
中國商業(yè)智能實施失敗的原因分析
在企業(yè)實際的應用過程當中,商業(yè)智能的失敗率達到70%,這又是什么原因呢?對于此,復旦大學軟件學院副教授趙衛(wèi)東認為,商務智能在國內實施成功率不高主要以下幾個方面的原因:
1、起步晚,很多人對商業(yè)智能了解不多,意識不強、參與度不高
商業(yè)智能1996年最早由加特納集團(Gartner Group)提出,據(jù)今也有十幾年的歷史,但最早起步于國外,國外成熟的信息系統(tǒng)以及管理理念比較成熟,所以,對于商業(yè)智能的理解以及價值非常認可, 而國內則不同,由于國內信息化起步比較晚,導致了商業(yè)智能的建設要比國外的商業(yè)智能建設晚,很多人對于商業(yè)智能并不是很了解,現(xiàn)在一直處于報表的階段,同時也無法正確理解商業(yè)智能的價值,從而導致了商業(yè)智能這種老技術一直不能得到大規(guī)模的普及。
國內對于商業(yè)智能的需求更多的是老板所提出的,但老板對于商業(yè)智能的期望值一般比較高,而商業(yè)智能無論是在技術方面、還是在產品方面還存在一定的不足,導致了現(xiàn)階段企業(yè)并不是非常信任商業(yè)智能。
2、技術不成熟,目前只有報表、OLAP、儀表盤和統(tǒng)計分析等用的比較成功,而其他方面的 應用還處于研發(fā)、摸索階段。例如非結構化數(shù)據(jù)的處理、數(shù)據(jù)質量不高的數(shù)據(jù)處理, 目前還缺少有效地實用工具。
不在創(chuàng)新中爆發(fā),就在沉默中死亡!數(shù)據(jù)顯示,目前在商業(yè)智能的業(yè)務中70%是在做報表,25%做多維分析,只有不到5%做數(shù)據(jù)挖掘。報表是商業(yè)智能套件中應用最為廣泛的產品,在幾乎所有的業(yè)務系統(tǒng)中都能看到報表工具應用的影子,報表工具在經歷了最早的條帶式報表、流式報表到目前的類excel報表發(fā)展歷程,已經日漸成熟。
數(shù)據(jù)挖掘也不是什么新鮮的技術了,其挖掘算法基本穩(wěn)定了,機器學習技術也逐步成熟,但是數(shù)據(jù)挖掘也面臨著如何處理日益龐大的數(shù)據(jù)量,如何提高挖掘的智能水平的問題。
3、目前在中高端市場,國外商務智能解決方案提供商壟斷市場,但其業(yè)務模型與國內企業(yè)不完全適應,國內的商務智能解決方案提供商無論從產品的完整性和實施能力上也沒有多大優(yōu)勢。
IBM收購Cognos、SAP收購Sybase等等一系列的并購加大了對于商業(yè)智能市場的壟斷,有觀點認為ERP的普及波過后,未來商業(yè)智能將會成為市場的主導,從商業(yè)智能市場來看,目前國外的的商業(yè)智能服務商無論是在產品還是在技術方面都具有一定的優(yōu)勢,但國外的產品明顯具有國外的特點,在業(yè)務模式方面與國內企業(yè)的模式并不能完全適應,所以,國外的商業(yè)智能產品如何 與國內企業(yè)業(yè)務模式相互融合,將成為CIO關心的一個焦點。
從國內商業(yè)智能服務來看, 雖然具備本土化的優(yōu)勢,但總體的實力不足,在創(chuàng)新方面還要略遜色于國外的服務商,因此,種種因素導致了在商務智能市場上,現(xiàn)在還是國外的商務智能服務商“說了算”,商業(yè)智能在短時間內難以形成“氣候”。
4、缺乏既懂商業(yè)智能技術,又熟悉企業(yè)業(yè)務的人員,在商務智能市場逐年有很大增長的情況下,無論從數(shù)量上還是質量上都無法滿足企業(yè)的需求。
21世紀最重要的是人才!沒錯,如果沒有人,那么什么也做不好。 從現(xiàn)狀來看, 雖然做IT的人員多了,但既懂商業(yè)智能技術又懂企業(yè)業(yè)務人員的人員確非常少, 正如企業(yè)信息化的建設一樣,商業(yè)智能缺得是復合型人才,而不是單一的技術或者業(yè)務人員。
企業(yè)需要復合型的人才,目前這類人才確非常奇缺,一方面培養(yǎng)人才的成本較高,另一方面相應的人才風險也比較大,導致了企業(yè)對于商業(yè)智能的人才更多的是希望可以直接接手項目的人員,而不是從底層做起,這也就阻礙商業(yè)智能的前進因素之一,有產品沒有人會實施,那么只能失敗。
5、商業(yè)智能項目的軟硬件和實施費用很高,風險也比較大。
當前,商業(yè)智能的主要服務商幾乎都是國外的,相對于國內的商業(yè)智能產品來講,國外的商業(yè)智能產品費用較高,企業(yè)在實施一套商業(yè)智能系統(tǒng)所需要的軟硬件成本較高,在加上目前的成功率并不是很高, 因此,給企業(yè)帶來的風險也是很大。
國內的商業(yè)智能產品雖然在價格以及本地化具有很大的優(yōu)勢,但也存在很多的不足,比如產品方面在遜色于國外的產品,同時對于大量的數(shù)據(jù)處理,更多的依靠第三方所提供的工具。對于大型企業(yè)來講,國內的商業(yè)智能很難滿足其需求,因此,對于企業(yè)來講,上一套商業(yè)智能的風險不亞于上一套ERP的風險,所以, 在這方面投資還是比較謹慎。 高風險未必能帶來高回報,所以,歸其一點還是要幫助企業(yè)降低風險,才能更好的推動商業(yè)智能的普及。
6、商業(yè)智能項目的需求比一般應用系統(tǒng)復雜,難以把握。
把握市場動向,提高銷售利潤是企業(yè)的最終目標。在企業(yè)管理日趨科學化的今天,如何準確及時地進行生產經營決策是企業(yè)老總面臨的嚴峻問題。這要求決策者準確及時地捕捉到銷售信息,分析銷售情況,隨時根據(jù)歷史的銷售情況,對下一步的生產經營科學地進行決策。銷售分析需要的基礎數(shù)據(jù)涉及到的模塊有銷售、庫存、財務和人事,能夠圍繞銷售合同,從人員績效、應收款、財務、庫存等多角度進行分析,并給出如銷售趨勢、產品需求趨勢等輔助決策信息。
商業(yè)智能系統(tǒng)根據(jù)企業(yè)需要解決的問題,幫助企業(yè)建立相應的分析主題和分析指標,從業(yè)務系統(tǒng)的基礎數(shù)據(jù)庫中抽取需要的數(shù)據(jù),按預先建立的業(yè)務模型進行分析決策,分析結果顯示直觀、形象。
理論上來看,比較簡單,但在實際的應用過程中, 由于業(yè)務的不斷變化,企業(yè)的商業(yè)智能項目很難在短時間內隨著業(yè)務的變化而及時調整,這就導致了商業(yè)智能項目的需求要比OA等一般的應用系統(tǒng)復雜。 如果沒有專業(yè)、并且具備多年實施運維的BI人才,很難把控整個BI項目。
總結發(fā)現(xiàn),商業(yè)智能系統(tǒng)是一項復雜的系統(tǒng)工程,整個項目涉及企業(yè)管理, 運作管理, 信息系統(tǒng), 數(shù)據(jù)倉庫, 數(shù)據(jù)挖掘, 統(tǒng)計分析等眾多門類的知識。 因此用戶除了要選擇合適的商業(yè)智能軟件工具外還必須按照正確的實施方法才能保證項目得以成功。
商業(yè)智能系統(tǒng)的建設是一項長期的任務,不能一蹴而就。應該在“邊建設,邊應用,邊見效”的思想指導下,從業(yè)務部門的實際需求出發(fā),選擇統(tǒng)計報表作為項目的第一階段目標。從數(shù)據(jù)分析到數(shù)據(jù)挖掘,逐步完成從信息到知識的轉變,最終得到競爭優(yōu)勢和實實在在的利潤。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉換:從基礎用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關聯(lián)查詢效率:打破 “拆分必慢” 的認知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結構數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結構數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預期算子的內涵、作用與應用解析 動態(tài)隨機一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結構數(shù)據(jù)特征價值的專業(yè)核心 表結構數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結構化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應用 在數(shù)據(jù)分析與統(tǒng)計學領域,假設檢驗是驗證研究假設、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結構數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結構數(shù)據(jù)(以 “行 - 列” 存儲的結構化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進行 HTTP 網絡請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結構數(shù)據(jù)價值的核心操盤手 表格結構數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務邏輯:從規(guī)則拆解到數(shù)據(jù)把關的實戰(zhàn)指南 在業(yè)務系統(tǒng)落地過程中,“業(yè)務邏輯” 是連接 “需求設計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅動下的精準零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當下,精準營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到決策支撐的價值導向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10