京公网安备 11010802034615号
经营许可证编号:京B2-20210330
商务智能项目实施前期工作步骤
商务智能的定义:商务智能是从数据到信息,从信息到知识,再从知识到决策,然后从决策到行动。商务智能分为战略智能和运营智能两大类。战略智能是相对于集团公司如何有效制定、跟踪企业战略的智能分析和决策;而运营智能是相对于公司日常如何有效运营的智能执行和监控。
商务智能按照角色应用设计的流程:公司董事会主动研究出现了什么问题或者寻找下一步的机会,然后交给分析师或者管理层进行诊断、研究和分析,什么原因导致了问题的出现,再通过假设分析,实现投资的分布和回报率,或者下一步活动(比如营销战役)的机会和可行性,寻找最佳方案,定义优先级,选择活动的内容,然后提交给决策者,由决策者通过执行方案,由管理层具体制定活动实施方案,度量标准和监控的方案,发送给相关部门或者外部的合作伙伴(比如供应商)执行,对于执行的结果,通过关键绩效指标,了解执行的进度和问题,再进行方案调节。
商务智能项目实施前期应做的工作步骤:
第一步、选定主题和应用角色:商务智能首先要明确定义一个主题、应用的部门,应该按照角色设计应该。最先选定的主题最好是数据相对完整,数据质量相对较好的主题。企业要做到战略智能到运营智能的战略目标、战术目标和战斗目标的一致性,要保证商务智能是按照角色划分的,不同的角色需要不同的内容和展现形式:
(1)、企业的战略层需要企业绩效管理驾驶舱,确保战略的制定和有效执行的策划,他们时刻要了解公司的关键绩效指标达标现状和存在的问题,对关键绩效指标的预警;
(2)、管理层需要报表、预警、查询和分析,将企业的战略转换为业务部门的战术,时刻监控部门绩效、了解差异、同比环比、解决问题或者提供选择方案;
(3)、分析层需要利用工具对业务进行分析和跟踪,按照高层的指意,对企业的运营提出建议;
(4)、执行层需要了解具体执行的情况,了解自己所完成任务的状况。
第二步、用户需求分析:当主题拟定之后,比如财务分析主题,主要使用部门是财务部门,然后要尽量做到短平快,抓住主题和主要解决的问题,尽快在3个月或者半年实现目标,而不要追求大而全,选择尽量的完美其结果不但使得项目的周期加长,而且还使得项目的重点淡化,主题不突出了。
在部门或者角色应用时,一般会设计到固定报表、关键绩效指标(KPI)指标预警、即席查询、例外分析和数据挖掘(预测、深层次的分析)五个方面的应用展现。但是在项目的初期,最好包括报表、KPI指标、例外分析和即席查询。
(1)、制定KPI指标:这里首先介绍如何制定KPI指标,对于相关部门的不同人员,从部门的所有相关的绩效指标中选出关键绩效指标(KPI),这样的指标最好不超过8个,关键绩效指标应该由其他的指标运算而得到,比如企业的关键绩效指标是成长性、安全性、流动性、生产性和收益性,而关键绩效指标收益性由销售利润率、资金利润率和流动资金利润率组成。对于选定的KPI,需要设计门槛值,当超出门槛值时,可以自动用红绿灯仪表盘发出预警,或者发短信告诉相关管理者,管理着可以通过移动商务智能来跟踪指标和查询发生的原因。
(2)、设计固定报表:对于固定报表,特别是常用的报表,最好事先预制计算保存,比如晚上12点到早晨7点之前自动计算保存。对不同角色有不通需要的固定报表,将用户最常用的报表列在最容易获得的位置。
(3)、查询接口:对于需要查询的指标或者问题,一定需要工具或者设计的各个可选下拉菜单模式进行查询。
(4)、例外分析:可以对给定的指标,通过红绿灯、仪表盘、温度计、KPI指标超门槛值进行预警,然后可以进行例外钻去和分析。
(5)、数据挖掘:数据挖掘应该适合于分析师和一些专家或者高级应用者。
第三步、数据模型设计:有了用户需求,下一步就需要设计相应数据集市的数据模型以及采取的技术方案,利用“想大做小”的原则,对于本次要实现的KPI和报表,考虑其计算的方法和定义,考虑相关指标的基础数据源,是否所有的数据都存在,数据的完整性、准确性、唯一性,对于缺少的数据如何获取,需要多大的成本。接下来要考虑如何利用ETL工具,数据质量控制工具以及元数据管理工具,来确保可以按时、按预算实现设计的目标吗?当然角色不同,数据的颗粒度也就不同,级别越高,数据的颗粒度就越大,战略层最好是统计汇总数据,但是他们要看到的面更广。
第四步、用户界面的设计:有了相关的指标和应用,就要确定各个角色用户界面的设计,对于战略层他们喜欢仪表盘、红绿灯的指标预警、电子地图、雷达图、杜邦分析法、趋势和走向结果展现;而管理层需要部门指标预警、固定报表、例外分析和假设分析,最好利用趋势图、即席查询、电子地图和OLAP分析,对于执行层面最好是一些固定的运营报表、和详细运营报表查询、与自己工作相关的例外分析。将这些界面以及二级、三级界面和用户进行沟通,听取意见,确定界面。界面需要具有逻辑性,点击最好不要超过三键。
准确获得高层的需求:对于商务智能需求的调研,特别是对高层决策者的调研,一定选一个有过高层管理经验,在业界有一定名望,而且决策层也非常认可的专家进行调研,事先将调研提纲发给调研人员,调研时要做到尽量多问少说,了解老总的真正想法,关心那些问题,那些指标等,最好带上录音笔,将老总关心的问题记录下来,等老总讲完了,再抛砖引玉将其他的行业或者类似的企业是如何做的展现给老总,然后问老总是否也对其他相关的应用感兴趣。这样就可以尽量减少以后的修改。为什么要让大家认可的专家调研决策层?主要是其他开发人员一般缺少管理经验,所以调研的问题和老板的想法不一定对口,或者无法了解老总的意图和想法。
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在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07