商业智能BI的趋势、规划与选型
时间：2018-10-29来源：CIO时代网浏览数：974次
从全球范围来看，商业智能（BI）已经成为最具有美好前景的信息化领域。目前商业智能市场需求旺盛，市场规模增长迅速，未来商业智能的发展趋势如何？企业应将怎样规划？
本文主要从商业智能（BI）的商业应用的趋势、落地和规划、选型与探讨等方面展开深入的分析和详细的阐述。“我们在服务企业的过程中发现，很多大型企业已经开始用数据驱动决策。过去在国内，企业是用ERP、CRM、全渠道电商，从IT的建设层面来承建原来的数据。”他认为，未来的十年是向DT时代发展的，本质上是用数据驱动来经营、决策。 商业智能（BI）的应用趋势 引用《Gartner 2018 CIO Agenda》报告可知，全球超过三千位CIO的2018年预算投入的主要领域包括数据分析、CRM、AI等，其中AI 排在第九，BI持续几年排在首位。这一定程度上反映了虽然很多企业尝试了对AI的探索，但目前在基础的数据分析预算投入占比还是比较大的，当然，未来AI的投入也会逐渐加大。 目前，传统BI已发展到智能BI，智能BI代表未来代级的变化。例如星巴克的发展，用数据驱动全球几万家门店，他们对于传统BI的利用非常成功，这仰赖于背后庞大的数据分析团队支撑企业的运营和决策，适用于过去业务变化比较平稳的情况和大型企业。面对如今业务快速变化的情况，传统BI已经不适用于未来发展所需。 传统BI与智能BI的区别。传统BI存在反应慢、无洞察、难行动的缺点。智能BI时代，降低了应用的门槛，通过算法、分析模型提升企业的分析能力、业务理解能力、洞察能力等。例如连锁便利店，可通过智能BI对现有门店进行评分，通过显示的指标分析原因，利用模型将数据异常推给负责人，对其进行改造和升级。 落地与规划 智能BI落地面临挑战。BI落地的三座大山包括：一是上线，场景上线时交付的周期很长，节奏是不能控制的，最初定好的蓝图在长周期下变化很多；二是推广，黏性不高，低频应用，企业引入BI不难，但引入后不能应用；三是扩展，是否要在BI的智能核心应用之外考虑融入大数据平台、AI算法。 针对以上问题，对应策略与规划包括： 一是速赢，与很多客户合作的经验表明，一般以三个月为期限，甚至更短为最佳。这过程中会有相应的节点，反馈给领导，与互联网迭代速度类似，最终实现成功上线。例如在KK馆案例中，企业CEO关注的是数据结果，只有当企业上层领导重视数据时，其他人员才会重视数据的分析。我们将搭建好的场景直接应用于数据分析，便可以直观地在屏幕上显示分析结果，达到速赢的效果。当然，场景的选择很重要，不仅要选择有影响力的、高价值感的数据，而且要选择数据基础比较完备、口径比较一致的场景。 二是运营，当场景运用起来，运营就变得很重要。例如来伊份，在信息化建设上是比较领先的，有五十多个系统，在此基础上他们仍在不停地尝试数据分析。鼓励员工了解BI，学习BI并录制视频宣传，带动员工和用户推动BI。产品内部包含用户分析，用BI推动BI，带动客户自动分析用户行为，以此来运营产生价值，达到预警的效果。当BI的应用越来越深入后，要推广到不同的部门应用，一定要经过沉淀和实践，用不同的方式赋能。 三是进化，关于大数据平台、AI算法的融入没有捷径，只有进化。例如上蔬永辉，是一家比较有影响力的集团，首先我们为他们搭建了自动化的基础分析（敏捷分析），当分析场景成熟后再做智能分析。基础打好后，再做智能分析和决策就会比较容易。在数据平台的规划中，底层大数据平台规划要稳，未来业务目标、形态、日志分析才能稳步进行。联合利华的销售预测，基于完好BI的基础，利用AI算法达到准确度的提升，也是一步一步进化的。 选型探讨 面向未来BI选择时，企业不会再选择传统BI而是智能BI，总结一下，智能BI主要包括以下特点： 一是轻，核心定义是快速上线、部署，对应于传统BI的落地挑战，数据迁移的便捷性很重要，在客户端让内部用户使用，不需要太多技术感知，在业务场景中无缝嵌入。 二是易，目前对于企业来说，让人人成为数据分析师是比较有难度的。通过智能BI产品，业务部门能直接自助式分析和决策，从IT管控变成IT赋能，提高业务部门人员能力，授人以渔，进行管控机制，同时通过交互式的方式降低使用门槛。 三是快，使用大数据达到秒级响应。快速是考量新一代BI选型的重点，在零售行业，来伊份在全国有两千多家门店，使用大数据架构平民化，建立场景下商品的关联关系，达到水平扩展，可在亿级数据中做关联分析、实时多维度分析。 四是灵，企业需要及时自动地发现问题，进行智能诊断。将BI与AI结合，用AI预测引擎，延展到未来预测，可使分析和决策上一个量级。 AI与BI的结合，分步构建决策大脑，首先是敏捷化，快速地对已有的数据资产上线，形成业务端，针对企业中核心数据进行分析；二是场景化，沉淀很多行业不同的成熟场景；三是自动化，数据的变化不需要再去分析原来的数据，能自动化进行分析和打通，通过自动分析历史数据的指标定义，第一时间推送给终端，从敏捷化到自动化；四是行动化，通过AI产生行动建议，提升预测精准度；五是增强化，包括风险预测、智能台账系统、智能推荐、智能订货等。
（部分内容来源网络，如有侵权请联系删除）
