商业智能 (BI):权威指南

了解影响 BI 的当前趋势,包括人工智能、机器学习和 IoT。

定义:什么是商业智能?

商业智能 (BI) 是用于分析业务信息的战略和工具的集合。如果将外部数据源与内部数据源相结合,形成可付诸行动的见解,商业智能项目的效果会大大提高。

商业分析(又称高级分析)这个术语往往可以和商业智能互换使用。但是,业务分析是商业智能的一个子集,因为商业智能处理战略和工具,而业务分析更侧重于方法。商业智能是描述性的,而商业分析更具指示性,用于解决问题或商业问题。

竞争情报是商业智能的一个子集。竞争情报是用于收集、获取和分析竞争对手商业数据的数据、工具和流程的集合。竞争情报通常用于监视产品差异。

商业智能在企业中的应用

  • 衡量

  • 许多商业智能工具用于衡量用途。它们可以从传感器、CRM 系统、网络流量等来源中获取输入数据,以衡量 KPI。例如,大型制造企业的设施团队解决方案可能包括用于测量关键设备温度的传感器,以优化维护计划。

  • 分析

  • 分析是通过对数据进行研究,以发现有意义的趋势和见解。这是一种非常流行的商业智能工具的应用,因为它使企业能够深入了解其数据,并通过数据驱动的决策创造价值。例如,营销组织可以使用分析来确定最有可能转换化为新客户的客户群。

  • 报告

  • 报告生成是商业智能软件的标准应用。BI 产品现在可以为内部利益相关者无缝生成定期报告,为分析师自动化执行关键任务,并取代对电子表格和文字处理程序的需求。

    例如,销售运营分析师可以使用该工具向其经理出具每周报告,详细说明上周按地理区域划分的销售情况,这项任务以前需要花费更多精力手动完成。由于采用了高级报告工具,创建此类报告所需的工作量显著减少。在某些情况下,商业智能工具可以实现报告流程完全自动化。

  • 协作

  • 协作功能可以让用户对相同的数据和相同的文件一起进行实时处理,这在现代商业智能平台中已经非常常见。跨设备协作将继续推动开发新的以及改进的商业智能工具。在创建新报表或仪表盘时,BI 平台中的协作可能会很重要。

    例如,技术公司的首席执行官 (CEO) 可能希望在 24 小时内获得有关新产品的重点群体数据的个性化报告或仪表盘。产品经理、数据分析师和质量保证 (QA) 测试人员可以同时构建报告或仪表盘的各个部分,以便通过 BI 协作工具按时完成。

商业智能最佳实践

商业智能举措只有在组织在战略上予以投入和执行时才能成功。关键因素包括:

  • 企业支持

    企业支持是最重要的成功因素,因为即使是最优的系统也无法克服缺乏企业投入的问题。如果组织不能做出项目预算或高管忙于非 BI 计划,则项目无法成功。

  • 企业需要

    理解企业对正确实施商业智能系统的需要非常重要。这种理解是双重的——最终用户和信息技术 (IT) 部门都有重要需求,而且往往不同。为了获得对 BI 要求的批判性理解,组织必须分析其各个组成部分的所有不同需求。

  • 数据的规模和质量

    商业智能举措只有在大规模整合高质量数据的情况下才能取得成功。常见数据源包括客户关系管理 (CRM) 软件、传感器、广告平台和企业资源规划 (ERP) 工具。数据不佳会导致决策失误,因此数据质量很重要。

    管理数据质量的常用方法是数据分析,通过检查数据和收集统计数据来改进数据治理。这有助于保持一致性、降低风险和优化元数据搜索。

  • 用户体验

    在商业智能方面,无缝的用户体验至关重要,因为它可以促进用户采用,并最终从 BI 产品和计划中创造更多价值。如果没有逻辑和可用的界面,最终用户的采用将会很困难。

  • 数据收集和清理

    数据可以从无数个来源收集,可能很容易让组织不知所措。为了防止这种情况并通过商业智能项目创造价值,组织必须能识别关键数据。商业智能数据通常包括 CRM 数据、竞争对手数据、行业数据等。

  • 项目管理

    强大的项目管理最重要的组成部分之一是,打开项目人员、IT 部门和最终用户之间的重要沟通渠道。

  • 获得支持

    支持有很多形式,而在购买新的商业智能产品时,获得最高决策者的支持至关重要。专业人员可以通过了解 IT 部门的偏好和需求,从 IT 部门获得支持。最终用户也有需求和偏好,只是要求不同。

  • 收集要求

    收集要求可以说是需要遵循的最重要的最佳实践,因为它可以在需要对几个 BI 工具进行比较时实现更高的透明度。要求来自几个组成群体,包括 IT 部门和商业用户。

  • 培训

    培训可促进最张用户采用。如果最终用户没有得到适当的培训,则采用和创造价值的速度就会慢得多,并且很难实现。许多商业智能提供商(包括 MicroStrategy)提供教育服务,其中包括所有相关用户的培训和认证。培训可以提供给与商业智能项目相关联的任何关键群体。

  • 支持

    通常由商业智能提供商提供的支持工程师负责解决软件或服务中的技术问题。了解更多有关 MicroStrategy 支持服务的信息

  • 其他

    企业应该在实施高级分析之前确保具备传统的 BI 功能,因为高级分析需要具备几个关键的先决条件才能增加价值。例如,数据清理必须已经非常出色,并且必须设置系统架构。

    BI 工具也可能成为许多用户的黑箱,因此不断验证其输出非常重要。建立反馈系统,用于请求和实施用户请求的更改,对于推动商业智能的持续改进非常重要。

商业智能的作用

  • 企业报表

    商业智能的主要功能之一是企业报告,即向关键内部利益相关者提供的定期或临时的相关业务数据。报表可以采用多种形式,可以用多种方法生成。但是,商业智能产品可以实现此过程的自动化,或减轻报告生成中的痛点,而 BI 产品可以在报告生成中实现企业级可扩展性。

  • 在线分析处理 (OLAP)

    在线分析处理 (OLAP) 是一种解决多维分析问题的方法。它是在线事务处理 (OLTP) 的一个分支。OLAP 的关键价值就在于这个多维方面,它可以让用户从各种角度来看待问题。OLAP 可用于完成 CRM 数据分析、财务预测、预算编制等任务。

  • 分析

    分析是检查数据和总结出模式或趋势,以做出关键决策的过程。它可以帮助发现数据中隐藏的模式。分析可以是描述性、指示性或预测性的。描述性分析通过测量集中趋势(平均值、中位数、模式)和展布(范围、标准差等)来描述数据集。

    指示性分析是商业智能的一个子集,它指示了优化结果的特定操作。它在数据的基础上确定审慎的行动方案。因此,指示性分析依赖于情境,不应将解决方案或模型推广到不同的用例。

    预测性分析(也称为预测分析或预测建模)是使用统计技术来创建可预测未来或未知事件的模型。预测性分析是预测业务、行业或更宏观层面趋势的有力工具。

  • 数据挖掘

    数据挖掘是在大数据集中发现模式的过程,通常包含用于发现这些模式的机器学习、统计和数据库系统。数据挖掘是数据管理和数据预处理的关键过程,因为它确保了数据结构的正确。

    最终用户还可以使用数据挖掘来构建模型,以揭示这些隐藏的模式。例如,用户可以挖掘 CRM 数据,以预测哪些潜在客户最有可能购买某种产品或解决方案。

  • 流程挖掘

    流程挖掘是一种数据库管理系统,这种系统将高级算法应用于数据集,以揭示数据中的模式。流程挖掘可以应用于许多不同类型的数据,包括结构化和非结构化数据。

  • 基准分析

    基准分析是使用行业 KPI 来衡量业务、项目或流程的成功。它是BI 生态系统中的一项关键工作,被商业界广泛用于逐步改进一项业务。

  • Intelligent Enterprise(智能企业)

    以上是商业智能的所有不同的目标或功能,但只有在其应用超越传统决策支持系统 (DSS) 时,BI 才最有价值。云计算的出现和移动设备的爆炸式增长,意味着业务用户随时随地都需要分析,因此移动BI 现已成为商业成功的关键。

    一旦商业智能解决方案在组织的战略和运营中广泛应用,组织就可以以过去不可能的方式使用其数据、人员和企业资产,从而成为 Intelligent Enterprise(智能企业)。了解更多有关 MicroStrategy 如何帮助您的组织成为 Intelligent Enterprise(智能企业)的信息。

商业智能工作职位

入门级商业智能工作者的需求量很大,平均年薪 80,000 美元,比全国收入中位数高出 33%。尽管对商业智能专业人员有需求,但薪水差别很大。部分影响因素包括教育水平、工作经验和技术技能。

商业智能 (BI) 分析师能挣多少钱?

商业智能 (BI) 经理能挣多少钱?

商业智能的历史

商业智能的主要挑战

  • 非结构化数据

    要解决可搜索性和数据评估问题,对内容有一定的了解是必要的。目前,商业智能系统和技术要求数据充分结构化,以保证可搜索性和数据评估。可以通过利用元数据添加上下文来实现这种结构化。

    许多组织也在努力解决数据质量问题。即使使用原始的 BI 架构和系统,有着可疑或不完整数据的公司也很难获得用户的支持,因为他们不相信面前的数字。

  • 采用率低

    许多 BI 项目试图完全取代旧的工具和机制,但这样做往往导致采用率低,会使用户恢复到他们熟悉的工具和流程。许多专家认为 BI 项目之所以失败,原因在于创建或运行报告所花费的时间,这使得用户不太可能采用新技术,而更有可能恢复到传统工具。

    商业智能项目失败的另一个原因是用户或 IT 部门培训不足。培训不足可能导致挫败感和困扰,使项目注定失败。

  • 利益相关者之间缺乏沟通

    内部沟通是另一个可能导致商业智能项目失败的关键因素。一个潜在的陷阱是在实施过程中给用户以虚假的希望。BI 项目有时按照快速修复来计费,但往往会变成有压力的大项目并涉及每一个人。

    最终用户和 IT 部门之间缺乏沟通可能会导致项目无法成功。IT 部门和购买者的要求应与最终用户团队的需求一致。如果他们之间不合作,最终产品可能与期望和需求不一致,这样可能导致所有各方的挫败感和项目失败。成功的项目可以会为业务用户提供有价值的工具,同时满足内部的 IT 需求。

  • 规划不当

    研究和咨询公司 Gartner 警告不要以一站式购物的方式购买商业智能产品。商业智能产品是高度差异化的,客户必须找到适合其组织的功能和定价需求的产品。

    组织有时会将商业智能视为一系列的项目,而不是一个流动的过程。用户通常会不断地请求更改,因此具备审核和实施改进的流程至关重要。

    一些组织还尝试对商业智能采取“灵活处理”的方式,而不是明确制定出包含企业目标及 IT 和最终用户需求的特定战略。Gartner 建议组建一个专门负责制定或修订商业智能战略的团队,其成员可从这些组成部门中抽调。

    公司可能会要求表面级别的自定义仪表盘,从而避免购买昂贵的商业智能产品。由于过于具体,这类项目往往会失败。单个孤立的自定义仪表盘可能与公司的总体目标或商业智能战略不相关。

    在准备新的商业智能系统和软件时,许多公司都在艰难地努力形成单一版本的事实。这需要从最一般到最具体的 KPI 标准定义。如果不满足适当记录的要求,并且出现多个定义,可能会引起用户的困扰,并可能因需要正确解决这些不一致问题而损失宝贵的时间。

常见问题

成为一名商业智能分析师需要具备哪些技能?
哪一种商业智能工具最好?
商业智能工具有哪些?
商业智能的作用是什么?
什么是商业智能,它的作用原理是怎样的?
商业智能专员要做些什么?
Excel 是一种商业智能工具吗?
数据集市是什么意思?
数据集市有哪些不同的类型?
数据仓库中的 ETL 流程是什么?
OLAP 和 OLTP 之间的区别是什么?
商业智能分析师能挣多少钱?
商业智能的主要目标是什么?
商业智能和商业分析之间有什么区别?
为什么商业智能如此重要?