关于商业智能，你想知道的都在这里
共 3563字，需浏览 8分钟
·
2022-02-09 09:04
回顾总结是年底必不可少的主题，最近看到不少工作的朋友都在忙着写年终总结，许多公众号也推出了五花八门的年终盘点特辑，均感慨颇多。作为我们公众号年前的最后一篇推文，本期内容我们也不妨来回顾一下商业智能和数据分析的诞生与发展历史，重新审视商业智能在目前商业应用中遇到的问题，以及它在未来的发展方向，以此为企业伙伴和行业同僚梳理一个关于商业智能的清晰的轮廓，并提供前行的建议指导。
商业智能初步发展与进化
商业智能（Business Intelligence）这个名词在国内似乎是近些年才慢慢走入企业经营者的视野，然而事实上在国外它已经有几十年的历史了。这个可以一直追溯到1958年，当时，HP Luhn在IBM Research Journal上发表了一篇名为“A Business Intelligence System”的文章，其对商业智能的阐述为：The ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal. 直译来说，就是商业智能具有理解既有事实之间相互关系的能力，从而指导朝着期望目标而采取的行动。
在接下来的30年中，通过各种技术、理念的发展成熟，我们一步一步进化着最初的概念：
20世纪70年代和80年代，决策支持系统（Decision Support Systems）和执行信息系统（Executive Information Systems）发展流行。1989年，商业智能迎来一个重要的里程碑，时任Gartner公司分析师的Howard Dresner重新定义了商业智能的概念，他认为：商业智能是一种使用基于事实的支持系统来改进业务决策的概念和方法。
这个期间，商业智能完成的大部分工作都集中在技术，标准，流程和工具层面上，具体体现在可支持数据采集，存储规范化和检索以及报表创建等。与此同时，数据仓库，数据集市，数据字典以及提取，转换，加载（ETL）流程变得无处不在，因此这一阶段也被视为将数据转换为信息和使用信息来帮助推动（主要是可操作的）决策的开始。
分析介入 - 商业智能的根本性转变
接着，在一门具有2500年悠久历史的学科——统计学的推动下，商业智能开始发生天翻地覆的变化。
根据维基百科，我们已有证据证明早在公元前5世纪人类就开始使用统计数据。关于这个问题的更正式的著作可以追溯到Al-Kindi在公元9世纪写的“解密密码信息手稿”。
哈佛商学院客座教授兼德勤分析高级顾问Tom Davenport被公认为商业智能和数据分析领域的全球权威。在2007年出版的“Competing on Analytics: The New Science of Winning”一书中，Davenport和其合著者Jeanne G. Harris描述了数据分析使用方式的根本性转变。他们详细阐述了全球领先的企业如何使用数据驱动的分析来为竞争策略提供信息，并将其称之为企业经营决策的“秘密武器”。书中引用的例子包括亚马逊，巴克莱，Capital One，Harrah's，宝洁，Wachovia等。显然，如果商业智能与数据分析应用得好，其带来的价值是无可争辩的。
商业智能应用的陷阱
然而根据Gartner最近的一项研究，70％到80％的商业智能项目都失败了。很多企业在商业智能和数据分析项目上投入数十万，数百万甚至数千万美元的支出后，没法收获相应的商业回报。那么，是不是一个发展了50年、已经解决无数挑战的行业、一个超过千年文明的传统学科，真的不能帮我们解决这些问题吗？答案当然是否定的！这是由于企业在应用商业智能的过程中，经常会陷入一些误区，导致深陷泥潭而不可自拔，比如以下这些常见的商业智能应用陷阱：
· 传统BI主要以IT为主导，在数据分析过程中由于缺乏业务参与和支持，常常导致在数据分析目标和商业利益方面无法达成一致。
· 跨业务或跨地理位置的协作容易造成数据孤岛，这背后是数据口径没有得到统一以及对数据访问权限的治理不足，从而引发了对数据理解的不一致。要命的是此类问题始终没有得到重视，更妄想用奇技淫巧来解决全部问题。
· 很多BI项目一开始就引入多年的历史明细数据，并且毫无节制地扩大可交付范围。这些行为几乎注定了项目交付的效果不会太理想，而且极有可能伴随着一些严重的“灾难性后果”。
· IT凭自身理解来假设业务逻辑，并且认为只要建立分析，相应的业务必将按此逻辑执行。这通常发生在项目缺乏业务支持和参与，IT人员为了驱动项目而采取不明智行为等情况。
· 由于IT过于复杂，或解决方案的稳定性不够，使得项目交付产出太少或不够及时，最终导致决策支持力度不足，运营效果不佳。
审视现状和拥抱变革
当然，我们还可以再列举很多关于商业智能应用的误区。但是，探究原因远远比罗列问题来得更有意义。因此总结来讲，作为各个行业的翘楚，我们的企业管理者必须开始接受，并认真审视以下几个BI项目推进的重点：
1. 商业智能或数据分析项目失败的常见原因并非完全归责于BI平台或工具本身。回顾上面的问题列表，假如从您的角度去除BI或数据分析，仅仅考虑ERP，CRM和财务管理这些项目，你会发现遇到的问题和挑战其实大同小异。
2. 移动互联网，社交网络和社交媒体，非结构化数据，地理空间数据，生物识别技术，基于传感器的技术，IT和云计算的消费化，所有这些技术进步都在促进着业务的进步，同时也在以前所未有的速度推动着信息类型和数量的爆炸式增长。我们通常称之为“大数据”。那相对而言，企业需要分析的数据基础不过是些“小数据”而已了。难道这个时代我们还会受到“小数据”的挑战？
3. 通过上述技术的不断进步，许多新类型的数据成为了实时可用的。商业智能和数据分析学科也因此得到迅速发展 - 从查看历史到预测未来，再到为即时行动提供指导信息 - 比如实时供应链管理，主动客户服务，精准营销等。如果我们现在还在挣扎于“批量信息管理方法”的泥潭，那要到何时才能发掘实时行动和反应的价值？
4. 能够有效利用瞬息万变的信息类型和多样化的海量数据来拥抱变化、成功实现商业价值的企业必将持续扩大竞争差异化的空间，最终构建起竞争壁垒。而无法拥抱新技术带来的变革的企业可能会被边缘化，甚至是更糟。所以大数据时代的企业CIO们如果无法通过制定计划引领企业成功变革，可能会落到“更糟”这个区间的末端这样的尴尬境地。
所以，我们尊敬的CIO们，亲爱的IT同事们、朋友们、同胞们，请务必听从我们的几个建议。
一、首当其冲的，请确保您的优先项目是与您企业的业务紧密相关的。您需要能够清晰地阐明您的商业智能和数据分析项目是如何来关联到真正的业务场景，并能为业务产生价值的。
二、不要羞于与你的业务伙伴就竞争差异化带来的行业两极分化，以及处于行业分化两端的优劣进行沟通。
三、让您的IT团队井然有序起来，确保你有足够的人才储备并掌握正确的技术技能，以确保这些项目可以成功实施。请注意这些项目与您以前的管理信息系统已经大相径庭了！
这样就够了吗？当然不是！这条路我们仍旧在不断探索，而您，可能还需要一个专业的BI产品和技术合作伙伴一同前行，来伴您一起发现数据的价值！
观远数据十分乐意成为这样的一个存在。作为国内新一代数据分析与商业智能（AI+BI）解决方案服务商，观远数据在业内首次提出了从BI到AI的5A模型（Agile敏捷化、Accurate场景化、Automated自动化、Actionable行动化、Augmented增强化），可打通从敏捷分析到智能决策的最短路径，为企业快速构建最强决策大脑。截至目前，我们已服务联合利华、百威英博、中国银行、小红书、Lily、上蔬永辉等众多新零售、新金融、泛互联网以及综合型集团客户，帮助企业看见过去，预见未来。
想了解更多观远数据产品及解决方案，欢迎添加微信号：shopbi2018，观远技术大神等你来撩~
编译：观远产品天团 - 小刚
解锁关键词