伴隨數(shù)字技術(shù)的創(chuàng)新,以及商業(yè)市場環(huán)境及企業(yè)需求的變化,企業(yè)對于BI能力的要求也逐步提高。面向業(yè)務(wù)、為業(yè)務(wù)賦能,讓業(yè)務(wù)能夠自助式將其使用起來的現(xiàn)代BI應(yīng)運而生。從傳統(tǒng)BI到現(xiàn)代BI,是什么引導(dǎo)著BI向自助式的新形態(tài)發(fā)展?與傳統(tǒng)BI相較,現(xiàn)代BI優(yōu)勢在何處?企業(yè)要如何選擇合作伙伴構(gòu)建自己的自助式BI能力?

10月25日-26日,「讓業(yè)務(wù)用起來·觀遠數(shù)據(jù)2022智能決策峰會暨產(chǎn)品發(fā)布會」云上直播圓滿舉辦!20位大咖齊聚,2天干貨分享,20000+觀眾線上參會共享“數(shù)智盛宴”,與來自零售消費、金融、互聯(lián)網(wǎng)、高科技10+行業(yè)的世界500強企業(yè)高管、先進企業(yè)業(yè)務(wù)與技術(shù)決策人、數(shù)字化實踐先鋒企業(yè)數(shù)據(jù)從業(yè)者、行業(yè)KOL一起,遠望趨勢,近探實踐,榷論方法,深掘價值,共探“讓業(yè)務(wù)用起來”的數(shù)智創(chuàng)新與增長路徑。

波士頓咨詢Platinion董事總經(jīng)理陳果先生蒞臨云上直播,帶來《通過組織發(fā)展,建立數(shù)據(jù)分析能力》主題分享,帶領(lǐng)參會觀眾從權(quán)威機構(gòu)視角,探尋BI發(fā)展趨勢,剖析現(xiàn)代BI賦能業(yè)務(wù)價值,傳遞自助式BI平臺搭建方法,為企業(yè)打造“讓業(yè)務(wù)用起來”的自助式BI能力提供經(jīng)驗參考。

以下為波士頓咨詢Platinion董事總經(jīng)理陳果先生的演講實錄:

大家好,今天很高興接受觀遠數(shù)據(jù)的邀請,又一次作為嘉賓跟大家共同分享關(guān)于“讓業(yè)務(wù)部門先用起來”的相關(guān)話題,今天跟各位朋友分享的主題是“自助式BI賦能組織提升”。

今天是我第三次參加觀遠數(shù)據(jù)的活動,在前兩次,我分別介紹了“企業(yè)怎么樣建立自己的數(shù)據(jù)分析架構(gòu)”和“企業(yè)怎么樣建立數(shù)據(jù)分析的運營方式”。我們知道,觀遠數(shù)據(jù)非常強調(diào)業(yè)務(wù)部門能夠在企業(yè)級的大數(shù)據(jù)平臺之上、在企業(yè)新的數(shù)據(jù)分析的運營體系之上,更好地讓BI工具賦能,讓業(yè)務(wù)自己能夠自助式地將其使用起來。所以今天我給大家分享的主題就是“怎么樣建設(shè)一個自助式的BI”。

PART 1

5大業(yè)務(wù)趨勢呼喚現(xiàn)代BI

講到自助式BI,我們要看到BI為什么在今天會有這樣的發(fā)展趨勢,是什么樣的原因讓傳統(tǒng)BI正向新形態(tài)的BI發(fā)展。在今天的業(yè)務(wù)環(huán)境之下,我們觀察到有這樣五大業(yè)務(wù)趨勢:

|數(shù)據(jù)文化變革工作方式

企業(yè)從過去直覺式的、拍腦袋的決策方式,轉(zhuǎn)變?yōu)橐詳?shù)據(jù)說話。而“數(shù)據(jù)”,不僅僅是產(chǎn)生在一些業(yè)務(wù)報表中,它也包括在我們的業(yè)務(wù)運營中。

|“大數(shù)據(jù)”為業(yè)務(wù)洞察提供了革命性的方式

因為數(shù)字化的手段越來越多,數(shù)據(jù)也隨之增長,既有內(nèi)部的數(shù)據(jù),也包括一些社會上的大數(shù)據(jù)、社交媒體的大數(shù)據(jù)。這些內(nèi)部的數(shù)據(jù)和外部的數(shù)據(jù),為我們的業(yè)務(wù)洞察提供了革命性的方式。

|BI解決方案和架構(gòu)日新月異

BI的解決方案和架構(gòu)也在發(fā)生日新月異的轉(zhuǎn)型。傳統(tǒng)意義上,BI是在所謂企業(yè)級數(shù)倉之上的數(shù)據(jù)探索和數(shù)據(jù)報表的工具。但在今天,已經(jīng)從企業(yè)數(shù)倉發(fā)展到大數(shù)據(jù)平臺數(shù)據(jù)分析的工具。它既有傳統(tǒng)的對歷史數(shù)據(jù)較為靜態(tài)的分析,也有面向未來的、面向條件假設(shè)的一些高級分析和數(shù)據(jù)挖掘,包括人工智能的應(yīng)用。這也讓BI無論從數(shù)據(jù)的展現(xiàn)、數(shù)據(jù)的分析來說,技術(shù)棧越來越復(fù)雜,技術(shù)手段越來越多。

|數(shù)據(jù)治理日趨復(fù)雜,信息安全愈加重要

企業(yè)的數(shù)據(jù)源越來越多,跨部門的數(shù)據(jù)使用也越來越多,數(shù)據(jù)治理和信息安全面臨的挑戰(zhàn)也越來越突出。以數(shù)據(jù)治理為例,因為數(shù)據(jù)源來自不同的口徑,當(dāng)我們要用數(shù)的時候,肯定要去整合不同數(shù)據(jù)源的數(shù)據(jù),對于整個數(shù)據(jù)的一致性、數(shù)據(jù)的質(zhì)量,企業(yè)內(nèi)部就需要有一個統(tǒng)一的協(xié)調(diào)。另一方面,今天我們采用一些云原生的數(shù)據(jù)分析平臺,越來越多的數(shù)據(jù)不是在企業(yè)的內(nèi)部,很多數(shù)據(jù)甚至?xí)诺焦性破脚_。采用的數(shù)據(jù)工具如果對數(shù)據(jù)的權(quán)限、核心信息安全沒有很好的機制,會給信息安全造成很多隱患。

|BI和數(shù)據(jù)分析運營模式變化:從IT到業(yè)務(wù)

這是我們和觀遠數(shù)據(jù)一直在講的話題,數(shù)據(jù)它本身不是個IT的問題。雖然數(shù)據(jù)從提取到數(shù)據(jù)工具的提供、數(shù)據(jù)平臺的搭建,跟IT是密不可分的,但是從數(shù)據(jù)運營、數(shù)據(jù)質(zhì)量本身的角度來講,它是一個純業(yè)務(wù)的話題。所以怎么樣能夠讓業(yè)務(wù)部門把數(shù)據(jù)用好,這也是“從IT到業(yè)務(wù)”的一個大的業(yè)務(wù)發(fā)展趨勢。

PART 2

傳統(tǒng)BI和現(xiàn)代BI的比較

在上述五個趨勢之下,我們會看到整個BI的技術(shù)體系它本身在發(fā)生變化,也就是我們通常講的傳統(tǒng)BI和現(xiàn)代BI。

|傳統(tǒng)BI

第一,傳統(tǒng)BI的一個典型的特征是它的數(shù)據(jù)分析是基于本地數(shù)倉,需要大量的本地數(shù)倉。

第二,無論是數(shù)據(jù)的存儲還是數(shù)據(jù)的查詢,都對硬件和軟件的性能要求很高。過去的一些經(jīng)驗里,我們在傳統(tǒng)的ERP之上做企業(yè)數(shù)倉,它的內(nèi)存硬盤整個設(shè)備的性能、軟件的性能,甚至比oRTP這種服務(wù)器的性能要求會高很多,這樣的話投入也非常大。

第三,數(shù)倉的方式,需要定義復(fù)雜的數(shù)據(jù)模型,需要把數(shù)據(jù)預(yù)先進行清洗,轉(zhuǎn)化后再加載到數(shù)倉里面。一方面它的數(shù)據(jù)梳理的實時性相對來說會比較差,另一方面需要很多預(yù)先定義的數(shù)據(jù)模型,整個數(shù)據(jù)處理效率也比較低。

數(shù)據(jù)加載到數(shù)倉后,面向不同的業(yè)務(wù)部門的分析用途,通常還需要對數(shù)據(jù)進行再次的加工,我們會看到傳統(tǒng)的數(shù)倉架構(gòu),都有多個數(shù)據(jù)層,針對數(shù)據(jù)存儲、加工、分析等等建立不同的層,面向業(yè)務(wù)的話,會建立不同的業(yè)務(wù)的數(shù)據(jù)集市。也會造成跨部門數(shù)據(jù)治理比較困難。

最后,對于傳統(tǒng)的比較固化的BI來說,預(yù)先定義的報表、分析工具都是受限于整個技術(shù)棧的體系設(shè)計,所以報表或者圖表等都是預(yù)先hard coding“硬編碼”的一些報表。從分析工具上來講,通常也跟數(shù)倉等有比較大的綁定,所以靈活性也比較差。這是傳統(tǒng)BI的特點。

|現(xiàn)代BI

我們會看到今天所謂的現(xiàn)代化BI的特點,從數(shù)倉的角度上來講,是云原生的數(shù)倉模式,包括整個云原生的數(shù)據(jù)平臺的模式。通過存算分離的架構(gòu),使得在進行數(shù)據(jù)分析的時候,無需反復(fù)拷貝數(shù)據(jù)。數(shù)據(jù)平時是存在數(shù)據(jù)湖里面的,根據(jù)分析的需要,臨時進行處理和提取。這樣一方面能夠大幅的降低數(shù)據(jù)存儲的成本,另一方面,數(shù)據(jù)分析的效率也會比較高。

通過數(shù)據(jù)虛擬化,或者今天流行說的“數(shù)據(jù)編織”等方式,包括所謂的“數(shù)據(jù)網(wǎng)格”等新的技術(shù),能夠讓數(shù)據(jù)用分布式的方法存儲。分布式的數(shù)據(jù)源能夠做實時的數(shù)據(jù)處理,很大程度上提高數(shù)據(jù)處理的效率,降低數(shù)據(jù)存儲的成本。

另外,當(dāng)我們把存算分離后,數(shù)據(jù)的應(yīng)用的前端,就可以通過API的方式和不同的數(shù)據(jù)分析工具與數(shù)據(jù)建立自動化的對接。對報表工具來講,就有了更高的靈活性,只要是符合一定的信息安全規(guī)范,就可以非常方便的把用戶端習(xí)慣的數(shù)據(jù)分析工具和數(shù)據(jù)源頭進行對接。就像傳統(tǒng)的電話,一個電話網(wǎng)絡(luò)和電話機要求是固定的,但到今天,對用戶來講,不論想用蘋果手機或想用安卓手機,想用華為或者想用小米,都可以有很大的靈活自由的選擇。

所以,我們說要讓用戶使用起來,得先從企業(yè)BI的技術(shù)平臺、技術(shù)架構(gòu)以及工具選擇上,釋放用戶的活力和靈活性。

PART 3

現(xiàn)代型BI賦能自主分析

實現(xiàn)業(yè)務(wù)洞察和決策支持

基于這樣一個從傳統(tǒng)BI到現(xiàn)代化BI的轉(zhuǎn)變,我們可以通過一些數(shù)據(jù)分析過程中的流程自動化的工具,更好的賦能我們的業(yè)務(wù)用戶,讓業(yè)務(wù)用戶用起來。

|流程自動化

流程自動化在基于前述的現(xiàn)代化BI的架構(gòu)之下,會包含有例如自動化的數(shù)據(jù)源連接,所以我們會看到現(xiàn)在一些連接數(shù)據(jù)源的云上服務(wù),包括國外的一些云上服務(wù),估值都非常高。自動化能夠提高數(shù)據(jù)源的連接效率,包括結(jié)構(gòu)化或者非結(jié)構(gòu)化數(shù)據(jù)源等廣泛的數(shù)據(jù)源的數(shù)據(jù)接入。

第二個是自動化的手段,包括前面提到的一些數(shù)據(jù)虛擬化或數(shù)據(jù)編織,以及我們今天談的分布式的數(shù)據(jù)管理,通過這種方式能夠輕松連接通用語義模型的一些元數(shù)據(jù)。過去,做數(shù)據(jù)分析之前的數(shù)據(jù)準備可能會通過所謂的“數(shù)據(jù)中臺”,數(shù)據(jù)管理人員會對數(shù)據(jù)進行多次加工,加工的過程本身也非常復(fù)雜。今天,面向分析,我們能夠通過虛擬的方法將分布式的數(shù)據(jù)集中管理起來,提升數(shù)據(jù)通道、數(shù)據(jù)管道之間的自動化的效率。

最后,我們采用一些輕量級的、易于使用的數(shù)據(jù)提取或者轉(zhuǎn)化的一些功能等,就能更好的提升從源頭到分析之間的數(shù)據(jù)管理的效率。

|賦能用戶

更好的賦能分析用戶,要能通過拖拉拽的方式,直觀的創(chuàng)造一些基本的數(shù)據(jù)分析模型,創(chuàng)造交互式的、可視化的數(shù)據(jù)探索的儀表盤。尤其是當(dāng)用戶使用這個數(shù)據(jù)分析工具時,通過交互的、可視化的方式,從不同維度對數(shù)據(jù)進行處理和分析,這都是自助式分析的一些非?；A(chǔ)的能力要求。所以我們希望數(shù)據(jù)分析工具能夠提供一種可視化的、交互式的數(shù)據(jù)探索。

數(shù)據(jù)分析的基本過程,就是形成假設(shè)然后進行數(shù)據(jù)探索,來驗證假設(shè)最后形成數(shù)據(jù)分析的結(jié)論。所以在形成數(shù)據(jù)思維或進行數(shù)據(jù)分析的過程中,需要有一個自助式的數(shù)據(jù)分析工具。不僅如此,這個數(shù)據(jù)分析工具要可以通過移動設(shè)備或者桌面設(shè)備等多種終端,使用交互式的數(shù)據(jù)儀表盤。從UI角度來講,在移動設(shè)備和桌面設(shè)備上使用習(xí)慣、數(shù)據(jù)展現(xiàn)方式等都有很大的不同,所以數(shù)據(jù)分析工具如何支持多個終端的不同的使用習(xí)慣,也是一個讓業(yè)務(wù)用戶先用起來的非常重要的前提。

最后,讓業(yè)務(wù)用戶用起來,就是數(shù)據(jù)分析的過程在一個組織之內(nèi),可能通過多個部門來共同協(xié)作所產(chǎn)生內(nèi)容。這些業(yè)務(wù)洞察、數(shù)據(jù)分析本身也是有它的流程的,例如產(chǎn)銷數(shù)據(jù)分析,就是在銷售體系中產(chǎn)生市場需求,在供應(yīng)鏈體系產(chǎn)生現(xiàn)有的供應(yīng)鏈能力,作為主計劃員,會把產(chǎn)銷兩方協(xié)同產(chǎn)生的內(nèi)容綜合起來,形成產(chǎn)銷銜接的業(yè)務(wù)洞察。類似這樣的一種分析場景,需要在公司內(nèi)部多人協(xié)作來產(chǎn)生內(nèi)容,在公司內(nèi)進行分享。

以上這些方式都是讓業(yè)務(wù)用戶把數(shù)據(jù)分析工具用起來所需要具備的一些條件。

PART 4

目前常見的四種現(xiàn)代BI類型

現(xiàn)在我們看到,無論在大型企業(yè)還是中型企業(yè),就前面提到的從傳統(tǒng)BI向現(xiàn)代化BI的轉(zhuǎn)化,企業(yè)里實際存在著多種BI的架構(gòu)或者BI的應(yīng)用形式。所以今天我們看到市場上關(guān)于數(shù)據(jù)分析的說法名詞也非常亂,各種各樣的中臺,例如指標中臺、數(shù)據(jù)中臺。但事實上我們觀察到市場上幾種主流的現(xiàn)代BI的Architypes類型。

這些類型包括數(shù)據(jù)湖和傳統(tǒng)數(shù)倉的結(jié)合,它的主要區(qū)別是對于結(jié)構(gòu)化數(shù)據(jù)是不是需要進行集中管理,來進行預(yù)算的處理。所以我們會看到大多數(shù)傳統(tǒng)的數(shù)據(jù)庫的方法,可能都是傳統(tǒng)數(shù)倉。但隨著數(shù)據(jù)湖的方式出現(xiàn)有些企業(yè)可能只有數(shù)據(jù)湖沒有數(shù)倉,有些企業(yè)可能是傳統(tǒng)數(shù)倉還沒有建立數(shù)據(jù)湖,還有一些企業(yè)可能數(shù)倉建立在數(shù)據(jù)湖之上等等。數(shù)倉和數(shù)據(jù)湖結(jié)合,會產(chǎn)生不同的數(shù)據(jù)平臺的架構(gòu),這些架構(gòu)會讓整個BI的應(yīng)用的時效性、工具選擇都有所不同。

第二種,現(xiàn)代BI的架構(gòu)是在Hadoop之上的新的SQL,獲得新一代的SQL工具。通過一些預(yù)測的方法,讓整個數(shù)據(jù)分析的效率更高,實現(xiàn)SQL自動化,讓查詢效率更高的一種BI方式。

第三種方式是云原生數(shù)倉。很多企業(yè)采用了云架構(gòu),但可能都是基于企業(yè)的私有云或私有的數(shù)據(jù)平臺,但今天我們也看到有越來越多的云原生的數(shù)倉或云原生的所謂Link House等云原生的數(shù)據(jù)平臺解決方案,這些IaaS和PaaS其實都是基于公有云的。我們現(xiàn)在常見的在國外比較知名的Snowflake、國內(nèi)增長很快的Databricks等等云原生的數(shù)倉,它們從數(shù)據(jù)的導(dǎo)入、數(shù)據(jù)的管理、數(shù)據(jù)的使用上都更加的靈活。當(dāng)然對于整個安全機制、數(shù)據(jù)編碼處理的能力,也提出來更高的要求。

最后一類BI工具是傳統(tǒng)的一些企業(yè)應(yīng)用的套件,甚至包括一些企業(yè)的傳統(tǒng)平臺提供的一些集成工具。例如大家熟悉的SAP,本身有全套的數(shù)倉和數(shù)據(jù)分析工具,還有像微軟也提供了數(shù)據(jù)平臺和像powerBI這樣的云上數(shù)據(jù)分析工具。

這四種不同的BI類型,無論是數(shù)據(jù)湖和數(shù)倉相結(jié)合,還是Hadoop之上的SQL、云原生數(shù)倉以及企業(yè)套件工具等,不同的BI工具對企業(yè)自助BI的能力建設(shè)要求各有不同,所以企業(yè)要根據(jù)自己的BI環(huán)境來確定自己的BI策略。

PART 5

選擇BI合作伙伴的策略

說到企業(yè)自己的BI策略,就涉及到企業(yè)在搭建BI平臺時,怎么樣確定自己的合作伙伴的策略。

正如前面所講,當(dāng)下的BI市場供應(yīng)商體系越來越復(fù)雜,技術(shù)棧也越來越復(fù)雜,在諸如數(shù)據(jù)接入層、轉(zhuǎn)化層、數(shù)倉層、數(shù)據(jù)分析準備層、數(shù)據(jù)分析工具層等等的每一次層上,都有很多供應(yīng)商,同時也有一些供應(yīng)商聲稱提供端到端的解決方案和工具。所以企業(yè)在建立自助式BI能力時,就要從不同的策略去考慮如何選擇你的BI合作伙伴。

|最佳組合策略

即在數(shù)據(jù)平臺的每一層或每一個組件選擇同類最佳的方案進行組合。當(dāng)然這對企業(yè)的IT管理能力、架構(gòu)管理能力、技術(shù)開發(fā)能力、集成能力,都會提出更高的要求。因此如果企業(yè)每一層或每一個模塊都選用最好的方案,作為企業(yè)主體就需要考慮到供應(yīng)商的規(guī)模、穩(wěn)定性、市場的普及性。對于一些特定的方案,例如視頻數(shù)據(jù)的處理、人工智能的處理,就需要選用在特定領(lǐng)域中具有創(chuàng)新能力的供應(yīng)商,即便供應(yīng)商不是很大,但在特定領(lǐng)域里有非常強的能力。這是第一種策略。

|集成策略

即盡可能選用同一個供應(yīng)商,它要能提供盡量多的組件。市場上一些大的云的供應(yīng)商或數(shù)據(jù)分析產(chǎn)品的供應(yīng)商,其實都提供全線的產(chǎn)品。盡管每個產(chǎn)品線不一定是我們前面談到的best of breed(最佳組合),但從同一個廠商選擇多個產(chǎn)品,對于企業(yè)整體部署的方便性以及技術(shù)架構(gòu)的一致性來說相對會是最好。

|混合策略

即盡可能采用一個主要的供應(yīng)商提供主要的組件,但在一些特定的方案中,選擇其他供應(yīng)商,是集成策略加上最佳組合策略的綜合策略。

PART 6

搭建現(xiàn)代BI平臺的方法

在了解了傳統(tǒng)BI到現(xiàn)代BI的演變、常見的現(xiàn)代BI類型以及選擇BI合作伙伴的一些指導(dǎo)性原則后,我也想跟大家介紹一下BCG Platinion幫助客戶進行BI平臺規(guī)劃和搭建的方法。當(dāng)然具體的搭建我們也都是依靠觀遠數(shù)據(jù)等市場上領(lǐng)先的技術(shù)公司來提供技術(shù)平臺。

依照BCG Platinion過去的經(jīng)驗,搭建一個自助服務(wù)的現(xiàn)代BI平臺,一般有這樣幾個步驟:

1. 關(guān)鍵KPI確定

2. 從高保真模型創(chuàng)建到架構(gòu)設(shè)計和數(shù)據(jù)庫評估

3. 從原型開發(fā)到架構(gòu)搭建和數(shù)據(jù)庫準備

4. 完整版本交付

所謂BI其實是我們的分析對象,即一些KPI或一些指標的確定。我們非常推薦采用敏捷的方法,實現(xiàn)平臺的最小可用。從平臺高保真模型創(chuàng)建開始,到原型的開發(fā),到完整版本的交付,一般可能需要半年到一年的時間,但前端的原型基本上每兩到三周就會產(chǎn)生一個迭代。第一個迭代是從高保真模型開始,從高保真模型取得用戶的認可之后,開始做架構(gòu)的設(shè)計以及整個數(shù)據(jù)庫的評估選型。再之后,通過最小可用的原型,一般經(jīng)過兩到三個周次,就能夠搭建一個可用的用戶原型,在業(yè)務(wù)中實際使用。接著從用戶反饋來改進平臺架構(gòu)、改進BI分析能力和分析工具。

我們可以從BCG Platinion的實際案例中看到這幾個步驟的實現(xiàn):

這是BCG團隊幫助某銀行搭建面向業(yè)務(wù)用戶使用的現(xiàn)代型BI的一個案例。背景是某銀行過去在月度經(jīng)營會上需要對很多經(jīng)營指標,銀行期望數(shù)據(jù)分析工具真正讓業(yè)務(wù)部門用起來,能夠?qū)崿F(xiàn)在討論業(yè)務(wù)的過程中,業(yè)務(wù)部門能夠用數(shù)據(jù)說話。例如目標是要提供經(jīng)營利潤,那么就要看高利潤產(chǎn)品或高利潤服務(wù)的業(yè)務(wù)是不是在增長,再深入來看未來要做好高利潤業(yè)務(wù)增長的話,有哪些價值驅(qū)動的因素,比如市場營銷、產(chǎn)品開發(fā)、數(shù)字化能力是不是支持這些高利潤業(yè)務(wù)的發(fā)展。

從業(yè)務(wù)分析邏輯上來講,這之間的每一步是層層遞進的。所以在使用數(shù)據(jù)進行經(jīng)營分析和討論的過程中,站在業(yè)務(wù)的角度,不是要預(yù)設(shè)一個KPI進行監(jiān)控,而是要幫助業(yè)務(wù)討論。過程中根據(jù)業(yè)務(wù)實際,建立交互式儀表盤,對于數(shù)據(jù)進行層層穿透的查詢,以幫助業(yè)務(wù)洞察。

BCG團隊幫助這家銀行設(shè)計了基于總體愿望目標(企業(yè)業(yè)務(wù)北極星指標)、數(shù)據(jù)層層穿透的數(shù)據(jù)分析體系:

第一層是一些大的財務(wù)指標;

第二層則將其細化到按照區(qū)域或按照產(chǎn)品線、客戶類型的指標,從不同業(yè)務(wù)維度進行分段;

第三層和第四層是確定分段級指標的價值驅(qū)動因素,例如整體業(yè)務(wù)運營效率或營銷效率等。

我們幫助這家銀行建立了這樣一個數(shù)據(jù)分析的指標體系,這些指標體系中有些是不能看到業(yè)務(wù)結(jié)果的滯后性指標,有些是幫助業(yè)務(wù)提高運營效率的先導(dǎo)性指標,只有當(dāng)業(yè)務(wù)能力提升后,才能從業(yè)務(wù)結(jié)果中看到。

所以,我們說“讓業(yè)務(wù)人員用起來”,就是要首先幫助業(yè)務(wù)人員結(jié)構(gòu)化分析的邏輯,幫助他建立業(yè)務(wù)的先導(dǎo)性和滯后性指標,建立指標之間的關(guān)聯(lián),輔助他在整個業(yè)務(wù)討論過程中更加結(jié)構(gòu)化地討論業(yè)務(wù)。當(dāng)他每面向一個討論課題時,能夠幫助他實現(xiàn)指導(dǎo)性的數(shù)據(jù)分析。

PART 7

敏捷開發(fā)自主分析工具

及時采納用戶反饋

這樣的分析過程很大程度改變了這家銀行傳統(tǒng)的月度經(jīng)營會方式。在大型企業(yè)工作過的都會對所謂QBR(季度營運會議)或MBR(月度營運會議)有所了解,過去都有套表,這些套表通常都是比較格式化的,而且指標相互關(guān)聯(lián)的程度、自助分析的程度都是不夠的。BCG團隊就是幫助這家銀行把過去的QBR、MBR的整個報表體系,轉(zhuǎn)化成了可視化、交互式的數(shù)據(jù)分析的指揮板。

這整個過程前后經(jīng)歷了半年的時間。在最后交付可用的產(chǎn)品時,基本上已經(jīng)經(jīng)歷了9次敏捷的沖刺,我們也采取了很多常見的敏捷活動,例如站會看板、工作任務(wù)跟蹤、用戶體驗、沉浸式討論會等等。每次沖刺大概短則一周,長則三周,經(jīng)過了9次沖刺,前后經(jīng)歷大概兩三個月的時間,通過這個過程幫助這家銀行建立了數(shù)據(jù)分析體系,進行數(shù)據(jù)的探索。

我們也落實了KPI相應(yīng)的管理權(quán)責(zé)和條線,以及一些臨時性的報表模板,把過去的報表按照新的KPI體系進行梳理。同時做了高保真的原型,并且將高保真原型做到通過系統(tǒng)開發(fā)接入BI工具,進行了自助分析工具的原型發(fā)布。在工具原型發(fā)布后,我們對整個數(shù)據(jù)鏈路的自動化以及分析的增強功能進行了一些完善和豐富,同時在這一過程中面向業(yè)務(wù)用戶進行路演培訓(xùn)。

當(dāng)我們第二次版本迭代時,這個工具就已經(jīng)做到在這家銀行的幾個主要試點事業(yè)部中,尤其是業(yè)務(wù)管理者中廣泛使用了。在后續(xù)持續(xù)的迭代中,也在不斷采納客戶使用過程中的反饋,同時對用戶進行持續(xù)的賦能和培訓(xùn)。

這個自助分析的BI平臺的整個建設(shè)過程,就是一個很典型的敏捷的方法,最終賦能業(yè)務(wù)用戶使用。

這是我今天分享的讓業(yè)務(wù)用戶用起來的現(xiàn)代化BI以及BI的敏捷建設(shè)方法。感謝觀遠數(shù)據(jù),也感謝各位的聆聽。

（免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責(zé)。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責(zé)任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）