在這個充滿波動性、不確定性、復雜性和模糊性的商業(yè)環(huán)境中，最有力的競爭優(yōu)勢是信息。隨著數(shù)字化轉(zhuǎn)型成為各類企業(yè)的追求，從數(shù)據(jù)中獲取情報的能力將是獲勝的關鍵。

在大多數(shù)情況下，這些問題既是技術問題，也是文化問題。信息孤島、不愿共享、缺乏分析技能以及業(yè)務用戶難以查找和獲取數(shù)據(jù)，這些都是阻礙企業(yè)真正以數(shù)據(jù)為中心的因素。

大量數(shù)據(jù)表明，由數(shù)據(jù)驅(qū)動的決策可以使企業(yè)更加靈活、高效和響應迅速。低成本、可大規(guī)模擴展的數(shù)據(jù)庫和云端分析工具的出現(xiàn)，降低了獲取和使用數(shù)據(jù)的障礙，但許多企業(yè)受到傳統(tǒng)技術的束縛，無法滿足日益增長的用戶需求。

01數(shù)據(jù)對企業(yè)具有重要價值

商業(yè)應用研究中心(BARC)的一項調(diào)查發(fā)現(xiàn)，三分之二的組織認為信息在現(xiàn)在或?qū)淼臎Q策中非常重要。然而，58%的受訪者表示，他們公司的管理決策至少有一半是基于直覺或經(jīng)驗的。在被BARC定性為“落后”的組織中，這一數(shù)字為70%。

據(jù)Gartner估計，87%的組織在商業(yè)智能和分析的成熟度方面水平較低。他們傾向于使用電子表格進行分析，并在沒有經(jīng)過統(tǒng)籌的獨立項目中提取個人數(shù)據(jù)。根據(jù)該研究公司的說法，這些信息孤島限制了BI現(xiàn)代化。對于大多數(shù)組織來說，問題在于傳統(tǒng)BI工具的泛濫，再加上數(shù)據(jù)治理流程將太多的責任集中到了稀缺的數(shù)據(jù)管理人員手中。數(shù)據(jù)驅(qū)動意味著將數(shù)據(jù)以可用的格式及時地傳遞給需要它的人。然而，在很多組織中，僅僅是將數(shù)據(jù)轉(zhuǎn)換成可用的形式就浪費了太多時間。

當今的商業(yè)環(huán)境中，數(shù)據(jù)是競爭優(yōu)勢的最關鍵來源，低效的數(shù)據(jù)處理越來越難以維持。企業(yè)可以將許多非核心競爭力的操作和基礎設施外包出去。事實上，新型的純網(wǎng)絡企業(yè)幾乎沒有任何基礎設施。這些公司所擁有的是圍繞數(shù)據(jù)使用的文化和組織的嚴謹性。

數(shù)據(jù)是大多數(shù)公司各個層面做出明智決策的關鍵，今天，這些決策可能延伸到收銀員、酒店管家和工廠車間里的工人。一家運營良好的公司在管理層制定戰(zhàn)略，并將其轉(zhuǎn)交給對應的管理者，由他們將其轉(zhuǎn)化為有數(shù)據(jù)支持的流程和舉措。這些數(shù)據(jù)可以是戰(zhàn)略性的(用于對新的倡議作出決定)，戰(zhàn)術性的(用于決定如何執(zhí)行個別倡議)和操作性的(用于支持正在進行的進程)。

不幸的是，許多組織中的數(shù)據(jù)流受到了一系列技術限制，這些限制圍繞查找、清理、加載和協(xié)調(diào)數(shù)據(jù)源等任務，而這些任務又被糟糕的數(shù)據(jù)治理實踐放大了。用戶可以自己承擔的任務最終集中在技術人員身上。其結果是，高優(yōu)先級的項目得到了關注，而小項目的“長尾”則被分流到了一邊。這些低優(yōu)先級的請求加在一起，將會對底層業(yè)務產(chǎn)生重大影響。

舉一個真實的例子：一家被稱為數(shù)據(jù)分析領域領導者的大型零售商。像許多同行一樣，該公司投入了大量的工作，為假日購物季的促銷活動、定價、庫存和人員配置做準備。但是，對于公司內(nèi)部的一些小組來說，一年中最繁忙的時間是在圣誕節(jié)之后。這些部門主要是處理售后工作以及節(jié)假日后的商品庫存，這是增加銷售機會和改善客戶關系的一個重要渠道。部門經(jīng)理對他們無法獲得客戶行為數(shù)據(jù)和節(jié)后購買的歷史記錄感到沮喪，這些數(shù)據(jù)在預測需求方面是很有用的。但是他們的需求被認為是次要的，因為要為假期激增的訂單做好準備。而最終結果是節(jié)假日后儲物箱等物資短缺，客戶服務臺排長隊，庫存計劃和供應鏈管理中斷。這種對最關鍵的業(yè)務問題的關注，留下了一長串未處理的項目，而這些項目合起來可能產(chǎn)生重大的業(yè)務影響。

根據(jù)杜德定律，價值=為什么/怎么做。價值的增長要么是通過探索原因，要么是通過減少方法。在分配資源時，組織通常會過度關注分子而不是分母，認為更大的解決方案會帶來更大的紅利。復雜的優(yōu)先級計劃總是忽略了減少“如何”可以對業(yè)務產(chǎn)生同樣大的影響。

02商業(yè)智能(BI)技術束縛了企業(yè)決策過程

商業(yè)智能是一個成熟的市場，可以追溯到20世紀90年代，有數(shù)百種可用的產(chǎn)品。許多遺留系統(tǒng)是基于客戶機-服務器架構，這種架構中數(shù)據(jù)駐留在服務器上，客戶機需要進行大部分處理。這種過時的方法需要強大的服務器處理能力和大量的文件傳輸?shù)娇蛻舳说腜C。許多工具甚至將數(shù)據(jù)存儲在本地電腦上，造成安全漏洞。而且，在智能手機和移動電話發(fā)明之前建立的系統(tǒng)也是如此。目前只有平板電腦努力在向人們現(xiàn)在最常使用的上網(wǎng)設備提供報告。

大多數(shù)傳統(tǒng)的商業(yè)智能系統(tǒng)需要提取數(shù)據(jù)庫、匯總數(shù)據(jù)集或數(shù)據(jù)倉庫，這些都是存放源數(shù)據(jù)的更新副本。企業(yè)內(nèi)部的數(shù)據(jù)倉庫很昂貴，所以存放在其中的數(shù)據(jù)量需要嚴格控制。獲取和清理數(shù)據(jù)所需的ETL過程也是費力的，而且很耗時，有時需要一個數(shù)據(jù)科學家花費數(shù)周的時間。不同的數(shù)據(jù)源使用不同的格式，從CSV文件到關系表等。用戶需要創(chuàng)建自定義查詢，以便從每個來源提取和清理數(shù)據(jù)。IDC估計，一個典型的分析團隊80%的時間花在數(shù)據(jù)發(fā)現(xiàn)、準備和保護上，只有20%花在分析上。

提取數(shù)據(jù)庫在創(chuàng)建的時候已經(jīng)過時了，因為數(shù)據(jù)不能實時獲取，而且沒有一個固定的模式。當用戶看到他們請求的報告時，數(shù)據(jù)可能是幾周前的。檢索更新的數(shù)據(jù)可能需要與數(shù)據(jù)科學團隊創(chuàng)建一個新的需求。因此，傳統(tǒng)工具阻礙了快速自動化決策的制定。

用于數(shù)據(jù)集成、ETL、數(shù)據(jù)倉庫、提取數(shù)據(jù)庫和BI前端的工具之間的不兼容，進一步復雜化數(shù)據(jù)提取。傳統(tǒng)商業(yè)智能系統(tǒng)協(xié)作能力有限，對業(yè)務用戶來說是一個黑箱，需要數(shù)據(jù)科學家和工程師猜測他們的業(yè)務方客戶想要什么，而業(yè)務用戶只需要簡單的提交任務更改請求單。這種解決方案浪費了時間，使資源進一步集中在少數(shù)高度優(yōu)先的任務上。

03企業(yè)使用商業(yè)智能(BI)效率低下

許多組織用來管理商業(yè)智能數(shù)據(jù)流的工作流程是過時的和低效的。太多的責任集中在數(shù)據(jù)專業(yè)人員的手中，而終端用戶的責任太少。這是有原因的，傳統(tǒng)的工具使用起來很麻煩，需要復雜的模式和專業(yè)的背景知識，企業(yè)還需要對敏感信息的獲取進行監(jiān)管。然而，現(xiàn)代軟件已經(jīng)簡化了許多技術問題，良好的治理和訪問管理實踐可以解決大部分控制問題，而不會阻礙人們獲得需要的數(shù)據(jù)。

數(shù)據(jù)科學家和工程師的成本和稀缺性也造成了一個重要的瓶頸。在美國，數(shù)據(jù)科學家的平均基本工資超過11.3萬美元，而IBM估計今年將有超過270萬個需要數(shù)據(jù)科學技能的工作崗位發(fā)布。商業(yè)智能只是數(shù)據(jù)科學家和工程師支持的任務之一，而且往往不是他們的最高優(yōu)先事項。

由于技術資源是寶貴的，公司往往不得不制定嚴格的程序來規(guī)范其使用，從而造成效率低下，而組織上的孤島又加劇了效率問題。用戶請求必須進入隊列進行評估和排序。由于缺乏時間和協(xié)作工具，與技術團隊的互動受到限制。工程師們可能對用戶的需求知之甚少，他們只能對要使用的源數(shù)據(jù)和需解決的業(yè)務問題做出有根據(jù)的猜測。用戶往往被排除在關于如何計算和顯示報告的小決策之外。如果在報告交付后出現(xiàn)了新的數(shù)據(jù)源，用戶必須提出新的請求，整個過程又要重新開始。

04企業(yè)如何提高商業(yè)智能(BI)的價值?

增加商業(yè)智能對組織的價值需要在技術和人員兩方面進行投資。然而，技術投資的第一個階段往往是撤資。組織需要先對正在使用的BI工具進行分析評估，并對那些應該被淘汰的工具做出一些艱難的決定。這種評估不僅要考慮基礎設施成本，還要考慮維持該工具特有的技能組合對組織的影響。管理者也應該對人們的影響保持敏感，并讓他們參與選擇新的解決方案。工具越少越好，只要它們能夠滿足組織的大部分探索和報告需求。

在技術方面，一些最大的優(yōu)勢來自于平臺的整合和現(xiàn)代化，BI工具應該向云方向發(fā)展。傳統(tǒng)的企業(yè)內(nèi)部解決方案維護費用昂貴，而且可能帶來安全風險。大數(shù)據(jù)分析正在轉(zhuǎn)向云，商業(yè)智能也在隨之發(fā)展?；谠频慕鉀Q方案將成本從資本預算轉(zhuǎn)移到基于使用的運營費用。云計算儀表盤讓管理員能夠了解工具的使用情況，而傳統(tǒng)的內(nèi)部平臺則無法做到這一點。

更重要的是，企業(yè)獲得了無限規(guī)模、持續(xù)更新和訪問內(nèi)外部數(shù)據(jù)所帶來的靈活性。他們可以嘗試使用不同種類的關系型和非關系型數(shù)據(jù)存儲，還可以結合流分析和各種開發(fā)、可視化和機器學習工具。在許多情況下，這些技術可以免費試用，或按月訂閱。

現(xiàn)代云原生應用程序也利用應用程序編程接口(API)來整合系統(tǒng)并實現(xiàn)無縫數(shù)據(jù)交換。API是應用集成的一個巨大進步。它們允許開發(fā)者以安全且可審計的方式有選擇地公開服務和數(shù)據(jù)。它們還可以創(chuàng)建全新的數(shù)據(jù)視圖，如結合數(shù)據(jù)的儀表盤。連接器可以使數(shù)據(jù)集成變得很簡單，甚至非技術性的企業(yè)用戶也可以在幾分鐘內(nèi)完成配置，嘗試使用不同的連接器，而不需要做長期的購買承諾。

有四種方法可以利用這些綜合技能組合來提高BI的價值：

雇用具有商業(yè)技能的工程師。即使在最好的情況下，這也是很難做到的，在低失業(yè)率的情況下更加困難。讓專業(yè)技術人員掌握適合企業(yè)需求的技能需要數(shù)年時間，即使他們有能力，但是有些工程師就是不感興趣。

為每個業(yè)務部門雇用專門的工程師。這是一個更快發(fā)展業(yè)務的方法，但可能非常昂貴。這也產(chǎn)生了風險：失去一個精通業(yè)務的工程師會對部門造成毀滅性打擊。

提升業(yè)務人員的技能。這種方法與雇用具有商業(yè)技能的工程師有一些相同的缺點。雖然在技術上是可行的，但經(jīng)理們可能會拒絕讓他們的員工脫離商業(yè)流程進行必要的培訓，而要找到具有強烈技術傾向的業(yè)務人員，也是困難的。

使用一個平臺，讓企業(yè)用戶在技術上有更多控制權，同時讓工程師更接近業(yè)務。這是成本最低且最具擴展性的方法。評估你的技術團隊現(xiàn)在執(zhí)行的任務，哪些可以安全地轉(zhuǎn)移到業(yè)務用戶手中而不需要大量的技術培訓?？赡馨ú樵儭⒏袷交?、可視化，這些操作不會修改底層數(shù)據(jù)。同時，工程師可以與一個或多個業(yè)務部門更緊密地聯(lián)系，以從事類似的項目，加強他們對業(yè)務的理解。

05使用自助式商業(yè)智能(BI)

自助式BI的概念已經(jīng)被廣泛使用，這個詞的廣泛使用已經(jīng)淡化了它的意義，就像對Gartner等權威機構的聲明的誤讀一樣，即商業(yè)智能用戶已經(jīng)比數(shù)據(jù)科學家產(chǎn)生了更多的分析。事實上，仔細看看Gartner的研究就會發(fā)現(xiàn)，該公司并不主張將BI的責任從IT部門全盤移交給業(yè)務同事。自助式BI將業(yè)務用戶的專業(yè)知識和見解與數(shù)據(jù)科學家和工程師的專業(yè)知識相結合，以確定要問的正確問題，從而找到正確的數(shù)據(jù)源并準備必要的數(shù)據(jù)集。數(shù)據(jù)質(zhì)量很重要，BI系統(tǒng)本身也必須得到維護和更新。

自助服務不應該與自給自足混為一談。比如快餐店里的汽水機，許多商家為顧客提供了飲料自助，但這并不能讓顧客完全獨立。在幕后，需要工作人員確保提供足夠的碳酸和糖漿，將原料調(diào)整混合以達到正確的味道，并為食客提供用餐需要的杯子、蓋子和吸管。飲水機也必須得到維護、修理和清潔，以滿足衛(wèi)生要求。類似的，允許業(yè)務用戶從BI工具中自由發(fā)布信息，并不意味著不需要專業(yè)人員確保使用了適當?shù)臄?shù)據(jù)源、清理了數(shù)據(jù)、打了補丁并更新了軟件。

雖然過多的控制會令人窒息，但過多的靈活性也會導致魯莽，需要數(shù)據(jù)科學家來幫助用戶做出明智的決定。例如，相關性和因果關系很容易被混淆。用一個流行的例子來說，冰淇淋的銷售和游泳死亡的比率同時上升和下降，并不意味著冰淇淋導致溺水。相反，這兩種趨勢有一個共同的相關性，那就是夏天。需要數(shù)據(jù)科學家建立保護機制，防止他們的業(yè)務同事對數(shù)據(jù)理解不足做出錯誤的決定。

06自助式商業(yè)智能(BI)的優(yōu)點

實現(xiàn)資源的正確平衡，一種行之有效的方法是建立小型團隊，這些人擁有與他們業(yè)務職能相關的數(shù)據(jù)子集。該團隊負責確保使用正確的數(shù)據(jù)，保持最新的數(shù)據(jù)，并應用于正確的問題。如果有不準確的地方，團隊的工作就是修復它們。協(xié)作是必不可少的，組織使用的任何商業(yè)智能工具都應該具有共享、評論和基于每個團隊成員的工作的內(nèi)置功能。

BI平臺應該有足夠的靈活性，以應對未知的需求，并使組織的所有部門都能建立自己的模型，這樣技術人員就可以專注于最重要的問題。隨著用戶的嘗試和發(fā)現(xiàn)新的機會，他們可以競標技術資源來開發(fā)它們。

配置設置和用戶輸入應該驅(qū)動用戶可以根據(jù)需要更改的算法。在定義治理政策時，應假定人們可以在他們可以訪問的數(shù)據(jù)域內(nèi)自由地進行試驗。良好的治理，結合強大的安全和審計控制，可以保護敏感數(shù)據(jù)，同時給予用戶更大的自由來滿足好奇心。

傳統(tǒng)的商業(yè)智能系統(tǒng)，特別是那些基于客戶-服務器模型的系統(tǒng)，由于難以監(jiān)控PC終端上的活動，限制了組織的數(shù)據(jù)治理能力。組織的反應通常是嚴格限制在服務器層面上的數(shù)據(jù)訪問。更好的應對措施是釋放數(shù)據(jù)，并使用審計和訪問控制來規(guī)范誰使用數(shù)據(jù)以及如何使用數(shù)據(jù)。

現(xiàn)代基于云的解決方案如虹科Domo可以將處理轉(zhuǎn)移到一個可擴展的服務器上，并給管理員提供工具，以實現(xiàn)數(shù)據(jù)訪問和安全性之間的平衡。他們可以看到數(shù)據(jù)如何一直在管道中流動的可視化表示，以及登錄嘗試、數(shù)據(jù)使用、用戶活動和實時數(shù)據(jù)集的狀態(tài)?？梢栽O置警報，以在檢測到異?；驍?shù)據(jù)問題時觸發(fā)。管理員可以創(chuàng)建授權策略，管理個人和團體對數(shù)據(jù)集中特定數(shù)據(jù)的訪問。他們可以為管理員、特權用戶、編輯和參與者使用預定義的安全配置文件，或創(chuàng)建自己的安全配置文件。企業(yè)可以選擇最適合他們的安全模式，包括零信任和最小特權，與單點登錄和認證相結合，以減少用戶的不便。

07結語

2017年，《經(jīng)濟學人》宣布：“世界上最有價值的資源不再是石油，而是數(shù)據(jù)?！边@個比喻很貼切，因為今天的企業(yè)沒有信息就無法運作，就像一個世紀前的工業(yè)巨頭沒有石油就無法運轉(zhuǎn)一樣。數(shù)據(jù)實際上比石油更有價值，但與石油不同，數(shù)據(jù)可以被重復使用，以創(chuàng)新的方式組合，并在組織或世界范圍內(nèi)共享。

創(chuàng)新的數(shù)據(jù)管理不僅是幾乎所有市場競爭優(yōu)勢的主要來源，而且是重塑零售業(yè)、運輸業(yè)和酒店等行業(yè)網(wǎng)絡規(guī)模公司的命脈。限制人們利用數(shù)據(jù)潛力的傳統(tǒng)技術和流程威脅著整個實體的健康。云計算已經(jīng)釋放了人們的潛力，以之前無法想象的方式將成千上萬的數(shù)據(jù)源結合起來?，F(xiàn)在是時候重新審視商業(yè)智能，使其成為一種新的靈活且響應迅速的組織的能量來源。

審核編輯：湯梓紅