܄

新时代的商业智能:数据协作+AI

【数据猿导读】 过去十年,得益于大数据的快速发展,商业智能受到了越多越多的关注,与此同时,从传统BI到探索式BI,商业智能也经历了一次产品模式和理念上的巨大改变,这种改变不仅使得业务人员可以参与甚至主导整个数据分析流程,让商业智能更加敏捷,同时也加速了企业由IT驱动转向DT驱动的脚步...

新时代的商业智能:数据协作+AI

过去十年,得益于大数据的快速发展,商业智能受到了越多越多的关注,与此同时,从传统BI到探索式BI,商业智能也经历了一次产品模式和理念上的巨大改变,这种改变不仅使得业务人员可以参与甚至主导整个数据分析流程,让商业智能更加敏捷,同时也加速了企业由IT驱动转向DT驱动的脚步。

商业智能_数据协作_AI-1

毫无疑问,随着企业对数据价值的认识更加深刻,探索式BI将会得到更广泛的普及,并逐步取代传统BI的市场位置,而且,可以预见的是,以人工智能和机器学习为代表的前沿技术,也必将引领商业智能的再一次变革,让自动分析、预测分析成为现实。

智能化的BI产品的确可以帮助业务人员和决策者更加快速的发现问题并改进业务,但在实际应用场景中,数据分析工作往往不是靠单打独斗,而是由企业的各业务部门或分析团队来完成,这也就意味着,在向智能化转变的同时,商业智能产品还应具备业务数据协作功能,而这一特性,在目前大部分的分析和BI产品中,并未得到很好的体现。

什么是业务数据协作?

我们在很多数据可视化产品中都可以看到“协作”一词,比如为人熟知的Tableau,以及国内的一些创业类产品,但如果仔细了解,可以看到这些产品大都只是加入了“即时通讯”功能,仅仅支持用户进行“群聊”。在笔者看来,这绝不是真正的数据协作。

所谓业务数据协作,应该是让企业内的运营决策人员,基于数据进行工作的协同和决策。从异构数据的汇聚整合,到探索式分析、可视化呈现,再到分析协同、共享讨论,其应该是一套高效利用数据的工作流程和方式。

也就是说,业务数据协作的真正价值在于,让企业的数据分析工作不再是“一个人战斗”,而是以协作的方式,让分析和决策变得更加简单高效。

众所周知,探索式BI的出现,让企业的所有员工都可以参与到分析工作中,而加入了业务数据协作,则使得各部门之间基于数据进行紧密合作成为了可能。比如,销售团队可以同市场团队进行分析协作,共同找出新的增长机会;运营团队也可以同业务团队协作沟通,基于实时的运营数据对业务进行及时调整。

市场需求明显

作为商业智能概念的提出者,Gartner在2018分析和商业智能魔力象限中就特别提到,基于分析内容的发布、共享和协作已经成为BI平台的关键功能之一。在此之前,Gartner首席分析师Dan Sommer也曾表示,随着越来越多的BI厂商向更广泛的用户群提供分析功能,有能力为这些用户群解决基于数据的协作需求将变得至关重要。

从Gartner的报告中我们可以读出,一方面,探索式BI的市场渗透率越来越高,另一方面,用户对于数据协作的需求愈发强烈,而这一观点在国内市场也有所体现。

国内的商业智能发展,呈现出了一定的中国特色,即跳跃式飞速发展。很多企业并没有部署传统的BI产品,而是从报表系统直接切入了探索式BI以及实时业务监控大屏。当然,目前不少使用传统BI的企业,也在逐步转向探索式BI产品。同时,由于国内市场的竞争更加激烈,企业越来越重视工作效率问题,所以对于数据分析之后的协作需求也增长明显。

新时代的商业智能

当前,随着云计算、大数据等基础设施的逐步完善,企业正在向数据化、智能化阶段迈进,而在这个过程中,商业智能是必不可少的“助推器”之一。同时,在快节奏、复杂的商业环境中,相比于传统大型IT软件公司的整体解决方案,企业更希望使用一些灵活的、轻量级的产品,可以快速部署、快速上手。所以笔者认为,基于这样的诉求,未来的商业智能产品,一定要具备三个特性:实时、高效和智能。

实时性意味着企业对数据的时效性要求越来越高。一般而言,传统BI产品通常需要到第二天才能看到前一天的运营数据,而在市场环境日益变化,竞争越来越激烈的时候,实时数据更能反映出业务运营过程中的细节和问题。更重要的是,基于实时数据进行及时的策略调整,往往能把企业的损失降到最低。

高效是指整个数据分析流程的效率提升。这其中,既包括产品的易用性,如快速部署,使用简单等,也包括数据协作。传统的工作流程中,数据分析只是协作决策过程的开始,整个流程中需要使用截图 + PPT进行来回往复的交流,这样的模式不仅效率低下,而且容易出错。所以企业需要一个基于数据的协作决策平台,来提升数据的使用效率。

最后,商业智能的发展也离不开智能。随着AI和机器学习越来越普及,BI产品也会变得更加易用和智能,包括自动分析、预测分析等功能,相信会在不久的将来就可以实现。

注:本文由DataHunter投递并授权数据猿发布


来源:数据猿

声明:数据猿尊重媒体行业规范,相关内容都会注明来源与作者;转载我们原创内容时,也请务必注明“来源:数据猿”与作者名称,否则将会受到数据猿追责。

刷新相关文章

数据猿创始人兼CEO牟蕾:数据积累、成本可控、应用场景落地是AI规模化三要素
数据猿创始人兼CEO牟蕾:数据积累、成本可控、应用场景落地是A...
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数据”智慧丨数据猿新冠战“疫”公益策划
#榜样的力量#疾控AI分析平台WDCIP——以科技力量贡献“大数...
AI技术让病理检测更“聪明”
AI技术让病理检测更“聪明”

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部