
BI“童话”迟早会在中国落地生根
既然有这么多的条件不具备,那么为什么BI还被业界一致炒得这么热呢?大体概因信息化应用历来都是“推的市场”,只有软件商不断地推着用户走,信息化的应用水平才能够得以提升。2009年,社会又正经受着金融危机的侵害,在IT投入大幅降低的情况下,软件商必须寻求应用的突破,才有可能创造生存的机会。因此本身还有很大市场空间的BI应用2009年被推到了热门的当口。
当然,单是软件商一头热,还成不了一台戏,市场潜在需求的存在,特别是广大中小企业这个几近空白的市场表现出来的需求苗头才是关键。
近年来,百货零售业在信息化过程中积累了相当庞大的数据,如何利用好这些浩瀚的数据,使其更好地运用于决策中,成为非常必要的事情。因此,BI趋势分析专家近来将百货零售业作为下一个BI应用的主要领域加以着重推荐。朱虓宁讲到:“公司以前的技术总监对这个比较看重。我们的想法是整合ERP系统和POS收银系统的数据来进行分析,找出经营上的规律。
我们公司目前因为历史原因存在相互独立的多套POS系统,从技术上考虑可以通过BI将这些历史数据整合起来,也可以简化管理人员查询报表数据的工作。管理层有时需要进行一些比较复杂的数据分析工作,这时只有BI系统可使实现。BI系统的报表是括的,可以实现一些比较复杂条件的数据分析工作;POS系统报表一般是死的,不能满足这样的需求。还有就是多应用系统的数据整合,像我们公司目前有POS系统、财务系统、人事系统,明年还准备上OA系统和供应链系统。要将这些系统的数据整合分析,充分利用来为管理决策服务,也只有BI才能够完成。现在我感觉国外(包括港台)的餐饮公司比较重视BI。国内的公司开始有这个意识了,但是具体实施的还不多。”
重庆著名的餐饮企业乡村基前信息部负责人王路的回答更是引人深思。在他看来,企业IT部门不应该只是维护公司的电脑、组建一下网络等等肤浅的事务,而真正该做好的就是为公司收集并整理分析各项数据,做好领导决策的参谋,扮演好企业经营的“数据中心”角色。这实际又是另一例对BI提出的需求。
前不久Gartner对CIO做的一次调查中可以看出,BI已经连续3年排在CIO们议程表上的第一位。国内有机构也做了这方面的调查,结果有13.7%的用户表示准备应用BI,这一比例已经显示出了非常大的上升势头。特别是在经济危机的特殊时期,据最新调查证实,83%的中型市场高管将“商业智能和分析”视为他们提高竞争力和削减成本最重要的手段。
童话落地
虽然BI在我国中小企业当中的应用条件还不是十分具备,但是因为BI自身不可忽视的价值原因,以及软件商不遗余力的推广,仍然有部分先锋用户在应用,并且取得了一定效果。随着中小企业这种需求的逐渐上升,BI这个“童话”迟早会在中国落地生根。那么如何才能缩短这个周期呢?
1、突破价格瓶颈。动辄几十上百万的BI对广大中小企业来说,确实是一个“遥远的梦”。这方面,我国软件企业完全可以先让企业部分应用,而不要采取国外BI那样的庞大系统。比如先对财务或销售等业务流程内的重要数据进行挖掘分析,以后再考虑其它的业务流程之外的数据分析。为了降低应用成本,目前有些软件商开始尝试移植SaaS模式到BI上来,虽然还有很长的路要走,但是只要大胆探索就一定会有结果。
2、帮助企业积累数据。不要以为数据积累是客户自己的事,与软件商同样有很大关系。达要求我们的软件厂商在开发应用时,从长远着想,尽量将客户信息标准化。也就是说,在一个统一的开发平台上开发应用。
3、设计简单而形象的用户界面。某软件企业的服务经理介绍“我们的软件都应该向Windows学习。这才是真正的软件,一个对电脑一点不会的人只要跟他说两句他就会操作。”由于我国在BI人才上还很缺乏,因此影响了其在中国的应用。如果BI也像Windows那样操作简单,这一局面肯定会大为改观。这更需要我们的软件厂商少一些炒作,多一些实干精神才行。软件商多深入到行业应用,研究出尽可能多的分析模型,才能让其应用简单化。真到了那一天,BI的平民化一定能够实现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 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 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15