bi商业数据分析

之前小编分享过一篇“bi数据分析平台运营要注意这4个要点”的文章，里面就提到，运营bi数据分析平台，策略很重要，要认真做好部署，协调好业务和工作人员与大数据分析平台的关系，这样才能充分调动bi数据分析平台的作用。

　　要充分洞察数据挖掘数据，除了需要IT人员熟悉bi数据分析平台，还需要业务人员关注bi数据分析平台，并以业务优先的方式从数据中获得洞察

　　1.确定优先级并建立改进过程

　　那么，企业在运营大数据分析平台时，首先该怎么做？

　　首先，组织应该知道他们想要什么样的业务洞察，哪些是最重要的，因此IT可以首先提供对业务用户来说最为关键的事情，并通过优先级列表来实现。

　　此外，商业智能计划应该能够随着优先级的改变而变革。

　　同样，商业智能战略应该建立在进步和改进系统运作方式的过程中。Evelson建议采用迭代的方法，以便商业智能工具可以随着业务部门的使用而扩展和改进，并确定哪些地方满足其需求，哪些地方不能。

　　2.提高公民数据科学家的技能

　　研究公司Gartner在2017年的“商业智能和分析平台的魔力象限”报告中说“未来几年公民数据科学家的数量的增长速度将比数据科学家快五倍”。

　　Gartner的研究副总裁CindiHowson表示，高管们已经认识到数据科学家的不足难以满足需求;他们也在努力从现有的成员中雇用或发现他们所需的公民数据科学家。

　　她说：“我们在谈论居于期间的信息分析师。他们了解业务领域和要问的问题，她补充说，人们需要更容易使用的软件，以便组织能够更好地支持这些工作人员。

　　Howson预计，软件的改进最终将允许商人在未建模的数据集上提出并回答自己的问题。一旦这种情况发生，组织就需要合适的人来担当公民数据科学家的角色。他们就需要具备分析技能、喜欢提问的充满好奇心的工作人员，他们知道怎么解读取回来的信息，并且很乐意使用软件来改善业务成果。

　　3.授予员工用数据讲故事的权利

　　CBIGConsulting是一家帮助客户利用数据资产的专业服务公司，它的总裁兼负责人ToddNash表示，还有个案例，他曾与这样的组织合作，这些组织里的工作人员明白如何使用商业智能工具提供的洞察来讲述有助于他人理解“数据正在试图表达什么”的故事。

　　他说这些人使用商业智能技术内置的报告和可视化功能来开发有助于最大限度地发挥分析的价值的叙事。

　　这种做法不单单是为了让人生成光鲜亮丽的报告；这些用户能够与其他人看不到的数据建立联系，从而提供企业可让企业获利的新洞察。高管们需要提供支持并授予他们这么做的权利。

　　例如，他说，分析店铺销售数据的员工可能会看到细微的天气趋势(不仅仅是大风暴)对销售的微妙影响。他们可能想要通过bi数据分析平台引入外部的天气数据，以进一步分析趋势，更好地了解商店如何通过新的洞察优化销售。

　　Nash说：“可以利用各种内部和外部数据来获得更好的洞察”。他补充说成功的bi数据分析平台运营允许分析师做的事远远不止衡量标准的关键绩效指标那么简单。

　　很多公司在引入bi数据分析系统之后，常常会在运营的时候遇到很多问题。数据化运营是一项专门的工程，一般而言一家公司需要专业的IT人员专门来数据分析bi工具，但很多人没这个意识。部署bi数据分析系统确实有点难度，但不是所有人都是专家，所以小编在这里分享几招小策略，帮助大家更好地运营好商业智能BI工具。

　　那么，bi数据分析系统要运营好首先要做好策略，认真部署和进行。

　　（1）为商业智能提供业务所有权

　　埃夫森表示，将商业智能置于业务用户手中的组织比将商业智能置于IT内部的成功率更高，这可能意味着将商业智能嵌入业务线，或将商业智能业务报告提供给首席数字官或首席客户官。

　　虽然早期商业智能技术的复杂性使得IT部门负责许多商业智能程序，但是如今的工具更加直观，允许它们直接提供到业务用户的手中，这些用户可以运行对他们重要的查询。

　　同样，用户需要访问数据的速度以及从商业智能获得的见解近年来也急剧增加。今天的业务用户通常需要实时的操作信息，不愿等待IT部门生成报告。

　　（2）监控商业智能的使用并必要时调整

　　虽然企业应该拥有商业智能计划，但是IT部门仍然是必须保持监控和评估商业智能系统使用的积极合作伙伴。监控商业智能系统正在做什么，正在访问什么数据源，正在使用什么工具，以及业务部门A是否使用商业智能超过业务部门B。”

　　（3）验证，验证，验证

　　组织需要一个强大的验证过程，重点是访问所有需要回答查询的数据。它还应该防止有问题的数据进入商业智能系统，这样就不会产生错误的见解。此外，验证过程应该足够的敏捷性，以快速响应新的商业智能功能的请求。

　　哈根斯指出一个假设用例，其中商业智能工具生成有关净销售额的报告。如果该工具接收到销售数据，但没有计算返回的已售商品数量，那么最终信息是不好的。

　　（4）首先关注业务问题，然后再关注数据

　　太多的组织构建数据存储库，然而采用商业智能，期望业务用户能够更好地开展业务。

　　埃夫森阐述了这个例子：营销部门发现客户流失问题，并希望了解客户为什么要离开。组织应该着重提供回答营销业务问题的能力，首先要确定需要衡量哪些指标，访问计算这些指标所需的数据，然后使营销对数据进行详细的分析。

　　埃夫森说：“人们需要确定一个明确的业务问题，首先要分析什么指标，最后，谈论如何得到数据。”

　　其实，bi数据分析系统运营也没有那么难，但是一些整体上的规划和细节问题都需要企业领导注意，才能更好地部署和运营好一款数据分析bi工具。