
商業(yè)智能系統(tǒng)BI應(yīng)用的重難點(diǎn)
對(duì)信息化而言,越是強(qiáng)大的工具應(yīng)用的準(zhǔn)入門檻要求越是高。商業(yè)智能系統(tǒng)BI的作用是顯而易見(jiàn),但全球的應(yīng)用率卻非常低。在商業(yè)智能活動(dòng)應(yīng)用最為發(fā)達(dá)的美國(guó)和歐洲地區(qū),應(yīng)用效果同樣是“喜憂參半”,喜的是許多企業(yè)都計(jì)劃實(shí)施商業(yè)智能,對(duì)商業(yè)智能的投資在持續(xù)增長(zhǎng);憂的是商業(yè)智能仍未被廣泛地提升到戰(zhàn)略性層面的。商業(yè)智能在中國(guó),炒得火熱,但應(yīng)用成功的也寥寥無(wú)幾。主要是一方面,中國(guó)的管理信息化應(yīng)用層次還不高,對(duì)商業(yè)智能系統(tǒng)缺乏足夠認(rèn)知和經(jīng)驗(yàn);另一方面商業(yè)智能系統(tǒng)對(duì)信息化基礎(chǔ)要求較高,有很高的準(zhǔn)入門檻,否則失敗的幾率很大。
企業(yè)應(yīng)用商業(yè)智能系統(tǒng)需要在現(xiàn)行管理信息系統(tǒng)較為成熟的基礎(chǔ)上應(yīng)用,這樣才能起到事半功倍的效果。不建議企業(yè)在毫無(wú)信息化搭建經(jīng)驗(yàn),或者在信息化搭建初期應(yīng)用商業(yè)智能系統(tǒng)。
另外,在應(yīng)用的過(guò)程中需要重點(diǎn)關(guān)注數(shù)據(jù)處理、模型搭建和展現(xiàn)方式三個(gè)部分的工作。
1、數(shù)據(jù)處理。數(shù)據(jù)是商業(yè)智能系統(tǒng)的主角,基礎(chǔ)數(shù)據(jù)的有效程度直接對(duì)系統(tǒng)分析出來(lái)的結(jié)果有直接影響,這種影響可以達(dá)到呈幾何級(jí)別的錯(cuò)誤導(dǎo)向。所以,進(jìn)行分析的數(shù)據(jù)處理工作非常重要。這不僅包括數(shù)據(jù)清洗、數(shù)據(jù)分類等基礎(chǔ)工作,還包括各系統(tǒng)的數(shù)據(jù)維度劃分和數(shù)據(jù)表達(dá)的一致性。在不同的系統(tǒng)中,信息的傳遞鏈條不同,數(shù)據(jù)間的邏輯也不同,在系統(tǒng)分析前,將所有異構(gòu)系統(tǒng)的數(shù)據(jù)按照一定的模式進(jìn)行統(tǒng)一的工作是項(xiàng)既瑣碎又費(fèi)神效果也不太明顯而且錯(cuò)誤率極高的活,換句話說(shuō)就是個(gè)吃力不討好的活。但這確實(shí)是商業(yè)智能系統(tǒng)的最最基礎(chǔ)的工作。只有這個(gè)地基打好做扎實(shí)了,磊起的高樓才堅(jiān)實(shí)。
另外,在數(shù)據(jù)處理的過(guò)程中平衡數(shù)據(jù)的廣度和分析的深度也是一件困難的事情。我們目前基本上對(duì)結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行處理和分析,但全球產(chǎn)生的數(shù)據(jù)中85%以上的是非結(jié)構(gòu)化的數(shù)據(jù)。隨著“大數(shù)據(jù)分析”口號(hào)的日漸火熱,如何有效的將非結(jié)構(gòu)化的數(shù)據(jù)轉(zhuǎn)化為有效的結(jié)構(gòu)化數(shù)據(jù)這本身就是一個(gè)難題。企業(yè)在做數(shù)據(jù)挖掘的時(shí)候,如果沒(méi)有本事做到很好處理這些非結(jié)構(gòu)數(shù)據(jù)的時(shí)候,還是別攬那個(gè)瓷器活,先分析好結(jié)構(gòu)化數(shù)據(jù)了先。
2、模型搭建。有人提出說(shuō)“商務(wù)智能(BI)系統(tǒng)最昂貴的地方不是平臺(tái),而是模型”,這個(gè)觀點(diǎn)我比較贊同。系統(tǒng)最貴的部分一般也是智力最為集中的部分。模型的搭建一般都是BI廠商根據(jù)各個(gè)行業(yè)和系統(tǒng)的運(yùn)作流程總結(jié)出來(lái)的優(yōu)秀的經(jīng)驗(yàn),寶貴的實(shí)踐經(jīng)驗(yàn)和昂貴的知識(shí)產(chǎn)權(quán)成正比。然而,目前由于國(guó)內(nèi)市場(chǎng)應(yīng)用BI的企業(yè)并不多,應(yīng)用深入的更少,應(yīng)用基礎(chǔ)也比較薄弱,即使拿來(lái)國(guó)外先進(jìn)的商業(yè)模型也不一定運(yùn)轉(zhuǎn)起來(lái),所以盡快建立各種適合國(guó)內(nèi)企業(yè)特色的模型是各商務(wù)智能(BI)廠商未來(lái)要投入大力解決的。在國(guó)內(nèi)也有很大一部分企業(yè)采用的自主開(kāi)發(fā)的方式,采用這種方式可以避免高額的費(fèi)用,但卻無(wú)法學(xué)習(xí)到國(guó)外先進(jìn)的商業(yè)經(jīng)驗(yàn)。
3、展現(xiàn)方式。這個(gè)展現(xiàn)方式指的是系統(tǒng)分析呈現(xiàn)給使用者的感官效果,圖表或者儀表盤所展現(xiàn)出來(lái)的內(nèi)容能被使用者接受。當(dāng)然,你可以說(shuō)使用者的使用習(xí)慣是可以后期改變和影響的。但前提是系統(tǒng)所做出的展現(xiàn)方式的確比較靠譜,比較簡(jiǎn)潔和清晰才行。我認(rèn)為一切給不了別人需要了解的數(shù)據(jù)和信息的都是混淆視聽(tīng)。
這個(gè)展現(xiàn)方式與前兩項(xiàng)工作相比,難度系數(shù)要小很多,但卻是景上添花活兒。因?yàn)橄到y(tǒng)所有的內(nèi)容都通過(guò)展現(xiàn)方式傳達(dá)給用戶,直接影響用戶對(duì)系統(tǒng)的接受度。這就好比你吃一頓飯,色香味俱全一看就很有食欲,同樣營(yíng)養(yǎng)、味道都不錯(cuò)但擺盤粗糙了點(diǎn),顏色灰暗了點(diǎn),你在吃這頓飯的時(shí)候,立馬感覺(jué)就不一樣了。雖然你還是能把它吃下去,但用戶體驗(yàn)大打折扣,非常劃不來(lái)。所以,在前期很好的調(diào)研用戶的使用習(xí)慣,很好的對(duì)數(shù)據(jù)進(jìn)行表達(dá),我覺(jué)得也是非常重要的工作。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無(wú)論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開(kāi)的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)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(kāi)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(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、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(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開(kāi)發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問(wèn)題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問(wèn)題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問(wèn)題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過(guò)程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見(jiàn)頂” 的當(dāng)下,精準(zhǔn)營(yíng)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(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)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(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場(chǎng)景中,聚類分析作為 “無(wú)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(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡(jiǎn)單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10