企业如何成功实施商业智能(BI)

Forrester Research即将发布的一份报告,建议你最好在评估商业智能厂商以前先得到公司高层的支持并计划好商业智能战略。

随着商业智能(BI)领域的大规模并购，人们很容易忘却在BI上除了技术之外还要考虑其它更重要的东西。

Forrester Research的分析师认为，你需要在开始评估商业智能技术之前先建立你自己对于商业智能战略的观点，同时他也是即将发布的调查报告的主要著者。以下是他对公司提出的10条建议。

1. 先找到一个C层支持者(不要是CIO)。 Evelson表示，商业智能实施的支持者不应是IT中人。 相反，BI的支持者应当是一名肩负底线责任的管理人员;他应对企业的目标和战略有着全局的感观;并且了解如何运用关键绩效指标来实现公司的目标任务。 这名管理人员通常是CFO。该支持者应当能够通过一个经过备案的商业案例来管治商业智能的实施，并且负责相应范围内的变革。

2. 建立通用的定义。 如果没有一个通用的定义，BI的实施不可能会成功。 而缺乏一致性是大多数公司如今所广泛面临的问题。 比方说，财务部门和销售部门对“毛利率”的定义就完全不同，这就意味着两者的数据不能够完全吻合 – 结果导致了无效的自动化。 要解决这个问题，就要在前端-中间-后勤办公室人员这整条业务线之间建立起共同标的。 在这个阶段，IT的参与应当被控制在项目管理办公室的运作、获取合规性的所有权、商业标准和策略上。 其次，从小处入手来选择10到20个关键绩效指标，并且建立标准来进行管治。

3. 评估目前的情况。 你应当分析目前商业智能的流程和影响BI实施环境的组织结构。 IT部门和商业部门都需要参与到其中。 Evelson提示不要低估这个阶段的作用，并且指出Accen-ture所提供的一套完整的“BI诊断”中包含了针对325条最佳实践和75个主题区域的1500个问题。

4. 建立一个数据储存计划。 许多企业是从独立的数据仓库开始入手的，因为这样做既便宜又便捷。但是这意味着当有新的数据储存需求产生时，你要建立许多额外的数据仓库，如此年复一年，你很快就会对这些数据仓库失去控制。 除此之外，你还需要考虑是建立并维护一座物理数据仓库，还是使用链接到操作系统上的虚拟层。 传统的数据仓库意味着数据重复，若要将其实时融入操作系统则不太可能。 你可以通过一个抽象定义层来节省储存空间，但是这很难设计，因为它是一个元数据仓库。 在考虑选择哪家厂商以前，你必须先解决上述这些问题。

5. 了解用户需求。 商业智能用户的三大类型分别是战略型、战术型和操作型。 战略型用户很少进行决策，但是他们做出的每一个决策都会产生深远的影响 – 比方说，我们是否要关闭在欧洲的公司并在中国设立分支机构。 战术型用户每周都要做出很多决策，他们使用综合和具体信息，并且这些信息需要每日更新。 操作型用户是第一线的员工，比如呼叫中心坐席等。 他们需要将数据存储到他们自己的应用套件中来进行大量的数据操作。 了解BI用户的类别及其使用目的能够显示他们各自所需的信息类别和使用频率，从而对BI决策做出恰如其分的指引。

6. 决定购买还是自建数据分析模型 没有一种模型。 没有一种模型适用于所有的企业。如
果你有一个比较单一的IT环境 – 比如只有一个ERP或一个CRM系统，那么从总体上来说你或许会从开包即用、行业定义的数据模型中获益。 但是你要留意模型的扩展性和层级灵活性。 环境相对比较复杂的公司或许能够从定制的模型中获益，尽管你仍然希望从行业标准的模型入手来作为一个模板或一套指南(比如那些典型的因素、尺度等等)。

7. 考量所有的商业智能组件。 影响商业智能实施成功与否的组件包括： 元数据、数据集成、数据质量、数据模型、分析方法、中心度量管理、展示(报表和仪表盘)、门户、协同、知识管理和主数据管理。 确保你定义了商业智能集合中所有层级的结构;就算它们可能不是BI战略中的一部分，它们也会对BI的成功实施产生影响。

8. 选择一个系统集成商。 商业智能的实施需要有一名经验丰富的伙伴来从旁指导。 Evel-son表示企业应当准备好为每1元美金的软件付出5到7美金的服务费用，同时他还警示： 不要将商业智能的微调工作外包出去。 该流程需要终端用户、分析师和开发员之间的高度协同。

9. 按部就班地来考虑可操作性。 各选择一名最终用户、商业分析师和开发员，花几天的时间来进行第一次概念校对。 选择一些关键绩效指标并制定一些报表，然后每周逐步递加一些新的东西。

10.选择从易于达成的部分开始入手。 Evelson建议选择价值高、但却相对较简单的组件开始入手。 比方说，一个销售分析数据仓库或许能够展现高价值的目标，并且有大量现成的模型和最佳实践。

微信扫一扫实时了解行业动态

微信扫一扫分享本文给好友