智能BI是如何给企业带来业务价值的?

一个企业能否有效地利用在各种业务系统、数据集市或数据仓库中的信息的能力决定了企业的营销能力。SatisfyBI 可以提供信息生产者和信息使用着的信心供应链,从而实现企业商业智能化的价值,这也是BI真是业务需求的存在。

 随着时代的发展和企业精细化、科学化管理需求的增加,传统报表系统已经不能满足日益增长的业务需求,数据分析和数据挖掘的时代来临。

从时代背景来看,我们生活在一个大数据时代,在大数据,云计算,工业4.0,物联网等概念概念炒得飞起的年代,且不说AlphaGo干赢李世石,文艺复兴公司的量化投资这样高大上的AI,只说各电商的兴趣推荐,银行的风险评估,数据和科技正在慢慢深刻地改变我们的生活。

在大数据时代,没有BI的数据分析不会影响企业的正常运转,但是没有数据分析的企业一定不能得到成长和发展。

大部分大中型企业已建立了比较完善的OA、ERP等信息化基础系统。IT系统运行了一段时间之后,积累的数据越来越多,其中包括来自业务系统的订单、库存、交易账目、客户和供应商等,来自企业所处行业和竞争对手的数据以及来自企业所处的其他外部环境中的各种数据。

如何使企业人员查看和分析自己的数据,使分散、独立存在的变成有价值的信息,使业务人员、管理者能够充分掌握、利用这些信息,并且辅助决策,就是BI存在的意义。
此前,传统的报表系统像大家熟悉的EXcel、水晶报表等都已经被广泛使用。但是,随着数据的增多、需求的提高,传统报表系统已经不能满足需求。

一是密密麻麻的表格堆砌了大量数据,到底有多少业务人员仔细看每一个数据?这些数据代表了什么信息、什么趋势?而且,级别越高的领导,越需要简明的信息。董事长最关心哪些信息?如何快速、高效地找出他最关心的数据?二是定制好的报表过于死板。
例如,我们可以在一张表中列出不同地区、不同产品的销量,另一张表中列出不同地区、不同年龄段顾客的销量。但是,这两张表无法回答交互式问题,而业务问题经常需要多个角度的交互分析。
三是报表系统列出的往往是表面数据信息,但是深处潜在含有哪些规则呢?比如,什么客户对我们价值最大,产品之间相互关联的程度如何?越是深层的规则,对于决策支持的价值越大,但是也越难挖掘出来。

商业智能能够辅助的业务经营做出明智的决策。在SatisfyBI系统里面,使用者可以实现横向联动和纵深挖掘,你可以一直往深钻取,也可以从多个层面来获得,通过不同的组合方式获得决策的数据支持。
比如,在SatisfyBI系统的模块里面,财务主题对营业收入、营业成本、利润总额、偿债能力、总资产报酬率等都有详细的分析,而且可以一直延伸下去,分别从收入、成本、资产结构来分析公司的运营状况。
领导最关心的营业收入、利润总额、产量、销售量和销售单价,以及各个月度的应收账款和预算指标完成情况等被一一列出。领导可以通过选择不同公司的不同年度查看相应指标值,或穿透到该公司的明细数据查看详细的信息。

值得注意的是,数据分析和数据挖掘系统的目的是带给我们更多的决策支持价值,并不是取代数据报表。报表系统依然有其不可取代的优势,并且将会长期与数据分析、挖掘系统一起并存下去。

}

BI是利用技术手段或方法,将数据转化为知识,用以支撑企业决策、发掘商业价值的一套解决方案。

BI分析是当今数据时代必不可少的能力之一,BI指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析,通过系统化产品化的方法,能够大幅降低数据的获取成本、提升数据使用效率,以实现商业价值。借助可视化、交互式的操作,可以高效支持业务的分析及发展。

1.BI的必要性与重要性

随着大数据,云计算,5G的发展,数据与信息的价值越来越被许多企业所重视。企业所处理的数据必须满足五大特性:干净性,一致性,全面性,及时性,同步性。企业可通过这些数据来了解他们的运营模式、客户需求、竞争对手、供应商等,从而有效地做出战略决策
具体来说:BI商业智能可以在以下4个方面发挥价值:
(1)理解业务。BI商业智能可以用来帮助理解业务的推动力量,认识是哪些趋势、哪些非正常情况和哪些行为正对业务产生影响。
(2)衡量绩效。BI商业智能可以用来确立对员工的期望,帮助他们跟踪并管理其绩效。
(3)改善关系。BI商业智能能为客户、员工、供应商、股东和大众提供关于企业及其业务状况的有用信息,从而提高企业的知名度,增强整个信息链的一致性
(4)创造获利机会。掌握各种商务信息的企业可以出售这些信息从而获取利润。但是,企业需要发现信息的买主并找到合适的传递方式。

2.制定BI的合理案例

对于许多BI项目来说,许多问题都源于未能从业务角度确定需要构建的内容,然后基于这些缺陷管理项目的范围和变更管理期望。因此BI团队需要制定业务和技术案例,以确定需求。建立案例后,BI团队需要评估范围、成本、进度和投资回报(ROI)。
1)制定BI的业务案例
在解决数据需求及业务优先级之前,首先BI团队需要了解企业的战略业务计划,基础数据需求及其当前的业务流程受到分析瓶颈的阻碍,之后可使用已制定的业务需求列表来寻找合适的赞助商以及相关的业务干系人。
2)制定BI的技术案例
一个BI项目将跨各种BI、数据集成、数据库和基础设施类别向企业引入新技术和产品,从而来完成一个BI产品的生命周期。

3.定义业务与数据需求

需求的定义包括计划构建的内容以及BI的解决方案,之后开发团队可利用这些需求来设计,开发与部署BI系统。
而对于需求的制定与描述将拆解为四个模块:

1)数据需求:需要研究数据用于标识详细数据内容的源,定义数据需求包括数据中的字段,表结构以及转换规则。
2)功能需求:需要分析数据维度的各个评估标准,从而制定业务流程与相关决策。
3)技术需求:需要考虑平台搭建的环境,所涉及的WEb服务以及访问数据库的规则。
4)法规与合规需求:需求制定中需要考虑企业对法律法规与各个规范的遵守程度。

二.BI架构与BI建模

随着商务智能(BI)理论的不断发展,商务智能的系统架构已经从单一的理论衍生出多种架构,如分布式商务智能架构,联合商务智能架构等。BI架构用来建立商业智能(BI)系统的数据,系统管理和技术部件,其在BI项目中影响着项目的发展与决策实施。下面想介绍一下BI架构的四个层次

信息架构使企业能对BI的不同流程进行执行分析,无论是销售产品、监控患者的生命统计数据、公布学生的成绩,还是跟踪财务账户的表现。其设计时关键区域为:数据集成框架;操作性商业智能及其作用与分析性商业智能与主数据管理(MDM)。
对于BI团队来说,设计信息架构时首先需要确定信息如何被展现及获取,及用户期望看到什么,以及内容与内容之间如何产生联系,从而去创建对应的信息架构层级。其次可以对所获取的元数据内容给予内容标签以及内容分类,可利用相关BI工具进行信息地图创建以及数据建模。
数据在企业中无处不在,数据架构定义了数据以及模式、集成、转换、存储,以及实现信息体系结构分析需求所需的工作流。固体数据体系结构是一个蓝图,它有助于使公司的数据与其业务战略保持一致。
技术架构能让企业更好地了解数据产品的范围和边界,知道技术能帮我们实现什么以及如何实现地更好。其中构成BI技术架构的4个技术层为:

产品架构为在充分了解需求后,一个数据产品从0到1,包括数据层的数据库表、后台数据处理平台和运营维护平台、前后端数据交互体系,前端的基础产品框架等一整套系统的构造和运转逻辑。

BI建模针对的是将要参与的BI团队的技术成员创建数据模型,这是构建BI应用程序的基础,下面来介绍一下BI建模的两个模块
数据建模指的是将各类数据的抽象组织,确定数据库需管辖的范围、数据的组织形式等直至转化成现实的数据库。 将经过系统分析后抽象出来的概念模型转化为物理模型后,在利用BI工具简历数据库实体以及各类实体之间关系的过程。
维度建模是数据仓库建设中的一种数据建模方法,就是按照事实表、维度表来将数据结构化,构建数据仓库、数据集市。
下图为维度建模的具体应用:

三.BI项目的三大核心构建模块

对于企业来说,企业可以通过DI(Data integration)来集成统一和处理数据,DW(Data warehousing)来存储数据,BI(Business intelligence)来将数据处理成合理的方式呈现给决策者。其中数据集成是数据仓库的基础,反过来又是商业智能的基础。

在企业中,往往有多个异构的,运行在不同的软硬件平台上的信息系统同时运行,这些系统的数据源彼此独立、相互封闭,使得数据难以在系统之间交流、共享和融合,从而形成了"信息孤岛"
而数据集成通过应用间的数据交换从而达到集成,将来自不同来源的数据组合在一起,最终提供一个统一的视图。其主要解决数据的分布性和异构性的问题,其前提是被集成应用必须公开数据结构,即必须公开表结构,表间关系,编码的含义等。

数据仓库是一个大的数据存储集合,出于企业的分析性报告和决策支持目的而创建,按照分析的主题对业务数据进行筛选与整合。
数据仓库存储和转移信息的过程,独立于企业的日常事务处理操作,以及为企业中的访问和分析而优化它。在这个过程中,数据从数据生产者流向数据仓库,在那里它被转换成为商业消费者提供的信息。它包括所有的数据转换、清理、过滤,以及提供企业级数据视图所需的聚合。仓库中的数据来源于各种mysql、mangoDB、以及业务系统库中的数据,最终输出成各种业务报表,分析报表,或者用于企业的数据分析、数据挖掘.是传统BI中的重要一环。

BI可以定义为一个系统方案,从数据仓库,到ETL(数据清洗),OLAP分析,以及深度的数据挖掘,前端报表展现。在具体企业数据分析项目中,会将它们中的若干个结合起来,实现一个完整的企业数据分析技术方案。
现在也更多定义成一个数据分析工具。涵盖数据抽取、数据建模、数据清洗、OLAP分析、数据挖掘,以及面向主题的分析报表管理,更像是一个应用。
BI将数据呈现给业务人员,以便他们可以使用它获取知识。BI支持访问和向业务用户提供信息。它是公司数据系统的可见部分,与“后台”中的数据仓库不同,BI是业务人员通过工具和仪表板。

通过对于以上关于BI的定义与解析,我们可以来重新定义BI:BI是利用技术手段或方法,将数据转化为知识,用以支撑企业决策、发掘商业价值的一套解决方案。以数据为中心,BI的核心功能主要有数据仓库、数据ETL、数据分析、数据挖掘和数据可视化。
而笔者为一名即将入职IBM的一位准associate consultant,也即将参与与数据分析以及BI有关的项目中,通过阅读BI guidebook以及查阅相关的资料文献后,对于BI有了宏观的基本认识,如前期对于数据项目中的需求分析,流程规划,以及范围界定等,到之后对于基本数据的实施以及数据维护。
希望本人在工作及项目中逐渐提升自我的业务理解水平,沟通技巧,从而提升数据分析及可视化的水平,向更深层次过度,能够深入了解一个企业级数据项目的基本架构。

}

数据的颗粒度革命正在加速到来。

本文为IPO早知道原创

2月22日,杭州观远有限公司(以下简称“观远数据”)宣布完成2.8亿元人民币C轮融资,本轮融资由老虎环球基金(Tiger Global)领投,红杉中国、线性资本、襄禾资本、独秀资本(Unicorn Capital Parnters)等老股东全线跟投。

成立于2016年9月的观远数据主打数据分析与商业智能(Analytics & BI),其一站式智能分析平台定位于面向企业全员,通过敏捷化、场景化和智能化的分析能力,让广泛的业务用户使用数据,精细管理、敏捷决策,在快速变化的业务中抓住确定性的机会。

事实上,红杉中国发布的《2021企业数字化年度指南》就曾指出,企业对数字化的投入方向上是有一个优先级的,排在第一的就是数据驱动的洞察与决策,即数据分析和BI;而《2022 Gartner IT symposium》报告亦提及,“数据驱动的洞察与决策”排在企业数字化投入方向的第二位。

在打磨产品一年多后,观远数据首先将消费零售行业作为自己的切入点。

在观远数据创始人兼CEO苏春园看来,纵观国内的各个行业,最数据驱动、最创新、最有活力的行业就是消费零售。

“数据的颗粒度革命正在加速到来,原来消费零售是一批货、一群人,现在注重的是单店、单品、单时、单度、单次,所有的经营元素不断地在被拆细。”苏春园曾这样表示。

截至目前,观远数据深度服务的消费零售客户包括联合利华、LVMH、元气森林、安踏、小红书、蜜雪冰城、三顿半、简爱酸奶、纽西之谜、亲爱男友、奈雪的茶、遇见小面等诸多知名品牌。

在确立自己在消费零售领域的领先优势后,观远数据逐步拓展至金融、高科技、制药、制造等行业,现累计服务客户超400家。

此外,苏春园强调,过去的BI产品更多是面向IT部门,IT部门会以报表为主,做报表查询给老板看。“今天大家讲的数字化的核心价值与迫切需求更多是在业务部门这端――业务部门有自己的分析逻辑和对决策时效性的诉求。”

在本轮融资完成之际, 《IPO早知道》与观远数据创始人兼CEO苏春园进行了一番交流,以下系精编整理的对话节选:

从消费零售向金融、制造等多行业拓展

选择与最头部、最创新的客户合作

Q:消费零售是观远数据最早重点布局的领域,到今天为止仍是最主要的客户来源,当时的逻辑是什么?

苏春园:从第一天开始,观远数据的定位就是要做一个标准化的、各行各业都可以用的产品,这是初心。

至于为什么我们在2018年选择消费零售、并且在2018至2020年做得比较深,其中一个非常重要的原因是纵观国内的各个行业,最数据驱动、最创新、最有活力的行业就是消费零售。无论是过去的电商、后来的O2O还是今天的DTC,都需要极为精细化的管理,包括推出新品、观察渠道表现、促销成果等等。

以我们的客户元气森林为例,他们每天都有新员工加入,负责追踪不同的网点销售,每天都在测试新品、尝试不同的促销组合和渠道反馈,这都需要敏捷的数据反馈的支持。

本质上来讲,消费零售是非常易于数据在其中发挥价值的。

另外,我们同样坚信的一点是,首先要把一两个行业做深做透,再去扩张到其他行业。

今天,非常多的行业也都在观察、学习、借鉴消费零售行业是怎么做精细化管理和敏捷迭代。

这就自然而然地解释了,为什么我们在20年、21年开始较多的进入金融领域――金融业务也都是非常数字化。迄今为止,国内最高选型标准的10大银行中,约三分之一都已成为了我们的客户,我们也在逐步布局高科技、制药、制造等行业。

Q:但并不是每一家消费零售企业都有元气森林创始团队这样的思维,也不是每一家金融公司都有招行这样在BI方面的经验。每进入一个新行业时的碰到的问题是什么?

苏春园:坦率地说,我们面临最大的挑战和几乎任何一家To B公司遇到的类似――当早期进入到一个行业里面时,没有知名度、缺乏背书,也许别人相信你的团队、相信你的能力,但To B的选型还是更为理性。

观远成立5年多以来,在这一点上没有捷径可走。刚刚提到的头部客户中我们在一年多的时间里做到了约三分之一,这是因为我们前面几年都有在金融领域不断探索和积累。

所以,这是快不起来、需要慢慢熬的。

我们的逻辑是,首要目标是去跟这个行业里最领先、最创新的企业去合作,只有和他们合作好、合作深之后,再去覆盖更多企业。头部企业一定会选择最适合它的产品,行业内的其他企业也会去观察头部公司的选择。

目前来看,基本上在各个行业里,我们的主要客户画像都是排名前20%甚至更前的。

Q:如何让客户更快的理解和接受你们的产品?

苏春园:针对不同的客户画像,其实我们的策略不一样――对于一些新锐客户,他们可能不懂BI到底意味着什么,在这种情况下,我们的策略是去淡化BI这类专用名词,更多是去讲述应用场景,让他们理解这些场景的实现需要产品来支撑;而如果是大客户,他们完全知道BI的价值,各个部门都在用,这类客户相对容易接洽。

新经济新品牌,BI价值更加凸显

数据驱动的核心是“让业务用起来”

Q:如果站在一个企业的角度来看,到了怎样的阶段就应该去考虑BI产品的价值?

苏春园:就我们的经验来看,如果是团队规模在一、两百人以内,GMV尚不足5000万,这种情况下BI产品就不一定是刚需。当团队规模超过200人、GMV触及5000万到1亿的区间时,可能就需要思考这一问题。

我们不妨举两个行业内的例子:

在消费零售领域,除了元气森林,我们也服务了三顿半、简爱酸奶、纽西之谜、亲爱男友、奈雪的茶、遇见小面等品牌。

当GMV到达5000万到1亿这个区间开始,就意味着这个品牌进入多渠道了,管理半径、决策半径、迭代的复杂度等就不再是一个Excel能覆盖的了的。

在金融、制造等领域,逻辑就又有较大的差别。这些领域基本上都是大客户,大客户不是0到1,是升级、是追求更好。

过去的BI产品更多是面向IT部门,IT部门会以报表为主,做报表查询给老板看。

而今天大家讲的数字化的核心价值与迫切需求更多是在业务部门这端――业务部门有自己的分析逻辑和对决策时效性的诉求。

业务的每一个人其实都是潜在的BI产品用户,对于大客户来说,传统升级的价值就在这里――让业务能够活跃的用起来,让业务能够广泛的用起来,这一点实际上也是我们观远的价值主张。

Q:这种时候,就需要管理层、乃至一把手有这个意识去引导这件事?

苏春园:这里面从上至下、以及从下至上两方面的因素都在加速。

首先是Top-down。每一个企业,从CEO的角度,他们都希望自己的企业能够更加的敏捷,希望团队成员能够更加敏捷地用数据去发现问题、发现机会。所以在认知上,CEO是认可程度很高的。

但是CEO也有自己的诉求,他要考虑究竟能产生多大价值。这就回到了刚才提到的怎么让业务广泛地用起来,更直接一点就是有多少业务用户用,带来了怎样的效果。

其次是Bottom-up。做业务的人对痛点的感触更为明显――过去是每天都需要去提需求给IT部门,但现在很多数据是触手可及的,他们有着天然的业务需求去使用BI产品。

总而言之,我的判断是未来这两方面的结合将越来越明显。

核心底层壁垒在于产品技术

主打云原生、大数据以及AI增强

Q:接下来,国内的BI玩家势必越来越多,观远数据的核心壁垒是什么?

苏春园:底层壁垒还是在产品技术上。

跟传统的BI相比,我们可以帮助企业一站式地去解决由浅到深的各种诉求。

过去的BI都在本地,需要安装、调试,本质是个安装包,不太能够水平扩展算力,也没法动态升级。而我们支持主流公有云部署,开箱即用,满足、高成长企业对数据分析应用敏捷上线、随着业务需要弹性扩展的需求。

此外,我们具备基于大数据架构的企业级分析平台,支持10亿数据秒级响应、100以上节点的集群计算、用户的企业级特性支持,在后端对底层复杂计算进行深度封装,在前端让业务用户简单、快速、敏捷的实现业务数据分析需求,让IT为业务赋能,让业务为增长助力。

如何敏捷、高效地响应需求?举例而言,周一早上很多企业开周会,成千上万人需要看数据做决策,这时候响应速度就很重要。因此,我们完全自研了一块工作引擎去做隔离,使不同角色、不同权重的计算资源互不影响。从高层到一线,大家都可以按需要灵活消费数据。类似这样将后台企业级与前端敏捷化融合的产品设计与研发创新,在我们的产品架构里还有很多。

Q:技术层面再延展一点,你们从创业之初就提出了“AI+BI”的概念,在2021年10月也发布了基于云原生的产品,这种不同技术带来的优势分别是什么?

苏春园:我们目前主要是三个方面:云原生、大数据和 AI增强。

第一、我们是天然云原生,可以支持各种托管,开箱即用,使用门槛低,也支持存储计算分离。由于专门维护机器和运营的人力成本比较高,现在已经有不少客户首选云服务。

第二个是大数据架构,我们适配大规模Hadoop集群,100个以上节点的计算引擎,1000核以上CPU的高性能扩展。

第三、具备唯一性的AI+BI,我们与联合利华、LVMH合作,预测需求、销量、新品的盘活等,是很创新的。用AI的算力算法,去解决一些更复杂更高价值的问题,是未来的发展趋势。但这是一个循序渐进的过程,BI是AI的基础,最头部的企业已经开始从BI到AI,未来会有更多企业享受到AI的便利。

坚持长期主义,为客户持续创造价值

国际化是夯实国内市场后的下一步

Q:5年多的时间,完成了5轮融资,投资方也都是相对知名的机构,在这个过程中与投资人聊得比较多的是什么?

苏春园:从早期的线性资本、红杉中国、襄禾资本到这两年的独秀资本、老虎环球基金,我觉得还是要用一个用的比较多、但的确是符合我们各方理念的词――长期主义。

过去几年,有些企业起起伏伏,有些新概念一段时间后就不复存在了。

终究还是要回到本质:到底是不是可以长期给客户创造价值,在模式上是否长期保持健康。我们是一个极度产品导向的团队,坚定的要做标准化、面向未来的产品。

云、大数据、AI,这三样东西投入都很重,但短期是看不出成果的。到2021年走过了5年时间,我们逐渐感觉到我们的产品技术已经在行业处于领先地位,但我们现在还在坚持产品研发的投入,这是为了下一个5年。

在打造长期壁垒的基础上,我们通过标准化产品持续保持每年稳定的增长,基本上每年都接近翻倍,未来我们仍将保持高速增长。当然,现在整个To B的市场环境也很好,大家对数字化的意识越来越强,我们过去5年积累的底层技术也在逐步凸显价值。

更进一步来讲,长期主义涵盖两个层次的意思:一是刚才提到的夯实产品技术、建起竞争壁垒;另一点就是客户的口碑。在过去几年我们非常重视客户的信任和反馈。

本轮我们的领投方老虎环球基金作为全球顶级的一家机构,在尽调过程中也投入了大量的精力在与我们的客户深入沟通,对于在行业中遥遥领先的客户口碑,我们很有自信。当然我们将以更高的标准要求自己,通过2022年的客户成功2.0计划和数据分析方法论的发布,为客户提供更好的服务。

Q:在相继引入两家国际化投资机构后,未来有可能往国际上走一走吗?

苏春园:下一个5年,我们的目标是不止在中国,也要在全球范围内领先,引领行业创新,对此我们充满信心。现在中国的商业模式非常创新,我们的一些消费零售的客户就已经开始希望我们输出到他们的亚太市场,我们也已经打造了英文版的产品。

未必说全球化这一步是我们今年的重点,但这一步一定是会去走的。无论是投资方团队可以帮助我们在海外建立品牌、还是我们自身的团队能力,都具有开拓海外市场的基础。但首要目标,还是踏踏实实先把国内市场做好。

我们的愿景是,成为智能决策的全球引领者,让1000万用户享受数据的价值。

本文首发于微信公众号:IPO早知道。文章内容属作者个人观点,不代表和讯网立场。投资者据此操作,风险请自担。

(责任编辑:王治强 HF013)

}

我要回帖

更多关于 智能锁业务怎么跑渠道 的文章

更多推荐

版权声明:文章内容来源于网络,版权归原作者所有,如有侵权请点击这里与我们联系,我们将及时删除。

点击添加站长微信