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
在数据分析、市场研究、用户画像构建、学术研究等场景中,我们常常会遇到多维度、多指标的数据难题:比如调研用户消费行为时,收 ...
2026-03-25在流量红利见顶、获客成本持续攀升的当下,营销正从“广撒网”的经验主义,转向“精耕细作”的数据驱动主义。数据不再是营销的辅 ...
2026-03-25在CDA(Certified Data Analyst)数据分析师的全流程工作中,无论是前期的数据探索、影响因素排查,还是中期的特征筛选、模型搭 ...
2026-03-25在当下数据驱动决策的职场环境中,A/B测试早已成为互联网产品、运营、营销乃至产品迭代优化的核心手段,小到一个按钮的颜色、文 ...
2026-03-24在统计学数据分析中,尤其是分类数据的分析场景里,卡方检验和显著性检验是两个高频出现的概念,很多初学者甚至有一定统计基础的 ...
2026-03-24在CDA(Certified Data Analyst)数据分析师的日常业务分析与统计建模工作中,多组数据差异对比是高频且核心的分析场景。比如验 ...
2026-03-24日常用Excel做数据管理、台账维护、报表整理时,添加备注列是高频操作——用来标注异常、说明业务背景、记录处理进度、补充关键 ...
2026-03-23作为业内主流的自助式数据可视化工具,Tableau凭借拖拽式操作、强大的数据联动能力、灵活的仪表板搭建,成为数据分析师、业务人 ...
2026-03-23在CDA(Certified Data Analyst)数据分析师的日常工作与认证考核中,分类变量的关联分析是高频核心场景。用户性别是否影响商品 ...
2026-03-23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