可能导致商业智能失败的9个错误

高管们知道,他们需要高质量的数据才能做出合理的业务决策。但是,能够及时地、以用户友好的方式获得准确的数据,仍然是一个挑战。当然,这里有一个庞大的行业,行业中有很多商业智能(BI)专业技能的咨询师和厂商。

至顶网CIO与应用频道 11月27日 北京消息:高管们知道,他们需要高质量的数据才能做出合理的业务决策。但是,能够及时地、以用户友好的方式获得准确的数据,仍然是一个挑战。当然,这里有一个庞大的行业,行业中有很多商业智能(BI)专业技能的咨询师和厂商。

 可能导致商业智能失败的9个错误

你如何得知自己被“带到了这条花园小路上”?是时候升级你的BI策略还是推出新的培训计划?要回答这些问题,了解其他人犯过的错误可能对你也是有帮助的。

1、在构建BI系统的时候把自己作为一个“订单接受者”

“客户永远是对的”,这个原则已经推动着在改善客户服务方面做了大量工作,特别是在零售领域。但是随着技术的发展,企业用户可能并不总是了解他们自己想要什么。更糟的是,他们可能会试图指定解决方案的技术细节。

Tricentis是一家为HBO、Toyota和BMW等企业提供持续测试平台的公司,该公司创始人Wolfgang Platz表示,实现用户所要求的、而不是他们所需要的,这是BI失败的根源所在。“成功的BI项目要求详细阐述和管理要求,以及能够恰当地验证BI的成果。”“5个为什么”技巧——同一个问题问5次,以更深度地了解问题——是了解用户真正需要什么的一种方式。

2、减少测试时间和资源

在初创公司的世界里,“快速行动,除旧立新”是一个重要思想。成功的业务也经常需要快速行动。但为了追求更快的速度,某些辅助性的操作可能就会受到影响,例如测试。将测试视为一种“无谓损失”,可能会导致严重的质量问题,尤其是如果你依赖于手动测试的话。相反,可以把测试和相关“辅助”流程视为提供高质量BI体验的一种方式。

Platz表示:“限制测试,尤其是唯一的测试还是手动进行的,会导致用户验收测试中会出现大量缺陷,最终影响交付时间。”

3、在更广泛的数据完整性问题上目光短浅

商业智能工具在处理、显示和分析数据方面非常出色。但是如果你得到的是系统中残缺不全的数据会怎样?或者情况稍好一些:你如何向IT审查者展示你拥有高质量数据引导你做出管理决策?太狭隘地专注于BI工具及其配置,可能意味着你会错过这些关键细节。

“如今商业智能并不仅仅用于支持做出更好的决策。BI往往被嵌入到运营流程中。如果你的财务报告或者法规报告存在错误(这通常是由数据仓库技术提供支持的),那么BI可以帮助轻松解决这些问题。但是其他流程仍然可能出现问题。例如,一家保险公司的经纪人收费过程中,即使是很细微的错误也会给公司的声誉带来负面能影响,从而增加客户的流失率。如今的企业需要一个主动的、自动化的商业智能测试方法,尽可能早地暴露出数据完整性的问题。”

财务数据和法规数据如果出现错误的话,可能要付出高昂的代价。糟糕的数据质量也会导致浪费。2013年,美国邮政服务无法正常投递超过60亿封邮件,这意味着丢失或者延迟客户信息,失去营销机会,甚至更多。

4、采取被动的方式惹恼用户

没有哪个技术专家想应对愤怒的用户。系统故障和挫折点总会发生。你对这些问题做出的响应会直接影响你的BI项目是成功还是失败。

ThoughtSpot是一家面向零售、金融服务和其他行业提供以搜索为驱动的分析公司,该公司首席数据布道师Doug Bordonaro表示:“我看到BI新手们常犯的两大错误就是过分关注提交请求,而不是让最终业务用户参与到项目中。当客户冲你大喊,抨击漫长的交付时间和服务等级协议被忽略的时间,显然这时候是需要重点关注的。过于卷入日常交付而忽略了更大的BI计划。你给你的客户提供了他们决策所需的吗?你是否了解他们需要哪些数据?除了再来一份报告,还有解决实际问题的更好解决方案吗?”

你应该根据这个问题对于整体战略的相对重要性,来分类解决用户的抱怨,而不是在出现问题的时候采用一刀切的方法。

5、追求无意义的分析

当你手头有强大的工具可以随意使用的时候,寻找机会使用这些工具是很自然的。但是没有方向的商业智能意味着浪费时间。这个问题在相对初级的专业人士中尤为常见。

Anexinet是一家咨询服务公司,专注于据测支持和客户分析,该公司分析副总裁Mark Langsfeld表示:“新手和急切的商业智能专业人士面对着在无有意义问题指导的情况下构建愿景和执行分析的风险,其结果可能通常是缺少深层次的发现,无法提供有影响力的见解。”

避免这个错误需要商业智能是判断力。问你自己一个问题“这个分析如何为公司的目标做出贡献?”,这可以防止出现上面提到的问题。如果你不确定如何将分析与公司目标联系到一起,那么可以退一步考虑。你的BI分析如何证明它能够提高收入、削减成本或者改善服务?这是大多数商业领袖长期以来的一些困扰。

6、假设数据本身就足够了

“更多的数据”可以解决我们所有的业务问题吗?这是许多商业智能和分析讨论中潜藏的假设。简单地将数据扔给高管,希望的最好结果往往是行不通的。

“如果数据不是以一种引人关注的方式提出和讨论,那么它就会被忽视,或者被各种意见所束缚。”Qlik市场智能高级总监Dan Sommer这样表示。数据集的含义对你的前端分析师来说可能是很清楚的,但你不能假设其他不那么接近数据的人也清楚这一点。

为了讲出一个更好的故事,可以考虑从其他领域获得灵感。坚持下去:为什么一些想法留存下来,而其他想法消失了,Chip and Dan Heath公司勾画出一个模型来解释“粘性”。同样的,小说作家和编剧也用“英雄之旅”的概念来讲故事。如果你想让高管和客户了解你,基于你的见解讲故事,讲故事的技巧会让你脱颖而出。

7、太信任BI工具(而对人和流程不够信任)

技术专家们知道正确使用工具可以带来巨大的改变。回想一下,你第一次用脚本来自动执行那些重复性的任务。那些早期取得的成果鼓励你不断寻找解决业务问题的新工具。遗憾的是,太过强调BI工具往往会导致令人失望的结果。

“作为一名行业分析师,我低估了在企业组织内真正广泛恰当地采用BI和分析是有多难。即使工具越来越易于使用,总是有流程、文化和学习的部分来实现成功。这就是为什么我们越来越多地谈到把数据扫盲作为恰当使用商业智能的一个关键。”

如果你对你的BI项目感到失望,那就看看除了技术的其他方面。例如,你的员工知道如何呈现数据吗?

8、无效的厂商管理

你的企业可能没有BI部门。在这种情况下,与外部专家合作是有道理的。你可能会要求他们承担外部服务提供商或者项目辅助的职能。在任何一种情况下,你都需要了解你的厂商并提供监督,尤其是对分包商进行监督。

香港软件咨询公司Intelligencia总裁Andrew Pearson表示:“我们公司并没有完全控制一个特定的项目,在这个项目中,我们与BI软件公司的分销商合作。我们在数据清理和数据治理方面遇到了特别的问题——‘垃圾进,垃圾出’,正如我的分析师所说的那样。我们的分析模型没有用,因为数据是不可信的。我们对他们的数据清理能力没有充分的信心,因为这是好的BI报告的基本,对于强大的建模来说绝对必要,所以我们并没有处于一个有利的位置以便取得成功。”

如果你正在与第三方合作,那么你有责任了解项目、了解谁在负责你的账目。否则,最终你的BI项目可能会让你失望了。

9、忽视对主流工具如SQL和Excel的忠诚

你知道一年一度的微软Excel大赛吗?以微软Office专家世界冠军赛为例——有超过50万个竞赛者,获奖者可以拿到奖金。这只是Excel在商业领域普及的一个标志。在一定程度上,SQL在技术领域还是有追随者的。

忽略变革中人的因素,采用新的BI工具会增加失败的几率。“你会发现很多人有SQL和Excel技能,但是对于像Tableau、Qlik、Spotfire、SAS和SAP这样的产品技能要更困难一些。当你引入新的软件和新的业务方式的时候,会立即遭到那些习惯于在Excel以及/或者SQL上工作的业务用户的抗拒,”Pearson解释说。

在企业组织内对BI进行重大变革,这会对职业生涯带来重要影响。在引领人们进行转型的时候不可忽略变革管理和领导力这门艺术。

来源:cio.com

0赞

好文章,需要你的鼓励

2017

11/27

15:00

分享

点赞

邮件订阅