设为首页收藏本站

绿色BI论坛商业智能大数据交流社区

 找回密码
 注册

QQ登录

只需一步,快速开始

查看: 92|回复: 0

商业智能时代,却有人称要干掉bi决策支持系统?

[复制链接]
发表于 2017-11-15 10:10:47 | 显示全部楼层 |阅读模式
本帖最后由 4g石榴s 于 2017-11-15 10:36 编辑

  商业智能时代,bi分析系统、bi决策支持系统、大数据决策支持系统等BI工具大受欢迎,越来越多的公司考虑到企业的长远发展,选择安装BI,认认真真走一条数据化运营之路。这个时候,江湖上出现另一个声音,称要干掉bi决策支持系统?他认为,未来不应该存在集中的BI部门,人人都应该成为数据分析师。这样独特的见解是谁发出的?他为什么这么认为?我们就来详细了解下吧。

  数据应该回归本身,让所有人都可以分析,人人都可以成为数据分析师。不是说没有 BI 部门,而是说未来某天数据分析技能已经被每个业务人员掌握。即便从一个数据分析师的角度看,曾鸣的决定也颇具远见和创造性。

  全域大数据时代已经到来。在数据科学成为炙手可热的话题的两年后,我发现我被企业管理层问得最多的问题是:如何确保有足够多的数据来发展人工智能?需要储备什么样的人才? 我认为,大家都忽略了大数据能力的根源来自连接,而连接的基础是数据的流通和标准化。

  在阿里时,我是怎么处理部门间数据互通这件事情的呢?很简单,首先是找出大家有意愿共用的部分,先建设起来公共数据。当这些带有公共性质的核心数据建立起来之后,大家就能更容易地感受到数据高质量流通的意义及好处。要保证这些数据的质量和新鲜度也相对变得容易了。

  之后,我采取的是共创共赢策略。我将我们部门所有的、我认为很有可能成为公共数据的数据,全部都放在大家眼前。如果其他部门有人要使用的话,这些数据可谓召之即来。当他们所有人都开始使用这些数据时,我就可以输出技术及标准,去帮助其他部门完成更大范围的数据打通。

  加入支付宝后,我面对的第一件事就是着手组建支付宝数据分析师团队。 2010 年的支付宝,大部分业务团队对数据团队都不太满意,而且高层对数据能产生的价值也没有太多认识。同时,由于当时数据负责人调职,导致支付宝的数据分析和数据技术部门被分开管理。

  面对数据分析和技术团队的目标不一致,业务部门对为什么要使用数据以及如何善用数据充满疑问,甚至有人认为数据分析仅是门面功夫。但我坚持数据分析产品化路线,相信数据分析的工作最终必须落地在产品上。

  从解放集中式的数据分析师团队到“人人都是分析师”的泛化过程中,我们的业务部门自己就可以便捷地使用工具解决问题。这其中的精髓是: 数据分析也要讲究用户体验。

  在数据化实践的过程中,数据的有效使用与高度流通要有互惠互利机制。所以,发声者不是抵触bi决策支持系统,而是反对集中式的BI部门,追求人人可分析的互惠互利机制。 相信数据是未来所有业务的核心竞争力,如果你正需要引入大数据决策支持系统,可以借鉴下这位仁兄的BI建设思路。

回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

关闭

站长推荐上一条 /1 下一条

手机版|使用帮助|绿色BI论坛商业智能大数据交流社区 ( 粤ICP备09215901号-2   

点击这里给我发消息

粤公网安备 44049102496016号

GMT+8, 2017-11-25 15:34 , Processed in 1.201203 second(s), 30 queries .

Powered by Discuz! X3.2

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表