
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
训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16CDA 数据分析师:掌控表格结构数据全功能周期的专业操盘手 表格结构数据(以 “行 - 列” 存储的结构化数据,如 Excel 表、数据 ...
2025-09-16MySQL 执行计划中 rows 数量的准确性解析:原理、影响因素与优化 在 MySQL SQL 调优中,EXPLAIN执行计划是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 对象的 text 与 content:区别、场景与实践指南 在 Python 进行 HTTP 网络请求开发时(如使用requests ...
2025-09-15CDA 数据分析师:激活表格结构数据价值的核心操盘手 表格结构数据(如 Excel 表格、数据库表)是企业最基础、最核心的数据形态 ...
2025-09-15Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11