惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

B
Blog
C
Cybersecurity and Infrastructure Security Agency CISA
Microsoft Security Blog
Microsoft Security Blog
B
Blog RSS Feed
云风的 BLOG
云风的 BLOG
G
Google Developers Blog
Recent Announcements
Recent Announcements
A
About on SuperTechFans
cs.AI updates on arXiv.org
cs.AI updates on arXiv.org
Google Online Security Blog
Google Online Security Blog
Google DeepMind News
Google DeepMind News
S
Schneier on Security
S
Secure Thoughts
T
The Exploit Database - CXSecurity.com
Martin Fowler
Martin Fowler
P
Proofpoint News Feed
Security Latest
Security Latest
Jina AI
Jina AI
D
Darknet – Hacking Tools, Hacker News & Cyber Security
Recorded Future
Recorded Future
T
Tor Project blog
有赞技术团队
有赞技术团队
H
Hackread – Cybersecurity News, Data Breaches, AI and More
N
News | PayPal Newsroom
博客园 - 三生石上(FineUI控件)
MyScale Blog
MyScale Blog
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
Last Week in AI
Last Week in AI
F
Full Disclosure
Hacker News: Ask HN
Hacker News: Ask HN
Forbes - Security
Forbes - Security
D
DataBreaches.Net
人人都是产品经理
人人都是产品经理
NISL@THU
NISL@THU
C
Cisco Blogs
Recent Commits to openclaw:main
Recent Commits to openclaw:main
Google DeepMind News
Google DeepMind News
Project Zero
Project Zero
IT之家
IT之家
T
Threatpost
Cyberwarzone
Cyberwarzone
O
OpenAI News
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
J
Java Code Geeks
P
Proofpoint News Feed
The Last Watchdog
The Last Watchdog
月光博客
月光博客
Latest news
Latest news
MongoDB | Blog
MongoDB | Blog
Apple Machine Learning Research
Apple Machine Learning Research

博客园 - 森林坛子

2010新会计准则 打发时光的102个网站 适合女生玩的29个有意思的网站 某强人手机里保存的五十条牛B短信 2008年10大牛语 新巴塞尔资本协议(中英文) Oracle Change Data Capture 变化数据捕捉 26个英文字母中蕴涵的管理学 买土豆的故事(转中外管理) Assessing Your Project's ROI Potential Maximizing Your BI Return-On-Investment 软件开发项目过程中的风险管理研究 Ad Hoc: The Way We Live. The Way We Work? Testing for DW/BI - Current State and a Peep into the Future 漫谈售前必须具备的能力和素质(转) 爆笑,美貌女大学生们的文雅性暗示! 一段好玩的JavaScript代码 Master Data Management: Creating a Single View of the Business 07年1季度 Gartner商业智能平台魔法四分区
请个CIO 踏平商业智能坎坷路
森林坛子 · 2007-06-19 · via 博客园 - 森林坛子

很有意思的一篇文章
来自:http://www.chinabi.net/Article/binews/200706/439.html

“电子技术到来后,人延伸出一个活生生的中枢神经系统。”麦克卢汉40年前在《理解媒介》一书中写下的这句话,以今天的眼光看,仍有些莫测高深。

  如今,企业的神经系统传来了大量的数据,而人类的神经系统并无处理这些数据的能力,人们迷失在数据之雾中。这种事就在你我身边,一个邻家饮料店的故事可以为证。

在数据迷雾中点亮BI之灯

  1993年,邻家饮料店里卖的饮料只有啤酒、可乐和汽水,进货、出货都由老板记在一个旧本子上,顾客是周围的街坊,全是熟人。过了2年,生意大了,各处开了分号,饮料多了,酒也多了,卖的东西几十种。店里装了自动柜员机,每笔买卖都得摆弄键盘,有点儿麻烦,可省了动脑子。柜员机里记的账天天都打印出来送给老板。

  开始老板每天看,时间一长,看不过来,加个总数就算了。生意该怎么做,老板还算清楚。

  到了1999年,经营的品种过了百,店里用上了财务软件,接上了互联网,周围的店一天天多起来,客人来自四面八方。账单每天打出厚厚一堆,老板瞧着密密麻麻的数字发愣,直嚷嚷生意难做。

  原先,老板很清楚什么季节该卖什么、什么客人爱什么、到时候进多少货、进什么货,    现在看着精确无比但毫无头绪的数字没了主意,弄不清什么地段的店什么好卖,弄不清进谁家的货更合算,弄不清什么样的顾客喜欢什么。

  手下人出的主意五花八门,眼看着利润往下掉,干着急。数字天书蒙住了人的眼睛,老板被裹入到“数据迷雾”中。企业越大,雾越浓重。渐渐地,老板弄不清各地分号的平均收益,弄不清什么样的客人常来,最后惨到弄不清自已的市场定位。

  大雾沉沉如何行路?请个CIO,把数字天书转换成彩色的图、简单的表、概括的信息,让老板的脑神经明白业务状态,做出决策。指引老板在数据迷雾里穿行的灯,就是商业智能(简称“BI”)。

打着灯笼给陷阱做记号

  在CIO义无反顾地实施BI方案之前,需要对四周潜伏的问题做好心理准备,给陷阱做个记号。大量技术性的、行政的和文化上的陷阱,被掩藏在最初的收益/成本分析之下,提醒CIO清理BI环境时,不忘重新考虑企业的战略定位。

  一.行政陷阱,这是BI标准化方案中最大的挑战。
这种最令人讨厌的明争暗斗,往往发生在拥有不同BI环境的集团内部。无论是普通伙计、店长领班,还是母店分店,都会在使用BI工具上争斗,以此来保护自己的既得利益。选择一种环境,抵制另一种环境,简直就像一场政治侵轧。

  二.文化陷阱。多数伙计并不愿意改变他们获取、查看和分析信息的方式,因为这需要花更多的时间和精力,来学习新的工具,从而能看懂新的报表。

  伙计们会抱怨说,如果他们被迫再次学习新的方式,来做过去相同的工作,不会对老板的管理工作增加任何价值。

  另外,伙计们害怕改变。他们担心,使用新的工具或技术,不像自己使用旧的方式那么有效率;他们担心,自己所依赖的信息将会消失,降低自己在工作中获得的声誉;甚至他们还担心,自己将失去对信息的“控制”,不能在融洽的气氛中得到结果。

  在CIO向BI标准化的方向努力之前,有必要了解这些理性或非理性的担心,要有计划地减少这种担心。

  三.技术问题。除了社会层面的因素之外,也许还有一些不可逾越的技术限制。

  一些外地的分店,或许还在使用拨号上网的方式,这种“老牛拉破车”式的在线查询和分析,会彻底击碎伙计们的自信。而处于安全的考虑,又会限制使用下载Java程序或其他“有深度”的伙计。

  最终,BI工具将缺少支持成百上千伙计不同分析需求的大规模化的基本架构。换句话说,CIO无法将HTML报表无声地推到老板面前,而指望着老板能以愉快的心情去看它。

需求分析时抱紧老板大腿

  在BI圈子里,有一句让几乎每个CIO都备感无奈,而垂头丧气的话——“老板真正的需求,往往是从项目投产那一刻才真正开始”。仿佛BI项目天生就是一场吃力不讨好的梦。

  “什么BI需求是有效的,怎么做有效的BI需求?”这两个做BI需求分析时不可回避,却又容易被淡忘的问题,使CIO充满了激情与失落。

  在决定BI实施成败与效果的因子里,需求是雷区最多的地方。就BI项目而言,需求是个让CIO又爱又恨的怪圈。

  几乎所有BI项目,都诞生自BI销售员口水飞溅出的美景,由此激发出老板们充满理想色彩和浪漫情怀的需求。在老板眼里,BI是个婀娜多姿的梦中情人;而CIO们众所周知的是,BI的需求又是一个最折磨人、最让人心力交瘁的顽皮孩子。

  BI的需求为什么会让CIO爱恨交加呢?这还得从BI是个什么东西说起。

  过去几年里,邻家饮料店的老板建立了自己的数据中心,收集和整理了大量的数据。但这些数据带来了始料不及的新问题——数量之大、种类之繁杂,远远超过了老板可以控制和理解的范围,数据库变成了“数据监狱”,数据一进去,十有八九就成了“囚犯”。

  而数据一旦过时,要么被老板束之高阁,打入冷宫,要么就丢入碎纸机,像机要文件一样被销毁。怎么让这些“数据囚犯”变成有价值的决策依据,进而成为有价值的生产要素,就是BI的目的所在。

  BI的需求天生就注定了不好糊弄,因为它是大脑工程,是一把手的工程。决策,本身就是一件很个性化的事情。每个人的思维方式、思维习惯千差万别,加上老板性格取向和个人喜好等因素,好与不好成为一个价值判断,而不是一个是非分明的逻辑判断。

  说白了,BI的需求不会有什么标准的模式,即使从人工智能理论的角度,现在也还没有一个方法可以完全模拟人脑的运作。所以,对BI需求的定义和控制过程,事实上就变成了对人脑的控制过程。

  BI的需求最终是要做到老板头上的,CIO要想抓住老板的思绪,就像按住水里的葫芦瓢一样不可及。与其追着老板飘忽不定的思绪跑,不如抱紧老板的大腿,借着老板的力气拖自己出泥坑。