企业核心目的之一是创造利润;为达到利润最大化企业管理者需协调各职能部门包含财务、销售、市场、研发、生产、售后、人资、IT等让大家能齐心协力地创造收入;节约成本;提高效能;把控风险;管理合规;分配合理。

为保证流程一致性并收集作业环节中的所有数据;于是企业有了CRM、ERP、MES、HR、OA等业务系统;为更好保证目标达成;于是有了各种管理措施包含MBO(OKR)管理、计划管理;包含预算和预测;、绩效管理、CMMI、ISO作业流程标准等。管理者为了达成目标;必须快速理解企业内外部的现状和历史过往的轨迹;分析实际和目标的差异;准确预测未来和及时做出决策。

BI核心目标是协助企业建立一个高度整合和自动化的管理决策分析系统;目的是为了帮助企业各层级各部门人员基于统一的业务理解和洞察;高效推进沟通和协作不但能及时发现问题;并能深度分析历史过往;还可准确预见未来趋势。BI应用不只是某个部门内部的事情;而必须从最高管理者视角来进行分解和分析。

BI英文全称是Business Intelligence;一般翻译是商务智能。随着大数据时代来临;BI是非常关键的落地手段。BI已发展多年;最初始的概念就是报表和分析;现在包括了更广泛的技术内容;比如决策支持、管理驾驶舱、仪表盘、数据可视化、多维分析、数据整合、数据仓库、数据集市、数据挖掘、全数据、大数据等。

我们分别从技术视角和管理视角给 BI简单的定义;

技术视角

a) 数据整合;把不同来源;CRM、ERP、OA、手工Excel、外部等;数据进行搜集、清洗和汇整;搭建企业数据中心(数据仓库或集市）;数据中心可存储海量数据;保留历史痕迹;包含历史交易数据、客户数据、产品数据、生产数据、财务数据等;另外也可保留各种变更记录;包含组织变更、产品变更等。更重要是统一数据口径;避免一个指标多种定义和说法;保证数据准确;便于人员沟通;为各部门建立共同的业务理解。一般数据整合时；也会涉及数据治理和数据质量的课题。

b) 数据分析;基于某个场景或特定目的;通过数据分析发现问题和采取措施;一般包括比较分析、比率分析、趋势分析、因素分析等方法;比如按区域、销售人员、客户、产品等维度;分析业绩目标达成率;找出业绩与目标的差异;再加上横向与同类产品、同类客户比较;纵向和去年同期、上个月、历史最高值最低值比较;分析原因;落实到人;采取行动;并结合未来的业绩预测;估计全年的达成率情况。面临更多维度和指标的复杂场景;以及更深层次的数据探索;则需要用到数据挖掘和统计分析。

c) 数据可视化;利用各种图表呈现数据分析结果;更加直观美观、清晰有效地传达与沟通信息。图表报告自动化能节省很多人力;而且用户可在PC、平板电脑、手机和大屏等多种终端查看;更加便捷易用;尤其管理者可通过移动BI实现走动管理。

管理视角

BI 是一种企业文化;一种思维方法;一套制度流程;一个系统体系;和一门专业技能。

a) 一种企业文化;任何的会议和讨论中的工作报告都讲数字成果;描述问题有数据依据。BI文化涉及管理层是否建立了以数据为辅助的管理决策模式;全员是否对数据处理和计算规则有一致的理解;对维度和指标有统一的定义和解读;对数据分析有概念;能结合业务需求来深度理解问题、机会、威胁以及预测未来。这需要不断强化企业管理规范和培训。

b) 一种思维方法 ;分析数据可分为两大类-维度和指标;一般所说的客户、产品、区域、组织、会计科目、时间都是维度;订单、开票、发货、回款都是指标。所有分析报告都是基于各种维度和指标的组合产生的。此外;指标有当期目标数据、当期实际数据、历史数据和预测数据等;这些数据的差异分析、趋势分析和比例分析;再结合多维度;就形成了复杂的组合。BI就是希望将这些复杂且持续变化的数据;透过有效的方式来呈现出来;让管理者能很快理解和发现问题。

c) 一套制度流程;BI的流程包括项目规划和准备、需求分析梳理、页面原型设计、集市模型设计、系统开发测试、数据核对、上线运行;还有后面持续的修改和运营。企业需要建立一套完整制度和文档规范;每个节点都有质量监督和成本把控;每个节点对应更细致的流程;每个流程都有明确的交付成果。

<p>　　d) 一个系统体系;BI系统包含了服务器硬件、支持大数据和实时数据的数据仓库软件、数据整合抽取(ETL)工具和BI工具平台;以及定制化的数据图表和分析报告。市面上有现成的软硬件产品;而数据图表和分析报告是根据企业自身需求量身定制的;是一套专业的系统体系工程。

e) 一门技能专业;企业导入BI需要用到多种技能和专业;包括业务理解和分析能力、沟通表达能力、EXCEL操作能力、数据集市模型规划和设计能力、熟练SQL和操作数据库能力、BI前端开发能力、数据挖掘算法和工具;这样才能有更深层次的数据探索和预测。

过往BI导入耗费成本巨大加上对于实施顾问、客户环境和人员要求比较高;失败率通常较高。然而随着BI知识和技能的普及;企业环境和人员素质逐渐提高;加上越来越多优秀的人才投入BI和大数据产业;现在BI项目成功率逐步在提升中。