使商业智能运转的4个必要条件
创建一个连贯的商业智能战略,使数据收集和分析与一般业务战略保持一致。
编者注:您是否正在寻找在自己公司中使用BI/AI的机会?不要错过2019年6月18日至21日在北京举行的AI会议。在3月29日之前注册可以获取最优惠价格。

结果导向的领导者依靠在适当的时间获得正确的信息,以支持运营决策。 这就是为什么决策者认定商业智能是他们第一优先的技术事项。 他们认识到数据在创造价值方面发挥的重要作用,并将信息视为组织的生命线。 然后,他们使用可执行的洞察力,通过交付重要的执行结果,自信而始终如一地保持领先。

商业智能(BI)和数据科学行业在过去的几十年里一直在使数据访问更容易,分析能力更全面,平台更具可扩展性。 然而,尽管向BI计划投入了数十亿美元,但管理人员在获取他们赖以做出明智决策所需的信息时,往往会空手而归。 高管们未能充分利用BI的承诺,在BI的努力没有进行规划或者没有有效执行时,无法把可执行的洞察力转化为实际业务价值。 随着公司采用更复杂的数据科学和人工智能,这些问题进一步复杂化。 为了实现领导者正在寻找的结果,组织必须创建一个连贯的BI战略,使数据收集和分析与一般业务战略保持一致。

我们的经验表明,通过关注四个可操作的步骤或必要条件,我们可以使业务负责人能够充分解决计划和执行方面的挑战,从而建立有效的决策支持能力。

1步:统一

我们相信的东西影响我们行为的方式,要统一您的组织,首先要在商业智能和分析的不同业务部门之间协调许多独特且经常不同的观点。 组织中的高级领导者必须有效协作才能使BI成功。

很多时候,来自业务部门的信息请求没有得到答复,而不同的孤立的部门会自行调查以协调部门间的合作。 围绕数据和数据整合的技术细微差别经常被误解和误传, 因为从业者通常无法理解关键业务需求。 企业领导者需要寻找具备敏锐的技术,分析和商业嗅觉 ( 完全披露:Michael LiThe Data Incubator的创始人兼CEO)的数据科学候选人,以统一他们在业务端技术和非技术部分之间的BI工作。

商业智能是一项商业计划,而非技术项目。 这是一种整个组织的持续性的努力,其目的是为了提高决策能力、使价值最大化的能力。 永无止境。 在组织中的每个业务部门采用这种态度是有效协作的先决条件,也是创建BI成功所需的跨职能协调的必要条件。

2步:简化

复杂性正在对企业造成严重破坏,使决策者越来越难以创造价值。 当从卓越理念转变为可操作的洞察力的过程快速、集中且简单时,分析工作能够发挥得最好。

为了简化BI工作,首先要与组织内不同业务领域的关键利益相关者建立关键联盟。现在,CEO们比以往任何时候都更依赖CIO和CDO来推动组织的价值创造议程,这使得业务和IT之间的有效协作对BI的成功至关重要。 脱离实际业务运营的“象牙塔”商务智能时代已经结束。 至关重要的是,企业领导者需要加班加点,以弥合过于普遍的沟通,信任和理解差距。

然后,通过逐步加大投入以及获取在努力过程中所需要的金融资源,一个一个地强化您的能力,每一步都展示真正的价值。构建BI功能时,请始终使用现有技术。 大多数组织已经在工具和基础设施方面进行了大量投资,并且建立了具有大量经验和时间投入的重要知识产权资产。在为了新技术申请额外资金的时候,一定要证明,老的技术不能、不会奏效。

最后,当为决策者提供他们完成工作所需的信息时,最小化获得结果的时间至关重要。这意味着在管理和实现业务之间取得适当的平衡,而不会妨碍创新和创造力。

3步:放大

每个组织都存在怀疑论者和反对者。 他们更喜欢现状,抵制变革,并发表评论,比如“我们之前已经走过这条路”,“当我看到它有效时,我才会相信它。” 往好了说,他们是顽固的结果论者, 只有在得到具体结果时才愿意相信。 在最坏的情况下,他们是阻挠者 —— 阻止商业智能计划实现其全部潜力。

随着BI从传统的报告和描述性分析发展到数据科学和人工智能,许多从业者担心新功能会使他们的技能过时。打击新的举措,或许是一种自然的自我保护本能。 一个机构充斥着反对者,也可能是该机构文化偏见的症状。 德勤将其称为“良好意图的惯性”- 由制度惯例、义务和压力所创造的个人行为,实际上毫无疑问地使许多人无法提供其组织所需的价值。 在无人看管的情况下,大多数组织的文化可以将BI提案边缘化,使其的回报受限,甚至使其的回报低到令人无法接受。

通过围绕BI,分析和数据科学提案引起人们的兴趣、增加组织机构内的认知度,您可以避免怀疑论者和反对者的负面影响以及不信任的文化。 “放大”,意味着传播福音。

例如,大型企业通常会创建数据科学竞争力中心或AI卓越中心,这有助于引领分析现代化的努力。 这些福音传道者为公司定义数据科学和人工智能实践,并负责提升整个组织的一般分析技能水平。 财富500强数据科学卓越中心正在举办数据和人工智能的深入培训,以帮助弥合其组织的高级数据科学从业者与典型的普通文件分析师之间的技能差距。

4步:验证

商业智能是一个旅程 – 一个持续改进的过程,旨在适应环境和发展进化,以便企业领导者能够对不断变化和动态的商业环境做出明智的响应。 毕竟,决策者今天需要监控和评估的业务,在明天将会发生变化。 企业跟上发展步伐的唯一方法,是使其报告和分析能力保持同步。

如今,很少有公司能够符合获得成功的条件。 他们不会主动监控和衡量最终用户期望和实际业务成果的BI绩效,因此无法有效发展。

确保您在组织的商业智能能力中,充分关注主动监控,评估和调整,以便始终与业务需求保持一致,并始终响应利益相关方的期望。

随着公司希望发展其BI、分析和数据科学部门,管理层要求取得成果。 通常,分析项目不尽如人意,因为领导者在创建分析策略时无法理解成功分析策略的关键要素。 为了规划和执行成功的商业智能工作,该领域的领导者必须采纳这些必要条件: 通过将您的组织的BI计划集中在整个组织内简化,统一,放大和验证商业智能,您将能够做出更明智的业务决策,提供成功的结果,并使您的公司在竞争中保持领先。

Greg Steffine

Greg Steffine领导KeyBank的商业智能和分析能力中心,KeyBank是美国最大的银行金融服务公司之一。 他是这本获奖书籍的作者,《Hyper:改变您的思考、计划和落地执行商业智能的方式,见效快!》他的自助式分析的新书名为《快速思考!》 ,将于今年晚些时候发布。

Michael Li

Michael Li是Data Incubator创始人兼CEO,Data Incubator是一家数据科学培训和求职公司。 他是一名数据科学家,曾在Google,Foursquare和Andreessen Horowitz工作过。 他是VentureBeat,The Next Web和Harvard Business Review的定期撰稿人。 他拥有剑桥大学硕士学位和普林斯顿博士学位。

系统(来源:Pixabay