当商业智能 (BI) 旨在将数据作为资产利用时，由于传统数据管理流程（例如数据的准备和清理）的失败而花费过多的时间和金钱，公司该怎么办？
想要生成临时报告的业务分析师是否必须精通技术或等待更有知识的人来帮助解决这些问题？许多公司正在转向自助式 BI，以使业务分析更容易、更直观，但数据管理流程问题在上游继续存在，由于持续存在低质量数据，使得纯粹的自助式 BI 变得繁琐。
企业需要了解数据管理对 BI 的影响。在最近的一次 DATAVERSITY® 采访中，迈克·布罗迪, 首席执行官Exago，探索了商业智能 (BI) 的位置以及它如何与传统的数据管理任务相交。Brody 定义的数据管理符合DAMA DMBOK®:
“在数据和信息资产的整个生命周期内交付、控制、保护和提高价值的计划、政策、计划和实践的开发、执行和监督。数据管理涵盖了为处理数据资产而制定的所有实践和政策。”
他说，商业智能“描述了通过软件工具进行的商业
数据分析，主要是为了将商业数据货币化。” 在布罗迪看来：
“当我们从数据中提取业务洞察力时，我们就有效地将其货币化。彼得德鲁克是对的：“得到衡量的东西得到管理。” 我们用 BI 衡量数据是因为它很有价值，我们管理数据是因为我们衡量它。”
如果 BI 的建立是为了将数据货币化，那么数据分析师在被卷入传统的数据管理职责后会去哪里？
商业智能和数据管理：数据管道
商业智能很大程度上取决于良好的数据管理实施。布罗迪说：
“数据管理为良好的商业智能奠定了基础，并确定了 BI 的形式。有效的 BI 在很大程度上取决于组织的结构及其数据需求。如果数据管理不善，另一端的报表构建者将对 BI 感到沮丧。”
将数据管理视为管道。商业智能位于管道的远端，只能看到由各种数据管理流程过滤的数据，例如质量控制、清理和为以后的报告洞察做准备。数据管理一旦问题到达管道的 BI 端，问题就会被放大。根据 Brody 的说法，数据在报告应用程序中的呈现方式揭示了更多关于数据管理流程的信息：
“当分析师遇到虚假或陈旧信息时，例如重复记录或数据模型和数据语义之间的差异，这是改进一个或多个数据管理实践的机会。然而，在许多情况下，这些异常没有报告，BI 团队通过报告设计来补偿数据质量问题，这种设计效率非常低。”
数据分析师和临时报告作者可能会对他们的 BI 解决方案感到沮丧，特别是如果他们“熟悉数据的含义和指示”但“没有技术知识”或有权改进数据垃圾到数据-资产比率。
此外，这些业务人员“并不总是有办法向数据管理员（负责数据管理实践的负责人和负责人）报告有问题的数据质量，”布罗迪说。分析师需要某种 BI 反馈循环来影响数据管理流程的变化，这样他们就不会一遍又一遍地纠正相同的报告问题。
循环 BI/数据管理反馈
BI/数据管理反馈周期可能有无数问题，具体取决于给定组织的流程，但数据分析师需要生成报告，而不必补偿日益积压的数据管理问题。布罗迪说，“繁文缛节或官僚作风会使分析师指出数据管理引起的数据质量问题完全没有意义。”
为了引起对数据管理问题的关注，乔治·费里肯, 不列颠哥伦比亚大学的数据治理和商业智能总监说，数据分析师有时会采取叛逆的方法。他指出，故意不在报告级别清理数据，将其保留为原始形式，往往会引起利益相关者的注意，从而创造机会与利益相关者就每次清理相同问题所花费的时间和金钱进行沟通。报告是使用特定数据集构建的。
在没有自助式 BI 的组织中，“个人贡献者会向 BI 分析师团队要求他们需要的报告，从而造成瓶颈。” 在具有编程技能的人发回一份有意义的、格式良好的报告之前，需要立即获取信息的人无法访问它。数据管理问题只会使这个问题更加复杂：
“做出数据驱动的决策不应该依赖少数人，以免他们感到负担过重。几乎每个人都需要访问某种数据才能有效地完成工作。信息处理责任应该只落在几个人的肩上，还是应该在该用户组之间有一定程度的独立性和自主权？那些不懂技术和苦苦挣扎的人需要有一种方式向合适的人表达他们的痛点，这样才能有所作为。”
有效的数据管理/BI 反馈循环可以使数据分析师和非技术临时报告作者更容易访问质量数据。
更简单的 BI 模型，可提供更好更快的业务洞察力
分析师需要一个新模型来更快地获得更好的业务洞察力，而不会因管道顶部的数据管理流程实施不佳而陷入数据管理/BI 反馈问题。Exago，一家开发公司嵌入式商业智能, 创建了一种更简单的方法来确保数据集是干净的。布罗迪指出：
“Exago 尽可能让最终用户通过基本报表设计器立即访问数据。它们对于非技术人员来说是直观的，对于那些具有更高级技能和要求的人来说，它们尽可能地强大。因此，组织可以按照自己的意愿消除瓶颈。”
消除分析师在生成报告方面的痛苦的 BI 模型将鼓励更多使用并导致更高的数据货币化。除了一个好的应用程序，布罗迪还推荐：
全面的数据准备，将 80% 的资源用于规划，20% 用于实施
清楚了解如何使用公司的 BI，以便对其进行最佳管理
创建返回数据管理员的更自由流动的反馈渠道
数据准备是整个数据管理管道中的关键功能。如果没有良好的数据，组织就无法拥有有效的 BI 程序。BI 的好处与该数据的质量成比例。一旦数据井井有条，了解特定的组织 BI 要求并找到最能满足这些要求的正确解决方案势在必行。这一切都是为了在传统数据管理流程和下游 BI 需求之间建立一个有效的交叉点，但这个交叉点需要双向流动，“沿着整个管道的合作反馈为整个数据流提供了成功，”布罗迪最后说。
扫码加好友，拉您进群
全部版块
我的主页
收藏
