京公网安备 11010802034615号
经营许可证编号:京B2-20210330
BI“童话”迟早会在中国落地生根
既然有这么多的条件不具备,那么为什么BI还被业界一致炒得这么热呢?大体概因信息化应用历来都是“推的市场”,只有软件商不断地推着用户走,信息化的应用水平才能够得以提升。2009年,社会又正经受着金融危机的侵害,在IT投入大幅降低的情况下,软件商必须寻求应用的突破,才有可能创造生存的机会。因此本身还有很大市场空间的BI应用2009年被推到了热门的当口。
当然,单是软件商一头热,还成不了一台戏,市场潜在需求的存在,特别是广大中小企业这个几近空白的市场表现出来的需求苗头才是关键。
近年来,百货零售业在信息化过程中积累了相当庞大的数据,如何利用好这些浩瀚的数据,使其更好地运用于决策中,成为非常必要的事情。因此,BI趋势分析专家近来将百货零售业作为下一个BI应用的主要领域加以着重推荐。朱虓宁讲到:“公司以前的技术总监对这个比较看重。我们的想法是整合ERP系统和POS收银系统的数据来进行分析,找出经营上的规律。
我们公司目前因为历史原因存在相互独立的多套POS系统,从技术上考虑可以通过BI将这些历史数据整合起来,也可以简化管理人员查询报表数据的工作。管理层有时需要进行一些比较复杂的数据分析工作,这时只有BI系统可使实现。BI系统的报表是括的,可以实现一些比较复杂条件的数据分析工作;POS系统报表一般是死的,不能满足这样的需求。还有就是多应用系统的数据整合,像我们公司目前有POS系统、财务系统、人事系统,明年还准备上OA系统和供应链系统。要将这些系统的数据整合分析,充分利用来为管理决策服务,也只有BI才能够完成。现在我感觉国外(包括港台)的餐饮公司比较重视BI。国内的公司开始有这个意识了,但是具体实施的还不多。”
重庆著名的餐饮企业乡村基前信息部负责人王路的回答更是引人深思。在他看来,企业IT部门不应该只是维护公司的电脑、组建一下网络等等肤浅的事务,而真正该做好的就是为公司收集并整理分析各项数据,做好领导决策的参谋,扮演好企业经营的“数据中心”角色。这实际又是另一例对BI提出的需求。
前不久Gartner对CIO做的一次调查中可以看出,BI已经连续3年排在CIO们议程表上的第一位。国内有机构也做了这方面的调查,结果有13.7%的用户表示准备应用BI,这一比例已经显示出了非常大的上升势头。特别是在经济危机的特殊时期,据最新调查证实,83%的中型市场高管将“商业智能和分析”视为他们提高竞争力和削减成本最重要的手段。
童话落地
虽然BI在我国中小企业当中的应用条件还不是十分具备,但是因为BI自身不可忽视的价值原因,以及软件商不遗余力的推广,仍然有部分先锋用户在应用,并且取得了一定效果。随着中小企业这种需求的逐渐上升,BI这个“童话”迟早会在中国落地生根。那么如何才能缩短这个周期呢?
1、突破价格瓶颈。动辄几十上百万的BI对广大中小企业来说,确实是一个“遥远的梦”。这方面,我国软件企业完全可以先让企业部分应用,而不要采取国外BI那样的庞大系统。比如先对财务或销售等业务流程内的重要数据进行挖掘分析,以后再考虑其它的业务流程之外的数据分析。为了降低应用成本,目前有些软件商开始尝试移植SaaS模式到BI上来,虽然还有很长的路要走,但是只要大胆探索就一定会有结果。
2、帮助企业积累数据。不要以为数据积累是客户自己的事,与软件商同样有很大关系。达要求我们的软件厂商在开发应用时,从长远着想,尽量将客户信息标准化。也就是说,在一个统一的开发平台上开发应用。
3、设计简单而形象的用户界面。某软件企业的服务经理介绍“我们的软件都应该向Windows学习。这才是真正的软件,一个对电脑一点不会的人只要跟他说两句他就会操作。”由于我国在BI人才上还很缺乏,因此影响了其在中国的应用。如果BI也像Windows那样操作简单,这一局面肯定会大为改观。这更需要我们的软件厂商少一些炒作,多一些实干精神才行。软件商多深入到行业应用,研究出尽可能多的分析模型,才能让其应用简单化。真到了那一天,BI的平民化一定能够实现。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27