京公网安备 11010802034615号
经营许可证编号:京B2-20210330
企业绩效管理热潮下的BI实践
一、中国企业绩效管理的“热潮”
1.绩效管理“满意度”不高
目前国内企业兴起了绩效管理的热潮,在这股热潮中绩效管理流行起KPI,但是企业在KPI的应用效果并不尽如意。据一份国际4大的调查:目前国内最常用的绩效管理类型是目标管理(MBO)和关键业绩指标体系(KPI),但是大部分被调查者对其公司的绩效管理系统表示不满意。
2.“量化”考核决定一切
在目前企业的绩效管理中,“量化”压倒一切,企业把尽可能的绩效管理目标用数量进行表述,而对于绩效管理的其他方面则重视不够。这种重视考核、量化的原因是许多企业不清楚绩效管理的目的,认为绩效考核就是全部绩效管理。
那绩效管理的目的是什么呢?
绩效管理目的是在动态中通过管理诊断、检讨来改进组织的管理体系、提升组织的管理效率,最终是优化、改善现有的管理;最终目的和企业管理的目的相一致———即股东价值最大化。
企业为了量化而量化的“绩效管理”是“只见树木,不见森林”———量化占据了主要精力,误导了绩效管理的真正方向,很难实现有效的绩效管理。
3.技术手段不够:海量数据与信息“孤岛”并存
很多中国企业信息化建设实施了ERP系统,实现了业务处理的自动化,但在管理决策上很多企业并未真正实现管理信息自动化。
目前企业绩效管理的处理过程是:ERP系统进行业务处理产生了大量业务数据,管理部门在此基础上把数据从ERP中倒出,利用数据库处理或EXCEL手工进行数据整理和分析,按照企业的绩效管理的考核方法,如KPI的各种指标等进行计算和分析,最后得出绩效考核的“数量”结果。这个过程的后果是:一方面ERP产生了海量的业务数据,另一方面企业却不能自动从这个海量数据中获得管理决策、绩效管理有用、及时的信息,必须借助于数据二次“开发”———数据库编程或手工处理,缺少数据“挖掘”的技术支持。这样也就产生了海量数据和管理层信息“孤岛”的现象,管理层决策还要大量依靠主观的经验判断。
针对这种一面日益膨胀的数据量和另一面决策人员的分析需求无法得到满足之间的矛盾现象,一种建立于ERP系统基础之上的商务智能解决方案(BI,Business Intelligence)便首先在国外应运而生、发展壮大。
二、BI的实践与挑战
1.商务智能的意义———挖掘数据的价值
商务智能本质上是关于把组织的业务数据转化成容易理解、价值较高的信息,并将正确的信息在正确的时间以正确的方式分配给正确的人。根据国际数据公司(IDC,International Data Company)的定义,商务智能是对商业信息的搜集、加工、管理和分析过程,目的是使企业的各级决策者获得知识或洞察力,促使他们更快地做出对企业更有利的决策。商务智能一般由数据仓库、数据查询和报表、数据挖掘、在线分析(OLAP)、预算和预测等部分组成。换而言之,商务智能是站在今天角度回顾过去展望未来,将过去的信息转变成今天的知识进而转变成明天的财富。
2.BI的实施
目前国内企业实施商务智能进行绩效管理面临着“洋为中用”的挑战,根据我们的经验:
1)BI项目的关键成功因素从企业内部来讲,主要因素有:
(1)企业管理层对于绩效管理和管理信息化的认知程度
主要是企业对于BI的目的、绩效管理的目的等方面的真正理解,不会像我们在前面所说的那样对绩效管理认识的“时尚”化和“量化”的倾向。
(2)企业管理的稳定性:
·企业的管理流程稳定和健全
·内部管理报告机制稳定,报表基本固定
·企业的组织机构基本稳定,近期没有大的并购活动
·并购频繁将会导致系统架构的根本变化
·组织机构的巨大变化将使系统架构设计无法适应
(3)企业项目的接受程度和参与程度:
·客户对于系统实施的期望和认识
·客户财务部门的接受和积极参与
·客户IT部门与财务部门的紧密合作与内部沟通
2)从企业外部来讲(主要是咨询顾问公司),主要因素有:
(1)实施团队的项目管理能力
·实施团队必须有一个绩效管理的较全面的管理方法论,如以上所述的DTT绩效管理框架。
·实施团队的项目管理与实施经验
·实施团队对于项目预算的合理控制
(2)实施团队的项目实施能力
·实施团队内部的合理组成与分工
·项目实施中的技术难点的有效克服和完善
·客户需求的有效控制与引导·真正了解客户的需求并对项目实施方向正确把握
(3)良好客户关系的建立和维持
·有效沟通与企业使用人员保持及时联系
·项目实施文档的用户友好与简单实用
·用户手册的翔实、易读
·良好的用户使用培训
三、BI项目的成功关键步骤
结合我们的方法论和经验,我们将商务智能引入企业有以下的关键步骤:
(1)需求定义
需求定义是整个项目的基础,也是影响项目成败与否的关键步骤之一。
(2)现状分析
详细分析企业现有的资源状况,包括分析现有系统的能力和管理人员的能力两方面。比如说系统能够提供的技术数据和报表,可以支持的决策分析;管理人员的观念、技能、素质等。
(3)现状/需求差异分析
分析现状-需求间的差异,为下一步设计解决方案设定方案的范围。
(4)解决方案群设计
根据现状/需求差异分析的结果,从管理可行性和技术可行性两个角度综合考虑,设计可以满足企业需求的解决方案群。
(5)决策/系统选型
将候选系统和相应的解决方案群,递交给最高管理当局定案。国内许多企业在选择ERP系统的决策上多少带有盲目性,而其实系统选型是一项复杂的工作,需要一套科学、严谨的调查评估方法和工具,因此如何选择合适自己的BI软件,是BI引入过程中的另一个重要步骤。
(6)实施
选择专业顾问公司又恰恰是影响项目实施成功与否的关键因素。对企业来说选择顾问公司时需要考虑的包括:该公司对BI市场、产品的了解;该公司是否有一套科学的实施方法论和专业的工具,比如对不同BI软件的评分方法和工具;该公司的国际/国内行业知识和国际最佳实践经验等。
尽管目前绩效管理中BI的应用还面临种种挑战,但中国企业参与WTO竞争必须要坚定走管理信息化之路,要坚定不移地利用BI的“本土化”来提升自身的管理水平和决策质量,使商务智能真正成为绩效管理的有效工具,为企业发展壮大、价值创造服务。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12