商务智能与决策支持-案例及案例分析

商务智能与决策支持-案例及案例分析

商务智能与决策支持教学案例

案例1：光大银行商务智能系统的实施一、案例内容

成立于1992年8月的光大银行，作为国内最大的股份制商业银行，拥有众多客户群，几百个分支机构遍布国内外;同时光大银行以领先的理念为客户提供种类繁多的金融服务。对于一个如此庞大的机构，如此繁多的金融服务，管理的复杂性可想而知。近年来，通过综合柜台业务系统、阳光卡系统、网上银行系统和办公自动化系统等一系列信息化基础建设，光大银行率先实现了业务系统全国联网和总行数据大集中。

在成功实现业务系统全国联网和总行数据大集中后，经营管理分析方面又出现了一些极待解决的新问题，如：统计数据不够及时准确、对决策分析缺乏专业化系统化支持、报表处理效率低、数据共享差、难以为以客户为中心的经营管理模式提供充足的信息支持、业绩考核没有理想的IT系统为支撑等等。众多新问题的出现是银行管理层始料未及的。

为了尽快突破海量数据的“封锁”，挖掘其中蕴涵的知识和信息，光大银行决策层于2002年初开始立项商业智能及数据仓库系统。光大银行根据自身情况，以实际需要为导向，对各家方案的优劣进行仔细分析、反复考察、综合考虑。最终，菲奈特软件公司的高端商务智能产品BI.Office以其领先的技术和简便的操

作从众多竞争者中脱颖而出，赢得了光大银行决策层的一致青睐。

经过商议，双方在国际结算业务统计分析、对公业务统计分析、信贷风险管理、客户经理业绩考核等方面签定了一系列合作计划。为了降低实施风险，将从国际结算业务统计分析系统开始，各个项目逐步实施。成功的选型是光大银行商业智能应用系统成功实施的开始。国际业务部商业智能的应用证明，光大银行所采取的“以部门为基础实施数据处理”的决定是正确的，也是务实的。

从2002年12月开始，菲奈特BI.Office商业智能应用平台相继应用于光大银行其他几个业务部门，形成相应部门的商业智能系统。这些商业智能系统以数据仓库技术为基础，把分散在各个业务系统的数据进行整合，数据经过清洗、转换，加载到数据仓库；再采用OLAP和Data Mining等技术，为管理决策人员提供强大、灵活的日常查询和决策支持。

一个应用实例：有一段时间存款余额持续不断的增长，但是同期的流失客户数也在不断增长，这个问题引起了业务部分析人员的高度重视。该分析人员通过系统进行自助分析，最后发现，问题的根源在于很多客户经理为了完成揽存目标，费了大量的人力和成本开拓新行业、新客户，而忽略了对老客户的关系管理，才出现了存款余额和流失客户数同时增长的怪想象。于是马上向

主管领导反映，当天就在全行下达了整改通知，及时阻止了不良趋势的蔓延。”

目前，光大银行的商业智能系统已经成为管理层进行战略实施、绩效考核不可或缺的工具；各级业务人员的日常经营分析在很大程度上也有赖于该系统的支持。BI.Office在光大银行取得了圆满成功。

二、案例点评

通过案例，我们了解到光大银行选择了BI（商业智能）系统，很好的解决了利用数据进行分析，从而为决策提供强有力支持的问题，提高了工作效率和质量，达到了较高的投资回报率。其实，不难发现银行业的业务数据已经或者正在实现“大集中”，数据大集中为提高BI系统的成功率、缩短项目周期、降低系统实施成本、提高项目投资回报打下了良好的基础。随着国内银行与境外银行竞争的加剧，应用BI系统进行风险分析、业务决策将是国

1

内银行提升国际竞争力的一个主流选择。BI系统能够解决目前银行存在的几大问题，如统计滞后、数据共享差、报表处理效率低、对决策分析缺乏系统化支持等，这也是银行选择BI系统的重要原因。

三、案例思考

1．光大银行为什么会选择商务智能系统？

2．光大银行使用商务智能系统后，解决了哪些问题？

案例2：大亚湾核电站备件库存控制与采购优化决策支持系统开发一、案例内容

1、电站背景

大亚湾核电站位于改革开放特区深圳市的大亚湾核电基地，是我国大陆首座大型商用核电站，由广东核电合营有限公司建设和经营（从2003年3月起，电站委托大亚湾核电运营管理有限公司全面负责电站的运营管理），年发电能力近150亿千瓦时，70%销往香港，30%销往广东。按照“高起点起步，引进、消化、吸收、创新”和“借贷建设、售电还钱、合资经营”的方针，主体工程于1987年8月开工，1994年5月6日全面建成投入商业运行，拥有两台装机容量为98.4万千瓦的法国成熟第二代压水堆核电机组。大亚湾核电站投产以来已连续安全运行16年，在国际上衡量核电站安全运行管理水平的9项关键指标中，大亚湾核电站有8项指标达到世界先进水平。截止2021年12月，累计发电2051.98亿千瓦时，其中供香港1401.50亿千瓦时。 2、电站备件库存控制管理中的问题

大亚湾核电站于1994年开始商业运行，仓库于1993年开始接收现场安装剩余物资和备件，此后又有一些补充采购的备件验收入库，库存量增加很快，1995年达到验收的高峰期，仅这一年验收入库的物资达4千4百万美元。1997年后，仓库验收的金额

和使用的金额基本持平，库存金额持续保持在1亿美元左右的高位。

由于大亚湾核电站备件供应商大多在欧洲，为了防范缺货风险，需要库存大量备件，而核电站的维修特点也决定了这些备件的使用率不高，很难把握备件的需求规律。库存多了，造成浪费；库存少了，影响生产，据估算，一台机组非计划停堆一天的损失在100万美元左右。在这种情况下，如何进行科学合理的库存控制就显得非常重要了！

在早期，主要依靠维修技术人员的经验来决定各类备件的库存水平。后来随着数据的积累，以及掌握到基本的一些库存控制知识后，生产准备人员开始根据相关一些数据，例如过去的使用情况、维修手册的要求、备件的价格等等，来估计备件的库存量，但主要是靠个人的经验判断，随意性较大。

1999年大亚湾核电站开始引入美国ISI公司开发的RUSL库存控制模型。据了解，RUSL已在美国及欧洲几百个仓库中得到应用。由于大亚湾核电站前期的库存管理比较粗犷，采用RUSL进行计算后，迅速纠正了大量原先不合理的库存设置，使得大亚湾核电站的库存控制水平有了很大提高。

RUSL是通过INTER把历史使用数量、价格、采购周期等数据上传到ISI公司的服务器，经过美国技术人员的操作运行，2～3天后再把结果传回来。这种操作方式，要求电站

2