“表”哥“表”妹的工作現狀
“表”哥“表”妹們每天與數據打交道，工作方式是Excel+PPT的形式，當他們把PPT交給老板，老板看到結果后必然會有很多問題和想法反饋回來，“表”哥“表”妹們再根據老板的反饋又回到業務系統里重新調整數據，做出必要的補充，這些重新的加工和梳理，短至兩三天，長至一星期，繁忙的“表”哥“表”妹似乎做了很多工作，而企業內部的業務數據利用效率卻仍然極其低下。如何讓數據更直觀、更智能的為業務服務，“表”哥“表”妹該如何得到“救贖”?這是基于數據化運營的企業，必須直面的問題。
企業數據應用發展的三個階段
大數據在中國發展已有十余年，目前市場規模已達到千億美元。企業數量也從150家發展到3500家。這十年間，企業內的數據發展也經歷了三個階段：
第一階段，Report數據報表。企業內有各種各樣的業務系統，比如ERP、CRP、財務系統等等，而這些業務系統都有自己的數據報表。這個階段存在的主要問題是：當決策層拿到統計報表的時候，會發現各個報表的統計口徑不一樣，同時決策層需要查看的報表越來越多，但很難進行真正的分析。
第二階段，Excel+PPT階段。大數據概念的逐步落地，讓越來越多的企業領導意識到數據的重要性。但在這個階段，企業在數據使用上仍遇到很多瓶頸，究其原因，在于數據分析的周期長、效率低。
第三階段，即AB Intelligence，AB是AI+BI。未來，企業內的幾乎所有決策，都應該是由業務驅動。通過基于人工智能的BI產品，業務人員可以輕松進行數據準備和分析，發現數據中存在的價值。
未來商業智能的五大核心能力
因此，未來的商業智能產品必須擁有以下五大核心能力：
第一，讓業務真正碰到數據，擁有自助式的數據處理能力，也就是讓業務人員能夠利用數據分析工具自主進行所有業務數據的整合工作。
第二，探索式分析能力。傳統的數據分析，一般是先制定目標，以銷售人員為例，先給這個崗位定義KPI，再分解至打了多少個電話，見了多少個客戶，有多少轉化為合同這樣一個銷售的漏斗形式，再往下分解便是從哪里拿到銷售數據，電話如何記錄，跟客戶見面如何記錄等問題。因此，傳統的數據分析過程是從最終結果推導至數據層。
而探索式分析思路完全不同，是從數據的層面開始最終形成結果。以電商的服裝業務為例，當拿到某細分服裝的銷售數據，分析人員的思考是：某類產品的銷售是否與天氣氣溫的變化有關?氣溫變化對服裝銷量是否有什么影響?通過與互聯網天氣數據的對接，便可以分析出不同的時間點不同的溫度對服裝銷量的影響。因此，探索式分析的思路是從數據本身出發找到數據的價值，然后把這個價值提供給團隊成員分享。
當然，在實際的業務場景里，探索式分析和驗證式分析兩者都會有，而隨著業務的發展，對數據的應用越來越超前，探索式分析的比重將越來越大，但探索式分析對數據工具的技術要求較高，比如需要有專業的引擎等。
第三，自由的藝術展示表達能力。隨著中國社會的消費升級，人們更加注重使用體驗，對美的追求也越來越高。在數據分析領域也是如此，分析人員基于數據分析結果進行自由的配置和美化，比如圖表顏色、樣式等，這會更加易于人們查看并理解數據。
第四，AI整合的智能分析能力。人工智能和機器算法的加入，使得BI產品可以根據當前業務的不斷變化而進行實時分析，動態生成有價值的信息并提供給業務或分析人員。
第五，數據的溝通和協作能力。企業內的數據應用不是一個人在用，而是整個部門、整個公司在用。如何把數據分析的結果告訴同事，并與之進行協作討論?這就需要分析產品具備數據協作功能，包括與團隊成員進行實時的溝通、互動以及通過微信等工具進行便捷的分享。
DataHunter：未來商業智能的推動者
提出未來商業智能五大核心能力的是DataHunter 創始人兼CEO 程凱征。程凱征指出：“未來的商業智能，應不再局限于可視化的分析，而是要拓展到企業數據應用基礎，從而幫助企業打通數據脈絡，讓每個人通過數據做決策。”
DataHunter 創始人兼CEO 程凱征
基于這一理念，DataHunter將現有的業務數據可視化分析平臺命名為Data Analytics，并于近期發布了最新版本。據了解，Data Analytics已經具備實時、高效等特性，未來，也將結合人工智能和機器學習，讓自動分析、預測分析成為現實。Data Analytics將滿足企業對于高效利用數據的迫切需求，完成從異構數據源整合到探索式分析，再到數據可視化及溝通協作的全流程整合。
程凱征在接受企業網D1Net專訪時最后指出：“DataHunter致力于幫助人們查看數據并改進業務，這是“表”哥“表”妹的愿望，是各企業領導者的期望，更是DataHunter的愿景“。
京公網安備 11010502049343號