BI系列三：企业BI能力的最佳实践
业务团队的BI能力
从业务角度来看，首先是强调自助服务的能力。这点跟观远数据所说的“让业务用起来”非常匹配，即我们非常强调无论是数据的可得性，还是数据的使用，成熟度越高的企业，越能够摆脱过去“做报表是业务部门提需求，IT部门来开发”这种模式。BI用得好，业务部门自己就能够用起来，不需要IT部门去开发。
但IT部门也仍然很重要，是因为它要提供好的数据服务。要把数据资产分门别类，要记录良好，要让数据容易找到，例如使用数据目录。所以我们会看到数据中台，国内有些会叫它数据资产管理，数据中台中也会叫它所谓的“数据编目”，怎样将数据资产从数据源里拉到数仓里，进入数仓后又用例如元数据分析的方法，知道我们有什么数据编目。现在因为数据源性质不一样，甚至会用一些先进的工具，例如人工智能的方法来对数据源进行自动编目。对此通常也叫做Data Intelligence，即所谓数据智能，指的就是怎样去洞察数据资产，看到我有什么数据资产，它是按照什么方式进行编目。
总之，从业务上来讲，就是对数据管理得越好，数据质量越好，分析的效率就越高，对业务价值的贡献就越大。
另外一些实践，就要讲到让业务人员先用起来，这里同时更表示一定要让领导先用起来。对于BI能力很强的企业来说，它们有一个很重要的特征，就是领导亲自在参与BI驱动业务决策这件事。我们会看到很多BI在领导级的应用，例如典型的BI在企业预算管理场景的应用，以及营销费用管理场景的应用。
以上是我们看到的一些业务团队应用BI时的最佳实践，另一方面就是技术。
数据和技术能力
从技术角度来看最佳实践，主要涉及到八个方面，包括可视化、分析、集成、存储、存放、工具、角色和技能、数据治理。
可视化方面，传统的可视化相对来讲是比较静态的，例如格式化的报表，但今天比较先进的BI应用，可视化是更加支持动态特性和机器学习模型集成的分析。例如我们在做数据分析的时候，分析条件可以通过自然语言输入，就像我们在百度里搜索网页的时候只用输入关键词，就会自动跳出网页。我想生成报表，我就只用输入一句话，想看什么产品的品类、某个区域今年上半年的利润和去年同期的变化情况，我只要输入这句话，报表就会自动出现，这就是动态的数据可视化，而在这背后，是很多机器学习模型的集成，这也是典型的BI能力先进度的提升。
分析方面，这里也是非常强调要具备高度的自助服务的能力，而且能够实现分析能力的邦联化。所谓“邦联化”，即企业尤其是大型企业中，它的各个业务单位，包括不同的事业单位、不同管理职能体系，例如财务、人力资源等等，它们都有自己的一些数据分析的需求。这就要求企业的数据分析能力一方面要存在于这些业务单位里，又要在企业内部实现互通
所以，企业内部分析能力从组织上来讲，要能够建立数据分析的COE，这些COE既要有拉通能力，又能形成在各个业务单位中形成自有的COE。先进组织内部的分析能力，就是一种实现了能力的互通，以及建立在基层之上的一种分析能力。
数据集成方面，现在大多数企业数据服务处在一种解耦的状态，前面我有讲到数据编织，现在大家会认为数据编织相对于前些年讲的数据中台来说，是相对比较先进的一种架构，因为很多企业做数据中台的投入非常大，它要建立一个数据的平台，要建立很多数据分析的工具，对企业来讲开支非常大，且对技术人员要求非常高。那么有没有一种低成本的方法，不去建立很复杂的数据中台，依然能够让处于分布式的数据源，用虚拟化的方式集中管理，并且能够服务于数据分析的场景，并且当新的数据源出现的时候，也能够用低成本的方式快速集成到我所部署的数据集成框架里呢？这也是我们谈到BI能力时，技术角度上一个非常重要的能力。
存放方面，也就是数据分析上云。数据分析本身是非常耗费计算资源的，所以今天我们会看到企业应用的数据源本身也越来越多在云上，所以企业也在思考怎么样能够更好地做多云管理，能够让数据上云为企业带来规模效应。过去两年我看到很多企业，尤其是中大型企业，也会担心一个问题，即如果数据不在企业内部，会不会出现数据泄密等问题。当然每个企业都会有它自己的IT策略，不能一概而论。（注：陈果认为本地化这种数据存储的方式很快会消失）
从大的宏观环境上来看，国家的东数西算，整个云计算的基础设施也越来越发达，国外尤其是美国所有新兴的跟数据相关的供应商全都是纯云的，无论是去年前年比较火的Snowflake的云数仓的SaaS服务，还是一些主流的云平台提供的服务、基于云上的机器学习的平台等等，美国先进的数据工具全部是在云上的。（注：陈果认为对中国企业来说，是否采用云的架构，是否有云管理的能力，也是衡量BI能力一个非常重要的指标）。
最后，还要强调一点，数据的人才。今天我们都在谈数字化，数字化转型最大的挑战就是人才。企业的数字化分为两个方面，第一个是所有的业务要数字化，那就需要业务数字化的人才；另一个是当你的业务数字化后，产生大量的数据，要利用数据，就要具备足够的人才，没有人才，就没有办法打造企业的BI能力。
（本内容根据业内知名的数字化专家，波士顿（BCG)咨询董事总经理陈果的相关分享内容进行整理和汇编。）
业务团队的BI能力
从业务角度来看，首先是强调自助服务的能力。这点跟观远数据所说的“让业务用起来”非常匹配，即我们非常强调无论是数据的可得性，还是数据的使用，成熟度越高的企业，越能够摆脱过去“做报表是业务部门提需求，IT部门来开发”这种模式。BI用得好，业务部门自己就能够用起来，不需要IT部门去开发。
但IT部门也仍然很重要，是因为它要提供好的数据服务。要把数据资产分门别类，要记录良好，要让数据容易找到，例如使用数据目录。所以我们会看到数据中台，国内有些会叫它数据资产管理，数据中台中也会叫它所谓的“数据编目”，怎样将数据资产从数据源里拉到数仓里，进入数仓后又用例如元数据分析的方法，知道我们有什么数据编目。现在因为数据源性质不一样，甚至会用一些先进的工具，例如人工智能的方法来对数据源进行自动编目。对此通常也叫做Data Intelligence，即所谓数据智能，指的就是怎样去洞察数据资产，看到我有什么数据资产，它是按照什么方式进行编目。
总之，从业务上来讲，就是对数据管理得越好，数据质量越好，分析的效率就越高，对业务价值的贡献就越大。
另外一些实践，就要讲到让业务人员先用起来，这里同时更表示一定要让领导先用起来。对于BI能力很强的企业来说，它们有一个很重要的特征，就是领导亲自在参与BI驱动业务决策这件事。我们会看到很多BI在领导级的应用，例如典型的BI在企业预算管理场景的应用，以及营销费用管理场景的应用。
以上是我们看到的一些业务团队应用BI时的最佳实践，另一方面就是技术。
数据和技术能力
从技术角度来看最佳实践，主要涉及到八个方面，包括可视化、分析、集成、存储、存放、工具、角色和技能、数据治理。
可视化方面，传统的可视化相对来讲是比较静态的，例如格式化的报表，但今天比较先进的BI应用，可视化是更加支持动态特性和机器学习模型集成的分析。例如我们在做数据分析的时候，分析条件可以通过自然语言输入，就像我们在百度里搜索网页的时候只用输入关键词，就会自动跳出网页。我想生成报表，我就只用输入一句话，想看什么产品的品类、某个区域今年上半年的利润和去年同期的变化情况，我只要输入这句话，报表就会自动出现，这就是动态的数据可视化，而在这背后，是很多机器学习模型的集成，这也是典型的BI能力先进度的提升。
分析方面，这里也是非常强调要具备高度的自助服务的能力，而且能够实现分析能力的邦联化。所谓“邦联化”，即企业尤其是大型企业中，它的各个业务单位，包括不同的事业单位、不同管理职能体系，例如财务、人力资源等等，它们都有自己的一些数据分析的需求。这就要求企业的数据分析能力一方面要存在于这些业务单位里，又要在企业内部实现互通
所以，企业内部分析能力从组织上来讲，要能够建立数据分析的COE，这些COE既要有拉通能力，又能形成在各个业务单位中形成自有的COE。先进组织内部的分析能力，就是一种实现了能力的互通，以及建立在基层之上的一种分析能力。
数据集成方面，现在大多数企业数据服务处在一种解耦的状态，前面我有讲到数据编织，现在大家会认为数据编织相对于前些年讲的数据中台来说，是相对比较先进的一种架构，因为很多企业做数据中台的投入非常大，它要建立一个数据的平台，要建立很多数据分析的工具，对企业来讲开支非常大，且对技术人员要求非常高。那么有没有一种低成本的方法，不去建立很复杂的数据中台，依然能够让处于分布式的数据源，用虚拟化的方式集中管理，并且能够服务于数据分析的场景，并且当新的数据源出现的时候，也能够用低成本的方式快速集成到我所部署的数据集成框架里呢？这也是我们谈到BI能力时，技术角度上一个非常重要的能力。
存放方面，也就是数据分析上云。数据分析本身是非常耗费计算资源的，所以今天我们会看到企业应用的数据源本身也越来越多在云上，所以企业也在思考怎么样能够更好地做多云管理，能够让数据上云为企业带来规模效应。过去两年我看到很多企业，尤其是中大型企业，也会担心一个问题，即如果数据不在企业内部，会不会出现数据泄密等问题。当然每个企业都会有它自己的IT策略，不能一概而论。（注：陈果认为本地化这种数据存储的方式很快会消失）
从大的宏观环境上来看，国家的东数西算，整个云计算的基础设施也越来越发达，国外尤其是美国所有新兴的跟数据相关的供应商全都是纯云的，无论是去年前年比较火的Snowflake的云数仓的SaaS服务，还是一些主流的云平台提供的服务、基于云上的机器学习的平台等等，美国先进的数据工具全部是在云上的。（注：陈果认为对中国企业来说，是否采用云的架构，是否有云管理的能力，也是衡量BI能力一个非常重要的指标）。
最后，还要强调一点，数据的人才。今天我们都在谈数字化，数字化转型最大的挑战就是人才。企业的数字化分为两个方面，第一个是所有的业务要数字化，那就需要业务数字化的人才；另一个是当你的业务数字化后，产生大量的数据，要利用数据，就要具备足够的人才，没有人才，就没有办法打造企业的BI能力。
（本内容根据业内知名的数字化专家，波士顿（BCG)咨询董事总经理陈果的相关分享内容进行整理和汇编。）
