查看原文
其他

为什么BI软件在中国很难做

The following article is from 陈果George Author GEORGE陈果

傅一平评语:


很有意思的话题,作者提出的观点是BI是个开放式、探索式工具,而中国人的思维方式不是探索式(Exploration)的,而是“结果导向式”的,中国管理者都习惯看固定格式报表、基于指标的图表,所以,中国企业里很少有数据科学家(data scientist)这样的角色,而是“表哥表姐”们围绕各种指标做报表给领导或业务决策者看。


我的看法有点不同,中国企业里的确很少有抬头叫数据科学家的,但有两种对应的角色,第一种是业务人员,其有业务知识没有数据分析的IT技能,自然不需要BI,他只要能设计出需要的数据格式,公司里自然有廉价的开发取数人员为其提供数据支撑,业务人员基于取出的数据,然后用EXCEL做更灵活深入的分析,这种方式也是很自由的,只是口径的沟通和取数的迭代会浪费时间,为了弥补第一种的不足,就出现了第二种角色,即数据分析师,这批数据分析师更喜欢直接操作SQL去进行探索分析,因为自由度更大,BI夹在中间自然没了市场。中国企业的老板基本不看原生报表,都是直接看的这批人加工完的PPT。


中外的差别,也许的确有文化和发展阶段的因素,但也可能跟劳动力成本有关,也许国外企业雇佣不起一支IT团队专门为业务人员提供个性化的取数服务,因此只能自力更生,这样BI自然有了市场,正如国内和国外外卖市场的差异原因一样,当然这仅仅是种猜测。


我觉得无论是哪种方式,只要达到了业务的目的就算成功,其实我有时也会质疑国外的这种模式,业务部门的主要精力就应在业务上,理解业务才是数据分析成功的基础,至于其他探索的技能,让别人代劳又何尝不可,我们很多IT部门的数据科学家,最缺的也不是什么挖掘技能,而是离业务太远了。


正文开始


前几天讲了SaaS在中国很难做(《企业管理SaaS在欧美很普及在中国却很难做的根因和趋势》),今天说说商业智能(BI)在中国也很难做的现象。


先定义一下什么是BI软件,它是指面向业务目的,对已经经过预处理的数据(存在大数据平台、数据仓库、数据集市等数据平台里),进行数据分析和结果展示的工具。从分析形式看,由静态到动态,可以分为查询、报表(Reporting)、图表(Charts)、联机分析(OLAP/Analytics)、数据挖掘(Data Mining)以及预测性分析(Predictive)等类型,具体满足的业务分析主题,既有战略性课题,面向企业高层管理人员,例如经营战略、战略财务、营销战略等,也可以有战术性课题,面向业务专家、中低层管理人员,例如客户/商品分析、供应链效率、成本分析等等。


 

BI作为一种企业软件品类被提出来有将近20年的时间了(下图是国外主流BI软件的评测),国内也出现了很多BI软件创业公司。我觉得这些创业公司面临的最大的挑战,不是技术问题,而是中国人思维方式习惯和中国企业管理习惯的问题——给满山跑的野人卖西服是很有挑战的。


BI是个开放式的工具,并没有标准业务流程或预置的指标体系/数据模型。它是用来解决问题(problem solving)的,使用BI的思维方法是:定义问题、基于问题建立解决假设(hypothese)、对已经处理过的结构化数据进行探索验证、建立数据分析模型、评估模型选择、实施分析方法:


 

然而,中国人的思维方式不是探索式(Exploration)的,而是“结果导向式”的,中国管理者都习惯看固定格式报表、基于指标的图表,所以,中国企业里很少有数据科学家(data scientist)这样的角色,而是“表哥表姐”们围绕各种指标做报表给领导或业务决策者看,如果没有预先定义的业务指标,大家就不知道该怎么玩了。现在热门做啥实时数据的“指挥大屏”,也就是应付领导和外行看着热闹的官僚形式主义,根本没有体现BI本身的商业价值。这种情况是绝大多数传统企业的情况,不过在“数字化原生”的互联网公司中,由于数字化程度高、业务环境复杂多变,数据分析的成熟度就要要高得多,对BI工具依赖程度高。


这体现了中西方文化差异,打个比方,BI就像下面这个工具箱,在西方很多家庭中都有这样的工具箱,使用这个工具箱建个木房子,还需要有设计、拉线、施工的端到端过程,对使用者本身的能力是要求的。而中国家庭很少有自己动手使用电钻、锤子的,就算是家里要修个啥,小区里也有物业,使用这种工具箱的都是物业维修工。


 

有位BI公司的创始人跟我探讨:是否有可能在系统里预置各种业务KPI体系,辅助业务决策,帮助用户来提升分析水平?我说这类KPI体系,按我过去的观察,CXXXX,OXXXX、SXX等大型BI软件在售前时,经常给客户讲软件里内置了这类指标体系,然而客户真买回去后,这类指标体系多半没有啥用,都是售前时为了让用户理解BI的价值而走的过场而已。


数据分析也不应该是IT部门的职责,IT部门要做的是管好数据基础设施(存储、备份、数据库)和数据架构,数据分析、数据科学的工作应该完全是业务部门的事情,因为假设、探索、建模等只有业务人员能搞定,IT部门不可能越俎代庖的。所以,对那些中国BI创业公司来说,把软件卖给谁,就是一个很大挑战。

 

中国企业要真把数据科学、数据分析用起来,是一代人的思维方式变革,BI创业公司承担着教育用户改变思维模式的挑战。



    如何搭建用户体验指标体系?

    如何搭建一套完整的指标体系?

    哪些报表该放入报表系统,哪些又该放到业务系统里?

    报表到底应该归谁管,OLAP or OLTP?by 傅一平

    BI 行业停滞不前,原因在这里!

    【建议收藏】全面提升取数效能的12条黄金策略

    快手如何搭建一个好的数据指标体系?

    你的报表和别人家报表的区别

    查看全部文章


    点击左下角“阅读原文”查看更多精彩文章,公众号推送规则变了,如果您想及时收到推送,麻烦右下角点个在看或者把本号置顶

继续滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存