如何制定商业智能战略？ | 专家观点

BI 之旅的第一步应该是什么？ 选择工具？ 收集数据？ 没那么多。 它是一种全面的商业智能策略，可帮助您进行高级分析。

虽然 BI 可以使您的报告更快，图表更复杂，但即使没有适当的计划，您仍然无法全面了解如何使用该技术来获得最大利益。 您可能知道，细节决定成败。 这就是为什么，为了不让它们溜走，危及您的整个 BI 计划，您需要遵循特定的商业智能实施步骤。

在本文中，我们分析了客户在 BI 实施的不同阶段仍采用 BI 策略的真实案例。 有些人是使用商业智能的新手，希望从一开始就“做好”，其他人已经在使用 BI 工具，但大多是凭直觉，没有任何具体计划。 尽管如此，他们所有人都可以看到，通过适当的战略制定，数据分析的质量得到了多大程度的提高。

如果您不想半途而废，以下是关注商业智能战略的原因

商业智能不仅仅是创建华丽的演示文稿。 该技术的潜力和价值要广泛得多，可以通过适当的商业智能计划来释放它们。 借助 BI 策略，您可以更有效地解决数据问题，构建一个全面、集成良好的系统，并确保它继续正常运行。

• 节省时间和金钱。 一时兴起的行动充满了代价高昂的错误。 没有人愿意在功能上浪费金钱，如果系统仅供 20 名员工使用，最终将没有员工需要或为 100 名员工购买许可证。 BI 策略可以让您提前考虑这些事情，从而节省时间和金钱。
• 采用先进的风险管理。 通过详细分析每个步骤，您可以最大限度地减少浪费时间和金钱的可能性。 此外，通过这种方法，您将能够更早地发现弱​​点和瓶颈并立即修复它们。
• 在整个组织中构建端到端数据分析。 一个深思熟虑的 BI 策略使您能够打破部门之间的数据孤岛并连接所有数据源以获得端到端的分析。 这种方法允许您跟踪整个组织的流程，这意味着您可以及时发现问题并根据准确和最新的数据做出决策。

精心设计且细致入微的 BI 策略有助于显着改进内部业务流程，这反过来又会对您为客户提供的服务或产品质量产生积极影响。

构建 BI 策略时不可忽视的 3 个领域

要创建稳健的商业智能战略，您应该关注愿景、人员和流程——对每个元素及其相互关系给予同等关注。 让我们更详细地研究它们。

想象

在采用任何技术之前，您需要问自己几个基本问​​题，例如“它对我们组织的实际价值是什么？ 我们想要通过它实现什么？” 对它们的回答将帮助您概述有关 BI 实施或优化的行动计划。

要在您的组织中建立数据驱动的文化，您还应该审查您处理数据的方式。 与其将其视为分析的原材料，不如将其视为具有实际投资回报的产品。

人们

在创建 BI 实施策略时，您不应该低估您的员工和他们的技能。 否则，您将浪费您的预算和时间来采用该技术，这将被习惯于不同工作方式的人破坏。

因此，请考虑谁将与 BI 工具交互，以便为每个决策级别提供合适的仪表板。 例如，负责机器维护的员工、数据分析师和 CEO 需要不同类型的仪表板。

点击此处了解有关运营、分析和战略仪表板的更多信息。

关于您的员工要记住的另一点是他们的技术背景。 为精通技术的公司制定商业智能战略和路线图与为不熟悉数字技术的组织制定商业智能战略和路线图是不同的。

当我们了解用户的技术专长水平和他们参与的流程时，我们可以为每个角色创建自定义仪表板，而不是为所有公司流程创建一个通用仪表板，其中包含令人难以置信的过滤器数量。 这将 BI 用户的范围从高管和分析师扩展到普通经理和员工。

— *instinctools BI 部门负责人 Alexander Obolenskiy

过程

BI 策略的这一方面是关于设置技术实施过程。 为此，您应该考虑聘请首席数据官 (CDO)、定义项目预算、考虑安全性和合规性问题，并确定 KPI 以跟踪 BI 蓝图和技术采用的有效性。

此外，处理来自您的技术合作伙伴的知识转移也很重要。 因此，要注意建立BI能力中心。 BICC 是您的内部团队，将使不懂技术的员工能够真正舒适地自行使用系统，并处理仪表板配置等细微调整。

通过这种方法，您可以让用户更高级，从而提高更改速度和使用 BI 系统的效率。 您还将减少对您的技术合作伙伴的依赖，并且仅在进行重大修改时求助于他们，例如将新数据源连接到系统、可视化新业务流程的数据等等。

BI 策略过程域工作的最终结果是 BI 路线图的开发。 该文档一致地描述了实施 BI 所需的特定步骤、项目里程碑、截止日期和 KPI 以评估您的进度。

数据分析：您应该采取的基本步骤

在加载到 BI 系统之前，必须检查您的数据的质量和一致性。 这就是数据剖析的意义所在。

• 数据质量。 数据质量不佳是导致财务预测不准确、监管问题、客户流失、声誉受损等无数业务问题的原因。如果在初始数据分析阶段不加以处理，处理低高质量的数据会耗尽您员工的时间——那是在我们提到不相关的结果之前。 据统计，覆盖与数据质量相关的重复性问题可能会占用员工一半的工作时间。
• 数据一致性。 不同系统中的数据重复可以反映出次优的业务流程，其中员工以不协调的方式手动在两个不同的系统中输入相同的信息。 因此，不可避免地会出现输入错误和不完全匹配。 相反，任何数据的单一入口点规则应该起作用，然后系统应该只交换它而不是创建副本。
• 数据分类。 当数据来自各种来源时，这是必需的。 它可以是您的数据湖、ERP 或来自您网站的流量，仅举几例。 除了来源之外，您还应该考虑数据结构（结构化或非结构化）以正确分类数据，因为它简化了确定每个数据配置文件的更新频率的过程。

在分析数据时，您可能会发现其中一些数据没有按照有效决策制定所需的频率进行更新。

考虑到您不一定非得争取实时更新。 通常，您只在与金融市场打交道时才需要这些东西。 但是，如果你是电子商务企业，你的物流系统和ERP每天只同步一次，那么可能会出现商品已经到达商店但网站上没有显示的情况。 因此，您可能会因为数据更新频率不足而失去客户。

我们建议进行连续的数据分析。 利用自动化来加速和简化流程。

架构和工具集选择

选择 BI 工具时，您需要选择那些能够让您轻松摄取、存储、处理、分析和可视化数据的工具。

1. 食入

摄取数据意味着从主要来源获取原始数据而不对其进行转换。 您需要选择合适的数据摄取方法。

• 实时处理。 一旦摄取软件识别出数据片段，它就会将数据作为单独的对象下载到您的数据湖或仓库中。
• 批处理。 通过这种方法，数据摄取软件收集数据，根据标准或时间表对其进行分组，然后将其分批发送到数据存储。
• 微批处理。 这是批处理的一个子类型。 不同之处在于批次较小。

数据摄取软件取决于您处理的数据类型、您使用的数据源以及访问数据所需的速度。 Apache Kafka、Azure Stream Analytics 和 Amazon Kinesis 是数据摄取工具市场上最著名的参与者。

2. 储存

这是您应该确定数据存储位置的地方。 有几个选项可用。 在讨论构建可靠的数据基础架构时，我们已经介绍了数据湖和仓库的差异。

此外，如果您想节省存储手头不需要的数据，您应该确定哪些数据是“热”的，哪些是“冷”的。 本地存储和云存储都提供冷热数据选项。 例如，必须易于快速评估的热数据可以存储在固态 (SSD) 驱动器和内存 (RAM) 中，而冷归档数据可以保存在光盘上。 还有一些不经常使用但未存档的热数据，例如您每隔几年需要的五年销售数据作为一个分界点。 它可以存储在硬盘驱动器 (HDD) 上。

3.加工

无法直接连接异构数据源和必须清除错误、结构化和分类的数据仓库。 您将需要一个桥接器，一个 ETL 工具，用于处理原始数据并将其统一为三个步骤。

• 提炼。 该工具从您的数据源检索数据，例如电子表格、遗留系统、CRM、ERP、分析等。
• 转换。 分析所有提取的数据以识别重复项并删除它们、形成新列或拆分它们等。之后，可以对数据进行标准化——过滤、排序和验证。
• 加载。 数据进入存储库或分析软件。

ETL 和数据摄取之间的区别在于，在 ETL 的情况下有一个数据转换步骤。

只要 ETL 流程在提供高质量数据分析方面起着首要作用，选择合适的工具就成为一项至关重要的工作。 该决定必须基于多种因素，例如您的用例（云解决方案或本地解决方案、实时更新的必要性等）、维护规范、可扩展性、内置集成和成本。

4. 分析和可视化

定义分析工具集是 BI 策略的下一步。 根据 Gartner 魔力象限，您应该关注数据分析领域的三个领导者——Power BI、Tableau 和 Qlik。 需要根据您的要求和限制来选择最合适的工具。

• 现在的建筑。 实施单独的 BI 解决方案不是强制性的。 分析可以内置到您现有的应用程序中，以加快决策制定及其准确性。 此外，嵌入式分析和对数据的即时访问鼓励用户在日常任务中更多地依赖数据。
• 目前的技术栈。 如果您的组织已经在使用 Microsoft 产品，则从 Microsoft 堆栈中选择 Power BI 和其他基础结构工具是一种更合理的方法。
• 用户和任务的范围。 初创公司和拥有 3,000 名用户的公司的工具会有所不同。 后者可能需要一个开源解决方案来消除许可成本或与供应商就特殊许可计划和折扣进行的安排。 而规模化的初创公司肯定可以考虑其他选择。

通过在此阶段精心组装工具包，您可以让每位员工成为数据英雄。 以下是普通员工和最高管理层团队成员的一些仪表板示例。

来自不同部门的员工的操作仪表板包括详细的实时信息。

高级管理层的战略仪表板包括整个组织的关键指标。

我们如何帮助一家大型零售商将营业额提高 9%。 剧透警告：这是关于逻辑 BI 策略

完善的 BI 实施策略使您能够完全利用该技术。 这是一个 BI 策略示例，它使我们的一位客户（一家自动售货机零售商）能够更快地做出更准确的决策，跟上他们的业务增长轨迹。

现有解决方案在可扩展性方面效率低下：

“我们从未完全意识到我们有这么多未使用的数据。 我们拥有的所有数据中只有大约一半用于做出决策”，该公司的产品和客户体验总监说。

那么精心设计的策略和精确的 BI 路线图是如何制定的呢？

在愿景阶段，我们发现商业智能可以改进几个公司流程：

• 寻找失去的销售
• 检测低利润合约
• 实时监控自动售货机的技术状况

此外，客户需要一种直观的工具，并且对他们可以处理的数据量没有限制。 尽管 Power BI 是最易于使用的工具，但它也有 3,500 个数据点的限制。 因此，因为客户对数据量的要求，我们选择了Qlik，它对数据点的数量没有严格的限制。

根据预先制定的战略实施 BI 软件后，客户将销售损失减少了 30%，重新谈判了低利润合同，并尽可能减少了自动售货机的停机时间。 这些结果的汇合导致客户总营业额在半年内增加了 9%。

释放 BI 系统的全部潜力

理想情况下，在采取任何步骤实施解决方案之前制定战略。 但是那些已经设法自己实施该技术，甚至摘下了一些唾手可得的果实，但随后意识到 BI 的功能可以扩展得更远的组织呢？

在某种程度上，不熟悉 BI 的用户明白，如果没有适当的商业智能战略和路线图，他们就无法释放该技术的全部潜力。

已经使用该技术的组织的 BI 战略将包括相同的基本步骤——就像初学者一样。 牢记愿景、人员和流程、关注数据质量、重新考虑 BI 工具等对他们来说同样重要。但是，另一件需要注意的事情正在出现。 自行实施 BI 的组织必须不断扑灭不可避免发生的火灾，例如处理积压工作和处理采用 BI 后突然出现的问题，这些问题不能搁置。

我们的一位客户为所有部门和级别的员工实施了 Power BI。 但一年多来，他们意识到他们并没有使用该工具的所有功能。 因此，我们采取了行动。 在建立商业智能战略的同时，我们在两个方向上工作，我们：

• 对系统的架构、功能和局限性进行了深入研究。 这是根据系统最终用户的需求调整数据存储架构的强制性步骤，这样任何组织级别的员工都可以独立地从数据存储中检索他们需要的数据，并使用这些信息来创建定制报告。

在这个大规模流程的同时，我们处理了客户当前的任务。

• 帮助完成正在进行的任务。 客户也有明确定义的任务，但他们的内部 BI 团队太小且技术不够熟练，无法处理工作量。 我们参与了这些活动。 通过这种方式，客户可以更快地获得他们需要的报告，并且我们了解了系统的架构和客户端的人员，因此我们可以将知识传递给他们。

全面的 BI 策略可以增加 BI 项目成功的几率

如果不详细说明愿景、人员和流程领域，您就无法准确地为您的任务选择解决方案架构或最强大的工具集。 因此，最好采用整体方法通过制定 BI 策略来实施数据分析解决方案。 此外，请记住，您的 BI 项目不会随着 BI 部署而结束。 这是一个持久的倡议。 随着外部和内部条件的变化以及新流程、系统和数据的出现，您的 BI 软件必须不断发展。 为了使这些调整顺利进行，您需要一个商业智能策略。 如果没有定期适应当前状态的强大的 BI 策略，就很难找到前进的方向。

本文最初发表于此。