京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商务智能项目实施前期工作步骤
商务智能的定义:商务智能是从数据到信息,从信息到知识,再从知识到决策,然后从决策到行动。商务智能分为战略智能和运营智能两大类。战略智能是相对于集团公司如何有效制定、跟踪企业战略的智能分析和决策;而运营智能是相对于公司日常如何有效运营的智能执行和监控。
商务智能按照角色应用设计的流程:公司董事会主动研究出现了什么问题或者寻找下一步的机会,然后交给分析师或者管理层进行诊断、研究和分析,什么原因导致了问题的出现,再通过假设分析,实现投资的分布和回报率,或者下一步活动(比如营销战役)的机会和可行性,寻找最佳方案,定义优先级,选择活动的内容,然后提交给决策者,由决策者通过执行方案,由管理层具体制定活动实施方案,度量标准和监控的方案,发送给相关部门或者外部的合作伙伴(比如供应商)执行,对于执行的结果,通过关键绩效指标,了解执行的进度和问题,再进行方案调节。
商务智能项目实施前期应做的工作步骤:
第一步、选定主题和应用角色:商务智能首先要明确定义一个主题、应用的部门,应该按照角色设计应该。最先选定的主题最好是数据相对完整,数据质量相对较好的主题。企业要做到战略智能到运营智能的战略目标、战术目标和战斗目标的一致性,要保证商务智能是按照角色划分的,不同的角色需要不同的内容和展现形式:
(1)、企业的战略层需要企业绩效管理驾驶舱,确保战略的制定和有效执行的策划,他们时刻要了解公司的关键绩效指标达标现状和存在的问题,对关键绩效指标的预警;
(2)、管理层需要报表、预警、查询和分析,将企业的战略转换为业务部门的战术,时刻监控部门绩效、了解差异、同比环比、解决问题或者提供选择方案;
(3)、分析层需要利用工具对业务进行分析和跟踪,按照高层的指意,对企业的运营提出建议;
(4)、执行层需要了解具体执行的情况,了解自己所完成任务的状况。
第二步、用户需求分析:当主题拟定之后,比如财务分析主题,主要使用部门是财务部门,然后要尽量做到短平快,抓住主题和主要解决的问题,尽快在3个月或者半年实现目标,而不要追求大而全,选择尽量的完美其结果不但使得项目的周期加长,而且还使得项目的重点淡化,主题不突出了。
在部门或者角色应用时,一般会设计到固定报表、关键绩效指标(KPI)指标预警、即席查询、例外分析和数据挖掘(预测、深层次的分析)五个方面的应用展现。但是在项目的初期,最好包括报表、KPI指标、例外分析和即席查询。
(1)、制定KPI指标:这里首先介绍如何制定KPI指标,对于相关部门的不同人员,从部门的所有相关的绩效指标中选出关键绩效指标(KPI),这样的指标最好不超过8个,关键绩效指标应该由其他的指标运算而得到,比如企业的关键绩效指标是成长性、安全性、流动性、生产性和收益性,而关键绩效指标收益性由销售利润率、资金利润率和流动资金利润率组成。对于选定的KPI,需要设计门槛值,当超出门槛值时,可以自动用红绿灯仪表盘发出预警,或者发短信告诉相关管理者,管理着可以通过移动商务智能来跟踪指标和查询发生的原因。
(2)、设计固定报表:对于固定报表,特别是常用的报表,最好事先预制计算保存,比如晚上12点到早晨7点之前自动计算保存。对不同角色有不通需要的固定报表,将用户最常用的报表列在最容易获得的位置。
(3)、查询接口:对于需要查询的指标或者问题,一定需要工具或者设计的各个可选下拉菜单模式进行查询。
(4)、例外分析:可以对给定的指标,通过红绿灯、仪表盘、温度计、KPI指标超门槛值进行预警,然后可以进行例外钻去和分析。
(5)、数据挖掘:数据挖掘应该适合于分析师和一些专家或者高级应用者。
第三步、数据模型设计:有了用户需求,下一步就需要设计相应数据集市的数据模型以及采取的技术方案,利用“想大做小”的原则,对于本次要实现的KPI和报表,考虑其计算的方法和定义,考虑相关指标的基础数据源,是否所有的数据都存在,数据的完整性、准确性、唯一性,对于缺少的数据如何获取,需要多大的成本。接下来要考虑如何利用ETL工具,数据质量控制工具以及元数据管理工具,来确保可以按时、按预算实现设计的目标吗?当然角色不同,数据的颗粒度也就不同,级别越高,数据的颗粒度就越大,战略层最好是统计汇总数据,但是他们要看到的面更广。
第四步、用户界面的设计:有了相关的指标和应用,就要确定各个角色用户界面的设计,对于战略层他们喜欢仪表盘、红绿灯的指标预警、电子地图、雷达图、杜邦分析法、趋势和走向结果展现;而管理层需要部门指标预警、固定报表、例外分析和假设分析,最好利用趋势图、即席查询、电子地图和OLAP分析,对于执行层面最好是一些固定的运营报表、和详细运营报表查询、与自己工作相关的例外分析。将这些界面以及二级、三级界面和用户进行沟通,听取意见,确定界面。界面需要具有逻辑性,点击最好不要超过三键。
准确获得高层的需求:对于商务智能需求的调研,特别是对高层决策者的调研,一定选一个有过高层管理经验,在业界有一定名望,而且决策层也非常认可的专家进行调研,事先将调研提纲发给调研人员,调研时要做到尽量多问少说,了解老总的真正想法,关心那些问题,那些指标等,最好带上录音笔,将老总关心的问题记录下来,等老总讲完了,再抛砖引玉将其他的行业或者类似的企业是如何做的展现给老总,然后问老总是否也对其他相关的应用感兴趣。这样就可以尽量减少以后的修改。为什么要让大家认可的专家调研决策层?主要是其他开发人员一般缺少管理经验,所以调研的问题和老板的想法不一定对口,或者无法了解老总的意图和想法。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据科学的工具箱中,析因分析(Factor Analysis, FA)、聚类分析(Clustering Analysis)与主成分分析(Principal Component ...
2025-12-18自2017年《Attention Is All You Need》一文问世以来,Transformer模型凭借自注意力机制的强大建模能力,在NLP、CV、语音等领域 ...
2025-12-18在CDA(Certified Data Analyst)数据分析师的时间序列分析工作中,常面临这样的困惑:某电商平台月度销售额增长20%,但增长是来 ...
2025-12-18在机器学习实践中,“超小数据集”(通常指样本量从几十到几百,远小于模型参数规模)是绕不开的场景——医疗领域的罕见病数据、 ...
2025-12-17数据仓库作为企业决策分析的“数据中枢”,其价值完全依赖于数据质量——若输入的是缺失、重复、不一致的“脏数据”,后续的建模 ...
2025-12-17在CDA(Certified Data Analyst)数据分析师的日常工作中,“随时间变化的数据”无处不在——零售企业的每日销售额、互联网平台 ...
2025-12-17在休闲游戏的运营体系中,次日留存率是当之无愧的“生死线”——它不仅是衡量产品核心吸引力的首个关键指标,更直接决定了后续LT ...
2025-12-16在数字化转型浪潮中,“以用户为中心”已成为企业的核心经营理念,而用户画像则是企业洞察用户、精准决策的“核心工具”。然而, ...
2025-12-16在零售行业从“流量争夺”转向“价值深耕”的演进中,塔吉特百货(Target)以两场标志性实践树立了行业标杆——2000年后的孕妇精 ...
2025-12-15在统计学领域,二项分布与卡方检验是两个高频出现的概念,二者都常用于处理离散数据,因此常被初学者混淆。但本质上,二项分布是 ...
2025-12-15在CDA(Certified Data Analyst)数据分析师的工作链路中,“标签加工”是连接原始数据与业务应用的关键环节。企业积累的用户行 ...
2025-12-15在Python开发中,HTTP请求是与外部服务交互的核心场景——调用第三方API、对接微服务、爬取数据等都离不开它。虽然requests库已 ...
2025-12-12在数据驱动决策中,“数据波动大不大”是高频问题——零售店长关心日销售额是否稳定,工厂管理者关注产品尺寸偏差是否可控,基金 ...
2025-12-12在CDA(Certified Data Analyst)数据分析师的能力矩阵中,数据查询语言(SQL)是贯穿工作全流程的“核心工具”。无论是从数据库 ...
2025-12-12很多小伙伴都在问CDA考试的问题,以下是结合 2025 年最新政策与行业动态更新的 CDA 数据分析师认证考试 Q&A,覆盖考试内容、报考 ...
2025-12-11在Excel数据可视化中,柱形图因直观展示数据差异的优势被广泛使用,而背景色设置绝非简单的“换颜色”——合理的背景色能突出核 ...
2025-12-11在科研实验、商业分析或医学研究中,我们常需要判断“两组数据的差异是真实存在,还是偶然波动”——比如“新降压药的效果是否优 ...
2025-12-11在CDA(Certified Data Analyst)数据分析师的工作体系中,数据库就像“数据仓库的核心骨架”——所有业务数据的存储、组织与提 ...
2025-12-11在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05