商务智能与分析：疫情中突围的利器
疫情突起，做好疫情风险管理是控制疫情发展的关键所在。在此次疫情中通过大数据、智能分析等手段加强疫情溯源与监测，凸显了智能信息分析系统在信息搜集、处理、分析和管理决策中的重要作用。
大数据、人工智能、商务智能与分析等工具已经成为风险管理决策的最优选。习近平总书记指出，“要增强驾驭风险的本领，健全各方面风险防控机制，善于处理各种复杂矛盾，勇于战胜前进道路上的各种艰难险阻，牢牢把握工作主动权”。因此，无论是企业的决策者还是提供公共服务的智能部门，都就应当加强以商务智能与分析为中心的信息系统在风险决策与管理中的应用。
商务智能与分析
商务智能与分析指的是将原始数据转换为有意义的信息并帮助减少决策不确定性的信息系统。商务智能与分析作为一种以数据为中心的分析方法，长期根植于数据库管理领域，它主要基于各种数据的收集、提取和分析技术实现信息输出。
Chen等（2012）在管理信息系统特刊中提出“商务智能与分析”（简称BI&A）这一综合术语，并指出了商务智能与分析的发展、应用和新兴研究领域（图1）。商务智能与分析不仅体现了商务智能和业务分析两个元素的重要性，也体现了二者在实践过程中的紧密联系。
图 1 商务智能与分析演进、应用和新兴研究领域
资料来源Chen等(2012)。
Brannon(2010)认为，商务智能与分析系统平台包含4个关键组件：
（1）系统资料:收集产品和/或服务交易产生的数据。
（2）数据获取:包括将数据提取、转换和加载到单个存储库的过程(ETL，其英文首字母缩写为extract, transform, load)。
（3）数据仓库:这是存储ETL获得的信息的存储库。
（4）报告和分析工具:分析信息的工具，从标准报告、特别报告、控制面板、动态分析过程(在线分析处理英文缩写为OLAP)、统计分析或预测分析。
疫情风险决策中的商务智能与分析
将信息系统运用于疫情防控的研究，主要从20世纪50年代美国建立“疾病控制和预防中心”开始，随着对更复杂的分析方法和微型计算机使用的需求增加，开始增加并使用环境信息系统以完善信息处理的需求（Thacker等，2001）。1991年口蹄疫传入新西兰之时，梅西大学兽医临床科学系开发了一种覆盖全国的疾病记录和信息系统。该系统包括数据库管理系统、地理信息系统、仿真模型和专家系统元素，迅速整合发生紧急情况的地区的重要信息，并通过图像等描述性语言呈现给中央控制中心，作为风险决策的有力支持。
互联网与现代信息技术的发展不断更新我们获取信息的方式，也改变了公共卫生安全信息的呈现形式。2006年欧盟成立并创建“流行病智能情报系统”，以尽早识别可能对公共卫生安全构成威胁的潜在健康危害，并核查、评估和调查有关活动，以便能够适当的采取公共卫生控制措施，其范围包括风险监测和风险评估（Paquet等，2006）。
相较于传统研究方法对场景的强烈依赖性和基于决策主体偏好的决策误差，商务智能与分析信息系统技术所呈现的数据与信息更具客观性和科学性，这些信息是现象和个体所相关联的整体信息思维下对特定现象和特定个体的客观描述（童星等，2018）。例如，在春节前武汉将近500万人的流向图（图2），利用手机基站定位描述持有人的行程动态，并通过信息系统平台，统计分析后将其可视化为图表等内容。
图2 武汉迁出人口流向图
商务智能与分析信息系统所呈现的与风险管控相关信息与数据更能够描述临床人群中自然发生的风险因素模式和风险水平，并用于探讨风险判断的特点以及风险因素的存在与这些判断之间的关系和有关风险预测和判断的问题，并能监察风险状况的转变。
例如，在外来人员的管控方面，工信部现在统筹三个运营商，提供了用户行程的服务，可以直接查询到近2周机主本人的行程路线（图3），为防控工作的安排和实施提供了有效的判断依据。因此，商务智能与分析信息系统更能够切实地保证在全信息下对研究对象的整体性描述，并为相关风险决策的制定提供高质量的数据基础与战略规划信息。
图3 个体行程查询
基于此，疫情中风险决策与管控是需要基于数据分析与决策的。正如上述案例中所述，数据库管理系统、地理信息系统、流行病智能情报系统在疫情防控中的重要性日益凸显。
非典之后，中国搭建了全球最大的传染病疫情和突发公共卫生事件网络直报系统（简称网络直报系统，图4）。网络直报系统覆盖了全国所有县级以上疾病预防控制机构，同时覆盖98%的县级以上医疗机构和96%的乡镇卫生院。借由网络直报系统，各地医院通过信息系统上报，数据直达各级疾控中心，包括中国疾控中心。
图4 网络直报系统图
商务智能与分析的风险决策与管理模式
商务智能与分析的成功实施与推广应是从最高层推动，提供必要的资源，并鼓励基于信息系统的决策 (Chen等，2012)。商务智能与分析信息系统可以处理许多重要的问题，包括协调、资金、项目优先次序、项目管理和数据质量，商务智能与分析可以成为优质决策，抢占先机的主要助推力量。Matney等（2004）认为商务智能与分析决策系统中应有四个组成部分，包括“决策委员会”、“周期框架”、“评估”与“跟踪”。Combita Niño等人（2018）在其研究中认为，优先考虑组织层面利益是确保商务智能与分析系统成功的关键因素。
商务智能与分析系统得以实现其价值的关键所在，是商务智能与分析能力的发挥，商务智能与分析能力的构成中心则是由业务人员、IT与信息分析师组成，是商务智能与分析成功的基础机构。
商务智能与分析能力中心定义了整个决策过程的商务智能与分析战略与需求，并对资源管理、采购和规划进行有效地处理，同时，也明确了商务智能与分析项目集成的业务需求、数据和使用组织的优先级（Combita Niño等，2018）。
商务智能与分析能力中心的成员应当具备三项主要技能：商业知识（商业需求、组织/项目知识）、IT技术（工具、应用与数据管理技术）与信息分析（数据与处理能力），并遵守六项基本原则：
l 包含所有利益相关者；
l 技术与职能相关联；
l 商务智能与分析的使用应是持续的；
l 确定分析机制；
l 数据的准确性与高质量；
l 智能储存。
图5 BI&A能力中心所需技能
资料来源：Combita Niño等（2018）。
总结
使用商务智能与分析信息系统实现对疫情风险的决策与管理，其本质就是通过智能信息系统实现对信息的精准提取，感知、捕获环境的变化与发展，并将这些变化/发展吸收转化，输出为有效的管理决策信息，为风险决策与管理提供有效保障和支持。
数据驱动决策。商务智能与分析的基本功能组件包括大数据分析、文本分析、网页分析、网络分析和移动分析，这些功能的运作原料就是庞杂的难以理解和直接应用的数据、文本等信息。数字信息作为商务智能与分析的关键生产要素，通过对数字信息的梳理分析，呈现给使用者的是可视的、可吸收的信息知识。
特别是在危机爆发期间，通过政府、媒体与普通群众的数据与信息的公开与整合、数据共享，能够将信息更全面地进行转换，以实现对风险灾害危机事件的及时响应。商务智能与分析数字分析技术使得人们对于环境状况有了更准确的判断，与以往风险决策相比，数字经济背景下的风险决策大都依赖于数据分析技术以保障决策的有效性。
随着信息技术的快速发展，机器学习、智能分析等商务智能与分析分析技术也在不断更新升级，人工智能技术的应用更能缩短项目时间周期，从而为突发事件的分析和预测提供有力的工具。通过先进的智能技术，在疫情管控阶段可以有效的减少人员流动。在科技研发中能缩短研发周期，智能检测、智能分析等智能技术更是科研成功的重要助推手段，是创新的主要驱动力。
在商务智能与分析的使用过程中也应当注意以上问题：
（1）信息规范。使用商务智能与分析时，所分析的数据信息不仅有数据、文本也有网页cookie等各类信息，不仅有人口数据也有地理和文化数据。在信息的输入端对信息文本进行规范处理，将更有利于商务智能与分析作用的发挥与实施。
（2）确保真实。信息的准确性将直接影响风险决策与管理的正误，影响对风险的有效管控。保证信息的真实性也是商务智能与分析为决策者提供有效决策信息的基础。
（3）避免时滞。信息的输入端应及时更新其数据库，以保证信息传递的及时性，有效避免信息时滞带来的风险损害。
在新型冠状肺炎的疫情中，及早的感知疫情发展，并尽快做出风险决策是此次疫情得以快速控制的关键所在，应当鼓励卫生及相关部门应用商务智能与分析信息系统，以满足社会对真实且有利于风险决策的信息的需求。最后我们不得不提醒：尽管信息是21世纪的石油、分析是内燃机，但是人类的洞察力的缺位将会导致数据科学等在解决复杂社会挑战时不可避免的失败。
参考文献
童星，丁翔. 风险灾害危机管理与研究中的大数据分析[J]. 学海, 2018(2): 28-35.
Chen H, Chiang R H L, Storey V C. Business Intelligence and Analytics: From Big Data to Big Impact[J]. MIS Quarterly, 2012, 36(4): 1165-1188.
Combita Niño H A, Cómbita Niño J P, Ortega R M. Business intelligence governance framework in a university: Universidad de la costa case study[J]. International Journal of Information Management, 2018: 10-1016.
Paquet C, Coulombier D, Kaiser R, et al. Epidemic intelligence: a new framework for strengthening disease surveillance in Europe[J]. Surveillance report, 2006, 11(12): 46-52.
Thacker S B, Dannenberg A L, Hamilton D H. Epidemic Intelligence Service of the Centers for Disease Control and Prevention: 50 Years of Training and Service in Applied Epidemiology[J]. American Journal of Epidemiology, 2001, 154(11): 985-992.
作者简介
吴慧芳，河南财经政法大学工商管理学院研究生。
韩雪亮，河南财经政法大学工商管理学院讲师，管理学博士。
历史文章