京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商业智能和商业应用系统的持续融合
在过去的20年间,商业应用系统和商业智能(BI)发展为相对分开的和独特的市场。原因有很多。首先,商业应用系统一直未能交付如它们所承诺的那种优质管理信息,所以用户不得不转向其他系统和供应商。第二,IT企业将商业项目划分成碎片的最佳实践导致在技术上职责之间的逻辑分离。因此,商业应用系统的结果,在很大程度上,成为一种业务处理的系统,只有一小部分利用一些嵌入的分析做为决策的支持。商业智能(BI)基本上成为一种无限制的分析工具箱,相对独立于商业流程。这使得用户在已经发生的事情上建立报表,但在某种程度上那是商业流程的一种分离。
这导致了两个结果:商业智能(BI)在企业经理人员当中的使用渗透率不高,而商业应用系统的分析能力却带给这些人越来越多的挫折。高管们不得不依靠数据提取和电子表格的混合来获取大量信息,他们原以为IT说过可以从商业智能(BI)和商业应用系统中获取这些信息。随着分析系统日渐增长的采用,这一状况正在改变,尤其是绩效管理的应用软件,消除了这些鸿沟,并为商业用户的需要提供了正确的解决方案。然而,许多IT企业还未意识到这一点,并且继续延续着商业智能(BI)与商业应用系统之间的分离。
什么是绩效管理,IT是如何互补商业智能(BI)和商业应用系统的?
绩效管理的成功不仅仅是提供技术和应用。成功的绩效管理体现在它的使用、接纳、适用性以及传递于企业的各个层面。绩效管理的主要目标之一是将经营活动与商业策略连接起来。指标是关键,因为,如果指标是精心挑选的,他们就能对战略目标的成功与否做出合理的权衡。
应用系统,工具和基础设施是专门用于支持绩效管理的技术。尽管有可能会尝试在没有技术支持之下实施绩效管理 (通过专注于绩效管理的方法),但要真正成功地实施绩效管理,它必须有一组分析软件的支持,而这些分析软件的组合就构成了部分的商业智能(BI)和绩效管理策略。大多数的大中型企业是如此的复杂,试着用手动处理的平衡计分卡和电子表格等这样的方法来管理他们,总是不能有效地将绩效管理的理念与直接提升商业流程和嵌入在员工的日常活动中的策略连接起来。
最后,绩效管理项目必须观察企业之外的合作伙伴、供应商、客户、采购供应商,甚至是市场竞争者。
商业智能(BI)与商业应用系统是如何融合的?
分析应用软件套装商业智能(BI)的性能专为某一特定领域或商业问题。分析应用软件包含预定义的数据和过程中的工作流,和一套预制模型、分析和交付的性能。分析应用软件可以作为一种可配置的解决方案从不同的供应商那里购买,也可以由内部的团队建立(或由咨询公司第三方建立)。绩效管理应用系统是特种的分析应用系统,应该在管理和治理方式上与其他重要的商业流程套餐和事务处理系统(例如,企业资源规划(
ERP)或客户关系管理(CRM))相似。这些应用系统有工作流管理的性能可以对管理流进行管理。
所有这些分析应用系统在许多层面为商业用户增添了价值。他们消除了商业智能(BI)与商业应用系统两个系统之间的隔阂,因为他们为商业智能(BI)补充了商业的内容,而在商业应用系统中提供了必需的分析能力。绩效管理应用系统具有高度的分析属性,但会以套件的形式出售,并且支持商业流程。所以,从管理和治理的角度来看,他们喜欢“传统”的商业应用系统更甚于商业智能(BI)。这意味着企业现在必须将两个“世界”放在一起考虑,而不是把他们当作商业的两个方面来分别对待。
商业应用系统供应商正在更多地关注“嵌入式分析”,这种分析性能作为他们整体商业应用软件解决方案的一部分提供给用户。但是,在商业应用软件的嵌入上也有不同的程度, 而且高德纳公司已发现三种风格鲜明的嵌入:
在查询点上的嵌入(附带的流程):这是一种通用的分析并不只针对任何特定商业流程。他们需要用户初始化一个分析活动和决定需要采取什么行动。嵌入很简单,例如,当它通过门户网站呈现。比如说:
一个销售人员在一个单一的查询角度里,从一个客户关系管理(CRM)系统上观察客户的主数据和从一个财务系统上观察支付历史记录。
在决策点上的嵌入(流程中的人为干预):
这些分析是针对于一种商业流程而且内容是源自于流程中一个特定的决策点。仍然需要人为的干预来阐明合理的行动。比如说:用户正在处理一个销售订单,分析提供了事务处理过程之内的内容并显示客户的付款历史和其他数据,然后用户可以决定是暂停订单还是履行订单。
在流程中的嵌入(自动化处理):这些是针对 流程中具体的决策点。分析是嵌入在流程执行应用软件中,而且系统会自动推荐下一个最佳的行动。理想的情况下,系统会基于企业的目标自动优化决策。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在神经网络模型搭建中,“最后一层是否添加激活函数”是新手常困惑的关键问题——有人照搬中间层的ReLU激活,导致回归任务输出异 ...
2025-12-05在机器学习落地过程中,“模型准确率高但不可解释”“面对数据噪声就失效”是两大核心痛点——金融风控模型若无法解释决策依据, ...
2025-12-05在CDA(Certified Data Analyst)数据分析师的能力模型中,“指标计算”是基础技能,而“指标体系搭建”则是区分新手与资深分析 ...
2025-12-05在回归分析的结果解读中,R方(决定系数)是衡量模型拟合效果的核心指标——它代表因变量的变异中能被自变量解释的比例,取值通 ...
2025-12-04在城市规划、物流配送、文旅分析等场景中,经纬度热力图是解读空间数据的核心工具——它能将零散的GPS坐标(如外卖订单地址、景 ...
2025-12-04在CDA(Certified Data Analyst)数据分析师的指标体系中,“通用指标”与“场景指标”并非相互割裂的两个部分,而是支撑业务分 ...
2025-12-04每到“双十一”,电商平台的销售额会迎来爆发式增长;每逢冬季,北方的天然气消耗量会显著上升;每月的10号左右,工资发放会带动 ...
2025-12-03随着数字化转型的深入,企业面临的数据量呈指数级增长——电商的用户行为日志、物联网的传感器数据、社交平台的图文视频等,这些 ...
2025-12-03在CDA(Certified Data Analyst)数据分析师的工作体系中,“指标”是贯穿始终的核心载体——从“销售额环比增长15%”的业务结论 ...
2025-12-03在神经网络训练中,损失函数的数值变化常被视为模型训练效果的“核心仪表盘”——初学者盯着屏幕上不断下降的损失值满心欢喜,却 ...
2025-12-02在CDA(Certified Data Analyst)数据分析师的日常工作中,“用部分数据推断整体情况”是高频需求——从10万条订单样本中判断全 ...
2025-12-02在数据预处理的纲量统一环节,标准化是消除量纲影响的核心手段——它将不同量级的特征(如“用户年龄”“消费金额”)转化为同一 ...
2025-12-02在数据驱动决策成为企业核心竞争力的今天,A/B测试已从“可选优化工具”升级为“必选验证体系”。它通过控制变量法构建“平行实 ...
2025-12-01在时间序列预测任务中,LSTM(长短期记忆网络)凭借对时序依赖关系的捕捉能力成为主流模型。但很多开发者在实操中会遇到困惑:用 ...
2025-12-01引言:数据时代的“透视镜”与“掘金者” 在数字经济浪潮下,数据已成为企业决策的核心资产,而CDA数据分析师正是挖掘数据价值的 ...
2025-12-01数据分析师的日常,常始于一堆“毫无章法”的数据点:电商后台导出的零散订单记录、APP埋点收集的无序用户行为日志、传感器实时 ...
2025-11-28在MySQL数据库运维中,“query end”是查询执行生命周期的收尾阶段,理论上耗时极短——主要完成结果集封装、资源释放、事务状态 ...
2025-11-28在CDA(Certified Data Analyst)数据分析师的工具包中,透视分析方法是处理表结构数据的“瑞士军刀”——无需复杂代码,仅通过 ...
2025-11-28在统计分析中,数据的分布形态是决定“用什么方法分析、信什么结果”的底层逻辑——它如同数据的“性格”,直接影响着描述统计的 ...
2025-11-27在电商订单查询、用户信息导出等业务场景中,技术人员常面临一个选择:是一次性查询500条数据,还是分5次每次查询100条?这个问 ...
2025-11-27