阿里云丨給企業BI信息化建設選型的建議,數字化思維阿里云

阿里云丨給企業BI信息化建設選型的建議

傳統的企業報表信息化時代由于其繁瑣的工作流程，低時效性和低敏捷性的弊端也愈發凸顯。

處在企業數據化運營后端的IT/信息部門演變成一個被動的企業取數機作用，成就和價值感不盡人意，業務部門也是因為IT部門響應不及時而各種怨聲載道。

企業要實現數據驅動業務增長的理想藍圖，企業需要強有力的BI工具的支撐，以落地大數據應用最后一公里。

1、從傳統數據報表到現代商業智能(BI)

在傳統的報表工作流程中，信息部門充當著主要角色，包括底層的數據清洗，以及前端的可視化數據分析工作。

一般是領導先提出規劃或者問題，然后業務部門負責承接和達成，業務部門的相關數據和報表需求通過技術部門進行支撐和響應。但是企業的信息部門其實工作也是非常繁忙的，面對業務部門的數據需求往往需要進入到長期的等待隊列中，難以及時響應。

其次信息部在跟業務部門溝通需求的時候，往往會存在溝通完業務需求之后，由于溝通過程可能存在的偏差，信息部做出來的數據分析結果可能不完全是業務所需要的。

另外是某些場景下數據分析的需求更新迭代快，可能今天領導提完需求，看了信息部做出來的數據分析結果之后，明天又需要更改或者完善。

如果使用純自助分析模式會怎么樣

通過自助分析模式，IT部門向業務部門提供了經審查的數據源，讓業務部門的用戶能夠自行分析數據并得出報告。在此場景中，IT部門為業務部門提供了底層數據支持，但兩個團隊獨立工作。這導致了無結構的混亂，并且容易引發數據安全和完整性問題。由于各部門間缺乏團結和協作，在決策制定方面也出現種種矛盾。

最后我們企業選擇了現代商業智能模式，讓IT和業務部門實現合作。

以阿里云Quick BI為例：通過IT部門創造受信任數據和內容（固定數據報告）的集中環境，安全與數據完整性不以業務敏捷性和創新為代價，讓業務部門能夠訪問權限范圍內的數據，通過即席分析提出自己的問題并找到所需答案，指導業務決策。

這樣一來，企業的IT部門也將從傳統取數機模式的成本中心，逐步通過數據與業務協同為企業增效降本，最終轉化為能夠顯著幫助企業提升價值的數據利潤中心。

商業智能（BI）已經被零售、金融、保險、電信、制造等行業越來越廣泛的應用，敏捷型BI逐步在各大企業普及。

與此同時，BI已經不僅限于高層管理者的決策之用，也日益成為數據分析師甚至是普通業務人員日常數據工作指導的工具，幫助企業IT部門實現對業務部門的授人以魚到授人以漁的過渡。讓更多人既能提問，更能借助商業智能分析平臺通過可視化數據回答業務問題。

2、企業BI信息化建設方法論

構建BI項目立項和規劃

BI的本質其實就是通過計算機技術，實現從數據到信息、從信息到知識、從知識到決策、由決策到財富的過程和結果。那么在企業開始BI項目之前，我們可以對商業智能應用平臺的信息化建設劃分為以下五個步驟，以構建項目的宏觀規劃藍圖。

1.告訴企業發生了什么――提供事先預制報告、企業記事卡或綜合管理數據，利用集中管理的關鍵績效指標（KPI），解決企業運營績效問題，監控企業的發展，實現復雜的報告用簡單的方式表現出來。

2.讓企業探索為何發生――業務部門可以從固定的報表、報告和一些關鍵的KPI中，可以得到很多相關的信息，但是當他們發現問題時，需要了解為何發生了這些問題。這時，就需要即席查詢和在線分析（OLAP）。業務分析員經常需要自己根據問題的需要完成自己的分析和報告。在很多情況下，業務分析員和決策制定者需要一套商務智能的工具，通過訪問集成好的數據倉庫，獲得需要的信息。

3.讓用戶實時看到現在發生了什么――企業決策層建立當前情況下的業務戰略和決策。為了成功，幾乎需要獲得實時的數據，查詢可以回答及時發生的問題。由此，運營模式和業務流程會發生較大的變化。

4.幫企業預見即將發生什么――客戶了解現在還不夠，將來會發生什么，風險的預測和評估是非常重要的。還需要統計分析的功能，來幫助分析客戶的行為、預言客戶業務的趨勢、辨認欺詐行為等。需要這種模型的客戶群是非常大的，由于它需要復雜的算法、統計模型和大量的數據，所以需要支持大數據量的處理能力。

5.希望發生什么――決策是由系統提供的，系統的數據是由運營系統得到的。例如由Web頁獲得，或者由基于市場條件和用戶需求進行的特價、促銷活動得到。所以可以建立清楚的決策和業務政策，讓事件沿著正確的軌跡、朝著預定的方向行進，達到預期的目標。

企業BI產品選型

最早開拓商業智能（BI）市場的是國外廠商，但是由于中國本土企業的自身特點，導致大部分的外國廠商本土化運作不成功。

國內BI產品的開展已經有很多年，隨著BI的應用模式逐漸被廣大企業所認可，而Quick BI2020年入選全球Gartner ABI魔力象限，為中國首個且唯一入選BI產品。

業務部門數據需求調研

接下來IT部門需要對各個業務部門（或者試點部門）進行業務數據分析需求調研，這部分工作非常重要，也是后續BI正式推廣的橋梁，IT部門需要格外重視。

在這個環節，至少需要清晰以下兩個內容：

1.調研清楚相關業務部門的數據分析需求，為基礎的業務數據準備和的搭建建模做好充分的準備；

2.調研清楚用戶的類型，哪些部門的用戶需要設計儀表板，哪些部門的用戶只需要查看儀表板就好了，不同業務部門的數據權限管控限制，哪些用戶需要使用移動端。

數據準備和基礎報表搭建

經過前期的業務部門需求調研之后，IT部門需要根據調研結果進行基于業務分析主題的業務包歸類搭建，例如將財務、人事、生產、銷售等等部門的數據表進行歸類的數據集。并且構建好相關數據表之間的關聯關系以及常用的業務寬表，為基礎儀表板庫的構建和業務部門用戶的自助分析提供高效和清晰的數據源支撐。

通過前期準備好的數據集和數據建模，以及業務部門需求調研得到的相關數據需求，IT部門前期可以將常用的數據分析場景固化為基礎的儀表板，提供給業務部門進行查詢和分析使用，同時這些儀表板的一些數據來源和制作方法也能幫助后續業務人員進行探索式分析時提供一定幫助和指引。

用戶分層和權限管控

搭建完基礎業務數據建模準備和基礎儀表板之后，為了管控企業各個部門和用戶的數據權限，IT部門需要添加企業相關的Quick BI平臺阿里云賬戶，并且做好用戶分層。

例如主管理員/工作空間/組織管理員/開發用戶/分析用戶/查看用戶，以及其權限管控的工作，實現控制企業各個部門崗位、角色、用戶只能看到對應權限范圍內的數據源、數據表、目錄、儀表板等資源。

BI系統產品培訓和開放使用

萬事俱備，只欠東風。

BI分析平臺搭建好之后，下面就需要對業務部門或者數據分析師進行Quick BI企業用戶培訓和應用推廣了。

如何更有流程節奏地進行企業內的BI推廣我們可以把這個過程可以分為五個階段：

如此，常規的數據分析查詢看板通過IT人員前期準備好的基礎儀表板庫實現，對于業務人員及數據分析需要即席分析探索的場景，可以借助IT部門分配的業務包數據使用交互式儀表板來進一步實現對數據的深入洞察。與傳統的報表工具不同，我們不再需要在公司中強力推行這項技術，通過簡單拖拽的交互探索式BI工具的數據可視化分析，業務用戶立即看到了其價值。

通過商業智能分析平臺，能夠很好地實現IT部門和業務部門相互協作，較高地提高企業業務部門的數據分析效率，同時也解放了信息部人力和時間成本。

3、企業BI信息化推廣模式

在企業中進行BI信息化建設推廣通常來說有兩種模式：

一種是自上而下進行推廣，另外一種是自下而上進行推廣。下面分別給大家介紹兩種推廣模式的具體方法以及各自適合的企業類型。

自上而下推廣是由領導層先開始使用，領導層更關注的是宏觀的指標，因此需要IT人員在準備數據時更偏向于整體的匯總數據，維度要全面，而且結構要清晰簡單。不要讓領導層花費太多的時間進行數據加工等操作，這樣既能夠提高領導層使用的積極性，同時在使用的過程中要給予領導層更多的協助，比如可以多做一些培訓和數據可視化故事講解、儀表板管理駕駛艙演示等，領導層感受到BI平臺的價值之后，再往下推廣的時候就會更容易許多。

自下而上推廣由基層部門開始使用推廣，由于基層部門數量會比較多，包含的數據量也會很龐大，建議IT人員先集中精力做好幾個關鍵部門的支持，讓他們能夠更好的進行業務數據的分析，然后向上級領導展現成果，上級領導認可之后再展開推廣，這樣后面的全員推廣也會相對的順利和可控。

自上而下推廣更適合于企業數據比較集中，且數據質量比較好的企業，這樣可以更輕松和準確的進行宏觀數據的分析，而在數據比較分散的情況下，想要做宏觀的數據分析，需要前期做大量的數據準備工作，這樣會花費大量的時間，不如從下往上，先做好一個點，大家認可之后，再做好其他的點，等到基層部門的數據整理好之后，上層領導關注的宏觀指標也就很輕松就做到了。

特別聲明：以上文章內容僅代表作者本人觀點，不代表ESG跨境電商觀點或立場。如有關于作品內容、版權或其它問題請于作品發表后的30日內與ESG跨境電商聯系。