当前位置:CIO频道技术探讨 → 正文

商业智能对商业分析:商业智能在哪些地方适用于你的数据战略

责任编辑:cres 作者:Mary K. Pratt |来源:企业网D1Net  2017-09-25 10:54:39 原创文章 企业网D1Net

虽然商业智能利用过去和现在的数据来描述你如今的业务状况,商业分析可以挖掘数据以预测你的业务发展方向,并为最大限度地发挥有益效果开出良方。
 
传统上,企业以商业智能为基础,将重点放在数据战略上,但预测性分析和规范性分析平台的兴起(部分归功于机器学习和人工智能)正在改变局势。即使是商业智能本身也在不断发展,它倾向于以前专门针对业务分析平台的功能。
 
分析师和顾问们都同意,了解商业智能与其它分析平台之间的区别以及每个企业所带来的价值对你正确理解数据战略方面都起了重要作用。
 
下面,我们来分解一下商业智能在哪些地方符合当今可用的分析产品范围——以及业务分析由于工具、策略和个人需求的转变如何发生变化。
 
商业智能对商业分析
 
最广泛意义上的分析适用于所有技术支持的问题解决活动。专家通常在连续体上将分析分为四个类别,其中描述性分析和诊断性分析在曲线的最不成熟的部分,预测性分析和规范性分析处于曲线上端。
 
商业智能是大多数组织在着手使用分析程序时开始的地方,它位于描述性阶段。商业智能利用软件和服务将数据转化为能告知组织的战略和战术业务决策的行动智能。使组织得以收集、分析和呈现数据分析的正是这个。
 
乔治亚理工学院的施勒商学院的业务分析中心的执行总监Beverly Wright解释说:“这是关于数据本身的信息。它除了讲述一个关于数据所要传达的故事之外,并不试图做什么。”
 
虽然一些商人可能会将商业智能与分析技术互换使用,但Wright说数据行业确实区分了两者; 有些人将商业智能描述为更广泛的分析领域(特别是高级分析)发生的事情,即预测未来各种情况下会发生什么。
 
用于商业的商业智能
 
商业智能使用来自传统企业平台(例如企业资源计划,ERP)或财务软件系统的更结构化的数据,并且可以在过去的金融交易或其它的过去行动(如运营和供应链)等方面提供意见。如今,专家认为,商业智能对组织的价值来源于它为这些领域和业务任务(包括合同协调)提供可见性的能力。
 
Wright说:商业智能工具与企业技术栈的很多其它部分一样,已经演变得更加直观、对用户更加友好。她解释说,过去,组织需要数据科学家来使用这些系统并建立仪表板。如今它们是自动化的。这意味着组织可以更容易地建立数据程序,允许非技术性商人使用商业智能工具来生成报告并获取大量的信息,而不必在日常使用中用到数据专业人员。分析师们同意仅凭这个就能使商业智能技术在企业中成为重要的工具。
 
Wright说被称为“公民分析师”的这一新型业务用户是营销、运营、财务或高管的专业人士,他们对数据或建模或分析没有深入的认识,但他们可以依赖于工具或系统,这些工具或系统能以非常简单的方式向他们提供所需的信息。”
 
作为商业分析的门户的商业智能
 
尽管像报告解决方案这样的商业智能工具仍然在企业中占有一席之地,但分析师认为这些工具的功能有限。
 
全球管理咨询公司贝恩公司(Bain&Co.)在其2017年的《数字化转型的六个IT设计规则》的报告中表示,对IT领导者的调查显示,超过50%的组织至少使用三个不同的分析提供商来生成绩效报告。还进一步指出:“首席信息官迫切希望能够将独立的数据源集成到一个可以覆盖整个基础设施的分析引擎中。
 
专家说更重要的是商业智能工具不能提供最深入的可推动新的商机和增长的数据分析。
 
企业管理协会(Enterprise Management Associates)的商业智能高级分析师John Myers说:“商业智能不会推动营收和创新。”
 
虽然Myers估计美国有20%的组织仍然处于分析采用的商业智能阶段,但他表示,大多数组织都不希望分析工作在这个阶段终结。Myers发现用户通常受到商业智能工具生成的信息的鼓动,并希望数据开始回答日益复杂的问题。
 
事实上,贝恩报告还指出,IT运营管理者将高级分析列为“他们最想拥有的功能,但现在只有五分之一的人说他们可以使用这项技术。”
 
Myers解释说,用户可能从查看销售数据开始,然后想看这个数据按国家或产品组织。然后他们想要看今年的十大客户,他们的共同特征,用户想根据这个信息来知道哪一个将会是来年的十大客户。
 
Myers说:“你以积少成多作为出发点并以不同维度将其呈现出来了。这就是很多人称之为报告或静态仪表板或传统的商业智能的东西。但是,当你开始预测未来或使用预测性分析时,当你必须做更复杂的数学运算时,那么你从事着被人们称之为分析的东西。”
 
Myers阐述说商业智能使用基本计算来提供答案,而其它形式的分析(包括预测性分析的和规范性分析)则使用数学模型来确定属性并提供预测。他还指出,机器学习和人工智能处于分析连续体的最远端。
 
商业智能模糊了界线
 
尽管数据专业人士在高级分析(如建模)方面仍然扮演重要角色,但Myers说,他们的参与程度根据业务案例的不同而有所不同。例如,用于检测潜在信用卡欺诈的高级分析系统需要速度,因此依赖于无监督模型与数据科学家查询系统。
 
Myers补充说,组织往往会购买现成的商业智能产品和商业高级分析产品,但是他们倾向于拥有自己的数据专业人员来构建他们需要的机器学习和人工智能功能,因为市场上没有一整套的软件包;这个产品压根还没问世。”
 
贝恩的全球高级分析实践及其数字、技术、媒体和电信业务的负责人Chris Brahm表示,由于组织需要更多商业智能平台和其它分析工具,解决方案市场正在发生变化。
 
Brahm表示,很多商业智能工具正在引入更多的、更好的数据信号,以产生更准确、更有见地的报告,从而模糊了传统上将商业智能与更高级的分析技术区分开来的界线。因此他补充说商业智能供应商需要在市场上推进或冒失败的风险。
 
他说:“由于主要用户往往是管理者,他们可以逐步发展从而为企业管理者提供实时的高质量信息吗?他们能用新的数据集和新技术提供更好的实时信息吗?因为如果他们不能,那么新的供应商将进入——并且正在进入——并回答管理者的问题。”
 
他说,这些新系统正在帮助用户做出更好的决策,回答有关如何最大化并优化业务的问题——业务应面向谁、提供哪些促销活动以及哪一方向谁提供这样的问题。
 
他说:“很多正在进入市场的参与者正在为管理人员和一线工作人员提供分析数据,这些分析人员超越了传统商业智能所做的工作”。他补充说这些工具正在使用新的技术和数据就管理人员在供应链、运营和研发等特定领域的问题提供更好的、更全面的答案。
 
技术公司往往沿着采用曲线进一步发展,最有可能采用机器学习和人工智能等先进的分析功能的也往往是它们。
 
Brahm说,更传统的行业也紧随其后,它们也将高级分析视为未来成功的关键。贝恩研究表明,百分之七十的组织领导者将高级分析和人工智能视为业务的重中之重。
 
他补充道:“每个人都朝着这个方向前进。”

关键字:CIO 商业智能

原创文章 企业网D1Net

商业智能对商业分析:商业智能在哪些地方适用于你的数据战略 扫一扫
分享本文到朋友圈

关于我们联系我们版权声明友情链接广告服务会员服务投稿中心招贤纳士

企业网版权所有©2010-2017 京ICP备09108050号-6

^