CIO的前车之鉴:商业智能失败的九种方式

CIOAge 商业智能
可靠的商业智能对于制定战略性业务决策至关重要,但是对于很多组织而言,商业智能方面的付出因数据实践不佳,战术错误等原因而受挫。你怎么知道你是否被“带入歧途”呢?是升级到商务智能还是推出新的培训计划?

可靠的商业智能对于制定战略性业务决策至关重要,但是对于很多组织而言,商业智能方面的付出因数据实践不佳,战术错误等原因而受挫。
 
管理人员知道他们需要高质量的数据才能做出合理的业务决策。但是,以及时、用户友好的形式获取准确的数据仍然是一个挑战。当然,拥有商业智能(BI)专业知识的广泛的顾问和供应商行业。

[[211971]]

你怎么知道你是否被“带入歧途”呢?是升级到商务智能还是推出新的培训计划?要回答这些问题,知道别人在哪里犯错是大有裨益的。
 
1.在构建商务智能系统时作为“接单员”
 
“客户永远是对的”。这是一个高尚的大大改善客户服务情感,特别是在零售业。但是,随着技术的发展,企业用户可能并不总是明白他们的需求。更糟的是,他们可能会试图指定解决方案的技术细节。
 
实现用户所要求的而不是他们所需要的,这注定会让商业智能失败。Tricentis的创始人Wolfgang Platz表示:“成功的商业智能项目需要详细阐述和管理需求,以及正确验证商务智能成果的能力。他为HBO、丰田和宝马等公司提供连续测试平台。“五个为什么”的技巧——对一个单一的问题问五次为什么,以获得更大的深度——这是了解用户真实需求的一种方法。
 
2.削减测试时间和资源
 
“快速行动,破除陈规”是创业界的一个重要思想。已成立的企业也往往需要速度。但是为了追求更快,被认为是辅助的活动可能会受到影响,如测试。将测试视为负担可能会导致严重的质量问题,如果你依赖手动测试的话尤其是这样。相反,要将测试和相关的“辅助”流程视为提供更高质量的商务智能体验的途径。
 
Platz说:“限制测试,尤其当唯一的测试是手动时,会导致用户验收测试中出现大量的缺陷,最终影响到交付时间。”
 
3.对更广泛的数据完整性的短视是个问题
 
商业智能工具在处理,显示和分析数据方面非常出色。但是如果你在系统中输入损坏的数据会怎么样呢?或稍好一些:你如何向IT审计员证明你拥有指导管理决策的高质量数据?过分狭隘地关注商业智能工具及其配置可能意味着你将错过这些关键细节。
 
Platz说:“如今,商务智能并不仅仅用于支持更好的决策。商业智能常常嵌入到运营流程中。如果你的财务或法规报告(通常由数据仓库技术支持)存在错误,则商业智能有助于使这些错误为人所知。但其它流程仍然可能失败。例如,保险公司哪怕算错一点点经纪费,也会对你的声誉产生负面影响,进而增加客户流失率。如今的企业需要有一个主动的、自动化的商业智能测试方法,以尽快暴露数据完整性问题。”
 
在财务和监管数据方面出错可能会导致昂贵的问题。数据质量差也会浪费金钱。在2013年,美国邮政服务无法投递的邮件超过60亿。这意味着客户的陈述丢失或延迟了客户对账单,失去了营销机会等等。
 
4.采取被动的方法来扰乱用户
 
没有技术专业人希望应对愤怒的用户。系统故障和挫折点总是会发生的。你对这些问题的回答将影响你的商业智能计划的成败。
 
重点关注搜索驱动的零售,金融服务分析等行业的ThoughtSpot的首席数据布道师Doug Bordonaro解释道:“我看到商业智能新手所犯的两个最大的错误,就是过分关注请求的实现,而不是将最终业务用户包括在项目中。当客户长期交货时间和服务水平协议被大家忽略的时候,这是显而易见的关注点。过于卷入日常交付而忽略了更大的商业智能大局。你提供了客户做决策所需要的东西吗?你知道他们需要什么数据吗?除了再提供一份报告之外,还有更好的解决实际问题的办法吗?”
 
与其对所出现的问题采取放下手上的工作的方法,不如根据对整体策略的相对重要性来分用户投诉的优先级。
 
5.追求无意义的分析
 
当你拥有强大的工具时,找机会来使用它是理所当然的。但是没有方向的商业智能会浪费时间。这个问题在相对初级的专业人士中尤为常见。
 
Anexinet是一家在决策支持和客户分析领域拥有专业知识的询服务公司,它的分析副总裁Mark Langsfeld说:“新手和热心的商务智能专业人士冒着这样的风险,即目光狭隘且未经有意义的问题指导的情况下进行有趣的分析。结果往往可能缺乏一个‘那又如何’般的发现以及不能提供有影响力的洞察”
 
避免这个错误需要商业知识和判断力力。问自己“这个分析如何为公司的目标做贡献?”是防止“那又如何”问题的一种方法。如果你不确定如何将分析结果与公司目标联系起来,那么可以思考一些着落点。你的商务智能分析如何说明提高收入、削减成本或改善服务的方式?这些是大多数商业领袖长期以来的担忧。
 
6.假设数据本身就足够了
 
“更多的数据”可以治愈我们所有的业务问题吗?这是很多商业智能和分析讨论中不言而喻的假设。简单地把数据丢给主管并希望获得最好的结果是行不通的。
 
Qlik的市场情报高级总监Dan Sommer评论道:“如果数据不是以一种引人注目的方式被提出和讨论的,那么它就会被忽视,或者被意见所束缚。展开争论并编制故事要素的价值决不应被低估”。你的前线分析师可能很清楚数据集的含义。对于那些微微偏离数据的人来说,你不能认为这一点是清楚的。
 
为了编制更好的故事,可以考虑从其它领域获取灵感。在《让创意更有黏性:为什么有些观念幸存,而有些却消失了》一书里,Chip和Dan Heath勾画出一个模型来解释是什么使观念有“粘性”。同样,小说作家和编剧也用“英雄之旅”的概念来讲故事。如果你想让管理人员和顾客明白,牢记并按照你的见解采取行动,讲故事的技巧就会起作用。
 
7.对商业智能工具过于信任(对人员和流程不够信任)
 
技术人员知道合适的工具可以带来巨大的变革。回想一下你第一次使用脚本来自动执行重复任务的时候。那些早期的胜利鼓励你不断寻找解决业务问题的新工具。不幸的是,过于强调你的商业智能工具往往会导致令人失望的结果。
 
Sommer说:“作为一名行业分析师,我低估了在组织中真正广泛和适当地采用商业智能和分析应用的难度。即便这些工具越来越容易使用,也需要过程,文化和学习成分来取得成功。这就是为什么我们越发要谈论作为能实现商业智能正确采用的关键要素的数据素养。”
 
如果你对商业智能项目感到失望,那就把目光投向技术以外的事物。例如,你的员工是否知道如何呈现数据?
 
8.毫无成效的供应商管理
 
你的公司可能没有商业智能部门。在这种情况下,与外部专家合作是有意义的。你可能会要求他们执行外包服务提供商的职能或协助项目。在任何一种情况下,你都需要了解供应商并提供监督,尤其是分包商。
 
“我的公司并没有完全控制一个特定的项目,在那里我们与一家卖分销软件的软件公司的分包供应商合作。总部设在香港的软件咨询公司Intelligencia的总裁Andrew Pearson解释说,我们在数据清理和数据治理方面遇到了特别的问题——“错进错出(junk in, junk out)”,正如我的分析师喜欢指出的那样。他说:“由于数据不可信,我们的分析模型不是那么有用。我们对他们的数据清理能力没有充分的信心,因为这是良好的商务智能报告的基准,而且对于强大的建模来说绝对是必要的,所以我们并未处在获取成功的有利位置。”
 
如果你正在与第三方合作,那么你有责任了解该项目以及为你工作的人。否则,最终可能会对商业智能感到失望。
 
9.忽略对SQL和Excel等主流工具的忠诚度
 
你知道每年都会举行微软的Excel锦标赛吗?以微软Office专家世界锦标赛为例——他们有超过五十万的竞争对手,并为获奖者发奖金。这只是Excel在商业界普及的一个标志。其次,SQL在技术领域有着广泛的应用。
 
忽略变革中的人为因素并采用新的商业智能工具会增加失败的可能性。Pearson解释说:“你可以找到很多立志SQL和Excel技能的人,但找到像Tableau,Qlik,Spotfire,SAS和SAP产品的技能是更困难的。当你引入新的软件和新的业务方式的时候,会立即受到那些习惯于在Excel和/或SQL中做所有事情的业务用户的抵制。”
 
在组织中对商务智能做出重大改变对职业有着重要的影响。在引导人们转型方面,变革管理和领导艺术是不可忽视的。

责任编辑:火凤凰 来源: 企业网D1Net
相关推荐

2010-11-08 10:24:34

2014-02-27 09:19:13

OpenStackCloud FoundSAP

2015-08-31 09:33:20

2022-05-13 11:47:42

前端框架实践

2020-10-08 18:12:36

数据科学职位面试数据科学家

2020-11-05 15:00:55

以太坊区块链USDT

2009-09-17 08:28:30

Windows 7兼容性

2012-12-24 12:46:19

IT技术周刊

2009-09-02 08:40:01

Windows 7兼容性

2024-02-19 15:59:56

2023-07-06 10:36:51

人工智能

2023-09-11 14:26:44

智能技术人工智能

2010-08-12 09:24:14

2022-03-07 15:06:14

数据泄露黑客

2024-06-19 19:17:04

2024-03-04 16:24:31

人工智能

2014-05-31 15:40:46

2020-11-23 09:32:10

人工智能房地产数据

2023-07-21 09:47:05

人工智能AI

2011-08-11 13:11:24

准入控制

51CTO技术栈公众号