【TechTarget中國原創】許多機構努力實現商業智能（BI）應用程序，很少達到具有可視化吸引力的儀表盤、實時數據以及先進的企業關鍵績效指標（KPI）的圣杯。難題來自于慣例的猜疑——大規模的企業數據不一致和執行方面的挑戰，以及高傲的BI廠商的承諾，以及包括諸如“客戶”這種關鍵術語定義的大不相同、抵抗新技術的最終用戶，以及缺乏一個單一的真實版本等的內部問題。
因此，機構越來越多地選擇預置的分析應用程序（PAA）。雖然不是萬能的，但是預置的分析應用能讓最終用戶理解他們的數據，而且從理論上來講，可以使用戶做出更好的決策。它是一個現成的應用，而且已經“預加載”了度量和定的，并可以代表定制商務智能應用程序的正規替代品。一旦鏈接到機構系統，它可以提供有意義洞察到微觀和宏觀的趨勢。
商業智能應用程序的好處
PAA為機構提供許多重大的優勢。一方面，他們不再需要漫長的BI部署。過去，許多BI項目，僅僅搜集數據需求就要經過幾個月。再有就是成本。機構可以用預置的BI工具顯著地降低實施的時間，產生快速的投資回報率（即ROI）。第三，通過快速連接不同的數據源，最終用戶可以識別數據問題，并在這個過程中改善數據的完整性和準確性。反過來，KPI更加準確，與環境相聯系而且有意義。數據本能地變得更好，因為它更好了，這是一種網絡效應。
最后，符合工業和部門的基準的許多PAA，允許數據被放置到一個適當的環境中。一個零售連鎖企業將能夠分析自己的數據，還可以看到與其競爭對手不同的詳細的KPI。它可以回答這樣的問題：
我們在雇員加班上的花費比競爭對手多嗎？
我們的員工流失率更多嗎？
我們每一個小時處理多少交易？
我們每名員工每小時的銷售額排名如何？他們排在同行業的平均水平上嗎？
受到不公平對待的商業智能應用程序
當然，速度、更快的ROI和降低成本都付出了代價。一些機構不愿意接受最佳實踐。你會經常聽到像“我們這里不這樣做”等。在更高的技術層面上，許多機構的數據模型十分復雜，在沒有定制化的情況下PAA不能從中產生有意義的KPI，一開始就實現不了PAA的目標。
大多數BI項目的失敗不是因為任何商業智能應用程序或技術的問題，而是因為已經根深蒂固的組織數據的不一致。當得不到解決的時候，這些問題導致最終用戶有正當的理由懷疑在他們面前的信息的準確性，單純地指責商業智能應用程序，而不是應用程序背后的數據。PAA也是這樣，它不規避數據管理的基本規則：錯誤的輸入導致錯誤的輸出——也稱為GIGO因素。
在BI里不該做什么？
許多機構抱有他們可以立即部署PAA的錯誤觀念。他們誤以為快速就是更快。接下來，測試PAA不需要和定制的BI應用程序一樣廣泛，初涉仍是當務之急。任何供應商的解決方案都沒有成熟或老練到機構可以“設置，然后忘記它”——你可能不必從事日常維護，但有人不得不對問題作出回應。
最后——也許是最重要的——就是內部的知識。傳統而言，企業配置定制的Bi工具不是在內部的數據倉庫團隊的幫助，就是在缺乏內部專業技術專家的情況下，聘用昂貴的外部顧問。這樣，他們就可以學習更多應用程序的具體細節。這不會發生在PAA的部署上。通過搭建或配置一個應用程序而不是簡單地購買，你總會學習更多。
PAA確實可以節省機構的大量時間和金錢，為最終用戶提供重要和及時的信息。盡管如此，他們并不是銀彈。不明白它們的限制性的組織可能會發現自己有了它們和沒有它們想必沒有變更得好。
京公網安備 11010502049343號