商业智能（BI）使公司能够从海量数据中获取见解。但要做到这一点，需要克服一系列战略和战术挑战。
每天，各种类型的组织都充斥着来自各种来源的数据，试图弄清楚这一切可能会让人不知所措。因此，强大的商业智能（BI）策略可以帮助组织流程，并确保业务用户能够获得可操作的业务见解。
“到2025年，预计我们每天将创建4.63亿TB的数据，”西雅图Launch Consulting Group的数据主管Lisa Thee表示。“为了让企业与市场保持联系，做出反应，并创造与消费者联系的产品，利用这些信息中的洞察力至关重要。”
BI软件通过将正确的数据引导到分析报告和可视化中来帮助公司做到这一点，以便用户做出明智的决策。但如果没有正确的方法来实施这些工具，组织仍然面临着实现价值最大化和实现业务目标的问题。
以下是公司面临的六个常见BI挑战，以及IT如何应对这些挑战。
1.用户采用率低
对于想要实现BI工具的好处的组织来说，立即获得所有利益相关者的支持是至关重要的，因为任何最初的不情愿都可能导致低采用率。
“我们BI团队的首要问题是让人们相信商业智能将有助于做出真正的数据驱动决策，”位于佛罗里达州坦帕的全球网络安全评估机构Schellman的高级商业分析师Diana Stout表示。
为了获得员工的认同，Stout的团队构建了BI仪表板，向他们展示如何轻松地连接到数据并与其交互，以及如何以有意义的方式可视化数据。
她说：“例如，一个利益相关者认为某一产品线最有利可图。”。“我可以建立一个仪表板，向他们展示智能，要么证明他们认为的是正确的，要么我可以证明他们错了，并向他们展示原因。”
Stout表示，这使用户能够看到采用BI工具的价值。
2.确定哪种BI交付方法最适合
有许多传统的IT管理方法可以从数据中提供报告和见解。但是，通过利用自助BI工具以及更直观的仪表板和UI，公司可以通过让经理和其他非技术人员更好地使用报告来简化流程，从而从数据中获得更多的业务价值。
然而，采取自助服务方式可能会遇到障碍。例如，在多个部门之间拥有过多的访问权限，可能会导致厨房里满是没有经验的厨师，从而增加成本，并使公司面临数据安全问题。您是否希望您的销售团队根据其获得的任何数据做出决策，并拥有混合和匹配的自主权，以查看哪些最有效？对工具卷展进行集中、标准化控制是关键。要做到这一点，it需要很好地管理数据。
由于这些权衡，组织必须确保选择最适合当前业务应用程序的BI方法。
总部位于瑞士巴塞尔的跨国制药公司诺华（Novartis）全球视觉分析主管阿克塞尔·戈里斯（Axel Goris）表示：“除了为我们工作的外部人员外，我们还有超过10万名员工，这是一个相当大的用户群体。”。“一个关键挑战是围绕交付进行组织，因为制药公司受到高度监管，所以如何组织交付。”
Goris解释说，IT管理的BI交付模型需要大量的努力和过程，这对业务的某些部分来说是行不通的。
Goris说：“这是因为他们觉得这太复杂了；开销太大了，他们希望行动更快、更敏捷。”。“如果IT是交付的目标，那么IT就会成为瓶颈，因为我们的规模不够大，无法为每个人提供服务。”
为了应对这一挑战，诺华实施了两种交付方式：IT管理方式和自助式、业务管理方式。
他说：“通过业务管理交付，我们提供了平台和工具，并允许业务在一定的参数范围内自行进行，使用其首选供应商，或由团队自行完成，这非常受欢迎。”他补充道，这一切都取决于“我们如何为业务中的每个人服务，或允许BI用户以可扩展的方式为自己服务。”
3.是否整合数据
随着组织发现自己必须在内部和云中集成来自各种数据源的数据（这可能是一个耗时且复杂的过程），简化设置过程的需求增加了。但许多人找到了其他解决方案。例如，根据首席信息官里克·杰默雷斯（Rick Gemereth）的说法，位于北卡罗来纳州康科德的玩具火车和模型铁路的美国设计师和进口商莱昂内尔有限公司（Lionel LLC）将其ERP作为其记录系统。
他说：“我们的单一数据源是NetSuite，我们拥有基于NetSuite的整个ERP和电子商务。”。“这样做的好处之一是，我们不需要尝试将来自不同来源的数据结合起来。”然而，对莱昂内尔有效的方法在其他地方可能行不通。挑战在于找到最适合您特定环境的解决方案。
例如，Stout解释了Schellman如何整合其客户关系管理（CRM）和财务数据。
她说：“很多商业智能软件都是从数据仓库中提取的，在数据仓库中，您可以加载不同软件后端的所有数据表。”。“或者你有一个〔BI工具〕，比如Schellman使用的Domo，它可以充当数据仓库。你可以连接到软件，然后它会把它拉到一个表中。然后你把所有这些表放在一个地方，这样你就可以获取信息并摆弄它。”
Gartner杰出的副总裁兼分析师吉姆·黑尔表示，有些人认为他们需要将存储在各个业务部门系统中的所有数据转储到数据池中。
“但他们真正需要做的是从根本上重新思考如何管理和访问数据，”他说。“Gartner正在写的是数据结构的概念。”
数据结构被定义为分布式数据环境中无摩擦访问数据共享的推动者，旨在帮助公司使用语义知识图、主动元数据管理和嵌入式机器学习来访问、集成和管理其数据，无论数据存储在何处。Hare说：“数据结构允许数据驻留在云中或prem上的不同类型的存储库中。”。“这是关于能够找到相关数据并通过知识图将其连接起来。而这一点的关键是元数据管理。”
4.允许完美成为足够好的敌人
传统观点认为，公司需要使用高质量的数据来收集做出最佳商业决策所需的见解。但这并不十分准确，LKQ欧洲有限公司（LKQ Corp.的子公司）的数字化转型负责人妮可·米亚拉（Nicole Miara）表示。
仅仅因为你认为数据质量不高，并不意味着它没有价值。
在做决策时，一家公司想要获得完美数据的愿望会减缓其努力，因为他们花费时间尽可能多地收集数据，修复不完整的数据或纠正格式。Miara表示，拥有完美的数据很难，但组织可以处理和分析不完美的数据，开始将其转化为商业见解。她列举了斑马项目（Project Zebra）是一个开源智库，由商业领袖、学者和技术专家组成，致力于推动供应链改进，她如何利用不完善的数据做出良好的商业决策，并显著改善供应链。
“数据不一定要完美才能开始旅程，”她说。“这是一个循序渐进的方法。”此外，她补充道，如果你没有基本的数据层，你就无法做出预测。
例如，LKQ Europe正试图应用其数据，包括销售数据，以改善其供应链运营，因为该公司因疫情而经历了35个月的中断。然而，该公司只有大约12个月的销售历史数据。
米亚拉说：“我们收集了发票数据，但我们没有关于销售的其他信息，所以我们收集了不完善的销售数据，并试图找到与我们未来业务的相关性。”。“但我们想了解，我们是否可以改进预测，仅根据这些数据来预测需求。我们发现，我们不完善的数据与通胀和就业指数等外部信号非常相关，尽管数据并不完美。”
5.应对变革阻力
位于佐治亚州林戈尔德的豪华乙烯基板材和瓷砖地板公司首席信息官尼克·施瓦茨（Nick Schwartz）表示，变革管理是Happy Feet International实施商业智能面临的首要难题。
施瓦茨表示，地板行业是一个技术婴儿，因此，很多人不使用技术。事实上，当施瓦茨三年前加入公司时，销售人员甚至没有每天使用电子邮件，因为他们更愿意通过电话进行业务。
“人们习惯于以某种方式做事，”他说。“他们多年来一直这样做，他们问你为什么要尝试用不同的方式来做。所以我们必须尽可能简化他们的体验，并举办更长的培训课程。”
6.数据治理一致性
研究咨询和咨询公司The Hackett Group的负责人兼首席数据科学家贾斯汀·吉莱斯皮（Justin Gillespie）表示，企业需要确保其拥有成熟的数据治理流程，包括主数据管理以及围绕关键指标和关键绩效指标（KPI）的治理。
“我们都听到恐怖故事，”他说。“与我交谈的每一家公司都有一个相同的问题，那就是人们参加会议的人数不同，他们会花很长时间讨论某个人是如何获得号码的。拥有一套由组织认证的集中管理的KPI和指标是关键。”
Gillespie表示，治理还涉及标准化工具和平台。他说：“从工具和技术的角度来看，很少是因为没有工具，通常是因为工具太多。”。“因此，公司应该在一个工具集上进行标准化，然后围绕它创建一个熟练的工具集。”
- 登录 发表评论