商业智能的成功不仅仅是一个强大的技术平台，还将集中在流程和人员上，并以业务优先的方式从数据中获得见解。

商业智能（BI）对于业务增长和竞争优势至关重要，但从商业智能获得的收益不仅仅需要实现其技术。

调研机构Forrester Research公司副总裁兼首席分析师鲍里斯·埃夫森表示，实际上部署技术是任何商业智能行动中最简单的一部分。他说，让人员和流程正确运行更具挑战性。

因此，如果企业要成功，组织必须将人员和流程作为其商业智能战略的关键方面。此外，还应进一步细分商业智能战略，以解决所有权和持续改进问题。

几位商业智能专家认为，以下是任何成功的商业智能战略的七大要素。

（1）为商业智能提供业务所有权

埃夫森表示，将商业智能置于业务用户手中的组织比将商业智能置于IT内部的成功率更高，这可能意味着将商业智能嵌入业务线，或将商业智能业务报告提供给首席数字官或首席客户官。

“业务绝对要负责，”他补充说。虽然早期商业智能技术的复杂性使得IT部门负责许多商业智能程序，但是如今的工具更加直观，允许它们直接提供到业务用户的手中，这些用户可以运行对他们重要的查询。

同样，用户需要访问数据的速度以及从商业智能获得的见解近年来也急剧增加。今天的业务用户通常需要实时的操作信息，不愿等待IT部门生成报告。

埃夫森说，因此，IT所有权可能是商业智能成功的障碍，而不是推动商业智能成功的因素。

（2）监控商业智能的使用并必要时调整

虽然企业应该拥有商业智能计划，但是IT部门仍然是必须保持监控和评估商业智能系统使用的积极合作伙伴。

埃夫森解释说：“与其阻止，不如监控商业智能系统正在做什么，正在访问什么数据源，正在使用什么工具，以及业务部门A是否使用商业智能超过业务部门B。”

他表示，通过这种方式，企业的首席信息官可以与业务单位合作设定门槛。例如，首席信息官将知道市场营销中的一些分析师是否已经下载了自己的工具并且正在成功使用它，在这种情况下，将它们放在一边可能是一件好事。同样，首席信息官将会注意到，当商业智能应用程序在业务中会得到越来越多的用户应用，并因此成为企业级环境和关键任务企业应用程序，需要额外的纪律和治理。

（3）验证，验证，验证

商业智能咨询公司WCI咨询公司业务副总裁查理斯·哈根斯表示，组织可能会快速分离大量商业智能功能，但质量胜过数量。

他说：“人们采用信任的东西总比采用可疑的东西要好一些。”

因此，组织需要一个强大的验证过程，重点是访问所有需要回答查询的数据。它还应该防止有问题的数据进入商业智能系统，这样就不会产生错误的见解。此外，验证过程应该足够的敏捷性，以快速响应新的商业智能功能的请求。

哈根斯指出一个假设用例，其中商业智能工具生成有关净销售额的报告。如果该工具接收到销售数据，但没有计算返回的已售商品数量，那么最终信息是不好的。

此外，哈根斯说，验证仍然至关重要，不仅仅是为了确保准确性，而且还要消除别人的怀疑。

“如果有一两个人说不信任数据，使报告无效，这可能会影响整个项目，然后报告变得毫无价值。”他说。

（4）首先关注业务问题，然后再关注数据

埃弗森警告说，不要采取建立自己的商业智能计划的方法。他说，太多的组织构建数据存储库，然而采用商业智能，期望业务用户能够更好地开展业务。

“自上而下的方法，就业务成果而言，效果更好。但不要以‘数据在哪里’开始，我们从解决业务问题开始。”他说。

埃夫森阐述了这个例子：营销部门发现客户流失问题，并希望了解客户为什么要离开。组织应该着重提供回答营销业务问题的能力，首先要确定需要衡量哪些指标，访问计算这些指标所需的数据，然后使营销对数据进行详细的分析。

埃夫森说：“人们需要确定一个明确的业务问题，首先要分析什么指标，最后，谈论如何得到数据。”

（5）确定优先级，并建立改进过程

根据商业智能权威人士的说法，成功的商业智能战略可望扩大和改进。

因此，组织应该知道他们想要什么样的业务洞察，哪些是最重要的，因此IT可以首先为业务用户提供最关键的事情，并通过优先级列表来实现。

此外，商务智能计划应该能够随着优先级的改变而转变。哈根斯说：“必须随着企业界内的用户和人员的需要而发展。”

同样，商业智能战略应该建立在推动和改进系统运作方式的过程中。埃夫森建议采用迭代方法，以便使商务智能工具可以随着业务部门的使用而扩展和改进，并确定其是否能满足需求。

（6）提高平民数据科学家数量

研究机构Gartner公司在2017年的“商业智能和分析平台的魔力象限”报告中表示，“未来几年平民数据科学家数量将比数据科学家数量增长五倍”。

Gartner公司研究副总裁辛迪·豪森表示，高管已经认识到，目前没有足够的数据科学家来满足用户需求，他们也在努力雇用或识别他们需要的现有的平民数据科学家。

豪森说，“人们所讨论们于这二者之间的信息分析师。他们了解业务领域和问题，人们需要更容易使用的软件，这样组织才能更好地帮助这些员工。”

豪森预计，软件改进最终将允许组织在未建模的数据集上提出并回答自己的问题。就这样，组织将需要合适的人选来担当平民数据科学家这一角色。他们将需要具有分析技能的，并具有好奇心的工作人员，他们喜欢提问，知道如何解读他们正在收回的信息，并乐于使用软件来改善业务成果。

（7）赋予员工用数据讲述故事的能力

CBIG咨询公司总裁兼总裁托德·纳什是一家帮助客户利用其数据资产的专业服务公司的负责人，他也给出了类似的说法。他表示，他曾与工作人员了解如何使用商业智能工具提供的见解的组织合作，讲述帮助他人理解“数据正在试图说什么”。

他说这些人使用商业智能技术内置的报告和可视化功能来进行叙述，从而最大限度地发挥分析的价值。

他说：“你有数据和工具来讲述这个故事，你需要人们可以理解。”

这种做法不仅仅是让人们产生华而不实的报告。纳什表示，这些用户能够与其他人看不到的数据建立联系，从而提供企业可以利用的新见解。

他说，企业高管们需要支持和帮助这些工作人员能够探索这些关系并提供其洞察力。

他表示，例如，分析店铺销售数据的员工可能会看到天气趋势（不仅仅是大风暴）对销售有微妙的影响。他们可能希望利用外部天气数据来进一步分析趋势，以便更好地了解商店如何根据这一新的见解优化销售。

纳什说：“有各种内部和外部数据可以利用更好的洞察力，成功的商业智能计划允许分析师超越衡量标准的关键绩效指标。”

他说：“挑战自己的方法有很多，其中一部分是对每个关键绩效指标的挑战，并确保利用所能了解的信息。”