如何應對實施大數據分析的挑戰 | 根據我們客戶的故事

數據分析的日益主導地位使其實施成為全球組織的首要任務。 面對未來的顛覆性歲月，全面了解業務績效和資源分配現在比以往任何時候都更加重要。 然而，從大數據中獲得巨大影響與數據分析挑戰密切相關，如果不加以解決，這些挑戰可能會使您的工作陷入困境。

我們將這篇文章專門介紹了實現卓越分析的常見障礙。 以下數據分析挑戰列表基於我們客戶的真實經驗，我們的 BI 顧問提供了緩解策略。

大數據分析中可怕的五個

我們的客戶是一家時裝零售商，希望通過數據計劃實現目標。 然而，由於難以掌握正確的數據管理策略和 BI 工具，該公司的數字化轉型暫停了。

以下是我們的客戶強調的挑戰以及我們的專家建議的解決這些挑戰的專業技巧。

1. 無法正確定義用戶需求

長期以來，這家公司一直在涉足 BI 工具和數據可視化的潛力。 但是，我們的客戶沒有商業智能方面的實踐經驗，因此無法準確定義 BI 需求。

有了需求簡介，就可以更容易地提出技術解決方案。 但是我們的 BI 專家在分析業務需求並根據這些需求做出最準確的技術調整方面做得非常出色。 從本質上將他們的需求轉化為明確定義的目標。

專業提示：如果您是 BI 生態系統的新手，請確保從經驗豐富的技術合作夥伴那裡獲得專業建議。 在這種情況下，您的供應商將完成需求獲取的繁重工作，而您可以選擇建議的技術解決方案之一。

事實證明，我們的客戶也很難傳達需求，因為他們沒有一個可以著手的重點領域。 相反，該公司試圖涵蓋業務績效的各個方面，從收入到庫存周轉率，並將所有 KPI 壓縮到一個綜合儀表板中。 雖然這當然是可能的，但指標的雜項會使您的報告更難理解。

專業提示：從小處著手，確定一些要跟踪和可視化的核心指標。 通過一次處理一個功能區域，您可以增加更成功和一致的 BI 採用過程的可能性，並消除大部分數據分析挑戰。

2. 進行系統變更，不考慮對其他部門數據的影響

在大多數情況下，僅僅繪製出用於分析和跟踪的 KPI 是不夠的。 對於跨職能團隊，首先明確和定義這些指標的含義也很重要。 由於部門可能會以不同的方式進行計算，因此對 KPI 及其計算的共同理解可以防止指標值出現差異。

在這條線上，我們客戶的其他數據分析挑戰是跨業務部門對相同指標的不同看法。 因此，線下銷售經理將銷售收入視為銷售服裝所賺取的一切收入，包括在其上增加的增值稅。 相反，會計和財務部門將線上和線下銷售的淨收入作為核心指標。

我們的團隊通過為決策者引入 KPI 詞彙表消除了這種知識共享差距。 通過這種方式，每個部門都可以確定正在使用的指標、關聯的數據源和指標公式。 決策者還設置每個績效指標的個人所有權，並在部門內為給定指標分配一個儀表板所有者。

專業提示：確保您選擇了正確的指標來顯示，並充分了解 KPI 如何最終出現在執行和運營儀表板中。 考慮為每個部門使用單獨的儀表板，以避免指標模糊和重疊。

3、缺乏統一的企業形象

雖然每個業務部門都應該詳細了解內部指標，但 CEO 需要更高級的業務績效概覽。 高級快照提供了公司績效及其瓶頸的鳥瞰圖。 這可以通過提供跨業務部門的最高 KPI 的執行摘要或通過為公司的每個部門提供高級報告儀表板來完成。

執行儀表板中包含的指標因行業和公司而異。 零售商可能希望密切關注每平方英尺的利潤和收入、物流成本、有利可圖的營銷渠道、最暢銷的商品、投資的毛利率回報率和其他重要指標。

對於我們的客戶，該公司需要一份統一的監控報告，以獲取並整合有關公司績效的預定義值。 儀表板應提供快速健康檢查，並有可能向下鑽取特定指標。 至於變量，我們的客戶使用三個單獨的屏幕進行銷售分析、利潤動態和客戶數據，這些屏幕顯示同比（同比）增長。

專業提示：將特定部門的指標納入高管採取行動所需的共同觀點。 執行儀表板應包括可用於統一業務戰略語言的核心高級指標。

4.按照商定的標準收集有意義的數據

我們大約 95% 的客戶認為編譯每條業務數據、將這些數據發送到 BI 工具並收工就足夠了。 雖然這將是一個完美的場景，但在大多數情況下，公司會被分散的、缺乏管理的數據源淹沒。 這是數據管理出錯的教科書示例。

在這種情況下數據分析的挑戰是什麼？ 如果沒有正確的數據架構、建模和管理，您的數據質量就沒有機會為決策制定提供遠程準確和有意義的見解。 因此，77% 的公司難以獲得高質量的數據，這導致人們對組織的數據和分析產生不信任。

專業提示：根據我們的大數據專家的說法，數據質量問題無法在分析層面解決。 應該通過在組織內引入統一的數據管理策略來消除它。 然後可以將商業智能工具用作數據質量的酸性測試。

回到我們的客戶那裡，該組織也遇到了同樣的問題，即數據值缺失、輸入不完整、重複和其他問題。 此外，該公司沒有在各個子系統之間自動共享信息的集成架構。

我們的團隊就收集、存儲和轉換數據的最佳實踐向組織提供建議，並接管了業務系統之間無縫數據共享的技術方面。 我們的數據工程師確定了每個業務部門（CRM、ERP 等）內的主數據來源，選擇了正確的數據模型，併校準了主數據源和數據倉庫之間的共享流程。

5. 員工抵制採用新系統

員工對 BI 的採用率低也可能成為數據分析工作的重大障礙。 目前，其最終用戶採用分析的上限平均為 25%，而其他人則更喜歡傳統的電子表格或基於直覺的預測。

這個問題的根本原因可能源於低水平的技能培訓、BI 工具的複雜性，或者擔心自動化會取代員工。 應單獨處理每種類型的理由，同時應向每位員工清楚地傳達和展示報告系統的整體價值。

起初，我們的客戶很難讓員工認同將 Power BI 作為分析標準。 員工厭惡的主要原因似乎是人們對變革的自然抵制。

根據每個業務部門的獨特用戶需求，我們的 BI 專家針對特定部門調整了界面。 入職之後是每個部門的內部研討會，並通過創建帶有工具指南的文檔來促進。

根據我們久經考驗的經驗，我們知道任何業務轉型計劃（包括大數據分析實施）只有在流程優化、尖端技術的部署和人們思想中的文化轉變朝著每個方向發展時才能帶來最大價值其他，不相距甚遠。

專業提示：如果您忽視流程中涉及的人員的作用，那麼商業智能採用率低下是不可避免的。 構建以最終用戶為中心的 BI 界面，並通過設置單一入職培訓確保順利啟動。

引導您的公司應對數據分析挑戰：簡單的方法

就像每個房子都建在堅實的地面上一樣，洞察力的生成也是建立在數據基礎上的。 具有諷刺意味的是，數據本身是數據分析中最大的挑戰之一，它會削弱您的 BI 管理並導致您做出錯誤的決定。

我們幫助我們的客戶充分發揮數據分析的潛力，並將其用於他們的優勢。 通過擁有統一的數據架構和正確的技術基礎，該公司現在可以獲得核心業務運營的實時視圖，並根據數據採取行動，以領先於競爭對手發展、創新和適應快速發展的零售市場。

本文最初發表於此。