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

BI工具如何做到精益求精?

[复制链接]
跳转到指定楼层
楼主
发表于 2015-1-27 10:11:04 | 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
精益求精,意为已经很好了,还要求更好。那么何为好?好就是精,精就是多一分嫌多,少一分嫌少。也就是说,精益求精的BI工具,不需要有一拖车的功能(包括很多不需要用到的功能),也不是说精简到只能实现一些基础的功能。下面就概况一些根据用户反馈及多年实施经验得出的,精益BI的一些判别标准。
一、不浪费
这里的浪费包括两方面,一个是时间成本,一个是功能成本。未在指定时间内完成客户需求设计并进行交付的,视为时间浪费。设计出来的功能未得到利用或是充分利用的,视为功能浪费。比如开发了仪表盘但从未使用,比如数据保留在主存储中,但从未使用过……
那么BI厂商如何在实施部署过程中规避或者说减少浪费的问题呢?
首先是关于时间浪费:调查数据显示,传统BI项目的时间有很大一部分花在了前期的需求沟通,人员协调,编写规范的开发文档以及资源等待上。这里并不是说不需要做这些事,而是说可以更加有效率地去完成这些事,然后花更多的精力沿着价值链理清BI开发的所有步骤,快速完成步骤的改善,迭代以及敏捷实践。
其次是功能设计的浪费。你或许会说,这些功能都是客户提出的需求,后期用不用是他们的事。其实并不然,这种可有可无的需求在前期需求确定的时候就应该被叉掉。贪大求全只会导致捡了芝麻丢了西瓜。为了更好地和客户沟通,可以首先向其灌输BI项目治理模式,其次是分解项目和维护请求,最后,通过创建价值流图来识别价值和减少浪费。
二、从更广泛的视角出发考虑优化问题
全局看待问题的经验几乎适用于所有的项目实施。因为环环相扣,功能相依,是牵一发而动全身的利害关系而不是想要改什么就改什么。例如,网络数据库节点之间的改变可能解决底板服务器之间的吞吐量,但最终造成更大的处理器和内存瓶颈。
如果我们不在更广泛的背景下去考虑问题,我们的优化只会牺牲更大的系统,不能从根源上解决问题。
三、加速迭代,敏捷开发
有时候因为BI项目时间长,在项目实施过程中难免会出现需求的变化,可能是优先级的变化,也可能是功能上的不再需要或是新需要。如果此时功能已经实现却不被利用,这就是一中说到的浪费。除了前期的沟通,解决这个浪费还可以从快速迭代的思路出发:增加流量和减少每次迭代的范围。资源和人员的合理配置都可以加速迭代速度。另外还可以将BI项目分成几个时间节点来验收,规划好什么节点实现什么样的需求。这样也就避免了项目周期过长导致人员产生疲倦期,效率大打折扣。
四、减少标准不统一导致的错误或浪费
企业在进行数据的合并时,会发现很多相同的字段却存在着不同的定义,格式,或是名称。这是由于取数的来源系统彼此规则独立,且在信息化录入数据过程中没有注意过格式标准统一的问题。
因此,想要实现精益求精的BI,需要确保你的标准、流程和实践的顺畅沟通,并确保在设计评审中遵守规则。当然,标准化并不意味着“不变”,同样也不意味着“扼杀创造力。
五、追求完美
已经很好了,还要追求更好,也就是追求完美。当大局已定,就需要去完善细节。把每一个细节做好,才是真正的精益BI。
只有做好以上五个方面,才能更加有效率地完成BI的部署,并且实现其指导决策,为企业带来收益的价值。
【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, 2024-5-13 17:58

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