的未来现在是以数据为中心的，对于企业来说，在这个不断发展的市场中竞争——并非如此字节在规模庞大的数字经济中，他们需要对数据和分析有深刻的见解，才能在未来几年坚持自己的地位。商业智能(BI)应运而生。商业智能——数据分析、报告、数据可视化等——通常是一个热门话题;这一趋势持续升温，而且没有任何放缓的迹象。商业智能曾经被视为利基市场，几乎没有被充分利用，但如今它已经迅速发展，成为企业寻求超越竞争对手的必需品。
然而，当商业智能有能力成为将一家公司从仅仅生存到蓬勃发展的工具时，数据驱动的辉煌之路布满了失败的企业和欠考虑的战略。BI可以极大地帮助企业——从确定增加利润的机制到预测未来项目的成功，再到分析客户行为——但只有在第一次就正确设置的情况下。
商业智能项目是复杂的，通常不简单。他们不断变化的;生命体:应该被当作生命体对待的生命体大多数BI计划都是涉及多个方面的庞大事业;有时他们会带来成功的故事，有时他们会失败。没有魔法棒或快速指南来确保你的特定努力获得巨大成功。
然而，在不成功的BI项目中，我们一次又一次地看到一些常见的错误。为了确保你的商业智能项目成功，我列出了8个常见的商业错误(以及如何避免它们)。我不会手下留情;您将深入了解一篇关于BI陷阱的详细文章。但别担心，我们已经让它很容易导航和跳过各个部分。AnchorTop
8个可以避免的错误正在扼杀你的BI项目
- 跟踪和执行错误的kpi
- 无法驯服难以控制的数据库
- 低估了产品灵活性的重要性
- 业务和技术双方缺乏沟通
- 混淆自助服务和自给自足
- 没有使用数据可视化来增强分析
- 无法与BI的投资回报率进行沟通
- 无法灌输数据驱动的文化
”如果你不能衡量它，你就不能管理它——那句古老的谚语是这么说的。这就是为什么关键绩效指标(kpi)非常重要。企业能够在整个组织内沟通他们的目标是至关重要的;kpi确保这些目标是最重要的，对于帮助正确跟踪、理解、分析和利用数据至关重要。
无论如何，这些指标都应该是企业用来跟踪其战略目标进展的最重要的措施/单位/价值。精心设计的kpi类似于灯塔;它们是导航的关键工具，为企业应该或不应该走向何方提供指导。如果建立得当，kpi将提高绩效，并为如何衡量进展提供明确的指导方针。
然而，kpi——以及扩展的商业智能项目——很容易失败，因为它们通常定义不清。大多数企业将kpi误认为是关键结果指标(KRIs)。虽然这两者对于日常监控、分析和绩效衡量至关重要，但KRIs只是跟踪和定义成功。而kpi则是对其进行分解和衡量。以包含以下指标的营销仪表板为例:
>弹跳率
>页面浏览量
>铅转化率
>平均页面时间
>等。
这些是KRIs。有了这些，您当然可以推断出您的状态，例如内容策略。您将知道这些指标是否符合预期，并可以相应地调整流程。但是，直到一段时间过去，您的仪表板更新了新的结果，您才会意识到更改的影响有多大。
仅仅依靠KRIs是被动的;它们对于理解什么是有用的被完成了。以第二个仪表板为例。这和第一个的区别在于，现在正在跟踪的指标，是那些会导致你想要的结果的指标:
>会议预约
>概念验证获胜
>演示完成
>等。
这些kpi追踪的是为了实现那些预先定义的战略目标需要做些什么。通过kpi，您可以在既定的流程中实时跟踪关键的成功因素，以确保您正朝着正确的方向前进。不要犯盲目追逐数字的错误。
一个糟糕的数据库可能是商业智能项目的祸害。这是一个混乱的、过时的、格式不正确的数据库，有时还会提示一些不可能发生的事情——不，客户有不自18世纪以来一直很活跃。你的数据库完全适合构建仪表板和报告的可能性很小，甚至不存在;更有可能是他们像垃圾桶。我敢说，找到一个原始数据库的可能性比找到一只独角兽还小;有时我怀疑他们的存在。
让我们搞清楚一件事。数据库绝不是故意不规范的。这是一种有机发生的事情:短期决策通常会导致有问题的设计选择，数据被囤积，命名惯例像渡渡鸟一样，业务流程不会随着时间而改变，等等。此外，数据固有的混乱性也起到了关键作用;数据往往是不完整的、不标准的、不一致的、不准确的和过时的。
让我们以客户关系管理(CRM)平台为例。CRM数据库的成功取决于使用它的各方的相互依赖;销售、市场营销、客户成功等。尽管每个团队都尽最大努力保持沟通和团结，但可以肯定的是，每次对数据库进行更改(例如添加了一个新字段)时，并不是每个人都知道它。这是可以预料到的，因为数据库不断地重新布线以适应不断变化的业务需求，然而，随着时间的推移，这些对数据库的微小调整和修改会加剧，导致一些令人不安的后果。
因此，与其将精力集中在解决数据和数据库质量(不要误解我的意思，这两者都非常重要)上，不如考虑，选择一个商业智能平台，它本质上拥有补救无序数据库的功能-从一开始-例如邓达斯BI。
我假设你是一个优秀的评估者，在商业智能评估的每个方面都很全面。我甚至敢打赌你让福特的172点检查相形见绌!问题是，不管你的评估有多完美，您当前的BI和数据可视化需求在未来将不再是您的需求。这意味着即使一个BI工具现在检查了你所有的盒子，在未来的某个时候可能不会是这种情况。
那么，你能做些什么来跟上你不断变化的需求呢?你如何确保你的BI工具是自适应的，并且能够跟上任何扔给它的东西——或者将会扔给它的东西?你怎么能让对未来的担忧成为过去呢?
如果你正在评估BI工具，那么你选择的工具必须满足一个标准，那就是远远高于其他工具:灵活性。您需要确保您最终选择的工具能够随着需求的增长和扩展而增长和扩展。我强烈建议您特别勤奋地确保您所评估的每个工具都是灵活的各领域的应用程序的。事实上，对于这个经常避免的错误，我非常坚定，我将与你们分享一份清单，在评估每个BI供应商的工具的灵活性时，你应该问他们:
数据连接您支持哪些数据源?>不支持开箱即用的数据源怎么办?您是否支持多维/OLAP数据?
数据准备
你支持什么数据存储技术?
你是否支持基于用户的安全?
你的工具会清理，转换或增加我的数据吗?
你支持数据治理吗?
>是否支持数据更正?
>是否可以回写和数据输入?
数据分析
我可以用Python, R或脚本转换数据吗?
你支持动态假设分析吗?
你有添加新公式的插件模型吗?
你支持不规则的层次结构吗?
数据可视化
>有哪些高级数据可视化可用?
我可以添加我自己的数据可视化吗?
你支持移动/响应式设计吗?
>是否可以轻松添加period-over-period ?
>是否支持报告爆发和通知?
嵌入是如何工作的?
应用程序/管理
如何支持开发方法?
>可以管理可以通过API完成？
>如何配置应用程序?
这只是你应该问的详尽问题清单中的一个简短摘录。如果你想要完整的问题清单和更详细的解释，请参考这个视频>>>
这些问题旨在挑战技术产品。如果您正在评估的商业智能供应商可以很容易地回答这些问题，并有证据，那么您就走上了正确的道路。关于产品灵活性，你需要问的最重要的问题是“如何”。如果他们的布丁里没有证据，买家就要小心了。
在任何商业智能评估中，都有两个方面:业务方面和技术方面。在许多情况下，业务是什么技术是如何去做。不幸的是，虽然双方都把业务的最佳利益放在心上，但对于BI的功能以及如何能够和应该最好地利用它，双方都有相互竞争的观点和信念。使问题进一步复杂化的是，业务方面往往过度参与错误的阶段。
为了确保您的商业智能项目成功，必须什么和如何聚在一起。众所周知，商业智能是一种业务驱动程序——为企业提供能力和机会，使其能够做出更明智的、数据驱动的决策——然而，当业务和技术方面跨功能协作工作时，才能实现最佳的BI部署，以实现单一目标。
好的，很好，我们已经确定了双方需要共同努力才能使BI项目成功，但这到底是什么意思呢?好吧，大多数企业都不能理解或交流BI输出(即仪表板或报告等)需要提供的行为结果。而正是业务和技术双方之间缺乏沟通造成了并随后扩大了这种裂痕。为了解决这个问题——或者更好，完全防止这种情况发生——业务方面需要从一开始就清楚而简洁地说明他们期望的结果为什么他们是必需的。通常情况下，技术资源是在真空中开发的，并且没有足够具体的理解为什么他们接到了一些要求。
这个话题微妙而复杂，但我的建议是从结尾开始，再往后推。通过从业务方面和他们的目标开始——谁将查看数据，他们为什么要查看数据，他们期望的结果是什么，等等——你将能够更好地理解和定义哪种可视化和输出最有意义。从那里，技术方面可以遍历数据并相应地准备一切。
现在，企业比以往任何时候都更接受这种理念自助服务分析。事实上，这种趋势是如此流行，以至于Gartner预测到2019年底，“具有自助服务功能的业务用户的分析输出将超过专业数据科学家”到2020年底，80%的企业报告将由自助式商业智能工具组成。很好，所以自助分析是未来，对吧?错了。根据我们的经验和参与过的项目，只有10%的业务用户真正需要自助服务功能。
自助服务分析的想法很诱人。它承诺解放分析师，让他们可以专注于更有战略意义和更有价值的工作，而不是报告，它还承诺让业务用户在需要时可以更方便地访问他们的数据。企业已经厌倦了传统报告工具所具有的僵化和缺乏直观性，并被自助服务所承诺的强大和自由所诱惑。但他们的关注点是否错了?自助服务是否过度承诺而未能实现?这就是问题所在;企业经常犯的错误是混淆了自助服务和自给自足。
每个人都认为他们想要自助服务，但事实并非如此。是否每个人都希望实时地将数据与新数据源混合在一起?大多数终端用户知道什么是数据混合吗?即使用户想要执行更高级的数据准备，他们有时间吗?所有这些问题的答案都是“不”。企业真正想要的是银盘自助服务或者用我们登达斯的说法，银质服务。当业务用户执行其工作所需的数据以一种直观且易于使用的方式被直接提供给他们时(因此得名)，就实现了自助服务分析的这种变体。这种方法确保业务用户不需要学习如何该软件可以工作，但仍然能够在定制的环境中探索数据。
自助服务很诱人。也就是说，这不是达到目的的手段;它不会将您的业务用户转换为表拼接、数据清理和模型构建分析师。在你的评估中请不要轻信自助分析的空洞承诺相反，寻找一个BI工具的设计所有用户类型在心里的。该工具必须使分析师和BI专业人员能够更深入地挖掘他们的数据，并使用高度交互式的可视化和同样强大的分析引擎执行内存中或动态数据分析。反过来，这组用户需要一种工具，使他们能够将他们的发现转化为漂亮的报告，以一种适合他们的方式与大多数用户共享。然后必须为业务用户提供完全受治理的体验，允许他们个性化这些报告，并创建易于使用(更重要的是易于使用)的相关且可操作的内容。
商业智能是一个包罗万象的术语，因为它包含了来自企业和软件供应商用于分析数据的策略和技术的许多不同元素。其中一个元素——我认为是最重要的——是数据可视化。事实是，公司淹没在数据池中;在他们的支配下，根本就不缺乏有价值的信息。但如果没有适当的工具来理解它们，所有这些0和1都是毫无价值的。这就是数据可视化发挥作用的地方。
表示层您的商业智能和分析堆栈是您了解业务表现的窗口。通过使用数据可视化，您将能够推动即时决策——通过将大量原始数据转化为可视化洞察——这最终将导致更好的结果。您还将能够更有效地使用数据，从而获得您以前从未预料到的发现。
我们天生的处理、解释和响应视觉效果的速度比处理一行又一行的数据要快。毕竟，我们拥有地球上最先进的模式识别技术——我们的大脑。这就是为什么在分析数据时，数据可视化应该优先考虑，以确保每个人都对他们的数据有一个完整的了解，这是至关重要的。
最好的商业智能供应商是懂得这一点的人令人惊叹的数据可视化的重要性。正确的商业智能工具是通过可视化来提高数据素养的工具。任何人都可以在仪表板或报告上进行数据可视化，然后就可以收工了，但最优秀的人才知道这一点有效的数据可视化是高度可定制的——精确到最基本的细节——灵活、美观且具有交互性。
“信息是21世纪的石油圣世纪，而分析是内燃机"- - - - - -Peter Sondergaard, Gartner高级副总裁，2011年。虽然这个比喻并不完美——因为将数据视为自然资源存在分类问题——但它清楚地概括了数据的价值，以及理解我们所掌握的大量数据的重要性。还有什么比商业智能更好的方法来理解数据呢?BI是——任何BI供应商都会高兴地说——一种无价的资产。它将提高效率，帮助你发现新的增长机会，并确保你拥有所需的洞察力，从而做出更好、更及时、更准确的商业决策。很容易列出商业智能的无数好处。不太容易做到的是，确定投资回报率并获得内部支持;这也是很多商业智能项目偏离正轨的地方。
商业智能工具的总支出已经是天文数字，其上升轨迹简直令人难以置信。2016年，该市场的估值刚刚超过170亿美元，到2025年，这一数字将达到预计将达到1500亿美元。对于一个以难以估值著称的公司来说，这是一大笔钱。商业智能是游戏规则的改变者，但除非你能够量化它的价值并让每个人都参与进来，否则你最好在领先的时候退出。太多的BI项目甚至在开始之前就失败了，因为项目负责人无法沟通其ROI。
那么，如何确定商业智能的投资回报呢?不幸的是，这个问题没有标准答案，因为对一个企业的好处不会是对另一个企业的好处。话虽如此，我们相信每个成功的BI项目都是从对成功的定义开始的。这一点再强调也不为过，但仅仅将数据可视化是不够的;必须有最终努力改变行为的过程。一旦你明白了完全如果你想用BI实现什么目标，你会发现获得投资的实际估值要容易得多。
下面是BI带来的更详细、更具体的例子部门和行业的水平。将这些作为理解和计算其期望值的基础。
在一天结束的时候，你的商业智能项目只有在你的用户成功的情况下才会成功使用这个工具！即使这样，仅仅使用工具往往是不够的。你需要灌输一种数据驱动的文化;在这个时代，数据主宰一切，让整个企业能够做出更好、更有影响力的商业决策。不这样做会让你的整个项目处于危险之中，让它在失败的边缘摇摇欲坠。
有许多方法可以创建更以数据为中心的文化。这不是一夜之间就能实现的事情——这需要时间、精力和金钱的投资——但只要有一点创造力和体力，数据在您的业务中广泛使用只是时间问题。以下是一些关于如何安装数据驱动文化的建议:
数据流从上到下
如果一个领导团队致力于创造一种数据驱动的文化，你可以打赌他们的热情将产生连锁效应。你一定听过“以身作则”这句话，这次也不例外。你的领导团队必须体现出你希望塑造的特质，并且必须在流程的每个阶段都投入到数据驱动中去。如果你的领导者对事业不忠诚，那么数据就见鬼去吧。
让每个人都能访问数据
商业智能已经够复杂了;不要让它变得过于复杂，让用户不必要地难以访问和使用。可访问性意味着将易于理解的数据引入用户已经熟悉的工具和应用程序中。做到这一点的最佳方法之一是选择一个商业智能工具与现有系统集成并嵌入其中-这样做可以让每个人都了解数据。
再次检查您的BI工具在沟通和协作领域的熟练程度也没有什么坏处。功能包括数据驱动的通知和计划报告在创建一个更受数据驱动的文化方面还有很长的路要走。
教育和支持新用户
与任何新举措一样，成功取决于采纳与否。花时间培训和教育您的用户BI的价值以及如何使用该工具。为你的用户提供他们成功所需的一切，不要害怕充分利用BI供应商提供的支持。不要误以为用户会立即采用你的解决方案。让商业智能成为习惯，你的项目将会非常成功。
不要犯错
错误是不可避免的——这是商业的本质。在一天结束的时候，你所能期待的最好的结果就是限制每一次犯错的后果。不可能解释每一种情况。在规划商业智能项目时，准备工作是关键，经过深思熟虑的策略将确保最终结果非常值得投资。
关注我们
支持