• 商业智能BI的前景如何?看完这篇文章你就明白了


    近日,IDC国际数据公司发布了《2021下半年中国商业智能软件市场跟踪报告》,其中提到的关于商业智能BI的市场数据就是现阶段商业智能BI情况的最好呈现,具体表现为2021年下半年中国的商业智能BI软件市场规模为4.8亿美元,2021全年市场规模达到7.8亿美元,同比增长高达34.9%。

    IDC还根据商业智能BI市场的现状进行了预测,认为2026年中国商业智能BI软件市场规模会达到20.2亿美元,非常看好商业智能BI的市场前景。不得不说,随着社会的数字化程度不断提高,各行各业的企业都开始了新的转型发展。在这个发展的过程中,商业智能BI发挥了重要的作用。所以,到底为什么商业智能BI会有这么高的增长?对企业来说商业智能BI到底能提供什么价值?下面来从各方面进行介绍。

    什么是商业智能BI ?

    商业智能BI的发展和数据的增长有很强的关联性,而当前人工智能、大数据、云计算、物联网、互联网等技术和应用都对数据的增长有促进作用,所以商业智能BI也就伴随着数据的增长,在各行各业的企业中开始发挥作用。

    为什么商业智能BI会因为数据的增长而得到快速发展?这就不得不提到商业智能BI的概念了。商业智能BI是一套完整的由数据仓库、查询报表、数据分析等组成的数据类技术解决方案,能够实现业务流程和业务数据的规范化、流程化、标准化,打通ERP、OA、CRM等不同业务信息系统,整合归纳企业数据。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    商业智能BI对于企业中大多数员工的工作都有促进的作用,单单只是高效敏捷的数据可视化,就可以在很大程度上为企业实现降本增效的作用。不过商业智能BI虽然对企业不同人群都有很高的价值,但最需要商业智能BI的就是企业高层管理人员。他们通过利用商业智能BI,借助数据可视化满足企业不同人群对数据查询、分析和探索的需求,获取信息和知识,从而为管理和业务提供数据依据和决策支持。

    将商业智能BI核心内容进行总结,大致有三大特征:

    1. 一套完整的由数据仓库、查询报表、数据分析等组成的数据类技术解决方案;
    2. 将企业中不同系统(ERP、OA)中的数据打通并进行有效的整合;
    3. 利用合适的查询和分析工具快速准确地提供报表,为企业提供决策支持。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    从商业智能BI在企业中发挥的作用来看,只要能够把商业智能BI在数据全生命周期流程中的作用发挥出来,那商业智能BI就能产生巨大的价值。而谈到为什么,就不得不提到商业智能BI在企业中连通上下的关键位置,往下看商业智能BI能打通ERP、OA、CRM等不同业务信息系统数据库,在ETL处理后将数据统一存储到数据仓库;往上看商业智能BI可以提供不同主题、形式的数据可视化报表,通过数据可视化分析全面展现企业发展状况,辅助业务人员和管理人员进行业务发展决策。

    商业智能BI可以根据企业数据生命周期流程的不同阶段划分为三个层次:

    第一层,可视化分析展现层 - 商业智能BI的需求层,一方面代表了用户的需求,用户想看什么、要看什么、另一方面也代表了用户要分析什么,这些就在这一层进行展现。

    第二层,数据模型层 - 商业智能BI数据仓库,主要负责企业数据的分析模型,完成从业务计算规则向数据计算规则的转变。

    第三层,数据源层 - 商业智能BI的数据层,不同部门、业务线的业务信息系统,其底层数据库的数据通过ETL抽取到商业智能BI的数据仓库中,建模分析等等,最终支撑到前端的可视化分析展现。

    商业智能BI在企业IT信息化中的位置

    和上面提到的一样,商业智能BI在企业中的位置主要是承上启下,可以连通并利用企业资源,是整个信息化建设中的重要一环。商业智能BI围绕数据形成了一整套完整的数据价值体系,通过数据可视化以及报表体系充分发挥出了数据在企业中的作用。

    很多人可能也注意到了,信息化建设中商业智能BI的位置决定了其企业中的位置。所以商业智能BI围绕数据形成了一整套完整的数据价值体系,充分发挥的数据在企业中的作用。一般来说,企业的信息化建设具有通用性,可以把大部分的企业的 IT 信息化分为两个阶段:一个是业务信息化,一个是数据信息化。

    企业信息化 - 派可数据商业智能BI可视化分析平台

    业务信息化 - 企业使用的ERP、CRM、OA以及自建的业务信息系统等都统称为业务信息化。业务信息化的主要作用是优化调整企业的业务流程,通过规范化、标准化、线上化,来提高业务运转效率、降低企业人力、时间、精力等成本,沉淀大量业务数据等,是业务管理思路的体现,也是现代的企业管理方式。

    数据信息化 - 像我们经常所听到的大数据、商业智能BI、数据分析、数据挖掘等我们都统称为数据信息化。数据信息化可以帮助企业全面的了解企业的经营管理,将企业经营管理模式从经验驱动调整为到数据驱动,降低情绪、心理等主观影响,形成以数据为基础的业务决策支撑,提高决策的准确性,这是企业更高层次的企业管理方式。

    企业信息化 - 派可数据商业智能BI可视化分析平台

    企业的信息化建设是一个完整的过程,没有业务系统的建设,就不会有数据的沉淀,而没有数据的沉淀,企业也就没有部署商业智能BI的基础。这就是业务信息化和数据信息化的双向作用,能够让业务系统推动商业智能BI的部署,也能让商业智能BI提高业务系统的效果。

    谁是商业智能BI的主要用户

    商业智能BI - 派可数据商业智能BI可视化分析平台

    业务信息化的主要使用对象 - 业务信息化的主要使用对象是一线业务人员,所以业务信息化的使用人群更多是从业务视角出发,针对业务进行录入数据、记录流程、查看业务信息等。

    数据信息化的主要使用对象 - 数据信息化的主要使用对象是管理决策人员,在企业的经营管理等日常流程中,决策人员更多是从管理视角利用商业智能BI等数据类技术解决方案去定位问题、分析问题,最终形成业务决策。

    数据孤岛到底说明了什么?

    数据孤岛一般指的是只有一部分人能够访问的数据集,这个词其实很形象,从字面意思上我们就能明白,数据孤岛指的是数据就像一座座孤岛一样互相隔绝,彼此之间无法交流协作。

    所以企业业务发展、管理决策等需要掌握大部分,或者说全部数据才能进行分析、挖掘,做出最后的决断。而数据孤岛直接导致其他人难以获取这部分数据,不仅会导致数据浪费,甚至有可能让企业无法处理异常数据,解决不了发现的问题,让企业发展陷入困境。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    数据孤岛其实只是信息化建设初期绝大多数企业都会出现的一个通用的问题,想要解决数据孤岛可以继续坚持信息化建设的道路,进行下一阶段,也就是我们常说的数据信息化阶段,在这个阶段数据孤岛可以解决,并让企业数据逐渐发挥价值,成为企业资产。

    在数据信息化阶段,企业一般会部署商业智能BI等数据类技术解决方案。商业智能BI是目前大多数企业突破数据孤岛封锁的重要方案,商业智能BI可以利用数据仓库统一储存各业务系统数据库中的数据,并通过ETL和数据模型对数据进行分类分级,以指标的形式规范的储存在一个大的数据库中,将数据孤岛的风险解决,以全面视角展现企业整体的发展状况。

    管理驾驶舱 - 派可数据商业智能BI可视化分析平台

    所以在介绍商业智能BI的时候,必须要搞清楚不同人员的需求。站在企业不同员工角度,有的人认为是有数据孤岛存在的,一定要解决。有的人是不认为有数据孤岛存在的,即使存在对他们也没有影响,所以不用解决,其根本原因是没有把握商业智能BI真正的服务对象。

    商业智能BI从业务系统取数据取数的方式

    商业智能BI是通过访问和连接业务系统数据源数据库的方式来进行取数的,不管是什么样类型的数据库,商业智能BI通过ETL连接数据库抽取业务系统原表数据到数据仓库中加工处理,最后支撑到前端的可视化分析报表展现。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    之前有朋友这么提问的:数据源层是需要开发接口吗?

    其实一般来说是不需要的,基本上这么提问的都是经历过软件系统的接口对接,软件系统的接口对接是因为有的业务软件是 JAVA 开发的,有的是 .NET 开发的,有的是 B/S 架构,有的是 C/S 架构。

    软件系统之间的接口是需要开发参与的,主要是串联不同软件的业务流程,这种接口是需要动代码的。但商业智能BI在获取数据的接口不一样,是与业务系统软件自身无关的,是只需要访问和连接业务系统背后的数据库就可以的,直接从数据库取数,因此是不需要软件接口,或者没有软件接口访问这种概念的。

    除非一种情况,这个业务系统是公有云,纯SAAS模式,这种情况下就只能通过软件对外开放的API接口取数了。

    某医药行业销售人员绩效分析 - 派可数据商业智能BI可视化分析平台

    某白酒行业渠道终端管理分析 - 派可数据商业智能BI可视化分析平台

    数据中台、商业智能BI、大数据之间的关系应该如何理解?

    系统的商业智能BI在遇到大数据量、非结构化数据处理的场景,底层的数据仓库就升级为大数据的数据仓库架构,这就是大数据下的商业智能BI分析.

    在大数据的数据仓库架构基础之上,往左边更加拓展了数据的采集能力,在中间除了原有大数据架构的数据仓库建模之外,更加加入了数据资产的概念、数据资产盘点、数据资产管理,靠右扩展了数据服务的能力,将数据中台中按照一定规则处理好的数据打包对外提供服务。因此,大数据架构下的数据采集、数据仓库建模、数据资产管理和数据服务就构成了数据中台的几大核心

    数据可视化 - 派可数据商业智能BI可视化分析平台

    数据中台的底子是大数据架构,数据仓库是传统商业智能BI数据仓库的大数据升级,而商业智能BI就变成了数据中台之上的应用层,利用中台的数据服务获取数据做分析展现。

    这就是商业智能BI、大数据、数据中台这三者的关系和在不同数据场景、服务场景下的演变过程,看明白了这个过程,应该就不会再轻易的混淆他们的概念。至于商业智能BI、大数据、数据中台应该选择哪个,其实说到底如何选择合适的技术路线、技术架构,最终还是取决于企业自身到底要解决什么,不能盲目选择。盲目选择的结果就是大投入,小产出没有达到预期的期望。我们还是应该聚焦到需求本身,需求为王。

    关于商业智能 BI 认知上的几大误区

    很多企业把商业智能BI当做纯粹的报表工具使用,输出的形式变成了可视化图表,可图表展示的内容还是以前的部门业务信息,只展现了一线业务部门的基本情况,管理人员还是需要花费大量时间精力去了解企业整体的发展情况。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    我这里总结了一下,大家对商业智能 BI 的理解常会碰到的一些误区:

    1.商业智能 BI 就是报表可视化,就是一堆可视化图表,商业智能BI 就是前端可视化。

    2.商业智能BI就是一个拖拉拽的分析工具产品。

    3.商业智能BI就是商业智能BI,跟数据仓库没有关系。

    4.有了商业智能BI就不需要数据仓库建模,业务人员就可以自己做商业智能BI分析,就可以拖拉拽做商业智能BI分析。

    5.商业智能BI 就是业务驱动的,不需要 IT 人员支撑,敏捷商业智能BI不需要 IT 介入。

    6.商业智能BI直连不香吗?直接连接数据源不就可以做分析,不需要数据仓库。

    首先简要纠正一下对于这些问题的理解。

    1商业智能 BI 就是报表可视化,就是一堆可视化图表,BI 就是前端可视化。

    商业智能BI是一套完整的有数据仓库、数据分析、数据报表等组成的数据技术类的解决方案,在一个 BI 项目中,20% 的时间做前端分析报表,80% 的时间都在底层数据仓库的设计、ETL 的开发、取数开发等工作。

    所以可视化报表只是商业智能 BI 的最终呈现,但不是 商业智能BI 的全部。

    2商业智能 BI 就是一个拖拉拽的分析工具产品。

    拖拉拽的可视化分析工具准确来讲只能解决 商业智能BI 的一部分,即可视化分析。但其实 商业智能BI 所包括的技术范围还是比较广的,涉及到从底层数据取数到前端展现分析的各个方面。

    单纯拖拉拽的商业智能BI可视化分析工具严格来讲只能定位于个人和部门级,和企业级的商业智能BI 有很大的不同,所以单纯的上一个商业智能BI分析工具发挥不了商业智能BI的真正作用,也替代不了商业智能BI的位置。

    3以前也总有人说商业智能BI就是业务驱动商业智能BI就是 BI,跟数据仓库没有关系。

    这个问题很有深度,在以前我也这么认为过,总觉得有了商业智能BI就不需要数据仓库建模,业务人员就可以自己做 商业智能BI分析,就可以拖拉拽做 商业智能BI分析,不需要IT人员支撑,敏捷商业智能BI不需要 IT 介入,不需要建数据仓库。

    管理驾驶舱大屏 - 派可数据商业智能BI可视化分析平台

    但凡有任何商业智能BI的销售或者售前告诉用户,你们企业的商业智能BI项目不需要构建数据仓库,直接通过商业智能BI分析工具拖拉拽就可以搞定企业里面所有的分析,不需要IT人员支撑,业务人员完全可以自己搞定... 类似于敢这样承诺的,要么是对商业智能BI不懂,要么就是真忽悠。

    在企业级的商业智能BI项目建设中,真正能做到完全靠业务人员简单拖拉拽一些就能随便实现数据可视化分析,至少在我个人从业的十几年工作经验中,95%以上的企业都做不到。我服务过的重点企业包括:SHP( Security Health Plan )、微软(中国)、微软(美国)、VWFC( 大众金融 )等。

    VWFC 做的算是非常不错的,少有的业务人员自己动手做很多报表,线上跑了几千张报表。为什么? 因为底层数据仓库就搭建了很多年,底层数据架构相对比较规范。Business Driven 业务驱动,它的前提是什么?

    1) 底层数据质量很规范,数据仓库架构很完整,不让业务人员碰底层数据,ETL、取数、指标计算等等统统都是 IT 部门来维护。

    2) 业务人员通过培训要熟练掌握商业智能BI前端报表工具的使用,要很懂放出来的数据分析模型接口。

    3) 业务人员要非常熟悉业务和数据。

    第 2)和第 3)条很多企业没有问题,第 1)条直接弄个前端 商业智能BI 工具让业务人员解决,能解决掉吗? 很显然业务人员是不具备这种能力的。

    这就是一到培训的时候,商业智能BI工具使用起来很简单,但是一旦到实际的企业 商业智能BI 项目开发就发现寸步难行。

    报表工具是怎么来的?

    这十几年我一直在技术领域、信息化领域、商业智能BI 行业,一直没有出这个圈。做过 JAVA ( AWT、SWING、JSP、Hibernate、Spring、ibatis )、.NET ( ASP、http://ASP.NET、C#.NET )、Object-C 、JS 等等技术开发,业务软件系统平台开发。

    早期前端技术很弱,AJAX 的实现也都需要手写,要实现一个表单内数据的点击编辑和修改需要自己用 JS DOM 操作。做报表基本上就是 JSP、ASP 脚本语言在前端嵌套 HTML 做循环输出,报表样式很原生很丑陋,稍微复杂一点的表格报表样式都需要用 JS 来调整。

    那个时候用过的报表像 Crystal Report 水晶报表、润乾报表等等,在前端脚本语言中有标签直接可以引用,报表生成代替了大量的手写代码。早期的前后端技术是不分家的,http://ASP.NET 还稍微好一些,前端逐步有一些集成控件可以直接使用,JAVA 是真没有。上面说到的这个阶段大概在什么时候呢,2005年前后,2007年我觉得已经使用的很广泛了,老的 CSDN 上应该还能找到很多原始的报表标签帖子。

    像老一批报表还有像金峰报表 Jreport、思达报表 StyleReport 等等在国内也有一定的市场。早在 2010 年之前,有些报表厂商的收入规模就已经突破了一个亿,说明基础报表这个市场还是非常不错的。

    那个时候的报表定位是什么,就是纯粹的 Report 报表,通过程序从后台数据库中查询返回的数据聚合 List 再到前端脚本页面上绑定一下就生成了各种报表,实际上就是用在各个业务软件系统之中的报表展示,还远远没有到 商业智能BI分析这个层面。

    并且还有大量的软件开发厂商实际上已经具备了很强的报表能力,不过这些报表能力并没有单独拿出来作为报表产品在市面上运营而已。

    逐步的,随着前端技术、前端框架的完善,从传统表格技术开始到了各类柱状图、条形图、饼状图的可视化展示,到了这个阶段,报表和商业智能BI的边界越来越模糊。为什么?商业智能BI的报表展现能力也就和传统报表效果大致相当,还没有出现那种自助分析、自助拖拉拽就可以实现快速多维分析的能力。

    讲这么多主要想说的是我们所看到的很多商业智能BI项目都是拿报表思维去实现的,就是 SQL 到数据集到前端展现。而真正的商业智能BI思维应该是什么呢? 多维思维、模型思维,这一点决定了一个 商业智能BI 项目的最终走向,后面会具体讲到这些点。

    商业智能BI的本质 - 企业业务管理思维的落地

    商业智能BI的本质 - 派可数据商业智能BI可视化分析平台

    商业智能 BI 到底是什么?技术?产品?还是其它?我们把对于 BI 的理解再提升一个层次:商业智能 BI 是一家企业业务和管理思维的落地。这个怎么来理解呢?简单来说,就是在可视化报表上呈现的内容就是一家企业真正关注的内容,这里面有管理高层重点关注的企业经营性的分析指标,也有某具体部门的。

    商业智能BI 和数据仓库 Data Warehouse 有什么区别和联系?

    经常会碰到有人问商业智能BI和数据仓库有什么区别,实际上这个问题的背后能反映出来一些朋友对商业智能BI的理解还是有些不准确和偏差,这个问题实际上从概念上把BI和数据仓库人为的割裂了。这种情况其实也比较正常,因为大家对商业智能BI的第一印象就是各种炫酷的可视化图表、报表,再加上市面上有很多轻量的前端可视化商业智能BI分析工具,就造成大家对BI的认知就停留在可视化这部分了。

    准确的来说,商业智能BI不仅仅包含前端可视化分析、报表展现的能力,更包含了底层数据仓库的建设过程。Gartner 在上世纪九十年代就已经提到了商业智能 Business Intelligence,它更多的认为:BI是一种数据类的技术解决方案,将许多来自不同企业业务系统的数据提取有分析价值的数据进行清洗、转换和加载,就是抽取Extraction、转换 Transformation、加载Loading 的ETL过程,最终合并到一个数据仓库中,按照一定的建模方式例如Inmon 的3NF 建模、Kimball 的维度建模或者两者都有的混合式架构模型,最终在这个基础上再利用合适的分析展现工具来形成各种可视化的分析报表为企业的管理决策层提供数据决策支撑。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    所以,可以从这里能够看到数据仓库Data Warehouse 的位置是介于可视化报表和底层业务系统数据源之间的这一层,在整个商业智能BI项目解决方案中起到的是一个承上启下的作用。如果把商业智能BI比作是一个人的话,上半身特别是脸这个部分就是颜值,下半身脚踏实地吸取大地的精华,中间这部分的腰腹核心、核心力量就是数据仓库。

    那大家也会问到,市面上不是有很多直接链接数据源就可以拖拉拽分析的商业智能BI工具产品吗,不也一样可以做商业智能BI分析报表吗?这种独立的、单独的面向前端的商业智能BI分析工具,他们更多的定位是部门级和个人级的商业智能BI 分析工具,对于深层次的需要复杂数据处理、集成、建模等很多场景是无法解决的。最好的方式就是底层构建一套完整的数据仓库,把很多分析模型标准化,再利用这些前端商业智能BI分析工具结合起来,这样才能真正的把前端商业智能BI分析能力给释放出来。

    很多企业认为只要买一个前端商业智能BI分析工具就可以解决企业级的商业智能BI所有问题,这个看法实际上也不可行的。可能在最开始分析场景相对简单,对接数据的复杂度不是很高的情况下这类商业智能BI分析工具没有问题。但是在企业的商业智能BI项目建设有一个特点,是一个螺旋式上升的建设过程。因为对接的业务系统可能会越来越多,分析的深度和广度会越来越多,数据的复杂度也会越来越有挑战性,这个时候没有一个很好的数据仓库架构支撑,光靠前端BI分析工具基本上是无法搞定的。

                         数据仓库 - 派可数据商业智能BI可视化分析平台

    就像去中药店抓药一样,之所以抓药很快,是因为在抓药前,别人已经把各种原生的中药材(原始数据源的数据)分门别类清理干净放好了,这样想怎么搭配药材(维度指标组合的可视化)就很快了。

    这样的企业在国内有很多,也是因为对商业智能BI理解的深度不够导致了在商业智能BI项目建设上一些方向性的错误,最后s导致商业智能BI项目很难继续推进。

    所以在企业中,我们需要明确我们的商业智能BI建设是面向企业级的还是个人和部门的分析工作。如果是个人数据分析师,使用这类前端商业智能BI分析工具就足够了。如果是需要构建一个企业级的商业智能BI项目,就不能只关注前端可视化分析能力这个层面,更应该关注到底层数据架构的构建,也就是数据仓库这个层面。

    数据仓库的建模方法论 Kimball vs Inmon 以及混合架构

    数据仓库建模时商业智能BI项目建设中的重中之重,Inmon 的三范式 3NF 建模和 Kimball 的维度建模都是 商业智能BI 数据仓库建模的方法论,这两种商业智能BI建模的方式有什么区别和联系。

    实际开展一个 BI 项目的时候对于需求的落地的方法论

    商业智能BI是一个完全需求驱动的,既然是需求就需要做访谈和调研。在商业智能BI需求进行访谈和调研之前要提前熟悉行业的业务特点,基于企业自身要熟悉他们的业务流程,以及所访谈部门的他们大概会关注的重点,都需要提前梳理一遍。在脑海里把整个业务框架给建立起来,反复的演练。

    什么样的企业应该要上商业智能 BI 了?

    什么样的企业适合上商业智能BI?看业务基础信息化程度和日常业务管理的细致程度和颗粒度。业务基础信息化程度就是企业自身的IT业务系统基础建设,没有业务系统的支撑,做商业智能BI就缺乏数据基础;第二就是业务管理的颗粒度,企业自身业务管理程度是不是比较细致了,急需通过商业智能BI来提升业务管理、决策支撑的效率。

    还有当下各行各业企业纷纷开始进行数字化转型,这主要是企业为了应对日益变化的市场和用户需求,通过信息化、数字化的一切相关技术创建一种新的、或者对已有的商业模式进行重塑,以满足不断变化的业务和市场变革。

    商业智能BI作为信息化建设中的关键一环,在企业中通常起到承上启下的作用,下能连接打通企业业务系统数据库,将各部门数据分类分级统一储存到数据仓库,简化存储取数流程,减少人力、时间成本;上能提供数据可视化报表,通过数据可视化分析全面展现企业发展状况,追踪业务执行效果,促进业务健康发展,辅助进行管理决策等。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    数字化转型本就需要借助信息化相关技术、思想来完成,所以说信息化建设同样是数字化转型过程中非常重要的一环,而这就是商业智能BI和数字化转型的关系。只有以用户为中心,通过运用商业智能BI等数据类技术解决方案实现数据价值,让信息化和数字化深入企业,这样企业数字化转型才能真正完成。

    如何高效的给高层领导做 BI 数据分析汇报总结

    做完商业智能BI项目,还要考虑最终如何跟老板汇报的问题,掌握商业智能BI数据分析思维框架和汇报的五个重点:用户业务层次与范围、工作成果、计划执行复盘、问题反馈、展望规划与愿景。

    商业智能BI - 派可数据商业智能BI可视化分析平台

    这里只是一个简单的汇报框架,还有很多点可以往里面加。比如围绕行业讲一下行业驱动因素跟 商业智能BI 如何结合的;从企业经营管理角度,企业愿景到 CSF 到 KPI 到绩效是如何分解和重新组织的;比如财务视角下的归因分析;金字塔的管理模型;动态指标库构成原理等等都可以有所选择的进行融入和说明。

    商业智能BI与企业经营管理的结合度

    商业智能BI分析跟企业的经营管理分析高度结合,ROE高的企业有可能是利润高像茅台、珠宝行业,有可能是周转快比如像零售行业,也有可能是融资能力比较强会利用杠杆,从ROE归因分析看行业特点。

    集团型的企业通过商业智能BI不仅仅可以看到今年或者历年销售收入、成本、毛利、利润、资金和应收的情况,还可以看到集团下不同的业务板块这些指标的情况,包括预算执行、完成率等等。

    通过商业智能BI,企业的管理者可以从数据可视化报表中看到哪些业务板块完成的比较好,哪些完成的不好,完成不好的业务板块下又有哪些具体的企业,他们的数据情况是怎么样的。

    在扩张发展方面,商业智能BI也可以起到很大作用,比如企业还有多少钱能够拿出来扩大生产规模,在保持收入高增长的同时扩大边际效益提升毛利和利润空间。传统市场的增长性如何,数字经济能否获取,新领域新市场新产品的投入与增长表现如何等等。

    商业智能BI项目行业和业务知识的积累

    做商业智能BI还必须熟悉行业和业务知识,不结合行业业务知识,商业智能BI的项目是很难落地的。商业智能BI的本质其实是企业的业务和管理思维的落地。企业的高层、业务部门的管理人员为什么要通过商业智能BI去看报表,他们看的是什么,重点关注的是什么?这些内容就是他们日常在企业中业务经营管理的重点。

    数据可视化 - 派可数据商业智能BI可视化分析平台

    在商业智能BI项目上看上去零零散散的报表,在实际用户眼里其实是有很强的逻辑关联性的。并且层次越高的管理人员看的商业智能BI报表内容越聚焦,看的是业务结果。一线业务部门的人员可能关注的更零散,看的是明细的业务过程数据。

    所以,对于一名优秀的商业智能BI开发人员、开发顾问,不仅仅是需要在技术层面打磨,更需要在行业性知识和企业业务知识上有所沉淀。

    关于商业智能 BI 实时性处理的话题

    商业智能BI 对数据的处理存在一定的滞后性,通常采用T+1模式,主要原因是ETL数据处理过程是需要有大量的时间损耗,通常是采用空间换时间的方式。

    将以前按照商业智能BI 数据仓库分层的ETL调度设计成可按单独指标并自动寻找依赖的调度就大大的增加了对个别指标调度和准实时处理的灵活性。

    离线数据与实时处理针对的业务场景不同,背后的技术方式实现不同,资源投入也不同,了解它们之间的定位差异有助于选择合适的方案以最小的资源投入达到企业既定完成商业智能BI 项目建设目标。

  • 相关阅读:
    LLMs AWS Sagemaker JumpStart
    单片机进阶---PCB开发之照葫芦画瓢(二)
    How To Install and Configure VNC Server on Ubuntu 20.04
    业务调整,业绩短期承压,市场热潮退去后的乐舱物流将驶向何方?
    Ubuntu22.04 下 NFS 相关问题与完整配置(客户机 MacOS)
    LeetCode--300. 最长递增子序列(C++描述)
    CentOS 7 安装mariadb
    【深度学习】关于处理过拟合的一点心得
    分页文件pagefile.sys引出的疑问
    Java的方法重载、变量和值传递
  • 原文地址:https://blog.csdn.net/weixin_44958787/article/details/126702551