最具影响力的数字化技术在线社区

168大数据

 找回密码
 立即注册

QQ登录

只需一步,快速开始

1 2 3 4 5
打印 上一主题 下一主题
开启左侧

商业智能策略成功的3个秘密

[复制链接]
跳转到指定楼层
楼主
发表于 2015-1-8 14:40:35 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式

马上注册,结交更多数据大咖,获取更多知识干货,轻松玩转大数据

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
说到从商业智能中抽取准确可信的ROI数据时,拥有一个稳固的商业智能分析策略是基础。做好大吃一惊的准备了吗?这些商业智能策略并不完美,它们关注错误的事情,以错误的顺序错误的方式生产ROI。底线在于:最好的商业智能策略力求持续关注商业智能,保证这些商业智能是以利益为主导,成本可负担。
为使商业智能能够成功,显而易见,你必须有一个商业智能策略。商业智能可以实现许多功能。制定一个计划显然是实现这些功能并把这些功能转化成冷冰冰硬邦邦的现金的第一步。
也就是说,今天的商业智能与十年前的商业智能并不一样。今天的商业智能更灵敏,更关注结果,价格更低廉,更快部署,同时提供终端用户更简易的操作。
麻烦在于,企业的商业智能策略并不总是能够达到这个水平。它们仍然按照2003年的模式来建立商业智能,而非2013年的模式。
二者的差别在哪里呢?请继续往下看。

在商业智能策略中,还是忘记“铁块大,声音响”这个看法吧
过去的商业智能遵循传统路线。首先,你先派出一小队的顾问和分析专家,得出用户的商业智能需求。然后建立一个“大铁矿”数据仓库来捕捉用户所需的信息。接着,一年或更久以后,你才开始发布各种报告和指标,而这些报告和指标都是用户先前告诉你的。
麻烦在于,用户去年告诉你,他们想要这个。而今年,他们可不一定要想要这个了。更糟糕的是,许多用户在接触商业智能时,就是一张白纸,对于商业智能能够实现什么功能一无所知,他们对于应该要求什么无从着手。
它就像亨利.福特杜撰的市场调查意见,由于被史蒂夫·乔布斯引用而闻名:“如果我问消费者他们想要什么,他们会说他们需要更快的马。”
解决之道?从小处着手,产出今天人们想要的指标和洞察力。让你的商业智能项目与用户对商业智能收益和产出的理解一起成长。

保持你的商业智能策略成本是可负担的
商业智能产生的功能的绝对力量使它不容易被抹去。销售分析,库存分析,执行仪表盘——功能很多,清单很长,令人振奋。
但是,从传统商业智能方面来看,它非常昂贵。
实际上,传统的商业智能项目花上12-24个月去执行,所有的成本(包括执行,硬件,咨询,支持等)粗略约等于3-4倍的商业智能软件的许可成本。
换句话说,你将花上许多钱,然后等上1-2年的时间来看看商业智能有没有很好地使用这笔钱。
毫无意外的,许多公司粗略规划了商业智能的框架,然后做出决定,商业智能不值这个成本和风险。
结果:一个商业智能策略,一个搁置的商业智能项目。
有没有更好的方法呢?有。基于商业智能解决之道的SaaS(软件运营服务模式),采用现收现付制,成本增加了,收益也上来了。在每一个阶段,成本都是可负担的—很大一部分的成本都是由收益流来支付的
让你的商业智能策略专注于结果
与人们谈论商业智能策略时,周遭空气都充斥着缩略词,技术,一堆解决问题的方法,关于元数据和定义层的各种讨论。
对于传统商业智能项目,以上哪一种内容更为中肯呢?
对于今天的商业智能项目而言,依托于SaaS平台的云商业智能消除了这种复杂性,产生了自助商业智能和商业智能仪表板,而SaaS的数据和分析在云计算中实现。
专家们提供了生产和维护商业智能的服务,这样企业就把所有复杂的事情外包给这些专家,商业智能策略就能专注于实现的功能,而非实现这些功能的方法和手段。
简而言之,哪些指标,仪表盘,度量标准和洞察力能够帮助我们把生意经营得更好,如何使商业智能帮助我们达到这些目标?
商业智能策略:底线
当然,以上这些都不是什么新鲜事。尽管如此,许多商业似乎看起来不是不认识它,就是不知道如何操作。
思及至此,我们就会想起提出了“全球化”一词的哈佛商学院教授西奥多·莱维特,他说:“人们想要的不是1/4英寸的钻头,而是1/4英寸的钻孔。”
也许,温斯顿邱吉尔的观察更为精辟:“无论策略有多完美,你都应该时不时地看看结果。”

非常贴切,你认为呢?
【了解更多商业智能行业资讯,商业智能解决方案以及商业智能软件下载请访问FineBI商业智能官网www.finebi.com】


楼主热帖
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友
收藏收藏 转播转播 分享分享 分享淘帖 赞 踩

168大数据 - 论坛版权1.本主题所有言论和图片纯属网友个人见解,与本站立场无关
2.本站所有主题由网友自行投稿发布。若为首发或独家,该帖子作者与168大数据享有帖子相关版权。
3.其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和168大数据的同意,并添加本文出处。
4.本站所收集的部分公开资料来源于网络,转载目的在于传递价值及用于交流学习,并不代表本站赞同其观点和对其真实性负责,也不构成任何其他建议。
5.任何通过此网页连接而得到的资讯、产品及服务,本站概不负责,亦不负任何法律责任。
6.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源,若标注有误或遗漏而侵犯到任何版权问题,请尽快告知,本站将及时删除。
7.168大数据管理员和版主有权不事先通知发贴者而删除本文。

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

关于我们|小黑屋|Archiver|168大数据 ( 京ICP备14035423号|申请友情链接

GMT+8, 2024-5-12 03:19

Powered by BI168大数据社区

© 2012-2014 168大数据

快速回复 返回顶部 返回列表