管理人員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，以及時、用戶友好的形式獲取準確的數據仍然是一個挑戰。當然，擁有商業智能(BI)專業知識的廣泛的顧問和供應商行業。
你怎么知道你是否被“帶入歧途”呢?是升級到商務智能還是推出新的培訓計劃?要回答這些問題，知道別人在哪里犯錯是大有裨益的。
1. 在構建商務智能系統時作為“接單員”
“客戶永遠是對的”。這是一個高尚的大大改善客戶服務情感，特別是在零售業。但是，隨著技術的發展，企業用戶可能并不總是明白他們的需求。更糟的是，他們可能會試圖指定解決方案的技術細節。
實現用戶所要求的而不是他們所需要的，這注定會讓商業智能失敗。Tricentis的創始人Wolfgang Platz表示：“成功的商業智能項目需要詳細闡述和管理需求，以及正確驗證商務智能成果的能力。他為HBO、豐田和寶馬等公司提供連續測試平臺。“五個為什么”的技巧——對一個單一的問題問五次為什么，以獲得更大的深度——這是了解用戶真實需求的一種方法。
2. 削減測試時間和資源
“快速行動，破除陳規”是創業界的一個重要思想。已成立的企業也往往需要速度。但是為了追求更快，被認為是輔助的活動可能會受到影響，如測試。將測試視為負擔可能會導致嚴重的質量問題，如果你依賴手動測試的話尤其是這樣。相反，要將測試和相關的“輔助”流程視為提供更高質量的商務智能體驗的途徑。
Platz說：“限制測試，尤其當唯一的測試是手動時，會導致用戶驗收測試中出現大量的缺陷，最終影響到交付時間。”
3. 對更廣泛的數據完整性的短視是個問題
商業智能工具在處理，顯示和分析數據方面非常出色。但是如果你在系統中輸入損壞的數據會怎么樣呢?或稍好一些：你如何向IT審計員證明你擁有指導管理決策的高質量數據?過分狹隘地關注商業智能工具及其配置可能意味著你將錯過這些關鍵細節。
Platz說：“如今，商務智能并不僅僅用于支持更好的決策。商業智能常常嵌入到運營流程中。如果你的財務或法規報告(通常由數據倉庫技術支持)存在錯誤，則商業智能有助于使這些錯誤為人所知。但其它流程仍然可能失敗。例如，保險公司哪怕算錯一點點經紀費，也會對你的聲譽產生負面影響，進而增加客戶流失率。如今的企業需要有一個主動的、自動化的商業智能測試方法，以盡快暴露數據完整性問題。”
在財務和監管數據方面出錯可能會導致昂貴的問題。數據質量差也會浪費金錢。在2013年，美國郵政服務無法投遞的郵件超過60億。這意味著客戶的陳述丟失或延遲了客戶對賬單，失去了營銷機會等等。
4. 采取被動的方法來擾亂用戶
沒有技術專業人希望應對憤怒的用戶。系統故障和挫折點總是會發生的。你對這些問題的回答將影響你的商業智能計劃的成敗。
重點關注搜索驅動的零售，金融服務分析等行業的ThoughtSpot的首席數據布道師Doug Bordonaro解釋道：“我看到商業智能新手所犯的兩個最大的錯誤，就是過分關注請求的實現，而不是將最終業務用戶包括在項目中。當客戶長期交貨時間和服務水平協議被大家忽略的時候，這是顯而易見的關注點。過于卷入日常交付而忽略了更大的商業智能大局。你提供了客戶做決策所需要的東西嗎?你知道他們需要什么數據嗎?除了再提供一份報告之外，還有更好的解決實際問題的辦法嗎?”
與其對所出現的問題采取放下手上的工作的方法，不如根據對整體策略的相對重要性來分用戶投訴的優先級。
5. 追求無意義的分析
當你擁有強大的工具時，找機會來使用它是理所當然的。但是沒有方向的商業智能會浪費時間。這個問題在相對初級的專業人士中尤為常見。
Anexinet是一家在決策支持和客戶分析領域擁有專業知識的詢服務公司，它的分析副總裁Mark Langsfeld說：“新手和熱心的商務智能專業人士冒著這樣的風險，即目光狹隘且未經有意義的問題指導的情況下進行有趣的分析。結果往往可能缺乏一個‘那又如何’般的發現以及不能提供有影響力的洞察”
避免這個錯誤需要商業知識和判斷力力。問自己“這個分析如何為公司的目標做貢獻?”是防止“那又如何”問題的一種方法。如果你不確定如何將分析結果與公司目標聯系起來，那么可以思考一些著落點。你的商務智能分析如何說明提高收入、削減成本或改善服務的方式?這些是大多數商業領袖長期以來的擔憂。
6. 假設數據本身就足夠了
“更多的數據”可以治愈我們所有的業務問題嗎?這是很多商業智能和分析討論中不言而喻的假設。簡單地把數據丟給主管并希望獲得最好的結果是行不通的。
Qlik的市場情報高級總監Dan Sommer評論道：“如果數據不是以一種引人注目的方式被提出和討論的，那么它就會被忽視，或者被意見所束縛。展開爭論并編制故事要素的價值決不應被低估”。你的前線分析師可能很清楚數據集的含義。對于那些微微偏離數據的人來說，你不能認為這一點是清楚的。
為了編制更好的故事，可以考慮從其它領域獲取靈感。在《讓創意更有黏性：為什么有些觀念幸存，而有些卻消失了》一書里，Chip和Dan Heath勾畫出一個模型來解釋是什么使觀念有“粘性”。同樣，小說作家和編劇也用“英雄之旅”的概念來講故事。如果你想讓管理人員和顧客明白，牢記并按照你的見解采取行動，講故事的技巧就會起作用。
7. 對商業智能工具過于信任(對人員和流程不夠信任)
技術人員知道合適的工具可以帶來巨大的變革。回想一下你第一次使用腳本來自動執行重復任務的時候。那些早期的勝利鼓勵你不斷尋找解決業務問題的新工具。不幸的是，過于強調你的商業智能工具往往會導致令人失望的結果。
Sommer說：“作為一名行業分析師，我低估了在組織中真正廣泛和適當地采用商業智能和分析應用的難度。即便這些工具越來越容易使用，也需要過程，文化和學習成分來取得成功。這就是為什么我們越發要談論作為能實現商業智能正確采用的關鍵要素的數據素養。”
如果你對商業智能項目感到失望，那就把目光投向技術以外的事物。例如，你的員工是否知道如何呈現數據?
8. 毫無成效的供應商管理
你的公司可能沒有商業智能部門。在這種情況下，與外部專家合作是有意義的。你可能會要求他們執行外包服務提供商的職能或協助項目。在任何一種情況下，你都需要了解供應商并提供監督，尤其是分包商。
“我的公司并沒有完全控制一個特定的項目，在那里我們與一家賣分銷軟件的軟件公司的分包供應商合作。總部設在香港的軟件咨詢公司Intelligencia的總裁Andrew Pearson解釋說，我們在數據清理和數據治理方面遇到了特別的問題——“錯進錯出(junk in, junk out)”，正如我的分析師喜歡指出的那樣。他說：“由于數據不可信，我們的分析模型不是那么有用。我們對他們的數據清理能力沒有充分的信心，因為這是良好的商務智能報告的基準，而且對于強大的建模來說絕對是必要的，所以我們并未處在獲取成功的有利位置。”
如果你正在與第三方合作，那么你有責任了解該項目以及為你工作的人。否則，最終可能會對商業智能感到失望。
9. 忽略對SQL和Excel等主流工具的忠誠度
你知道每年都會舉行微軟的Excel錦標賽嗎?以微軟Office專家世界錦標賽為例——他們有超過五十萬的競爭對手，并為獲獎者發獎金。這只是Excel在商業界普及的一個標志。其次，SQL在技術領域有著廣泛的應用。
忽略變革中的人為因素并采用新的商業智能工具會增加失敗的可能性。Pearson解釋說：“你可以找到很多立志SQL和Excel技能的人，但找到像Tableau，Qlik，Spotfire，SAS和SAP產品的技能是更困難的。當你引入新的軟件和新的業務方式的時候，會立即受到那些習慣于在Excel和/或SQL中做所有事情的業務用戶的抵制。”
在組織中對商務智能做出重大改變對職業有著重要的影響。在引導人們轉型方面，變革管理和領導藝術是不可忽視的。
版權聲明：本文為企業網D1Net編譯，轉載需注明出處為：企業網D1Net，如果不注明出處，企業網D1Net將保留追究其法律責任的權利。
京公網安備 11010502049343號