京公网安备 11010802034615号
经营许可证编号:京B2-20210330
浅析商务分析产生的背景
商务分析产生的背景
1、客户需要分析应用的内容,而不是工具:
现在的大部分商务智能项目实施方法论还是利用如上的方法,所以,每次当商务智能厂商给企业的管理层汇报的时候,企业管理层最关心的是你们在哪些同行业的大公司实施过商务智能项目,这些公司都做了哪些应用?他们关心哪些KPI指标?分析哪些相关的内容?但是一般的商务智能厂商是工具供应商,项目的实施是由合作伙伴完成的,至于客户做了什么,一般很难拿到分析应用的结果,加之实施合作伙伴和客户签过保密协议,一般不能将竞争对手所作的系统或者分析内容展现给客户。所以只能给客户讲实施方法论,客户听完,认为他们需要的不是实施方法论,而是需要分析应用产品。
2、传统商务智能项目实施周期比较长,成功的几率低:
由于对客户的业务和需求了解不够,客户需要什么也不完全清楚,加之项目实施往往是一些技术专家,所以不了解企业高管层需要什么,即使做高层访谈,由于和高层关心的问题不一致或者使用的是技术语言,管理层听不懂,导致对高层的需求把握的不到位,所以往往做出来的分析应用和KPI,不是管理层所关心的,其结果是不得不在试运行阶段,将需求做大量的调整和需求变化,导致项目的延期或者不成功。其实需求的改变,将会产生数据模型的重新设计,这样原来的项目可能会前功尽弃。
3、客户希望了解最佳实践:
实施的公司做过不少的项目,有了不少的经验,可是厂商很难得到客户企业的应用,在卖产品时要么就是请实施合作伙伴一起去汇报,要么就是讲实施方法论,客户最需要的是这个行业应该关注哪些问题,应该做哪些行业指标来进行行业对标。可是由于商务智能是工具,所以不得不给客户一些演示,目的是让客户了解商务智能能解决什么问题。但这些指标不一定是这个行业的,加之演示仅仅是一些界面的演示,不是整个行业的真正应用,也就是说,这些演示仅仅满足客户的很小一部分需求,是用来做需求时的抛砖引玉作用的。
4、商务智能项目实施周期比较长
由于每个客户都要进行调研,从头设计数据模型和应用,导致商务智能项目实施比较长,一般需要至少数月的时间。有些数据仓库和商务智能供应商已有自己的数据模型,但是也不一定是产品,即便是产品,也缺少行业分析应用的产品。
5、商务智能项目实施的成本比较高
商务智能项目不但需要购买硬件、软件工具,还需要进行大量的实施、维护,一般情况下成本比较高,成功实施的风险还比较大。
由于以上的原因,企业非常希望有一个行业分析应用,而且能满足企业最少大部分需求的行业商务智能分析产品,而不是一套工具。这样就是商务分析产生由原。
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