高管們知道，他們需要高質量的數據才能做出合理的業務決策。但是，能夠及時地、以用戶友好的方式獲得準確的數據，仍然是一個挑戰。當然，這里有一個龐大的行業，行業中有很多商業智能(BI)專業技能的咨詢師和廠商。
你如何得知自己被“帶到了這條花園小路上”?是時候升級你的BI策略還是推出新的培訓計劃?要回答這些問題，了解其他人犯過的錯誤可能對你也是有幫助的。
1、在構建BI系統的時候把自己作為一個“訂單接受者”
“客戶永遠是對的”，這個原則已經推動著在改善客戶服務方面做了大量工作，特別是在零售領域。但是隨著技術的發展，企業用戶可能并不總是了解他們自己想要什么。更糟的是，他們可能會試圖指定解決方案的技術細節。
Tricentis是一家為HBO、Toyota和BMW等企業提供持續測試平臺的公司，該公司創始人Wolfgang Platz表示，實現用戶所要求的、而不是他們所需要的，這是BI失敗的根源所在。“成功的BI項目要求詳細闡述和管理要求，以及能夠恰當地驗證BI的成果。”“5個為什么”技巧——同一個問題問5次，以更深度地了解問題——是了解用戶真正需要什么的一種方式。
2、減少測試時間和資源
在初創公司的世界里，“快速行動，除舊立新”是一個重要思想。成功的業務也經常需要快速行動。但為了追求更快的速度，某些輔助性的操作可能就會受到影響，例如測試。將測試視為一種“無謂損失”，可能會導致嚴重的質量問題，尤其是如果你依賴于手動測試的話。相反，可以把測試和相關“輔助”流程視為提供高質量BI體驗的一種方式。
Platz表示：“限制測試，尤其是唯一的測試還是手動進行的，會導致用戶驗收測試中會出現大量缺陷，最終影響交付時間。”
3、在更廣泛的數據完整性問題上目光短淺
商業智能工具在處理、顯示和分析數據方面非常出色。但是如果你得到的是系統中殘缺不全的數據會怎樣?或者情況稍好一些：你如何向IT審查者展示你擁有高質量數據引導你做出管理決策?太狹隘地專注于BI工具及其配置，可能意味著你會錯過這些關鍵細節。
“如今商業智能并不僅僅用于支持做出更好的決策。BI往往被嵌入到運營流程中。如果你的財務報告或者法規報告存在錯誤(這通常是由數據倉庫技術提供支持的)，那么BI可以幫助輕松解決這些問題。但是其他流程仍然可能出現問題。例如，一家保險公司的經紀人收費過程中，即使是很細微的錯誤也會給公司的聲譽帶來負面能影響，從而增加客戶的流失率。如今的企業需要一個主動的、自動化的商業智能測試方法，盡可能早地暴露出數據完整性的問題。”
財務數據和法規數據如果出現錯誤的話，可能要付出高昂的代價。糟糕的數據質量也會導致浪費。2013年，美國郵政服務無法正常投遞超過60億封郵件，這意味著丟失或者延遲客戶信息，失去營銷機會，甚至更多。
4、采取被動的方式惹惱用戶
沒有哪個技術專家想應對憤怒的用戶。系統故障和挫折點總會發生。你對這些問題做出的響應會直接影響你的BI項目是成功還是失敗。
ThoughtSpot是一家面向零售、金融服務和其他行業提供以搜索為驅動的分析公司，該公司首席數據布道師Doug Bordonaro表示：“我看到BI新手們常犯的兩大錯誤就是過分關注提交請求，而不是讓最終業務用戶參與到項目中。當客戶沖你大喊，抨擊漫長的交付時間和服務等級協議被忽略的時間，顯然這時候是需要重點關注的。過于卷入日常交付而忽略了更大的BI計劃。你給你的客戶提供了他們決策所需的嗎?你是否了解他們需要哪些數據?除了再來一份報告，還有解決實際問題的更好解決方案嗎?”
你應該根據這個問題對于整體戰略的相對重要性，來分類解決用戶的抱怨，而不是在出現問題的時候采用一刀切的方法。
5、追求無意義的分析
當你手頭有強大的工具可以隨意使用的時候，尋找機會使用這些工具是很自然的。但是沒有方向的商業智能意味著浪費時間。這個問題在相對初級的專業人士中尤為常見。
Anexinet是一家咨詢服務公司，專注于據測支持和客戶分析，該公司分析副總裁Mark Langsfeld表示：“新手和急切的商業智能專業人士面對著在無有意義問題指導的情況下構建愿景和執行分析的風險，其結果可能通常是缺少深層次的發現，無法提供有影響力的見解。”
避免這個錯誤需要商業智能是判斷力。問你自己一個問題“這個分析如何為公司的目標做出貢獻?”，這可以防止出現上面提到的問題。如果你不確定如何將分析與公司目標聯系到一起，那么可以退一步考慮。你的BI分析如何證明它能夠提高收入、削減成本或者改善服務?這是大多數商業領袖長期以來的一些困擾。
6、假設數據本身就足夠了
“更多的數據”可以解決我們所有的業務問題嗎?這是許多商業智能和分析討論中潛藏的假設。簡單地將數據扔給高管，希望的最好結果往往是行不通的。
“如果數據不是以一種引人關注的方式提出和討論，那么它就會被忽視，或者被各種意見所束縛。”Qlik市場智能高級總監Dan Sommer這樣表示。數據集的含義對你的前端分析師來說可能是很清楚的，但你不能假設其他不那么接近數據的人也清楚這一點。
為了講出一個更好的故事，可以考慮從其他領域獲得靈感。堅持下去：為什么一些想法留存下來，而其他想法消失了，Chip and Dan Heath公司勾畫出一個模型來解釋“粘性”。同樣的，小說作家和編劇也用“英雄之旅”的概念來講故事。如果你想讓高管和客戶了解你，基于你的見解講故事，講故事的技巧會讓你脫穎而出。
7、太信任BI工具(而對人和流程不夠信任)
技術專家們知道正確使用工具可以帶來巨大的改變。回想一下，你第一次用腳本來自動執行那些重復性的任務。那些早期取得的成果鼓勵你不斷尋找解決業務問題的新工具。遺憾的是，太過強調BI工具往往會導致令人失望的結果。
“作為一名行業分析師，我低估了在企業組織內真正廣泛恰當地采用BI和分析是有多難。即使工具越來越易于使用，總是有流程、文化和學習的部分來實現成功。這就是為什么我們越來越多地談到把數據掃盲作為恰當使用商業智能的一個關鍵。”
如果你對你的BI項目感到失望，那就看看除了技術的其他方面。例如，你的員工知道如何呈現數據嗎?
8、無效的廠商管理
你的企業可能沒有BI部門。在這種情況下，與外部專家合作是有道理的。你可能會要求他們承擔外部服務提供商或者項目輔助的職能。在任何一種情況下，你都需要了解你的廠商并提供監督，尤其是對分包商進行監督。
香港軟件咨詢公司Intelligencia總裁Andrew Pearson表示：“我們公司并沒有完全控制一個特定的項目，在這個項目中，我們與BI軟件公司的分銷商合作。我們在數據清理和數據治理方面遇到了特別的問題——‘垃圾進，垃圾出’，正如我的分析師所說的那樣。我們的分析模型沒有用，因為數據是不可信的。我們對他們的數據清理能力沒有充分的信心，因為這是好的BI報告的基本，對于強大的建模來說絕對必要，所以我們并沒有處于一個有利的位置以便取得成功。”
如果你正在與第三方合作，那么你有責任了解項目、了解誰在負責你的賬目。否則，最終你的BI項目可能會讓你失望了。
9、忽視對主流工具如SQL和Excel的忠誠
你知道一年一度的微軟Excel大賽嗎?以微軟Office專家世界冠軍賽為例——有超過50萬個競賽者，獲獎者可以拿到獎金。這只是Excel在商業領域普及的一個標志。在一定程度上，SQL在技術領域還是有追隨者的。
忽略變革中人的因素，采用新的BI工具會增加失敗的幾率。“你會發現很多人有SQL和Excel技能，但是對于像Tableau、Qlik、Spotfire、SAS和SAP這樣的產品技能要更困難一些。當你引入新的軟件和新的業務方式的時候，會立即遭到那些習慣于在Excel以及/或者SQL上工作的業務用戶的抗拒，”Pearson解釋說。
在企業組織內對BI進行重大變革，這會對職業生涯帶來重要影響。在引領人們進行轉型的時候不可忽略變革管理和領導力這門藝術。
京公網安備 11010502049343號