站在業(yè)務(wù)和IT不同的角度來回答“怎樣更好地創(chuàng)造業(yè)務(wù)價值”這個問題，一定會有不同的答案。在融合了這兩種角色的視角后，企業(yè)知識開源首席布道師陳果的答案是：數(shù)據(jù)歸IT，分析歸業(yè)務(wù)。即IT部門主要負責(zé)管理好數(shù)據(jù)、提供好工具，分析本質(zhì)上是業(yè)務(wù)要做的事情。
為何會有這樣的結(jié)論？陳果在「敏捷·創(chuàng)變——2024觀遠數(shù)據(jù)智能決策峰會暨產(chǎn)品發(fā)布會」上分享了他的思考。
敏捷BI仍為市場主流，AI賦能催生新型模式
BI全稱“Business Intelligence”，現(xiàn)在翻譯為“商業(yè)智能”，但最初叫做“企業(yè)洞察”，它闡述了BI的實質(zhì)：助力業(yè)務(wù)人員通過數(shù)據(jù)分析洞察企業(yè)運行脈絡(luò)，催生企業(yè)洞察。1992年，Teradata推出首個ETL數(shù)據(jù)庫，標(biāo)志著分析型數(shù)據(jù)庫誕生。BI也隨之誕生，并開始了其到目前為止三個階段的發(fā)展。
階段一：數(shù)據(jù)倉庫/數(shù)據(jù)挖掘
BI發(fā)展的第一個階段，是數(shù)倉和數(shù)據(jù)挖掘的時代。彼時人們將注意力集中在數(shù)倉建立的兩種范式：先有數(shù)據(jù)集再有數(shù)據(jù)倉庫的“自上而下”的范式，以及先有數(shù)據(jù)倉庫再有數(shù)據(jù)集的“自下而上”的范式。企業(yè)關(guān)注的重點在分析報表上，分析的對象則聚焦在結(jié)構(gòu)化數(shù)據(jù)的挖掘。
階段二：大數(shù)據(jù)和敏捷BI
隨著大數(shù)據(jù)出現(xiàn)，數(shù)據(jù)形態(tài)由單一走向多元化，結(jié)構(gòu)化數(shù)據(jù)演變?yōu)榻Y(jié)構(gòu)化、半結(jié)構(gòu)化乃至非結(jié)構(gòu)化數(shù)據(jù)并存。BI發(fā)展進入第二階段，但并非完全替代了第一階段，第一階段以報表為主的BI依然存在。此時，“高級分析”興起，聚焦機器輔助洞察生成，過程中不僅涵蓋對歷史數(shù)據(jù)的描述，還具備未來預(yù)測。融合AI+BI的高級分析，實現(xiàn)了用戶中心化分析，依據(jù)場景驅(qū)動數(shù)據(jù)獲取與建模，根據(jù)分析意圖實現(xiàn)數(shù)據(jù)可視化，這便是第二階段的敏捷BI。
今天為止，敏捷BI還是市場的主流方向，“讓業(yè)務(wù)用起來”也是敏捷BI的核心理念。
階段三：人工智能BI
近年來，AI熱潮迭起，BI也開始了第三個階段——“人工智能BI”的發(fā)展探索。AI更深入地融入BI領(lǐng)域，催生新型模式，由過往的AI+BI的“高級分析”進化為AI×BI的“增強分析”。AI對BI更深度地賦能，但并未改變BI的初衷——洞察業(yè)務(wù)本質(zhì)。
Gartner在兩年前提出“增強分析（Augmented Analytics）”，其核心理念是在于，現(xiàn)今BI最大挑戰(zhàn)非可視化展現(xiàn)方式，而在怎樣獲取高質(zhì)量的數(shù)據(jù)。例如即便同為銷售分析，在不同管理語境下對銷售的定義都是不同的，需依據(jù)分析意圖獲取數(shù)據(jù)，如果沒有現(xiàn)成數(shù)據(jù)就會涉及很多數(shù)據(jù)加工或模型重塑的工作。融合AI能力實現(xiàn)的智能數(shù)據(jù)準(zhǔn)備、智能建模、自然語言交互和查詢能夠大幅提升BI數(shù)據(jù)準(zhǔn)備的效率，即實現(xiàn)“增強分析”。
另一個與“增強分析”同樣對未來BI發(fā)展產(chǎn)生巨大影響的是“生成式AI”，其對BI分析方法帶來巨大變化，值得再行詳述。
技術(shù)發(fā)展持續(xù)放飛業(yè)務(wù)部門的數(shù)據(jù)消費需求
時至今日，多數(shù)企業(yè)依舊尚處于BI發(fā)展的第一階段，即以報表為主的階段，亟盼躍升至“讓業(yè)務(wù)用起來”的敏捷BI階段。而在BI發(fā)展的三個階段中，企業(yè)業(yè)務(wù)與IT的分工也歷經(jīng)多次變遷。
在第一階段，業(yè)務(wù)與IT職責(zé)涇渭分明。業(yè)務(wù)方提出報表需求，IT負責(zé)數(shù)倉建設(shè)、報表開發(fā)、ETL開發(fā)等，形成經(jīng)典的瀑布式協(xié)作。
在第二階段，業(yè)務(wù)與IT分工發(fā)生變化。IT重心轉(zhuǎn)向精細化的數(shù)據(jù)加工與建模，包括指標(biāo)開發(fā)、數(shù)據(jù)科學(xué)、ETL/ELT混合等工作。業(yè)務(wù)側(cè)則涉足分析模型與可視化開發(fā)。雙方互動加深，IT提供數(shù)據(jù)模型，業(yè)務(wù)在敏捷BI上自主用數(shù)，整體效率提升。但這一階段要求業(yè)務(wù)人員要對數(shù)據(jù)特性、數(shù)據(jù)模型的深度認知，企業(yè)在這其中不僅要提供敏捷的工具，還要推動內(nèi)部數(shù)據(jù)分析組織模式的變化，提升業(yè)務(wù)數(shù)據(jù)分析水平，才能真正實現(xiàn)“敏捷”。
到第三個階段，業(yè)務(wù)與IT融合度更趨緊密。AI在很大程度上解放了對業(yè)務(wù)人員在技術(shù)方面的要求，集中精力于業(yè)務(wù)創(chuàng)新，讓數(shù)據(jù)更好地賦能業(yè)務(wù)增長。IT也不再單純是支撐角色，能夠?qū)⒏嗑Ψ旁跀?shù)據(jù)治理、AI模型構(gòu)建及管理等工作上，與業(yè)務(wù)共同探索數(shù)據(jù)價值最大化的路徑，實現(xiàn)業(yè)務(wù)效能質(zhì)變。
基于BI的三個發(fā)展階段，我們能看到商業(yè)智能的范式發(fā)展。在橫向上，是覆蓋的企業(yè)員工數(shù)越來越多。在縱向上，是分析工作越來越智能化。而這兩個維度整體來看，從低自動化、少數(shù)人使用的企業(yè)報表，到觸及廣泛員工群體，支撐業(yè)務(wù)人員的自主用數(shù)的自助分析，再到越來越智能化，讓更多員工可以快速用起來的增強分析，整個范式演變的核心，就是“讓業(yè)務(wù)用起來”。
在此范式下，生成式AI對傳統(tǒng)BI的提升還在發(fā)展中，方向依然是要讓業(yè)務(wù)把BI用好。這個結(jié)論來自于過去一年我們對ChatBI的深入考察所帶來的三個發(fā)現(xiàn)：
1、當(dāng)下，AI熱議正酣，尤其在近一年里，隨著AI技術(shù)迭代，機器學(xué)習(xí)與深度學(xué)習(xí)進步，自然語言處理越來越智能化、自動化，ChatBI日益風(fēng)靡。但遺憾的是，真正意義上可以解決復(fù)雜商業(yè)問題的ChatBI尚未問世，目前ChatBI僅在特定場景提高了BI效率。當(dāng)下主流方向是用自然語言助手提升BI系統(tǒng)的交互式體驗，包括采用Text2SQl使得達模型可以連接到數(shù)據(jù)庫架構(gòu)，但目前還無法解決現(xiàn)實商業(yè)世界中的細微問題。
2、2024年出現(xiàn)了一個新的BI發(fā)展方向，所謂復(fù)合AI系統(tǒng)，通過智能體來管理和調(diào)用不同AI組件和工具，每個組件完成一個微小的任務(wù)，提高分析的靈活性、可解釋性。這是當(dāng)前的一個技術(shù)發(fā)展方向，但目前也尚未成熟。
3、在非互聯(lián)網(wǎng)企業(yè)中，數(shù)據(jù)中臺的應(yīng)用價值已被證偽，企業(yè)OLAP和OLTP需要不同的數(shù)據(jù)治理策略，并且提升BI的敏捷性，讓業(yè)務(wù)部門把BI先用起來。
總結(jié)來看，目前市場主流還是AI+BI的敏捷BI，生成式AI的發(fā)展將給BI帶來深遠影響，其發(fā)展重點還是如觀遠數(shù)據(jù)所一直倡導(dǎo)的“讓業(yè)務(wù)用起來”。
企業(yè)BI效率提升建議，從集中式到分布式
近期有幸協(xié)助了國內(nèi)某大型消費品企業(yè)優(yōu)化BI體系，針對其BI效率提升問題給到了一些建議，借此機會分享給更多企業(yè)參考。
該企業(yè)規(guī)模龐大，IT團隊有數(shù)百人，企業(yè)IT設(shè)施完備，主流軟硬件裝備齊全，數(shù)據(jù)鏈條暢通無阻，標(biāo)準(zhǔn)數(shù)倉建設(shè)到位，BI平臺功能完善，可視化開發(fā)游刃有余。然而，即便資源豐富，仍面臨數(shù)據(jù)需求交付周期長的難題，短則三周，長可達月余，癥結(jié)何在？
問題出現(xiàn)在“怎么用”上。企業(yè)上了很好的BI工具，但依然深陷傳統(tǒng)模式——業(yè)務(wù)提需求，IT開發(fā)。IT部門內(nèi)部組織了20多人的BI團隊，并構(gòu)成跨財務(wù)、HR、營銷等四五個業(yè)務(wù)域的分析團隊小組，成員精通SQL、擅長BI工具運用、熟稔數(shù)據(jù)模型構(gòu)建及可視化開發(fā)，但這整個過程中卻沒有業(yè)務(wù)用戶參與。同時，內(nèi)部數(shù)據(jù)資產(chǎn)梳理缺失，導(dǎo)致業(yè)務(wù)提出的需求不知道是否已有數(shù)據(jù)，使交付周期充滿不確定性。
所以，該企業(yè)的問題不是技術(shù)問題，而是能夠提升BI效率的敏捷組織的問題。對此，我們提出了三點建議：
第一，BI組織架構(gòu)重塑。縮減BI團隊規(guī)模，將數(shù)據(jù)工程師和數(shù)據(jù)架構(gòu)師保留在IT部門，聚焦數(shù)據(jù)管道建設(shè)與SQL優(yōu)化，基于數(shù)倉按照業(yè)務(wù)域開發(fā)標(biāo)準(zhǔn)化數(shù)據(jù)產(chǎn)品，深化數(shù)據(jù)治理。
第二，業(yè)務(wù)導(dǎo)向的流程優(yōu)化。遷移業(yè)務(wù)分析師等至各業(yè)務(wù)部門，配以多樣化的BI工具訓(xùn)練，讓業(yè)務(wù)分析師能夠自助建模分析。同時，更重要的是業(yè)務(wù)部門建立“數(shù)據(jù)驅(qū)動”的業(yè)務(wù)流程改進機制，讓數(shù)據(jù)真正發(fā)揮價值。數(shù)據(jù)部門也要蛻變?yōu)楹诵耐剖郑龑?dǎo)業(yè)務(wù)流程革新，讓“表哥”“表姐”們稱為業(yè)務(wù)改進的洞察者，為業(yè)務(wù)創(chuàng)新產(chǎn)生真正的價值。
第三，全方位數(shù)據(jù)素養(yǎng)提升。有用數(shù)需求的業(yè)務(wù)也能分成兩類，一類是業(yè)務(wù)分析師，一類是實際要看數(shù)據(jù)的人。企業(yè)要在分析師與終端用戶角色上雙管齊下，推進全公司數(shù)據(jù)素養(yǎng)提升。通過數(shù)據(jù)黑客松比賽等方式提升業(yè)務(wù)部門用數(shù)能力，并且落實全公司的數(shù)據(jù)治理體系，營造濃厚的數(shù)據(jù)氛圍，構(gòu)筑堅實基礎(chǔ)設(shè)施，確保數(shù)據(jù)效用貫穿企業(yè)上下。
“讓業(yè)務(wù)用起來”的三大要素
對上述公司的三條建議，可以成為更多企業(yè)構(gòu)建敏捷組織的參考。但要實現(xiàn)以上三點，企業(yè)也面臨著一些挑戰(zhàn)。其一是業(yè)務(wù)部門用戶需要具備較強的數(shù)據(jù)工程能力，其二是分布式分析模式下，對指標(biāo)管理歸屬的定義。它們指向的是“如何讓業(yè)務(wù)用起來”的問題，而解決這一問題有三個前提條件：
1、建立指標(biāo)管理，集中管控和自主分析的平衡
“讓業(yè)務(wù)用起來”需奠基于健全的指標(biāo)分析體系之上，哪怕是ChatBI，如果數(shù)據(jù)質(zhì)量差、指標(biāo)治理混亂，效率也會很低。定義指標(biāo)可以在數(shù)據(jù)層、數(shù)據(jù)平臺的指標(biāo)層乃至獨立的指標(biāo)層進行，企業(yè)定義指標(biāo)不論在哪一層進行，指標(biāo)策略都要支持企業(yè)的分析形態(tài)。如果企業(yè)的分析形態(tài)是鼓勵業(yè)務(wù)人員用起來，對指標(biāo)管理的要求則會更高，就會需要像觀遠Metrics這樣獨立的企業(yè)統(tǒng)一指標(biāo)管理平臺。
此外，機器學(xué)習(xí)、智能應(yīng)用乃至報表或BI數(shù)據(jù)可視化等不同的場景，都會對企業(yè)的指標(biāo)平臺建設(shè)提出不同要求，企業(yè)需要根據(jù)自身集中式或分布式的數(shù)據(jù)分析模式，進行指標(biāo)平臺建設(shè)。
2、以用戶為中心的可視化
第二是要建立以用戶為中心的數(shù)據(jù)可視化審美能力。結(jié)合實際應(yīng)用場景與目標(biāo)（展示說服、確認理解、探索分析），甄選合適的可視化方式，以此激發(fā)表達效果和認知共鳴。現(xiàn)在網(wǎng)絡(luò)上有很多開源的數(shù)據(jù)可視化模版，觀遠BI也提供了眾多標(biāo)準(zhǔn)化的可視化模板，一些生成式AI也已經(jīng)可以幫助人們來生成數(shù)據(jù)可視化的圖像，但掌握如何站在用戶的角度可視化展現(xiàn)數(shù)據(jù)的方法更為重要。
3、降低對業(yè)務(wù)部門的數(shù)據(jù)工程能力要求，利用AI能力
最后是如何利用AI能力“讓業(yè)務(wù)用起來”。觀遠數(shù)據(jù)目前也發(fā)布了最新的融合生成式AI能力的問答式BI——觀遠ChatBI，降低業(yè)務(wù)使用數(shù)據(jù)的門檻。但目前整個行業(yè)應(yīng)用AI的旅程才剛剛開始，從數(shù)據(jù)準(zhǔn)備、業(yè)務(wù)洞察到用戶體驗，如何利用AI能力，提升整個數(shù)據(jù)分析連路上的某一個環(huán)節(jié)或全鏈路的效率，讓業(yè)務(wù)人員更好地把BI用起來，是我們未來要持續(xù)探索的方向。
【免責(zé)聲明】【廣告】本文僅代表作者本人觀點，與和訊網(wǎng)無關(guān)。和訊網(wǎng)站對文中陳述、觀點判斷保持中立，不對所包含內(nèi)容的準(zhǔn)確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔(dān)全部責(zé)任。郵箱：news_center@staff.hexun.com
最新評論