
如何在今天的分析环境中强化BI的价值
企业日常中的BI与分析工具可能会存在一些差异,但是,对这些工具中的每一个分析视图进行全面的了解将会让企业获得更为有效的洞察与结论。
对比于近来刷爆朋友圈的区块链以及始终处于热议中的AI,似乎这段时间内商业智能(BI)显得有些沉寂。实际上,在彼此功能出现重叠之后,AI也取代了一部分BI的功能,这似乎也让人们也不再对BI具有那么多的兴趣。然而这并不意味着BI失去了在企业中的价值。
美国国家电力网络数据分析及创新总监Rory Abbazio说道,“商业智能正在发生改变,为了保持竞争力,我们也必须随之而改变”。
在过去几年中,BI中发生的最大改变就是它正在转变为一种自我服务式的应用,这种变化使得用户眼中的那些标准报告内容价值有所下降,但却提升了公司对于用户推动型数据的探索。
不过,传统的报告模式并未就此消失。在最近Gartner的数据与分析峰会上,Abbazio表示,他和他的团结仍然在建立并维护那些传统的固定报告和执行仪表盘。 但是,为了能够产生效用,这些传统报告需要整合到更广泛的平台中,比如自助服务工具或高级分析工具平台。
Abbazio说道,“我们希望能够在分析所涉及的范围内实现所有的功能,而不仅关注报告。我们也乐意接受像AI和增强智能等前沿科技”。 因此,Abbazio的团队建立其了一个企业分析门户,该平台的功能就是针对于每一个人的数据需求提供一站式的服务。它具有内置于Tableau的标准BI报告和自助式数据探索功能,并包含用于数据数据的Alteryx软件。此外,该平台还具有密集型数据的科学工具,如R、Python和H2O等。
Abbazio表示,将上述功能及工具集成在一起意味着对角色转变的承认,如今BI报告开发者和数据科学家二者的角色正在合而为一。事实上,为了确保BI可以带来持续性的价值,无论自身的角色与身份,人们都需要即时获取所需的信息并在需要时进行分析。
新角色需要全新的交付模式
由于公司中人们的角色发生了转变,来自于不同行业的公司均开始重新审视与评估BI和分析的使用价值。 Gartner 的分析师 James Richardson认为,这也迫使公司组织采用全新的模式已获得那些全新功能的价值。
他表示,IT部门所交付的传统BI报告模型在现代性的企业中并不适用,因为开发与交付报告的过程会耗费大量的时间,而静态的BI报告自身效用也有限。同时,影子IT(业务线部门去实施自己的工具)还会产生冗余和孤岛等问题。
所以,Richardson推荐了一种混合式的方法,比如先创建一个集中性的分析团队来设置治理、最佳实践和工具。然后,将成员分散到不同的业务线部门中,并让他们定期对公司进行各自部门BI和分析项目的报告。
“这说明了实际的情况,人们总是用Excel对数据进行分布式的分析。而我们现在要说的是,我们其实可以为你提供更好的工具”,Richardson说道。
灵活的平台是创造BI和分析价值的关键
Gartner的另一位分析师,Joao Tapadinhas也在峰会发表了自己的看法,他说道,分析平台的灵活性是实现BI价值最大化的关键。BI的典型功能,就是对关键绩效指标进行监控以帮助企业了解自身业务的表现,这点仍然很重要。不过,这并不会给企业带来革命性的变化,所以Tapadinhas建议将这种KPI监控功能纳入到其他具有更高价值的BI功能中。
而自动化服务将推动上述进程的发展。随着软件供应商将高级的机器学习和AI集成到他们的平台中,企业可以很轻松地进行BI功能的添加,这使得用户只需在需要进行信息检查时去查看一些预定义的指标,而不再需要去等待开发团队构建和维护的报告。
“你现在拥有的工具--Qlik,Power BI,Tableau,这些工具能够支持广泛的分析功能”,Tapadinhas说道。
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