04.观视界浅谈商业智能的发展
Posted 数字化行业峰会
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了04.观视界浅谈商业智能的发展相关的知识,希望对你有一定的参考价值。
上海知达教育科技有限公司 创始人
技能发展与培训部部长
孙运
大家好,我是数字化协会技能发展与培训部的孙运,同时也是上海知达教育科技有限公司的创始人。知达教育是数字化协会的企业会员,是一家专业从事数据人才培养的机构,目前正在进行数据思维系列课程的研发,之后会陆续向数字化协会的会员们分享各类数据思维和实战案例课程。今天的分享,我会为大家梳理商业智能的四个发展阶段和每个阶段的主要特征,帮助大家了解商业智能发展历程,以期各位听众结合自己企业和自身的实际情况,判断当下所处阶段,思考未来的发展方向和需要做的一些准备工作。
过去的二十年,大部分企业进入了BI时代,BI是英文Business Intelligence的缩写,即商业智能,也称商务智能。商业智能一词最早是由国际知名的IT咨询机构Gartner在1996年提出的,指的是用数据仓库技术、联机分析处理、数据挖掘和数据展现技术进行数据分析以实现商业价值。外界也有将商业智能定义为“使用基于事实的决策支持系统,来改善业务决策的一套理论与方法。”可以看出,Gartner的定义侧重技术层面,而后者定义侧重价值层面。
比起其他被提出了很多年而没有太大实质进展的技术来说,商业智能的发展是很快的。大家是否知道最近几年才被炒热的人工智能其实早在1956年就提出了,整整50多年的时间里,人工智能就像一个睡美人,直到近年才突然蹿红。而商业智能不一样,几乎一经提出,就在商业中广泛使用。也许你会说,商业智能有这么热门吗?怎么我好像没有听说过呢?这里可能有几个原因:第一,你所处的企业可能是小型企业或者传统企业,管理者认为数据复杂性、数据量各方面都还用不上商业智能。第二,在你的企业中并没有特意的去使用“商业智能”这个提法,取而代之的是报表系统、数据库,但其实它们都是商业智能。第三,商业智能由于一些技术门槛,在过去确实只和少部分IT人员有关。业务人员只要一听说数据仓库、ETL、算法、代码、架构这些词,就立刻认为这些事理所应当交给IT。在此情况下,你意识不到商业智能的存在也是很正常的。
那么以有或者没有作为分界点,我们就很自然将企业的商业智能划分为两大阶段,即无商业智能阶段和有商业智能阶段。前者的典型特征是无完善的分析系统,通过Excel就能完成绝大部分数据分析。可以想象处于这一阶段的企业分析能力十分有限,稍微多一些数据接口、数据种类、数据量就难以应对。大部分的企业停留在这一阶段是因为数据的原始积累还不够,其中有很多还难以通过数据清晰的了解业务状况。
而商业智能阶段又可以分为传统商业智能阶段和现代商业智能阶段。那听上去“传统”自然是要比“现代”早一些。
传统商业智能阶段的最典型特征是,以 IT 为中心的预定义报表平台。企业耗时数年实施了巨大的企业级数据仓库,终于将内部各个主要数据源整合到一起进行建模分析。可由于数据仓库这条船太大太沉,后续的建模和分析又大量依赖于代码或专业级工具,业务人员凭借有限的IT能力实在难以驾驭。现实的情况是:每个业务部门因为害怕麻烦IT,或多或少的私藏了一些手工维护的数据小金库,久而久之形成多个数据堰塞湖,和系统不匹配。业务人员在遇到把Excel的功能用到极致还解决不了问题的情况下,只能把需求提给IT进行预定义报表开发,之后往往需要通过数周到数月的等待才能拿到一份不置可否的报表,接下去因为数据源头受限,可以做的进一步分析也十分有限。企业里到处都是“表哥表姐”,一个中大型企业有数百张预定义报表的情况十分普遍。若干年后,回顾当初宣称能“帮助企业做出明智业务决策”的BI系统,为什么投入了那么多时间和精力,价值的问题一直难以自圆其说,究其原因在于传统BI这种技术驱动业务的做法会造成技术空心化,价值难以浮现。
在传统商业智能屡遭诟病的情况下,现代商业智能蓬勃发展起来。现代商业智能平台提供端到端功能,让IT人员回归技术本位,搭建数据仓库、确保数据管控和安全;让业务人员回归价值本位,无需了解后台技术的黑匣子,用简单易用的前端分析工具,轻松的连接各类数据开展自助式分析,探索数据价值,实现数据驱动业务发展。
现代商业智能的最典型特征就是,以业务人员为中心的自助式数据分析。所谓自助式数据分析主要是指业务人员能够自主、敏捷的通过一些数据分析工具满足自己分析的需求。参与数据分析的人员不再是“表哥表姐”,而是真正的分析师;数据分析更不再是少数IT的专利,而是包括管理者在内的全员参与。一个企业,如果管理者不能率先认同数据驱动的价值,身先士卒的开展自助式数据分析文化建设,整个企业是无法转型成功的。
相较于传统BI的评价标准——“数据仓库建立的如何?”“报表是否按时准确?”,现代商业智能的评价标准主要是“分析效率是否提升?”“业务问题是否得到解释?”“数据价值是否被挖掘出来?” 这些标准就和价值大大的挂上了钩。
伴随着现代BI的推进,目前市场上已经有大量的自助式分析工具,其中的代表如可视化分析领域的Tableau、Qlik;外部数据采集领域的八爪鱼;数据准备领域的Alteryx、Maestro;数据挖掘领域的Knime。这些产品的共同特征是无需任何技术背景,不需要代码,用鼠标点点拖拖,或者进行简单的配置就能完成分析。自助分析最初从数据可视化领域开始,目前已经扩展至各个数据分析环节。一个没有任何技术背景的业务用户,只要通过简单的学习,就可以使用这些工具完成整个分析过程,省下多至传统BI做法下90%的时间,如果用这些时间来思考业务问题,那可以产生多少价值啊。
说的这么好,那企业要如何实现现代商业智能呢?这里有几个关键因素:
1. 企业数据驱动意识和自助式数据分析文化的形成
2. 企业数据分析流程的转变
3. 对于业务人员的数据分析思维和技能的培养
4. 引入适合的自助式分析工具,降低使用门槛
可见现代商业智能实现起来并不容易,目前大部分的企业都在这条路上探索,完全成功的只有少数几家互联网公司,因为这些公司天生数据血液,自助式分析流程是浑然天成的。而其他企业要树立意识、建立文化、转变流程,培养人才、引入工具都不是一朝一夕的事。
最后我们花一点时间展望一下未来商业智能,即人工智能分析阶段。这个阶段的典型特征是,以人工智能系统为中心的规范性分析,让数据分析具有先见之明。数据分析无缝的嵌入到各个业务流程中成为一种规范。系统自动分析瞬息万变的业务状况,将发现的问题即时预警、反馈给业务人员。目前分析师正在分析和总结的种种数据异常和异常原因,未来这些事交给人工智能,也许做的更快更好。事实上,目前市场上已经出现了一些如One Click.AI之类的工具,只要将数据导入,挖掘算法一键完成,还有一些着眼于异常问题发现和异常原因分析的工具也如雨后春笋一般冒出。真心期待这些数据黑科技产品可以尽快完善和商用起来。
梳理完商业智能的四个发展阶段,有几个问题和大家集中探讨一下:
有人说现代BI已经让一些传统BI人员失业了,未来人工智能岂不是要让所有数据分析师都失业吗?如果你有这个疑问,那不妨想想拍照的例子,数码相机取代了胶卷相机,手机取代了数码相机,但手机有让摄影师失业吗?也可以想想算账的例子,计算器取代了算盘,Excel取代了计算器,但Excel有让会计失业吗?人类文明进步向来如此,当一个老旧的技术被革新的时候,人们就可以更高效的处理原来费时费力的事情,腾出精力做更有价值的事情了。在数据这个领域,一旦常规分析的工作被人工智能取代了,业务人员就可以花更多的时间设计应用和解决方案,让数据的价值真正实现出来。
另外的一个问题,你可能担心有那么多企业商业智能的发展程度远远领先于你的企业,要怎样才能迎头赶上呢?我的观点是商业智能的发展之路不需要循规蹈矩,如果今天你的企业还处于最初阶段,那只要做好相应的准备,同样可以直接迈向现代商业智能阶段。某种意义上,还省下了中间的学费呢。
总结一下今天分享的内容,企业历经了无商业智能的最初阶段,跋涉过传统BI的阶段,正在通往现代BI的路上,未来还要奔向人工智能的方向。整个来说这是一段通过提升分析效率实现业务价值的旅程,在这段旅程中只有暂时的领先者,没有绝对的落后者。
最后,给大家留两个问题:
1. 请大家评估自己的企业正处于商业智能发展阶段?未来又将如何发展?
2. 请大家根据自身情况,思考在数据方面应该做怎样的准备?
以上是关于04.观视界浅谈商业智能的发展的主要内容,如果未能解决你的问题,请参考以下文章