商业智能(BI)系统规划前的准备工作
通常在进行商业智能信息系统项目之前,可以先从明确经营分析的愿景和目的入手,确定分析方法和工具、设计经营分析框架、设计指标和报表、IT实现和持续改进机制建立等几个步骤,即先有经营分析体系再有商业智能。
第一步:需要明确目标,即商业智能系统建设的目标,并进行清晰描述和分解。目标可以是:以ERP系统数据为基础,对公司生产、经营活动进行全方位、多视角的综合分析;为公司经营决策提供必要的信息支撑,如图1所示
图1 系统建设目标和用户
第二步:需要明确具体的业务需求。根据实际情况可以细分到不同的用户,例如:公司领导、部门领导、相关业务管理人员。
而不同用户,对于业务和数据肯定会有不同的关注点,有不同的要求与需求。可以在明确业务需求的同时,在经营分析过程中,构建完整的应用模式与场景。例如:构建相应的领导看板(管理驾驶舱)、业务指标分析模型和日常业务报表,与不同用户进行对应。
第三步:在对系统的建设目标、使用用户和需求明确后,可以对需求/关注点进行详细分析。即通过经营分析的思路在系统的建设目标——决策分析和系统的实现物(已实现的统计报表以及未实现的看板、指标体系)之间建立起互通管道。
从企业运营的效率和效益出发,对基于企业核心能力和营运流程的关系进行梳理和拆解,形成一整套全面细致的指标体系。而在流程梳理的过程中也可分别把指标落实到相应的责任部门。
企业管理的结构其实就是指标体系的建立,从体系的建立到实现,会有一段漫长而艰辛的过程。指标明细通常会从不同的分析维度、通过分析处理后得到不同的结果,要实现指标,必定需要落实指标的数据来源,而这些数据,通常也就是我们ERP或者其他来源的基础数据。
第四步:在整个商业智能系统建设过程中,非常基础但却又非常关键的工作在于数据的收集和管理。如何把企业呆滞的数据盘活,以达到商业智能系统的数据统计分析的要求,也是在整个系统建设过程中非常有挑战的事情。
我们知道,在企业当中,经常会由于某些特殊问题,内部各个部门的数据可能存在矛盾,特别是在集团型企业中,由于管理分散,核算方式不一致,系统数据来源不一致,造成的数据无法进行汇总、统计、分析。通过数据标准化,建立企业数据字典,统一定义数据含义,同时对数据质量相对较差的系统和数据库进行数据清洗转换,以提高整体数据的应用功效。对数据来源进行一定程度的规范,可以保证数据源的唯一性,也可降低整体的风险。
第五步:建立业务指标到日常管理报表的关联。通常,企业在信息化建设过程中,会针对不同业务、不同部门各自推行信息系统:公司级、部门级,管理性、业务性。但都或多或少会存在信息孤岛,造成数据整合的难度。对于指标体系的建设,报表之间关系的建设,以及报表的梳理和调整都会造成阻碍。
在构建了完整的数据信息链条后,对于没有找到报表支撑的指标,应该需要考虑是否建立新的报表,如何落实数据来源,数据录入和维护的责任如何分布?反之,对于和任何指标都无关的报表,其价值和存在的必要性也需要推敲。
第六步:在建立了指标体系和报表体系后,如何展示更能说明问题?另一方面,如何展示指标的来源数据和指标的浮动以及历史数据的对比关系?
往往用户最关注的是指标应该如何在系统登陆后的首页面上进行展示。指标只是一个现状反馈,本身并不能包含太多的信息,基于指标进行的进一步分解才能获取更大价值。在指标上进行数据分析比对,才是商业智能关键所在。一是对于指标,应该有多种展示方式,比如各种统计图形、简单直接的数字、数据变化趋势等;二是对于指标或数据,应该提供便捷的多维度分析,比如统计区间、同比环比等对比分析,见图2。
图2 销售计划完成情况样图
如何规避内部因素,降低系统建设风险
1.前期准备工作要充分
(1)充分了解用户所需。
商业智能用户通常可以分为明显的几个大类:战略性、战术性和操作性。战略性用户很少做决策,但是每一个决策都会具有一个深远的影响。战术性用户则每个星期做出许多决策,而且会同时使用汇总和详细的信息,很可能需要每天对信息进行更新。操作性用户则是一线的员工,他们需要借助于在他们自己的应用程序中的数据来执行大量的事务。
了解谁将使用商业智能系统,以及他们出于什么目的来使用商业智能,他们需要的信息种类和使用的频率,会有助于指导商业智能系统的规划。
(2)合理考虑商业智能组成部分。
影响商业智能的因素有很多,元数据、数据整合、数据质量、主数据管理、数据建模分析、集中式度量管理、展现形式、门户。虽然上述这些因素可能本身不是商业智能战略的一部分,但他们对于系统整体的构建确实至关重要,它们可以影响企业商业智能系统实施的成功。
2.不要与企业生产旺季相冲突
众多企业的生产活动存在明显的周期性,对于周期性比较强的企业,在做商业智能系统规划时,需要特别注意避开这个高峰期,这主要是因为在项目实施过程中,会给用户增加很多的工作量。如基础数据的整理、系统使用的培训等。如果企业处于生产的旺季,员工恨不得多一双手的情况下,强行实施信息系统,基本属于火上加油,很容易造成忙中出乱,系统的风险比较高。
3.项目尽量不要跨年
在做项目规划时,还需要注意跨年度的问题。跨年度实施信息系统对企业来说是一个大忌。即使在年底项目上线之后,最好能让用户有一个学习的过程,特别需要一个连续性的过程。这就好像我们在学习时,课后要有一个复习的过程一样。如果只是在课堂上学习,课后没有复习,那么就很容易忘记。在日常工作中,我们经常忽视这个基本规律,在年底或者跨年度实施商业智能项目对企业会造成一些不可控的风险。
4.系统构建完成后的持续改进
在做商业智能项目规划时,很多企业仅仅将规划做到项目上线,而没有包含项目的持续改善阶段。很多案例表明,系统上线效果好仅仅是项目成功的第一步,而等到系统上线一段时间之后,系统的效果可能就会开始走下坡路。这主要就是因为没有做好系统后续的规划所导致的。具体地说,在系统的后续规划中要体现下面这些内容:
(1)如何确保前段时间的工作成果在后续工作中继续保持下去。如前面制定的工作流程、数据更新机制、数据准确性措施等在后续的内容中要得到彻底地执行。在系统的后续规划中,要有措施能够确保预先的政策能够被一如既往地执行下去。
(2)在做系统规划时,对此也应该设想一定的措施,如加强对新员工的培训,采取上岗证等,来确保降低商业智能系统关键用户的流失,或者新老员工替换过程中会对系统带来的负面影响。
总之,系统上线后的规划非常重要。很多企业正是因为缺乏这方面的认识,才导致系统在企业内部应用的过程中达不到预期的效果。
数据分析咨询请扫描二维码
数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21《Python数据分析极简入门》 第2节 3 Pandas数据查看 这里我们创建一个DataFrame命名为df: importnumpyasnpi ...
2024-11-21越老越吃香的行业主要集中在需要长时间经验积累和专业知识的领域。这些行业通常知识更新换代较慢,因此随着年龄的增长,从业者能 ...
2024-11-20数据导入 使用pandas库的read_csv()函数读取CSV文件或使用read_excel()函数读取Excel文件。 支持处理不同格式数据,可指定分隔 ...
2024-11-20大数据与会计专业是一门结合了大数据分析技术和会计财务理论知识的新型复合型学科,旨在培养能够适应现代会计业务新特征的高层次 ...
2024-11-20要成为一名数据分析师,需要掌握一系列硬技能和软技能。以下是成为数据分析师所需的关键技能: 统计学基础 理解基本的统计概念 ...
2024-11-20是的,Python可以用于数据分析。Python在数据分析领域非常流行,因为它拥有丰富的库和工具,能够高效地处理从数据清洗到可视化的 ...
2024-11-20在这个数据驱动的时代,数据分析师的角色变得愈发不可或缺。他们承担着帮助企业从数据中提取有价值信息的责任,而这些信息可以大 ...
2024-11-20数据分析作为现代信息时代的支柱之一,已经成为各行业不可或缺的工具。无论是在商业、科研还是日常决策中,数据分析都扮演着至关 ...
2024-11-20数字化转型已成为当今商业世界的热点话题。它不仅代表着技术的提升,还涉及企业业务流程、组织结构和文化的深层次变革。理解数字 ...
2024-11-20在现代社会的快速变迁中,选择一个具有长期增长潜力的行业显得至关重要。了解未来发展前景好的行业不仅能帮助我们进行职业选择, ...
2024-11-20统计学专业的就业方向和前景非常广泛且充满机遇。随着大数据、人工智能等技术的快速发展,统计学的重要性进一步凸显,相关人才的 ...
2024-11-20