商业智能(BI)平台选择的10个重要检查点

Posted 2021-04-20 好好学嘻

关键字：商业分析、商业智能

Keyword： Business Analysis, Business Intelligence

源自：https://dzone.com/articles/the-definitive-10-point-checklist-before-arriving

翻译：暴走都市（Patrick Wu）

选择商业智能（BI: Business Intelligence）工具不容易。在购买商业智能工具的决策面前万分纠结，并不少见。应为现如今，有太多的选项。

比如：常见的BI平台就有：

1. Tableau

2. Looker

3. Mode Analytics

4. Chartio

5. Qlikview

6. Power BI

本概览提供了一个包含是个检查点的清单用于辅助商业智能平台的选择。

BI工具的10个检查点

建议制订一个统一的标准的集合。也就是说，使用一组客观的基准把成百的选项减少到关键的几个。下列的10个检查点既简单又容易使用，可以用于制订工具评估的框架。

1. 目标受众(Target Audience)

BI工具是为工程师还是商业用户？每天都会使用它吗？确保用例与计划中的用户是一致的。

如果一个工具不是人们喜欢用的，人们肯定不会用它。

2. 特性Feature

卓越之处是什么？有什么焦点和重点？多快能开始有生产力的？实现价值时间（Time-to-value）是多少？还有，产品路线图是什么样子的？它与为战略愿景将要完成的工作相吻合么？当然还需要包括必备特性，比如：需要支持的数据源、过滤器、数据可视化，这些特征都易于理解吗？

BI分析工具各有特色，比如：Tableau有令人印象深刻的可视化，Chartio有简单和容易学习的界面，Mode有很强的协同工作能力，Looker有数据探索能力。对于不足的特性，团队是否可以不使用。

问问自己，这些对于目标而言是有也不错，还是至关重要。

注：特性、特征一类的词在中文不是区分的非常清楚，但英文又Feature和Function的区别。Feature比较倾向于是针对产品外部可见的功能；Funciton则往往指对产品内部而言的。

3. 技术Technology

技术方面，需要查看BI分析工具支持什么数据库。是否可以连接到云数据仓库，比如Amazon Redshift、Amazon Athena或者Google BigQuery？是否可以连接到内部部署系统(on-premise system)？用户是通过浏览器交互(只在云端)，还是通过桌面应用程序访问的服务器软件？对于上述所有，BI工具支持那种操作系统：Windows、Mac、Linux？运行所需硬件如何？该技术是否与环境的当前状态或者将来状态一致？

4. 协同工作Collaboration

人们如何一起工作来创建或者更新输出可视化、模型和计算？工具有助于指示和资源的分享吗？是否可以打包代码片段、模版或者报告以供更广泛的团队使用？

5. 教学Education

有什么类型的培训或者学习材料？有些商业智能和分析工具是直观的，有一些有较短的学习曲线，还有一些需要深入的培训。一定要确认可以在学习上可以投入多少时间。有视频或者自学的在线课程吗？是否提供免费培训还是特定的付费课程？是否适合公司的学习风格？

6. 社区Community

有没有健壮的在线社区、论坛、爱好者的博客、热情传道的用户、本地的聚会、用户群？社区是公司驱动的，还是用户形成的有组织的社区，还是都有？需要确保在遇到障碍时可以从专家那里获得解答并且向他们学习。

7. 顾客Customers

顾客评论是工具所交付内容的验证点。看看都是谁在用：可口可乐？Apple？星巴克？大公司，还是主要是小公司？团队、个人，还是都有？有没有再次购买？别犹豫，联系对方公司提到的客户去验证一下他们的体验。

8. 支持Support

9. 合作伙伴Partners

是否有顾问、自由职业者、或者可以雇佣或提产品相关增值服务的人？如果有的话，生态系统有多健壮？如果工具很复杂，需要考虑三方支持来启动数据分析工作。

10. 成本Cost

产品如何定价？是否符合预算？不同的价位可以接受什么样的折衷方案？是否提供规模有关的折扣？是否有长期合作的折扣？知道BI工具如何定价有助于建立对应的预算。是一个成长型公司吗？分析团队在成长吗？需要考虑团队可能发生的变化。

数据！数据！数据！

BI工作经常被忽视的一个方面是数据。一般来说，数据从来都不应锁在一个地方，在源系统中、在分析工具中或者在数据管理平台中。如果被锁定，数据就不再是头等的组织资产。不幸的是，数据的传播是遍及不同的系统的，从来都是这样的。所有的“暗数据”都代表着客户洞见的珍贵宝藏，这些信息应该是可获得的并且可以立即被团队使用。需要确定传递通道（pipeline）存在，确保到工具的合乎需要的数据流

请求的传递通道是什么？传递通道处理从低价值的地方向高价值的地方移动一个资源的组织工作。例如，管道把水从水库（低价值位置）移动到家里（高价值位置）。

在BI工具的上下文中，数据传递通道处理从数据源（数据驻留的系统）到数据使用者（需要访问数据的人）之间的组织工作，用于处理、可视化、转换、路由、报告或者创建统计模型。

在需求实现BI解决方案时，不要忽视一个事实，推动这些工具的数据可能需要更进一步的考虑。数据传递通道的到位，可以让数据流动到BI软件。

充分利用试用版

没有那个工具能适用于所有的用户、团队或者公司。已经把候选范围缩小到几个，提交（也就是购买）许可证或者长期合同之前，可以考虑把每一个都体验一下。多数供应商都提供试用版，不要浪费。用一个熟悉的数据集来探索一下如何在软件中提出数据工作的问题，尝试不同的可视化、报告、仪表盘，进而评估用户界面的舒适度。核对清单中的评估结果是否满足预期，或者超过预期。

寻找内部“传道者”

确保你有一个内部的“传道者”或者“拥护者”，他对解决方案和在公司里落地生根发芽开发结果都充满激情。如果没有一个人或者团队对解决方案充满激情，BI软件的生产力也就昙花一现，就像新年计划后办的健身卡，四周后也就完了。