商业智能的下一站┃如何让数据项目真正的帮助企业

对于企业来说，部署商业智能（BI）最想要得到的结果是，让数据真正的帮助企业，提升竞争优势。那么商业值呢（BI）这个项目该怎么实施才能达成这给个愿景呢？

明确的项目目标

对于任何项目而言，明确核心使用者对于平台的期望并达成共识永远是最重要的要素之一，我们必须明确这个商业智能或数据项目的目标是为了企业的战略转型，还是改善企业的运营能力，亦或只是方便各事业单位进行汇报和沟通的工具。

排除干扰，确保真实性与独立性

项目管理中首要的任务便是明确项目各利益相关者真实的业务需要，这不是一项简单的任务。你不但需要知道谁是项目提出者，谁是主要使用者，谁是信息消费者，而更要知道例如谁是潜在受益者，谁是被影响者，因为假设数据（证据）是真实有效的，基于客观事实的分析势必会暴露出企业在内部管理上需要优化的地方（潜在的风险或漏洞，如果存在的话），尤其是资源配置方面，而这些往往会损坏既得利益阶层，他们也往往是阻碍项目向前推进、落地的主要力量。而从现状来看，往往越大、越有实力来开展数据项目的企业，其既得利益阶层也越大、越难应付。项目组常常遇到的情况是：高层领导很积极很支持，中层干部很敷衍很排斥，基层员工很迷茫很无奈，很多项目可能无疾而终、不了了之，亦或者实施之后无人问津、效果很差。前段时间国内排名非常靠前的某大数据企业服务公司种，某位不愿透露姓名的同志向我提起过，不仅是定制化的实施项目，如果某类数据产品在没有很好地调研“国情”前就凭着产品经理的一腔热血上了线，最终定会碰壁，例如他们家某类营销（广告投放）渠道效果评估和监测产品，完全没有销路。产品理念很好，但却动了太多人的奶酪。不好意思，跑题了。因此无论是企业高管还是政府官员想要“数据兴国”必须克服这层层阻碍，确保数据的真实性以及分析部门的独立性，否则无论这个过程是“黑盒”还是“白盒”都会沦为新一轮斗争的导火索和被操控的工具，那这样项目的成功与否就失去了意义。

先做决策，再做采集

很多企业都知道数据并不止于本身，它必须为公司服务。但是，奇怪的是，很多企业都急于去收集他们能收集到的所有数据，或者收集他们最感兴趣的；而不是先分析要做的决策然后再返回去决定哪些数据、分析、和洞察会有帮助。这是一个可能会致命的错误。例如现在很多企业都在做用户画像，你会发现大范围的顾客分类数据（这里有必要建议各位看官可以自行百度一下顾客、客户、用户和消费者的不同定义，我会在文章中尽量表现出他们的不同以达到高严谨性）可以帮助他们理解顾客的生活习惯和生活需求。这些数据的启示可以决定公司的资源优先配置，但是这些数据还远远不足以帮到销售经理决定在哪家店放哪些产品，而这却是一个企业终端一线每天都要重复做的最重要的决策。因此不要为了展示而展示，不要为了分析而分析，这个呼应了上面的一点，要有明确的业务驱动要素，不光是自己的，也是企业各个管理层级的、终端一线人员的，弄清要做何种决策，再来决定需要哪些数据和方法的支持，并且不要仅仅局限于内部，否则就会失去创造力。

嵌入式分析与一线决策

为了与日益提高的数据处理和分析速度相匹配，通常可以想到的解决方案是将分析直接嵌入到运营系统和决策系统中，这显著地提升了数据的运行速度和分析效果。通过把评分算法和分析规则集成到全自动化的系统和流程中，不仅会带来更快的运算速度，也使管理者无法绕过数据分析做决策，当然这一定会带来负面影响如同我之前说的，会受到各方面的质疑和抵触，所以如果没有十全的把握，还是从试点开始吧！同时，虽然用户行为数据近几年来大幅增加，但对于销售的影响却并不理想，主要原因在于它们都忽视了一个关键部分，影响实际销售成果的是战斗在第一线的工作人员在日复一日地尝试作出最佳销售决策。

然而现实情况是各种行业中，中层领导或者基层经理等工作人员都被淹没在无止尽的汇报中。而这些报告和洞察通常都只为了安慰那些公司高层或满足于个人表现，更有甚者，通过修改或勾结第三方数据提供公司，为领导提高不实际的数据，只为获得一个好的评价或影响，将公司的利益至于身后，因此在基层工作的经理们经常把报告中的数据描述成无用的、矛盾的、误导人的。所谓水能载舟亦能覆舟。因此在项目规划的时候，不仅仅是企业高管，我们需要特别重视基层、终端一线人员的意见，适当放大基础决策的重要性，数据的流向也最好从最底层开始往上汇聚，这样不但可以为纠错、问责提供路径，提供数据层层校验的可能性，也提高了系统性“改动”的成本，降低企业在合规性上的风险。

规定性分析的力量

通常有三种类型的分析：描述性，用于报告过去；预测性，使用模型分析过往的数据来预测未来；规定性，使用数据模型来确定最优行动方式，也是目前企业最缺少的。规定性分析要求大量的测试和优化工作，然后如同之前提到的，把分析嵌入关键流程和员工行为中。这一方法能带来很高的运营效益，但同时要求高水平的计划案和高质量的执行力。