2020年推开BI的门，数据能不能找到对的人？

李波认为打破利益格局有两种方法，相对传统保守的企业，需要决策层意识到数据的价值自上而下推动。如果想长期解决此问题，需要企业构建基于数据决策的企业文化，让每个部门，每一层级的人，自觉自愿使用数据，解决自身业务问题。

当然，有的企业一开始是自下而上延展，这种大多是先局部试点，然后全局推广，在初始阶段，IT和业务需要更多的沟通和磨合找到业务的真实痛点，在局部试点时让业务人员自身发现数据分析的价值，从而引起更高层级的管理人员的注意，而在企业大范围全员推广时，决策层的支持和推动则必不可少。

万事开头难，BI项目的切入点尤为重要，也是很多企业组织困惑的地方。李波建议从三个维度考虑，增加项目成功率。一是当下最紧急的业务痛点，二是解决问题后投资收益率最大的痛点，三是考虑数据和技术最成熟的业务痛点。从紧急、收益、可行性三个维度上选交叉点，作为第一期项目的切入点，通常成功率最高。

不可否认BI项目也有一些失败的案例，许多BI项目失败，做了一堆报表业务人员不用，最后沦为鸡肋。如果报表老旧固化跟不上业务多元化发展的步伐，可以通过升级迭代解决问题。李波进一步分析指出BI报表用不起来还有另外的主要原因：“一是不通过BI系统，业务也能得到他所需要的一些数据，还有一套类似Excel、PPT这样的体外循环汇报体系在正常运行，即便BI系统的数据颗粒度、时效性更强，但是对业务而言不是必须的。此外，这里面涉及到一些利益的问题，就是他不希望有些数据被你发现。”

数据透明度终究是一个相对的概念，而关于“度”的把握需要企业决策者依据业务发展情况和战略规划来裁定，技术的引入是走向数据驱动万里长征的开端。要有的放矢，某集团企业信息化负责人认为引入BI报表分析要对业务或运营效率提升有帮助。

根据IDC发布的《2019年下半年中国商业智能软件市场数据跟踪报告》，国内BI市场，目前最主要的需求是报表分析软件，2019年全年年市场份额占比为79.0%。高级分析和预测分析市场份额占比21.0%。受疫情影响，2020年中国商业智能软件市场增速有所放缓，同比增长18.1%。到2024年，中国商业智能软件市场规模将达到11.9亿美元，未来5年整体市场年复合增长率(CAGR)为19.2%。

BI的需求与日增长，要做到“以方便快捷的形式把数据送到需要的人手里”，才能发挥数据的最大价值。

BI的误解和数据的误区

我们期待是金子总会发光，是数据总能产生价值。在李波看来，企业应该从数据应用的广度和深度两个维度去拓展数据的价值。数据应用的广度更多通过BI实现，让所有需要用到数据的人能够访问所需的数据，自己做业务分析。深度则体现在AI的应用，对数据进行深度分析预测趋势等。

敏捷BI的发展伴随着自助分析时代到来，强调用户使用自己能访问的数据，通过可拖拉拽的方式组合成自己的需要的报表，做自动数据准备和数据分析，永洪科技7月发布的Yonghong Z-Suite V9.0在性能、场景、敏捷等方面都有较大提升，自助分析已经成为市场的主流选择。

BI数据分析有自己的能力边界，“做数据分析主要是分析现象，现在发生的这种现象代表着什么意味着什么，并不去给你解释你这种现象最底层的原因。”李波强调，很多时候只能做预警，无法进行根因分析。

比如代理商管理方面，可以通过BI数据分析发现其流失倾向，提供预警，但具体原因是资金链断裂还是其自身运营问题，由于BI系统没有其资金链数据，需要业务部门介入去探查。

AI的应用目前离不开数据、算法、算力三要素，需要数据的积累作为前提条件，比如钢铁企业产品质量控制的场景应用，生产过程中的数据都可以采集到，出现产品的缺陷和产品合格率问题，可以构建质量分析模型，找到最终原因。

不过有时候企业容易走入误区，李波介绍影响一个结果的因素有多方面，如果只能采集其中几个因素数据，有时候会给企业造成误导。比如说做销售预测，影响销量因素有很多，企业有自己的经验，有的数据采集不到，如果只分析能够采集到的数据，所得结论和真实情况相比可能会出现偏差。以服装行业为例，其受季节周期影响大，天气数据是很重要的一个影响因素，天气预报预测更多的是做短期预测，企业做生产计划、供应链的调货和运输计划时，至少需要一个月以上的数据，此时天气预报的数据起不到太多作用。

数据不全是否可以进行数据分析和AI预测?有CIO反映企业自身数据和外部数据相对而言外部数据的准确性和完整性不可控，做预测和分析的时候有一定挑战。

“很多人有的时候就捧着金碗要饭吃。”李波强调第三方数据不全的时候企业依然可以挖掘企业内部数据的价值，还是以预测为例，永洪科技通常把影响因素分为内部和外部两个部分，价格、促销、货物调转等内部因素相对可控，而竞争对手、天气、宏观经济等外部因素不可控，但是企业积累了一些历史数据，而基于时间序列的历史数据所做的预测也有价值。预测不了具体值，可以基于历史数据、概率和不同的应对方案预测一个区间，企业据此做决策。

“无论说项目要做什么，肯定是在一个受限的环境里面去做事情。”李波指出，以BI为代表的数据项目的落地和应用更多不是具体的技术和模型问题，而是方法问题，如何把技术上模型和能力与业务场景结合起来最为重要。

2020年，国内BI依然在路上，在通向数据驱动的途中，并没有放之四海皆准的实践路径。

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!