2022 年的 6 大商業智能挑戰

BI 解決方案的重要性正變得無可爭辯。 統計數據顯示，26% 的公司已經採用了 BI，大約 33% 的公司將在 2023 年之前實施。然而，儘管趨勢快速增長，但利用其價值的道路上並沒有鋪滿玫瑰花瓣。 大量商業智能挑戰源於系統的局限性、複雜的業務需求、人為因素等等。

在跨行業和業務級別實施 BI 解決方案方面的深厚專業知識使我們能夠解釋商業智能問題並提供解決這些問題的改變遊戲規則的技巧。

步入行動時代伴隨著某些 BI 挑戰

商業智能不再局限於大人物。 各種規模的公司現在都可以將不同的數據轉化為行動計劃。 然而，面向行動的數據分析以多個前身為前提，每一個都是早期 BI 採用者的潛在挑戰。

1. 整合來自不同源系統的數據

只有當 BI 能夠整理和分析來自多個來源的數據，從而為最終用戶提供一些堅實的見解基礎時，BI 才有意義。 否則，有什麼意義呢？ 然而，BI 軟件必須連接的眾多數據源——從大量的數據庫和業務應用程序到大數據系統——增加了講錯故事的風險。

從一開始，只要內置的 ETL 流程允許現成的 BI 平台直接連接到各種數據源並轉換數據以供自己使用，這似乎不是問題。 聽起來既快又有吸引力，內置的 ETL 並不是雜食性的。 儘管一些專門的連接器不斷為新的源系統最終確定，但如果中型到大型組織專門使用 Power BI 數據流作為 ETL 工具和 DWH 存儲，它們將在某些時候面臨擴展、性能和維護問題。

首先，使用原始的非結構化數據會增加數據集的複雜性和數量，從而使報告更加耗時。 如果報表集成了來自不同來源的數據，則無法將相同的邏輯輕鬆應用於另一個數據集。 其次，由於不同數據集的真實情況有多個版本，報告系統中出現差異的可能性很高。 第三，如果您的數據量達到數百萬行，內置的 ETL 將無法處理，導致報表響應速度變慢。

在這種情況下，最合理的解決方案似乎是建立一個單一的存儲庫，其中數據將被預先聚合併以結構化的方式存儲——數據倉庫。 消除數據中的混亂有助於創建單一版本的事實。 中央存儲庫帶來的其他重要好處包括歷史數據分析和更快的報告準備的可能性。 數據倉庫技術允許處理不斷增長的數據源，而不會讓您在 BI 工具維護上花費更多。

2.數據質量問題

數據質量是商業智能的主要挑戰之一，也是實現 BI 目標（即做出正確、有價值的決策）的絆腳石。 人為錯誤、重複和無效數據以及不一致的數據格式不允許您獲得任何有價值的見解，並可能在此基礎上引發錯誤的行動。

適當的數據管理策略有助於解決數據質量問題。 簡而言之，它處理公司收集或生成的數據，以確保更好的決策。

數據架構是一個重要的數據管理組件，在提供高質量信息方面起著至關重要的作用。 假設一家公司有多個銷售渠道，在數據倉庫級別合併它們生成的所有信息是一個不錯的主意，在通過業務規則定義的某些清除算法後，這些信息可以進一步分發到不同的報告中。

在嘗試使您的數據符合分析條件時，數據建模是您不能忽視的另一件事。 例如，您網站的訪問者、您進行的調查的參與者以及您的客戶可以是一個人。 但是，您可能會讓它們在不同系統中以不同的角色出現，即使它是同一個實體。 這就是為什麼為了避免數據冗餘，應該決定將該實體分配給哪個系統（CRM、ERP 等）。

數據管理策略主要是一種管理活動。 同時，構建適當的、經過深思熟慮的解決方案架構的技術部分也不容小覷。 戰略工作應從公司所有數據流的圖表開始。 確定您擁有的源系統、數據在哪裡生成和使用、您擁有哪些實體以及它們存儲在哪裡，然後決定如何在技術上實現它。

— *instinctools BI 部門負責人 Alex Obolensky

3.缺乏數據人才

技能短缺是阻礙數據分析工作的其他常見商業智能問題之一。 2020 年，美國面臨數據科學人才短缺的問題——公司未能填補大約 250,000 個職位。 2022 年技術招聘調查還將數據科學定義為一種需求遠遠超過供應的技能。

整個招聘市場迫在眉睫的人才危機、不斷變化的人口結構和“大辭職”加劇了這種情況，這可能是另一場經濟衰退。 如果沒有專門的技能，公司就無法有效地利用 BI 分析、為基線信息建立數據倉庫或建立所需的數據素養水平。

為了應對人才緊縮，公司傾向於利用外包的專業知識。 專門的 BI 團隊組成一整套內部數據專家，幫助企業快速驗證他們的數據計劃，沒有招聘麻煩。

4.糟糕的數據可視化

您的數據和分析過程的質量往往會偷走所有的榮耀。 但是，BI 儀表板的設計對於將復雜數據傳達給決策者並將關鍵見解轉化為行動同樣重要。

如果數據沒有以令人信服的方式呈現和論證，它就會被忽略，或者被意見壓倒。 永遠不應低估爭論和製作故事組件的價值。

— Qlik 市場情報高級總監 Dan Sommer

缺乏交互性、無法獲取近乎實時的數據、死板的模板，甚至錯誤的顏色選擇都可能導致儀表板實施中的潛在挑戰。 為了強調適當的數據價值，公司應採用具有廣泛個性化功能的高度可定制的儀表板，以滿足組織的獨特需求。

儀表板類型的正確選擇還可以使您的 BI 管理更加完善。 分析儀表板提供關鍵數據的全面概覽，而操作儀表板包括與特定部門相關的實時更新。 戰略類型向高管提供基本 KPI 的概要。

5. 選擇合適的軟件

在應對商業智能實施挑戰時，選擇正確的 BI 工具是成功的一半。 據 TrustRadius 稱，Tableau、Qlik Sense 和 Microsoft Power BI 是市場份額最大的領先商業智能平台。 但是哪一個符合您的獨特需求？ 讓我們談談這三者之間的主要區別。

正如您從表中看到的，在這三種工具之間進行選擇就像在奧迪、寶馬和梅賽德斯之間進行選擇一樣，將大致相同的質量包裝在略有不同的外觀中。

然而，在大規模採用的情況下，即使是細微的差異也開始發揮作用。 必須考慮許可證類型、角色和權限、折扣分配和其他因素，以優化您的 BI 體驗。

此外，通用商業解決方案可能無法始終滿足您的可視化需求。 例如，由於分析需求高且沒有許可負擔，B2C 初創公司更適合使用開源 BI 解決方案。 在某些情況下，公司選擇定制 BI 工具進行品牌設計。

6. BI在員工中的採用率低

在您為分析軟件投入了所有金錢、時間和精力之後，它可能仍然無法正常工作，因為用戶不會接受它。 組織內的低採用率仍然是主要的 BI 問題之一。 如果您希望新部署的 BI 工具不僅可供分析師或數據科學家使用，請確保它是用戶友好的，而不是令人生畏的。

此外，從員工的角度來看，員工經常對新軟件表現出合理的抵制。 這種對商業智能的厭惡是完全可以理解的，因為主要任務是手動整合公司分析的人擔心報告自動化會使他們失業。 這就是為什麼他們需要被說服。 能夠接受商業智能挑戰和機遇的員工將成為公司更有價值的資產，因為他們不再需要浪費大量時間處理數字或擔心犯錯的風險。 相反，他們將從上到下分析信息，並將分析結果傳達給他們的經理。

處理與 BI 實施和思維方式轉換實踐相關的管理問題的微妙藝術需要在 Excel 中更加精確。 人們對這個工具的忠誠度不容忽視。 數字往往勝於雄辯。 使用它們向您的員工展示 BI 工具在節省時間方面的益處。 例如，財務總監需要一到兩天的時間來處理臨時請求，三五天的時間來準備每月的會議，以及大約三週的時間來總結一年的結果。 使用 BI 系統，只需單擊一個按鈕即可自動完成所有報告。

主要目標是向人們展示如何使用儀表板來回答他們的問題并快速有效地探索可用數據。 當數據被充分可視化而不是分散在電子表格中時，趨勢更容易被發現。

是的，我們知道 Excel 不僅僅是表格，您也可以在其中構建圖表，但您無法在現場與它們進行交互。 在儀表板中，您可以單擊單個段並立即查看您需要的信息，而在 Excel 中，您將需要更多時間來做同樣的事情。

*instinctools BI 部門負責人 Alex Obolensky

應對商業智能實施挑戰的有效方法和旨在緩解用戶痛苦的適當變更管理的重要組成部分是員工培訓。 這就是為什麼用戶不應該在系統部署後陷入困境。 尋找 BI 實施合作夥伴，他們將準備有關新流程的文檔並安排範圍廣泛的培訓，這些培訓不僅旨在教授如何使用軟件，而且還旨在提高一般技術素養。

導航商業智能的路徑

數據科學項目的失敗率高達 87%。 它證明了一個事實，即一個可靠的數據分析和可視化架構不能憑直覺制定戰略，除非你想得到零星和不完整的見解。 意識、計劃和專業知識將幫助您避免大多數 BI 問題。 下面，我們將探討成功的商業智能戰略的三大支柱。

定義你想要解決的問題

商業智能的應用領域非常廣泛，幾乎涵蓋了所有業務運營。 因此，您應該從小處著手，確定分析範圍並將其與相關指標和報告聯繫起來。 反過來，這些報告應圍繞特定選擇的內部或外部 KPI 進行，以衡量和分析組織的數據並對其進行改進。 BI 諮詢合作夥伴可以就相關指標為您提供建議並驗證您的分析範圍。

通過適當的變革管理轉變組織的思維方式

當用戶從零散的工具轉向集成的 BI 系統時，您應該採用正確的轉換方法來消除慣性並提高系統接受度。 建立穩定透明的溝通流程，將不同領域的領導者聚集在一起，舉辦研討會和培訓，以培養協作數據流和無縫知識共享，以獲得準確的業務洞察力。

選擇可靠的諮詢合作夥伴

單一的統一數據倉庫和一致的數據策略為快速準確的數據分析奠定了基礎。 如果沒有這些前兆，您的洞察力將被孤立在數據孤島中，被鎖定在部門內，錯失良機。 為避免數據故障，請確保經驗豐富的 BI 諮詢團隊建立強大的數據基礎架構、管理數據治理並將您的數據倉庫與正確的 BI 工具連接起來。

用商業智能打擊薪酬

數據驅動的決策不再是一種選擇； 這是企業長壽和競爭力的使命。 商業智能孕育了一種數據驅動的方法，並允許公司將他們的數據轉化為行動。

支持 BI 的警惕性是正確的數據策略、統一的 IT 架構和一致的採用節奏的共同結果。 如果您的 BI 難題中缺少一件，您的公司將在數據方面目光短淺，無法做出正確的決定。 獲得數據和 BI 專業人員的支持將幫助您拼湊難題並克服常見的商業智能挑戰。

這篇文章最初發表在這裡。