太多選擇——如何選擇合適的BI工具?

在沒認清現狀前,企業當然不能一言不合就上BI。

BI不同於一般的企業管理軟體,不能簡單歸類為類似用於提高管理的ERP和WMS,或用於提高企業效率的OA、BPM。BI的本質應該是通過展現數據,用於加強企業各環節的管控,幫助快速制定科學的決策。

在選型BI之前,是否認清了眼下的問題?

多數選型BI的公司通常是出於以下幾種需求。

1、領導厭倦了看常規報表或進入各業務系統看數據,希望給到直觀明了的指標數據;

2、業務錯綜複雜,難以理清規律,對數據分析和數據挖掘的需求越來越明顯;

3、以IT部門來驅動的數據化管理難以推動;

4、各業務系統數據指標口徑不一,造成結果偏差;

5、企業發展面臨瓶頸急於突破,對數據的利用寄予厚望;

BI能做什麼?

BI系統在大多數企業都是部署在展現層和應用層,提供從底層數據到前端展示,期間經曆數據整合、數據清洗(ETL)到數據緩存以及最後的數據展現和前端分析,以及移動端、大屏的解決方案。

BI在企業數據決策方面的利用,無非是以下幾種。

1、 過去發生了什麼?

通過對企業現有數據進行整合,以固定報表、數據圖表、儀錶盤的方式呈現。

2、 為什麼會發生?

通過即席查詢、OLAP分析和數據挖掘技術,對各指標進行關聯分析,挖掘聯繫關係。

3、 現在發生了什麼?

通過設立指標預警和自動提醒來告誡企業摸個業務某個指標出與什麼狀態。

4、 將來會發生什麼?

通過預測分析、數據挖掘技術來對一些數據指標做預測分析、模擬分析。

選擇什麼樣的BI工具?

BI工具可分為傳統型BI以及自助型BI。傳統型BI,國外以SAP BO、cognos、Oracle BIEE等為主;自助型BI,比如國外的Tableau、Qlikview,國內的FineBI、永洪bi等等。

站在產品的企業的角度,可以從領先能力、產品能力、服務能力以及價格能力去著手衡量。可通過海比研究給出的一套《BI選型指標體系》來判斷。

1、 領先能力=行業地位+領先性

比如公司在行業中的低位、市場佔有率、公司在該領域的專註性以及技術的領先性。商業智能目前的市場格局不算大,可擴展到報表領域去衡量。

2、 產品能力=公司產品線+核心產品功能+解決方案

一般來講,公司的產品線越完整,相關產品的整合能力越強,越好。但是,最重要的還是產品的功能是否實能解決企業最關注的的問題,是否能覆蓋更多行業,BI解決的是行業通用性的問題,解決能力越強,產品越優秀。

3、 服務能力=服務專業能力+維護能力

BI的實施很考察人員的專業性,過去由於國外IT巨頭的稱霸,很多產品的項目都承包給第三方實施,造成服務脫節。現在很多湧現的國內軟體公司一般都會有專業的實施團隊,本地化服務很佔優勢,所以這一點不妨考慮本土產品。

4、 價值能力=成功案例+性價比

選型前可看看同行業的企業夥伴們用的是什麼類的BI工具,使用情況如何。包括從功能費用、項目實施費用綜合考慮來看的性價比。

實施BI,是否做好以下準備?

實施BI的前提,最重要的是基礎數據的統一。比如貨品信息,客戶信息,公司內部信息。缺少的數據雖然可以臨時補,但是隨著公司業務的擴展,這種數據化運營的方式需要不斷精細,數據管理的規範任務要落實到業務員的考察,如果得到領導的支持會更容易推動。有了這些齊全的數據,BI的實施才有保障。

然後是業務的統一。比如銷售模式,採購模式,結算方法,質量管理的統一。比如銷售模式不統一,有的分公司先結算後配送,有的公司先配送後結算,業務形式不統一,口徑不統一,就會造成數據的時間差。

其次是業務部署。每個公司的業務部署不同,有的是集中部署有的是分銷部署,如果BI是放在總部實施,需要將各地分散的數據統一起來,建立數據倉庫,保持基礎數據的統一,但其中,如何提高速度,如何優化配合方式,這點需要研究。

BI人才儲備是否足夠,需要業務人員和信息人員的積極配合,這個效果才能夠比較良好的推動,而且還能夠持續的發展。為了讓技術和業務人員更好地貼合,要將技術和業務有效結合,最大效率的把報表和BI系統的功能發揮出來。

關於一些其他建議

對於上BI,還有其他考慮,比如價格預算,比如是否用開源,比如後續開發和維護,這裡做個統一的解釋。

明確業務需求:強烈的業務需求,明晰的業務目標,能否抓住核心是一個項目成敗的關鍵。

「產品+定製+服務」的建設思路:是否要選擇開源的產品?如果你有很強的開發能力,可以考慮。但建議專業的事情還是交給專業的工具來做,傳統企業不比互聯網企業,互聯網企業是以數據來驅動的,與傳統企業的模式不一樣,再說,後續維護也是成本啊。業務項目建設如果不藉助比較成熟的產品工具,從技術代碼進行創新式的開發,不經過迭代以及檢驗很難規避風險,很難形成一個成熟的產品。如果覺得國外BI產品「龐大」,完全可以選擇輕量化的工具。

最後,就是認清技術力量的現狀,不妨建議敏捷開發、迭代開發和重構,注重技術和管理的配合。

推薦閱讀:

Python數據分析及可視化實例之CentOS7.2+MongoDB V3.4 安裝

TAG:数据分析 | 商业智能BI | 大数据 |