京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商业智能技术存在那些弊端
BI的真正价值主要体现BI系统能够变丰富的行业经验为我所用。发挥着业务理解、客户分类和特点分析、改善关系、市场营销策略分析、经营成本与收入分析、欺诈行为分析和预防等作用。商业智能引导我们进入一个新时代,对于分析、报表和绩效管理,企业用户拥有更多控制权。企业用户不再依赖IT部门支持每一项需求,从而获得了更快更好的决策。但是还是有一部分企业对商业智能存在不同程度的误解,主要表现在以下几个方面:
1.商业智能没有定位于战略层次
如果企业把商业智能和数据仓库看成是战略性的问题而不是一般性或不重要的问题,就有可能增加这些项目成功的可能性。企业必须认识到商业智能在任何企业的成功都不是一个偶然事故,它所需要的也不只是技术,战略、组织、方法论、架构和技能等问题在其中扮演着重要的角色,因而必须走到前台来。企业的商业智能项目的战略失败主要在于:未能认识到商业智能项目是跨部门的商务计划,未能理解商业智能不同于那些孤立的解决方案,从而缺乏积极参与的支持者或者支持者在企业中没有权威;缺乏来自业务部门的代表或来的代表不够主动和积极;缺乏有技能、有实践的员工或者对这样的员工的利用不充分;缺乏分工以及循环型的软件开发方法和相关方法论;缺乏商务分析或活动标准,对“劣质数据影响一切”缺乏认知和对策;对元数据的必要性和使用缺乏理解,过分依赖分散的方法和工具。
2.商业智能愿景和路线图模糊和分割
商业智能计划必须要有一个整体而清晰的愿景和路线图,否则,就很难统一起来。在更细节化的层面建立逻辑化、系统化的方法对于项目成功是至关重要的。BI对于一个企业系统的建设来说,是一个循序渐进的过程。对大部分需要构建BI系统的企业而言,不仅需要充足的预算资金、周密的项目规 划,而且需要多年的历史数据积累,条件才算成熟。企业需要对自身的生产经营管理系统的数据进行有效整合,否则实施方很难构建出辅助企业决策管理的应用模型以及所需要实现的数据分析应用。在一些金融行业的IT规划中,由于自身系统相对于其他行业较为完善和先进,历史数据储备也比较理想,通常在规划新项目的时候,会把BI系统和新增加的应用系统同时设计。
3.商业智能所有潜在收益的非理性认识
商业智能项目还必须考虑如何为项目所需要的巨大成本提供正当理由,找出商业智能的所有潜在收益。商业智能项目的成本当中有些是很明显的,有些很微妙,通常被忽视。企业只有认识到这些成本的驱动因素,建立有效的商业价值框架才能设定适当的期望值并有效地管理这方面的投资,从而不但收回成本,而且将价值最大化。其次,企业在进行商业智能项目的时候,还要考虑如何利用现成的商业智能软件包,认清商业智能软件厂商的造势当中哪些是虚的,哪些是实的。现在有很多商业智能软件公司都推出许多很吸引人的“仪表板”和关键指标的视觉化工具,但是,这些工具往往是实用性不够,企业透过外表理解用于计算这些指标的管理方法论才是更重要的。随着越来越多的企业要部署绩效管理系统,商业智能软件的作用会进一步增长,这要求企业把商业智能软件纳人企业软件管理的整体战略之中。
4.商业智能建构方法多元性的缺乏
在进行商业智能的过程中,企业可以采取的架构方法多种多样。这些方法没有高下之分,只要能够把商务用户所需要的信息及时地传递给他们,这种方法就应该被认为是正确的。方法之间的区别就像是实用价值的工具标准。在考虑商业智能的架构的同时,还必须理解和确保各种技术组成部分相互吻合,加起来能提供最大的长期价值,而且要有一定的灵活性和敏捷性。
5.商业智能技术市场缺乏理解和警惕
商业智能数据库管理系统、查询、报告和提取、转换、装载等技术工具市场并不稳定,厂商合并和技术合流的现象时有发生,有些弱小的厂商就会面临强大的市场压力和被兼并的风险。因而企业在选择各种软件的时候,不得不考虑软件厂商的稳定性和生存率。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-05在数据库数据查询、业务报表统计、多表关联分析中,LEFT JOIN左连接是使用率最高的SQL关联查询语句。其核心特性是保留左表全部数 ...
2026-06-05 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-06-05任何一款产品从诞生、普及到最终退出市场,都会遵循一套固定的发展规律,这就是产品生命周期理论。在市场竞争日益激烈、产品迭代 ...
2026-06-04在Excel数据分析、办公统计、业务报表制作场景中,数据透视表是数据汇总、分类统计、快速复盘的核心工具,能够高效完成海量原始 ...
2026-06-04 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-06-04在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28