京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商务智能最大的挑战不是来自大数据
要想从商务智能中获取最大的价值,就需要强大的数据治理能力,这往往从数据定义开始。
IT咨询师Wayne Eckerson说到,诚然,我们处在大数据时代,但从我接触的客户来看,大公司面临的主要挑战是缺乏通用的数据词汇。一个组织就像是毁掉了的巴别塔,各说各的语言,出于不同的目的,数据和性能指标都不一致,定义也不清晰。IT部门和业务单位各说各话,严重影响了运营效率和竞争力。这里面缺少的就是强有力的数据治理项目,把数据作为重要的业务资产来管理。
最大的挑战不是来自大数据
我的客户都是在数据仓库、商务智能和主数据管理等领域有实质投资的数据驱动型公司。但和大家想象的大数据现象不同,困扰很多公司的仍然是小数据,即来自企业资源计划ERP、客户关系管理CRM和其他运行的业务系统的信息。
问题是这些信息碎片化地分散在组织中,每一个业务单位或地域公司都运行、管理着自己的应用程序、系统和客户数据库。虽然独立运行的系统可以帮助业务部门推送个性化的产品和服务给客户,但它会削弱全球数据的完整性、一致性和公司整合资源的能力。最终会影响企业在更广泛的市场的竞争力。
因此,组织应该努力优化本地和全球的流程。这包括建立全球数据标准,给共享数据和流程给出完整的定义,从而更好地管理它们。这要求来自业务部门的销售人员付出时间,与同事合作,共同创造通用的词汇和数据治理框架。
如果处理得当,数据标准既不会限制业务部门,也不会影响服务客户。相反,有良好治理的数据标准能够在业务部门中培养更大的协作。这对想和企业合作的客户来说,是个好消息,长远来看,也是对业务部门有益的。
重建巴别塔的两种方式
当然,要创建通用的数据词汇谈何容易!通常,部署数据治理项目需要两种常用方法,一个是由CEO或其他领导推动的自上而下的行政行为,一个是包含IT项目的自下而上的部署。
通常,在没有统一的数据标准的大公司,缺乏一致的数据会给CEO带来很大的难题,公司甚至无法回答一些最基本的问题,比如“我们昨天的销售业绩是多少?”“我们有多少客户?”或“为什么我们产品的召回率那么高?”CEO,或其他公司领导,会推动数据治理项目,创建和管理数据词汇,并在所有运营系统、BI报表和分析应用程序里推广使用。理想情况下,公司的每一个部门都会推行该项目。
但是,CEO往往会选择走捷径。他们希望一条命令就足以改变整个公司的数据资产管理。因此,他们没有投入变化管理流程,业务部门经理没有机会在项目形态和数据标准本身进行投入。没有中层管理者的足够的支持,数据治理项目很难落地。
自下而上的方法把数据治理程序嵌入到技术项目中,比如部署新的CRM,合规性报表或风险管理系统。通过借力于战略性项目,数据治理建议者能够建立起对精确数据定义和跨业务部门的标准化数据管理流程的支持,最终获得CEO的认可和支持。
例如,我的一个客户是全球医疗设备制造商,它的CEO想要一个绩效记分系统帮助他更好地管理公司,该系统需要很多自动化业务单元,有些还是独立的法人实体。CEO没有直接下达行政命令。但在创建记分系统的过程中,设计团队开发了一个非正式的治理项目,在记分系统指标和潜在的业务名词中获得一致性。团队不得不找到公司每个部门的决策制定者——销售部门、财务部门、人力资源部门等,让他们确定定义、过滤方法和访问权限和数据质量标准。现在,他们不得不监督流程,监控数据质量,管理指标变化。
这个团队现在意识到,记分系统真正的目的和首要的利益不是给CEO提供报表和数据,而是创建通用的词汇,让公司能够在全球业务中使用。公司特别需要通用的数据词汇来和进入市场的更大、集成更好的公司竞争。
要想提高成功的概率,企业需要权衡这两种方法。自下而上的方法如果没有清理数据和保持一致性的行政命令的话,不可能成功。自上而下的方法应该和其他项目联系在一起,通过聚焦数据元素进行部署,让每一个人都认可这件事对企业的价值(或者是对自己的价值)。
只是,一定不要让现状持续下去。现在,数据治理,而不是大数据,是定义数据管理的挑战。成为数据驱动的公司是一件事,对共享术语和指标有通用数据词汇是另一件事。但在今天的信息经济时代,这两者都是必不可少的。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据指标体系搭建工作中,从业者常困惑于指标搭建的核心逻辑:究竟是依托一线零散数据自下而上汇总指标,还是基于战略目标自上 ...
2026-07-31在数据分析、问卷研究、实验复盘、业务建模的工作中,大多数人最关注的是“用什么统计方法”:是做T检验、方差分析、卡方检验, ...
2026-07-31 许多数据分析师精通Excel函数和SQL查询,但当面对一张上万行的销售明细表,要快速回答“哪个地区销量最高”“哪款产品增长最 ...
2026-07-31在问卷调研的数据分析流程中,“先检验信效度,再开展进阶统计分析”是通用的规范逻辑。很多从业者会听到“问卷效度高,后续可以 ...
2026-07-30【核心关键词】大数据、统计学、专业、毕业生、论文、课程、计算机、建模、知识、数据分析、机器学习、数据科学、大数据技术、 ...
2026-07-30 很多数据分析师掌握了Excel函数、会写SQL查询,但当被问到“数据从哪里来”“数据加工有哪些步骤”“如何使用分析工具连接数 ...
2026-07-30在业务数据分析中,按天拆分统计夜间时段的数据是高频需求——比如电商夜间订单监测、平台夜间用户活跃度分析、运维系统夜间异常 ...
2026-07-29在机器学习建模与特征工程实践中,判断不同特征对模型预测效果的贡献度,是特征筛选、模型解释、业务归因的核心环节。特征置换重 ...
2026-07-29 很多数据分析师精通Excel单元格操作,但当被问到“表结构数据的基本处理单位是什么”“字段和记录的本质区别”“为什么表结 ...
2026-07-29【核心关键词】岗位、数字化、经验、课程、方法论、决策、企业、大方向、数据分析、销售管理、理论知识、思维方式、分析销售、 ...
2026-07-28在问卷调研、用户分群、效果对比等业务数据分析中,分类变量的关联性与差异性验证是高频需求。卡方检验作为针对离散分类数据的经 ...
2026-07-28 数据分析师八成以上的时间在和数据表格打交道,但许多人拿到Excel后习惯性地先算、先分析,结果回头发现漏了一列关键数据, ...
2026-07-28在Excel数据分析与报表制作中,数据透视表是快速完成多维度汇总、分组统计的核心工具。很多从业者在得到透视表汇总结果后,为了 ...
2026-07-27 很多数据分析师每天与Excel打交道,但当被问到“表格结构数据的基本处理单位是什么”“数据类型误判会引发哪些分析错误”“ ...
2026-07-27当下,我们已然步入数据要素价值全面释放的智能时代。数据不再只是零散的数字记录,更是驱动新质生产力运转的核心动能、滋养人工 ...
2026-07-27【核心关键词】客户、数据分析、指标体系、数据采集、数据指标、业务数据、分析思路、业务需求、分析方法 【专访摘要】本次 CDA ...
2026-07-24在数据分析、业务建模与数字化运营体系中,原始业务数据普遍存在缺失、重复、异常、口径不一致等质量问题,直接用于分析与建模会 ...
2026-07-24 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-07-24在数据驱动的精细化运营体系中,指标是业务判断、效果复盘、策略优化的核心依据。随着企业数据化程度提升,指标数量持续膨胀,但 ...
2026-07-23在用户运营与产品增长体系中,留存是衡量产品真实价值与用户粘性的核心标尺,也是决定用户生命周期价值、获客投产比的底层因素。 ...
2026-07-23