企业之间存在着这种差异性，这就要求BI实施顾问在实施这个模型时，商业智能软件需要跟用户确认在分析时所采用的因素。

二是需要因素之间顺序。如销售收入=销售价格*销售数量=销售数量*销售价格。从理论上看，这是正确的。但是如果在因素分析这个背景下，则其往往是不等价的。在采用连环替代法的时候，各个因素的顺序不同，最后得到的价格会有明显的差异。这有好处，也有不好的地方。好处是对不同时期的数据的分析，分别根据不同顺序进行分析，可以知道哪个因素对指标更加敏感。即是提高销售价格对利润的影响大还是降低销售数量对利润的影响大。

不好的地方就是如果要得到一个正确的结果，必须根据因素与指标的相关性或者重要性程度来确定各个因素的顺序。一般来说，需要分析指标的内涵来确定各个因素的逻辑顺序、需要确保相邻两个因素之间的相关性等等。要确认这一点有一定的困难。在实际BI项目的部署过程中，往往是一个持续改善的过程。即在刚开始的时候，需要不断的对这个模型进行调整。从不同的结果中得到一个与实际比较相符合的结果。只有如此，才能够最终确认所需要采用的模型。