中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

過去幾十年，BI經(jīng)歷了從工具到“決策大腦”的角色轉(zhuǎn)變，而未來一定是向“智能決策大腦”轉(zhuǎn)型，也就是“AI+BI”。未來5年，BI不會只停留在對歷史數(shù)據(jù)的多維統(tǒng)計。

當(dāng)很多人還不知道BI（商業(yè)智能）是什么的時候，其實就已經(jīng)做過BI整條鏈路里的相關(guān)工作。

BI具體做什么？

通俗點理解，就是從數(shù)據(jù)接入、數(shù)據(jù)準備、數(shù)據(jù)分析、數(shù)據(jù)可視化到數(shù)據(jù)分發(fā)應(yīng)用的一系列動作。

而這些動作都只是過程，真正的目的是通過最終得出的數(shù)據(jù)結(jié)果發(fā)現(xiàn)問題，來改善業(yè)務(wù)決策。

以互聯(lián)網(wǎng)教育平臺為例，每個企業(yè)都會配備類似銷售支持或者運營類型的崗位，去統(tǒng)計分析網(wǎng)站和APP的注冊、活躍、首次付費、再次付費、VIP、沉默、流失等數(shù)據(jù)。

將各個平臺產(chǎn)生的數(shù)據(jù)導(dǎo)出整合到一份Excel的過程就可理解為數(shù)據(jù)接入，而將這些數(shù)據(jù)進行去重、清晰的過程可以理解為簡單的數(shù)據(jù)準備，通過函數(shù)計算每個漏斗的轉(zhuǎn)化率可理解為數(shù)據(jù)分析，將數(shù)據(jù)分析的結(jié)果用可視化化圖表展現(xiàn)稱之為數(shù)據(jù)可視化，而將可視化圖表截圖到PPT中進行匯報又可看作是數(shù)據(jù)分發(fā)應(yīng)用。

那么問題來了，數(shù)據(jù)接入是不是一定要做重復(fù)的導(dǎo)出導(dǎo)入工作？數(shù)據(jù)源來自多個系統(tǒng)又結(jié)構(gòu)不一該如何融合？領(lǐng)導(dǎo)看數(shù)據(jù)除了PPT還有什么？設(shè)想一下，當(dāng)你精心準備了一周的銷售數(shù)據(jù)報告，而老板突然問起某個數(shù)據(jù)異常的原因時，你難道又要會后重新做一份針對這個異常數(shù)據(jù)分析的報告嗎？要多長時間，老板等得及嗎？

當(dāng)企業(yè)的數(shù)據(jù)量越來越大，要求的數(shù)據(jù)分析維度越來深越來越細，甚至對實時性和交互性提出了更高的要求。而這時，很多人工報表無法解決的事情，BI可以解決。BI的價值不是告訴你學(xué)員的轉(zhuǎn)化漏斗是多少，而是告訴你為什么是這個數(shù)字，從哪里可以改進。

BI從工具到“決策大腦”的演進史

BI（商業(yè)智能）的概念在1996年最早由Gartner Group提出，而事實上IBM的研究員Hans Peter Luhn早在1958年就用到了這一概念。他將“智能”定義為“對事物相互關(guān)系的一種理解能力，并依靠這種能力去指導(dǎo)決策，以達到預(yù)期的目標?！?/p>

追究到應(yīng)用層面，BI其實也經(jīng)歷了四個發(fā)展階段：

1. Excel報表：在這個階段催生了一個職業(yè)群體就是“表哥表妹”，他們每天都要從公司不同的ERP、CRM、財務(wù)系統(tǒng)中導(dǎo)出大量數(shù)據(jù)，再將多個表格用vlookup和sumif進行關(guān)聯(lián)計算，最后通過把可視化圖表截圖放到PPT里進行日報和周報匯報。而至于領(lǐng)導(dǎo)到底會不會看，他們也不關(guān)心，因為無力關(guān)心。
2. 報表系統(tǒng)：也是傳統(tǒng)報表的升級版，可以直接對接某個業(yè)務(wù)系統(tǒng)的數(shù)據(jù)源，對于數(shù)據(jù)的響應(yīng)速度比Excel明顯提升，已經(jīng)可以支持權(quán)限管理等，但還是偏向于數(shù)據(jù)匯報，很難輔助決策。
3. 傳統(tǒng)BI：首先可以對接多個系統(tǒng)的數(shù)據(jù)源，將所有數(shù)據(jù)整合到一個平臺中進行全局分析。其次就是支持實時數(shù)據(jù)展示，分析維度和深度也遠遠強于報表系統(tǒng)，支持下鉆、聯(lián)動等數(shù)據(jù)交互。最后在數(shù)據(jù)承載量和反應(yīng)速度上具有明顯優(yōu)勢，不僅是匯報工具，更能夠輔助決策。
4. 智能BI：和傳統(tǒng)BI一樣都是支撐決策，但是用戶使用層面強調(diào)低代碼（或零代碼）開發(fā)、無縫對接、靈活部署。比如，用Smart ETL托拉拽就可以做分析看板，無需重新建模，賦能普通業(yè)務(wù)人員做數(shù)據(jù)分析的能力，讓數(shù)據(jù)員有更多時間可以專注如何將分析與業(yè)務(wù)結(jié)合。并且，還可以借助AI算法的能力構(gòu)建基于未來的分析模型，比如銷售預(yù)測、智能排課等。

而從扮演的角色來看，BI的發(fā)展可以理解為從數(shù)據(jù)分析工具到深入場景的“決策大腦”的演進。最開始企業(yè)只是想通過其提高做數(shù)據(jù)分析這項工作的效率，而到后面，更多企業(yè)的目的是為了提高做決策的效率和科學(xué)性，以結(jié)果為導(dǎo)向。

當(dāng)四種產(chǎn)品共存時，企業(yè)該如何選擇

從Excel到現(xiàn)在前沿的智能BI，BI的演進一直是跟著市場需求而變。當(dāng)然，大數(shù)據(jù)、云計算、人工智能等技術(shù)的發(fā)展也給BI的發(fā)展創(chuàng)造了更多可能。整個商業(yè)社會的發(fā)展是向前的。但是每個時期、每個行業(yè)都有發(fā)展程度不同的企業(yè)，這也是為什么BI演進如此進步，而這幾類數(shù)據(jù)分析產(chǎn)品依然可以共存的原因。

目前，在選擇時受爭議較多的是報表系統(tǒng)、傳統(tǒng)BI和智能BI。數(shù)據(jù)分析軟件的選擇首先要明確企業(yè)想要引入相關(guān)系統(tǒng)的目的是什么。如果企業(yè)的數(shù)據(jù)量一般，數(shù)據(jù)分析也只是為了給各部門呈現(xiàn)最終的結(jié)果報告不需要幫助各級決策層做決策，那么，報表系統(tǒng)就可以滿足基本需求。但同時你也要考慮，當(dāng)企業(yè)數(shù)據(jù)量越來越大，當(dāng)發(fā)現(xiàn)競爭對手的市場反應(yīng)速度已經(jīng)領(lǐng)先自己很多時，我們是不是還要去選擇BI，那現(xiàn)在有沒有必要一步到位。

自然，如果是賦能決策，已經(jīng)受夠了之前想看的數(shù)據(jù)永遠要延遲一周，想知道的原因總是在會議上找不到答案，或者企業(yè)本身就有超前的數(shù)據(jù)意識，當(dāng)然是選擇BI。更進一步，如果是希望簡化BI的對接流程和開發(fā)量，減輕數(shù)據(jù)分析員日常高代碼、高重復(fù)的工作量，我們會更推薦智能BI。

而智能BI也可以理解為“AI+BI”，代表了BI在未來5年的發(fā)展趨勢，也是諸多行業(yè)龍頭和數(shù)據(jù)分析服務(wù)商在共同探索的領(lǐng)域。做AI項目首先企業(yè)得有足夠多的數(shù)據(jù)基礎(chǔ)，非常清晰的項目目標，并且有中長期的規(guī)劃，我們才建議去實施。其次一定要選擇一家具有AI基因的大數(shù)據(jù)分析公司。

BI在各行各業(yè)的應(yīng)用場景

伴隨著信息化建設(shè)的推進，每個企業(yè)都積累了海量數(shù)據(jù)基礎(chǔ)，而對于企業(yè)來說卻是把雙刃劍。數(shù)據(jù)量越多，能夠獲取的數(shù)據(jù)價值就越大，但是，如果沒有強大的數(shù)據(jù)分析能力，海量數(shù)據(jù)也會成為企業(yè)高效決策的障礙。在這種情況下，BI自然成為大數(shù)據(jù)時代企業(yè)提高自己競爭力的核武器。

社交電商代表小紅書的大數(shù)據(jù)負責(zé)人曾經(jīng)說過：增長太快也是一種煩惱，在階段性近似指數(shù)級增長曲線下，意味著大數(shù)據(jù)運營部門將面臨更多的挑戰(zhàn)，只有擁有60倍的數(shù)據(jù)能力，才能支撐2倍的用戶量、30倍的數(shù)據(jù)量增長。

BI在每個領(lǐng)域都有自己的數(shù)據(jù)分析場景。在消費零售領(lǐng)域，包含商品、門店、營銷、渠道、供應(yīng)鏈、顧客關(guān)系、財務(wù)、人力資源等在內(nèi)的業(yè)務(wù)場景。而在零售之外的互聯(lián)網(wǎng)+行業(yè)、制造業(yè)、電子商務(wù)、金融、醫(yī)療等行業(yè)也都有對應(yīng)的分析場景。

• 互聯(lián)網(wǎng)教育：可以針對渠道轉(zhuǎn)化漏斗的轉(zhuǎn)化率、不同課程的受歡迎程度、家長的反饋以及講師評分等進行分析。
• 電子商務(wù)：打造也客戶價值為核心的用戶、營銷、商品、流量、倉儲、配送、客服等一體化分析場景。
• 制造業(yè)：圍繞企業(yè)采購、生產(chǎn)、銷售、配送、庫存各場景進行分析。
• 保險業(yè)：可以做賠償金和保險費用分析、客戶分析、風(fēng)險分析、產(chǎn)品分析等。
• 金融證券：可以針對理財產(chǎn)品、客戶收益、信貸管理、客戶流水等場景進行分析。
• 醫(yī)藥行業(yè)：可以圍繞藥品運營、供應(yīng)鏈、財務(wù)、市場營銷、電商渠道、生意等場景進行分析
• 汽車市場：通過對車輛數(shù)據(jù)、道路數(shù)據(jù)、環(huán)境感知數(shù)據(jù)等海量信息的處理分析，汽車服務(wù)商對車主進行精細化的管理，提供一站式汽車服務(wù)方案。

企業(yè)可以根據(jù)自己的需要，找準切入點，循序漸進去構(gòu)建一體化的智能數(shù)據(jù)分析指標體系。

BI未來會有哪些新的發(fā)展趨勢

過去幾十年，BI經(jīng)歷了從工具到“決策大腦”的角色轉(zhuǎn)變，而未來一定是向“智能決策大腦”轉(zhuǎn)型，也就是“AI+BI”。未來5年，BI不會只停留在對歷史數(shù)據(jù)的多維統(tǒng)計。

通過與不斷普及的算法與算力融合，會實現(xiàn)更自動、更智能的數(shù)據(jù)探索、實時預(yù)警、未來預(yù)測、自動診斷以及行動建議。在使用體驗上，也一定會日趨“傻瓜”化，強調(diào)敏捷、易用與行業(yè)場景化，并且不斷接入整合更豐富、更細顆粒度的數(shù)據(jù)源，進一步延展數(shù)據(jù)驅(qū)動決策的應(yīng)用場景。

未來每一個企業(yè)都需要構(gòu)建一個基于數(shù)據(jù)的決策大腦，從BI切入、不斷AI化升級，看3年，做3個月，是一個理性可落地的路線圖。

本文由 @是個數(shù)據(jù)人 原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理。未經(jīng)許可，禁止轉(zhuǎn)載

題圖來自Unsplash，基于CC0協(xié)議