实时商业智能(BI)有一个明确的标志——如果可以选择的话，谁会不愿意以实时的试工作呢?而且，这正是很多的组织尽力追求实现的，其中最基本的原因在于：业务在不断地提速，BI也必须跟上前进步伐。

　　据去年年底Forrester Research公司发布的一篇关于BI平台的报道显示，BI是软件产业在最近几年中为数极少的显著增长部分。例如，Forrester估计2009年软件总销售会下降了8%，而BI工具的销售则增长了11%。

　　然而，Forrester Wave报道强调BI并不是单独一个产品类别——它包括一个广泛的应用程序和基础架构组件。传统的BI关注于为用户提供可以进行事后分析的历史数据。相反，实时BI系统则旨在将分析变成日常战略决策的一部分。

　　Richard Hackathorn是Boulder Technology公司的一名BI和数据仓库咨询师，他指出，实时商业智能一词存在误导性。同时，他表示BI数据的低延迟交付对于用户而言往往比提供实时信息更加现实。

　　其他的行业分析师赞同这一观点，并表示运营BI可以更好地描述已经实现了策略BI系统的大多数公司目前正在进行的工作。

　　“在某种意义上而言，数据是实时的，而大多数BI并不是实时的，” Intelligent Solutions咨询公司的董事长Claudia Imhoff说道。她同时补充道，真正的实时BI和分析一般是基于事件或者流技术，例如复杂的事件处理软件(CEP)。

　　事实上，“实时”BI所使用的数据通常可能是几分钟到24小时，甚至更长的时间，Imhoff说道。“关键是要理解业务问题和决定是否低延迟数据是否可行，”她说道。

　　例如，对于预测促销活动期间某个产品清单在何时售罄，BI数据可能并不需要100%实时。低延迟数据交付可能也足以分析和管理这些逻辑问题，例如在最佳的时间向VIP客户发送一个产品。

　　实时BI系统的潜在优势

　　除了CEP工具，实时BI可以通过变更数据捕捉技术和数据虚拟化软件等其他方法来实现。根据Imhoff的看法，潜在的好处包括基于更及时数据实现的更快速决策;由于客户服务改进而获得更高的客户满意度;降低市场和销售的“机会成本”;通过刚好及时交付和减少的库存量来节省供应链管理费用。

　　BI Research咨询公司的董事长Colin White表示，在建立一个实时BI系统时，公司可以采用两种方法。一种是扩展您现有的数据仓库环境，另一种是实现全新的技术。

　　“无论采用哪一种方法，您都必须将问题分成三个部分：获得数据的时间，分析时间以及交付用户数据以作出决策的时间，” White说道。每一个部分都面临技术挑战，例如更快地加载数据仓库或实现预计算分析常规过程或当信息到达数据仓库中时加速数据分析过程。

　　White表示，在传统的BI和数据仓库环境中，有很多技术可用来加速信息流和帮助商业用户更快地做出决策。而对于Hackathorn和Imhoff，他也警告可能会有限制。

　　先存储再分析还是先分析再存储？

　　根据White的看法，大多数现有技术都可以在信息创建之后短短的几分钟内就帮助您进入数据交付周期——但是，如果您期待实现秒级的响应时间，那么就不可能先将数据保存到数据仓库中。

　　White 表示，“如果您想更接近实时，那么您可以尝试一个我称之为分析-存储的模型，在这个模型中您可以在数据进入系统时对它进行分析，然后存储分析结果。”类似于Imhoff，他引用了基于事件和基于流的分析过程，在这些过程中他可以捕获数据，过滤数据并将它聚集到更接近地源系统的位置。

　　总之，基于组织的特定需求、IT基础架构和现有的BI投资，我们可以有很多不同的实时BI和方法。这并不总是很复杂的事情。然而，Imhoff也指出，实时BI并不总是BI问题的正确解决方法——并且它本身也存在着问题。

　　“即使使用了实时BI，一些组织仍然必须担心所分析数据的整合，”Imhoff表示。此外，如果没有检测到实时BI的错误或缺点，它可能会导致做出错误的业务决策，“而且所使用的模型会很快过期，或者适应不断变化的业务方案，”她补充道。因此，要确保实时BI系统是适合您组织要求的，并且要确保建立处理它的内部过程，这对于成功的部署而言是至关重要的。