数字化建设是整个公司的新一轮变革，从公司战略、业务流程到组织架构都会发生巨大变化，BI对于整个公司来说，同样需要满足不同角色、不同部门的需求，因此，集团化是企业对于BI的新需求，BI不再仅仅是个人级产品、部门级产品，而是公司级产品、集团级产品。
首先，企业需要数据整合、分析展现及应用的完整数据平台方案。为了满足集团化BI建设需求，企业决策层需要基于全局数据进行分析，需要提供数据整合、存储、计算到数据应用的端到端数据平台。此外，决策层对于数据分析的实时性要求高，对系统高性能计算提出了更高要求。在实践中根据用户查看数据的习惯及数据使用频率，可将用户经常查看的汇总数据存放在内存数据库中，提升数据访问速度。将用户不经常查看的明细数据存放在硬盘中，允许一段数据加载时间，从而释放了内存空间。针对业务人员探索式分析的需求，需要BI产品具备强大的自助分析能力。比如，业务人员对于数据会有探索式分析、小规模测试的需求，不同时间点关注的数据维度不同，BI平台需要支持业务人员自主进行数据分析。其次，BI的实践落地需要全生命周期服务支持。BI的价值在于赋能业务决策，需要与业务场景深度融合，因此在前期需要全面洞察业务需求，并在项目推进及后期上线运营后能及时响应用户最新需求及使用问题，提供全生命周期服务支撑。通过总结各行业BI落地实践，系统梳理BI平台建设方法论，将BI项目落地实践总结为三个主要步骤：咨询规划、项目落地和持续运营。在咨询规划阶段需要业务需求咨询支持，在项目落地阶段提供数据治理服务，在持续运营阶段提供国产化BI迁移培训等。
咨询规划是企业实现业务数据驱动的第一步，重在业务梳理和流程优化，并在此基础上确定BI所需数据，可划分为业务需求梳理、数据分析指标体系梳理和明确报表开发需求三个环节。
业务需求应结合企业发展阶段、企业业绩目标、部门业绩目标而定，主要是确定BI建设的关键KPI指标。关键KPI指标不应过多，否则会造成数据分析的精力分散、重点缺失。比如销售部门重点关注收入指标，运营部门重点关注成本指标，提升业务决策效率。数据分析指标体系梳理阶段，需要确定KPI指标所需数据，需要由企业和BI厂商配合完成梳理。主要是将KPI指标和具体数据对应起来，确定计算KPI指标需要抽取的数据。有些指标由多个数据计算得来，需要明确计算方式，为数据准备提供依据。最后是明确报表开发需求，主要是明确用户对报表展示、指标排列、交付形式等方面的需求。比如，对于图表可视化、相关指标排列、移动端交付等方面的需求。BI项目落地包括数据准备、数据治理、数据建模、报表开发、系统上线五个步骤。
其中，数据治理是核心步骤，因为数据治理决定数据分析结果的准确性，最终将影响业务决策。
数据治理由于耗时长、工作繁重，往往需要大量人工手动补录检查，且人工经验判断可能存在偏差，会影响最终数据分析的结果。为避免后期重复劳动，企业应建立完备的数据录入规范，确保各部门基于统一标准录入数据，减少后期数据治理工作量。比如，针对数据治理常遇到的数据缺失问题，可在数据录入时应将必要字段设置为必填项；对于数据不统一问题，可将输入内容以选项的形式进行选择，确保数据录入的一致；对于数据错误问题，可以设置错误预警，降低数据错误出现频率。衡量BI项目建设的成功与否，需要考察用户对系统的使用程度，用户对系统的长期使用与持续运营密不可分。首先，降低BI使用门槛是提升用户使用率的重要因素。敏捷BI为用户自助式分析、建模提供便利，并支持在系统上进行二次开发，其出现大大降低了BI的使用门槛。其次，BI厂商需要提供运营培训，引导用户使用习惯的转变，尤其是完成国产化BI替换的企业。第三，需要定期的系统运维，提升BI系统使用程度和效率。一方面，需要BI厂商提供定期的系统运维及服务支持，及时解决用户在使用中的问题，让BI产品在企业内部使用起来。另一方面，BI系统需要在数据归档、ETL性能、报表、系统稳定性等方面加强系统维护，以应对系统运行一段时间后，数据量增大、业务复杂度提升的情况。最后，需要结合用户需求，对产品进行持续迭代更新。用户需求在不断变化，需要及时了解用户最新的需求反馈，在产品升级迭代中融入能满足用户新需求的功能，保证BI在企业业务经营决策中的长期使用价值。本文内容摘自《2021年中国BI商业智能应用实践白皮书》，关注本公众号（数据学堂，ID：data_school），后台回复“BI”，即可下载白皮书全文。
本文内容来源《2021年中国BI商业智能应用实践白皮书》
<END>