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
近日,由 CDA 数据科学研究院重磅发布的《2026 全球数智化人才指数报告》,被中国教育科学研究院官方账号正式收录, ...
2026-04-22在数字化时代,客户每一次点击、浏览、下单、咨询等行为,都在传递其潜在需求与决策倾向——这些按时间顺序串联的行为轨迹,构成 ...
2026-04-22数据是数据分析、建模与业务决策的核心基石,而“数据清洗”作为数据预处理的核心环节,是打通数据从“原始杂乱”到“干净可用” ...
2026-04-22 很多数据分析师每天盯着GMV、转化率、DAU等数字看,但当被问到“什么是指标”“指标和维度有什么区别”“如何搭建一套完整的 ...
2026-04-22在数据分析与业务决策中,数据并非静止不变的数值,而是始终处于动态波动之中——股市收盘价的每日涨跌、企业月度销售额的起伏、 ...
2026-04-21在数据分析领域,当研究涉及多个自变量与多个因变量之间的复杂关联时,多变量一般线性分析(Multivariate General Linear Analys ...
2026-04-21很多数据分析师精通描述性统计,能熟练计算均值、中位数、标准差,但当被问到“用500个样本如何推断10万用户的真实满意度”“这 ...
2026-04-21在数据处理与分析的全流程中,日期数据是贯穿业务场景的核心维度之一——无论是业务报表统计、用户行为追踪,还是风控规则落地、 ...
2026-04-20在机器学习建模全流程中,特征工程是连接原始数据与模型效果的关键环节,而特征重要性分析则是特征工程的“灵魂”——它不仅能帮 ...
2026-04-20很多数据分析师沉迷于复杂的机器学习算法,却忽略了数据分析最基础也最核心的能力——描述性统计。事实上,80%的商业分析问题, ...
2026-04-20在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14