商業智能(BI)使企業能夠從大量數據中獲得見解。但這樣做需要克服一系列戰略和戰術挑戰。

如今，各種類型的組織都被來自各種來源的數據淹沒，試圖理解所有這些數據不堪重負。因此，強大的商業智能(BI)策略可以幫助組織流程，并確保業務用戶能夠訪問可操作的業務見解。

總部位于西雅圖的Launch咨詢集團良好行業數據負責人Lisa Thee說，“到2025年，估計我們每天將產生4.63億TB的數據。對于企業來說，要與市場保持聯系，做出反應，并創造出與消費者聯系的產品，利用這些信息產生的見解非常重要。”

商業智能軟件通過將正確的數據引導到分析報告和可視化中來幫助公司做到這一點，以便用戶可以做出明智的決定。但是如果沒有正確的方法來實現這些工具，組織仍然面臨著最大化價值和實現業務目標的問題。

以下是企業面臨的六個常見商業智能挑戰，以及IT部門如何應對這些挑戰。

1.用戶采用率低

對于想要意識到商業智能工具的好處的企業來說，獲得所有利益相關者的支持是至關重要的，因為任何最初的不情愿都會導致低采用率。

總部位于佛羅里達州坦帕市的全球網絡安全評估機構Schellman公司高級業務分析師DianaStout說，“對我們的商業智能團隊來說，首要問題是讓人們相信，商業智能將有助于做出真正的數據驅動決策。”

為了獲得員工的認可，Stout的團隊構建了商業智能儀表板，向他們展示如何輕松地連接數據并與數據交互，以及以一種有意義的方式將數據可視化。

她說：“例如，某個利益相關者認為某條產品線有利可圖。我可以建立一個儀表盤，向他們展示情報，或者證明他們的想法是正確的，或者證明他們是錯的，并向他們展示原因。”

Stout表示，這使得用戶能夠看到采用商業智能工具的價值。

2.確定哪種商業智能交付方法最適合

有許多傳統的IT管理方法可以從數據中交付報告和見解。但是通過使用自助商業智能工具，以及更直觀的儀表板和用戶界面，企業可以通過讓經理和其他非技術人員更好地使用報告來簡化流程，從而從數據中獲得更高的業務價值。

總部位于瑞士巴塞爾的跨國制藥廠商諾華公司全球視覺分析主管AxelGoris表示，然而，采用自助服務方法可能會有障礙。例如，在多個部門之間擁有過多的訪問權限，從而增加成本，并使企業面臨數據安全問題。想讓企業的銷售團隊根據得到的任何數據做出決定，并擁有混合和匹配的自主權，看看哪種方法最有效嗎?對工具推出進行集中、標準化的控制是關鍵。為了正確地做到這一點，IT需要很好地管理數據。

由于這些權衡，企業必須確保他們選擇最適合手頭業務應用程序的商業智能方法。

AxelGoris表示：“除了為我們工作的外部員工，我們還有10萬多名員工，這是一個相當大的用戶群體。一個關鍵的挑戰是圍繞交付組織，你如何組織交付，因為制藥公司受到高度監管。”

Goris解釋說，IT管理的商業智能交付模型需要大量的工作和流程，這不適用于業務的某些部分。

Goris說，“這是因為他們覺得游戲過于復雜，有太多的開銷，他們想要行動得更快、更敏捷，如果IT是交付的首選場所，那么它就會成為瓶頸，因為我們的規模不足以為每個人提供交付服務。”

為了應對這一挑戰，諾華公司實施了兩種交付方式：IT管理方法和自助服務、業務管理方法。

他說：“通過業務管理交付，我們提供了平臺和工具，并允許業務在一定的參數下自行發展，使用其首選的供應商，或者讓團隊自己完成，這非常受歡迎。”他補充說，這一切都取決于決定“我們如何為業務中的每個人服務，或者允許商業智能用戶以可擴展的方式為自己服務。”

3.是否集成數據

隨著企業發現自己必須集成來自內部部署和云中各種數據源的數據(這可能是一個耗時且復雜的過程)，簡化設置過程的需求也在增加。但許多人找到了其他解決方案。舉例來說，總部位于北卡羅來納州的美國玩具火車和模型鐵路設計和進口商Lionel公司首席信息官Rick Gemereth說，該公司使用ERP作為記錄系統。

他說：“我們的單一數據源是NetSuite，我們的整個ERP和電子商務都基于NetSuite。這樣做的好處之一是，我們不需要面臨試圖將不同來源的數據結合起來的挑戰。”然而，適用于Lionel公司的方法在其他地方可能并不適用。挑戰在于找到最適合你特定情況的解決方案。

例如，Stout解釋了如何解決客戶關系管理(CRM)和財務數據的集成問題。

她說：“許多商業智能軟件都是從數據倉庫中提取的，在數據倉庫中加載所有數據表，這些數據表是不同軟件的后端?；蛘吣阌幸粋€商業智能工具，比如Schellman使用的Domo，它可以作為數據倉庫。可以連接到這個軟件，它會把它拉到一個表中。然后你把所有這些表格放在一個地方，這樣你就可以獲取信息并處理。”

Gartner公司杰出的副總裁兼分析師Jim Hare表示，有些人認為，他們需要把各個業務部門系統中孤立的所有數據轉儲到數據湖中。

他說，“但他們真正需要做的是從根本上重新思考如何管理和訪問數據。Gartner公司寫的是數據結構的概念。”

數據結構被定義為分布式數據環境中無摩擦訪問數據共享的使能器，旨在幫助企業訪問、集成和管理數據，無論數據存儲在何處，使用語義知識圖、主動元數據管理和嵌入式機器學習。Hare說，“數據結構允許數據駐留在云中或內部設施中的不同類型的存儲庫中，關鍵在于能夠找到相關數據，并通過知識圖譜將其聯系起來。其中的關鍵是元數據管理。”

4.不必讓數據變得完美

傳統觀點認為，企業需要使用高質量的數據來收集必要的見解，以做出最佳的商業決策。但總部位于瑞士的LKQ歐洲有限公司汽車市場零部件分銷商的數字化轉型主管NicoleMiara表示，這種說法并不十分準確。

僅僅因為認為不是最高質量的數據并不意味著它沒有價值。

當涉及到決策時，企業對獲得完美數據的渴望可能會減緩其努力，因為他們會花時間盡可能多地收集數據，修復不完整的數據或糾正格式。Miara表示，很難擁有完美的數據，但企業可以使用和分析不完美的數據，并開始將其轉化為業務見解。

她說：“數據并不一定要完美才能開始這段旅程。這是一個循序漸進的方法。”此外，她補充說，如果沒有基本的數據層，就無法做出預測。

例如，LKQ歐洲公司正試圖應用其數據，包括銷售數據，以改善其供應鏈業務，因為該公司由于新冠疫情而經歷了35個月的中斷。然而，該公司只有大約12個月的銷售歷史數據。

Miara說:“我們收集了發票數據，但我們沒有關于銷售的額外信息，所以使用了不完善的銷售數據，并試圖找到與我們未來業務的相關性。但我們想知道是否可以改進我們的預測，僅根據這些數據來預測需求。我們發現，不完美的數據與通脹和就業指數等外部信號的相關性非常好，盡管并不完美。”

5.應對變革的阻力

總部位于佐治亞州的豪華黑膠地板和瓷磚地板HappyFeetInternational公司的首席信息官NickSchwartz表示，變革管理是實施商業智能時面臨的頭號難題。

Schwartz表示，在地板行業中，很多人不使用新技術。事實上，當Schwartz三年前加入該公司時，銷售人員在日常工作中甚至還不使用電子郵件，因為他們更習慣于通過電話開展業務。

他說，“人們習慣于以某種方式做事，”他們多年來一直這樣做，他們會問你為什么要嘗試一種不同的方式。因此，我們必須盡可能簡化他們的體驗，同時延長培訓時間。”

6.數據治理一致性

研究咨詢和咨詢機構The Hackett集團的首席數據科學家Justin Gillespie表示，企業需要確保他們有成熟的數據治理流程，包括數據管理以及圍繞關鍵指標和關鍵績效指標(KPI)的治理。

他說，“我接觸過的每一家公司都有同樣的問題，人們在相互溝通方面并不順暢，因此擁有一套由組織認證的集中管理的KPI和指標是關鍵。”

Gillespie認為，治理還包括標準化工具和平臺。他說：“從工具和技術的角度來看，這很少是因為缺乏工具，而是因為有太多工具。所以企業應該在一個工具集上進行標準化，然后圍繞它建立一個熟練度。