京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浅析商务分析产生的背景
商务分析产生的背景
1、客户需要分析应用的内容,而不是工具:
现在的大部分商务智能项目实施方法论还是利用如上的方法,所以,每次当商务智能厂商给企业的管理层汇报的时候,企业管理层最关心的是你们在哪些同行业的大公司实施过商务智能项目,这些公司都做了哪些应用?他们关心哪些KPI指标?分析哪些相关的内容?但是一般的商务智能厂商是工具供应商,项目的实施是由合作伙伴完成的,至于客户做了什么,一般很难拿到分析应用的结果,加之实施合作伙伴和客户签过保密协议,一般不能将竞争对手所作的系统或者分析内容展现给客户。所以只能给客户讲实施方法论,客户听完,认为他们需要的不是实施方法论,而是需要分析应用产品。
2、传统商务智能项目实施周期比较长,成功的几率低:
由于对客户的业务和需求了解不够,客户需要什么也不完全清楚,加之项目实施往往是一些技术专家,所以不了解企业高管层需要什么,即使做高层访谈,由于和高层关心的问题不一致或者使用的是技术语言,管理层听不懂,导致对高层的需求把握的不到位,所以往往做出来的分析应用和KPI,不是管理层所关心的,其结果是不得不在试运行阶段,将需求做大量的调整和需求变化,导致项目的延期或者不成功。其实需求的改变,将会产生数据模型的重新设计,这样原来的项目可能会前功尽弃。
3、客户希望了解最佳实践:
实施的公司做过不少的项目,有了不少的经验,可是厂商很难得到客户企业的应用,在卖产品时要么就是请实施合作伙伴一起去汇报,要么就是讲实施方法论,客户最需要的是这个行业应该关注哪些问题,应该做哪些行业指标来进行行业对标。可是由于商务智能是工具,所以不得不给客户一些演示,目的是让客户了解商务智能能解决什么问题。但这些指标不一定是这个行业的,加之演示仅仅是一些界面的演示,不是整个行业的真正应用,也就是说,这些演示仅仅满足客户的很小一部分需求,是用来做需求时的抛砖引玉作用的。
4、商务智能项目实施周期比较长
由于每个客户都要进行调研,从头设计数据模型和应用,导致商务智能项目实施比较长,一般需要至少数月的时间。有些数据仓库和商务智能供应商已有自己的数据模型,但是也不一定是产品,即便是产品,也缺少行业分析应用的产品。
5、商务智能项目实施的成本比较高
商务智能项目不但需要购买硬件、软件工具,还需要进行大量的实施、维护,一般情况下成本比较高,成功实施的风险还比较大。
由于以上的原因,企业非常希望有一个行业分析应用,而且能满足企业最少大部分需求的行业商务智能分析产品,而不是一套工具。这样就是商务分析产生由原。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24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