大数据时代CIO如何扎稳脚跟，盘活数据资产

发布时间：2020-10-21      游览量：2131

• bi系统是什么意思bi系统bi系统推荐

2020年，CIO将面临的挑战----企业数字化转型、参与核心业务

5G、大数据、人工智能、机器算法等新一代创新信息技术在企业深入推进，不断迭代，给IT部门带来了巨大的挑战。随着技术直接作用于产品和业务以及对业务支撑力度的不断加大，CIO的角色正在从过去IT时代的交付型，转变为DT时代的赋能型。

 

数字化转型的背后都是希望获得互联网创新的能力，能够快速感知、快速响应迭代，基于这样的能力体系，不断尝试各种业务创新，不管是通过独立的创新BU，或是阿米·1阿巴等管理机制，背后都需要创新的赋能。而这些赋能由谁来提供？这正是CIO在未来的新角色、新机会和新挑战，通过数字化能力，协助业务创新和最终实现增长。

如何通过大数据与人工智能技术，对业务进行创新、对业务部门进行赋能，并制定相应的策略是现如今CIO要考量的问题。

 

在数字化转型中，CIO还需要走向前台直面核心业务，将IT组织的贡献与公司的盈利水平密切联系在一起。单纯利用报表管理系统很难回溯业务逻辑的前因后果，也很难满足决策者真正的需求。要挖掘数据价值并真正作用于决策，选择合适的BI工具至关重要。 

 

加速创新----BI(商业智能)成为CIO关注的焦点

与操作型系统ERP不同，BI是分析型系统，利用BI分析的结果给企业带来商业价值。BI商业智能其实就是通过计算机技术实现从数据到信息、从信息到知识、从知识到决策、由决策到财富的精细化运营过程，BI的重要性是随着信息化的深化和信息技术的推广不断提升的。

数字化和信息化的过程积累了大量的数据，数据的积累必然会推动数据应用的需求，也就推动BI的发展；另一方面，市场竞争的环境下，需要不断地提升，个性化的需求越来越强烈，这也推动了企业更多地要花功夫去收集数据，处理数据， 和分析数据，并以此来支持和指导决策。

 

Smartbi从业务对BI商业智能划分为五个方向：

第一：数据统一整合——数据整合是一切分析以及数据探索的开端。Smartbi对多类型数据源轻松支持，提供针对技术人员以及业务人员的不同数据处理方式，使用语义模型来满足大型企业自助分析的需求，同时提供对数据进行高速缓存处理，轻松实现亿级数据秒级响应，使数据整合以及数据提取不再是难题。

 

第二：让企业探索为何发生——也叫例外分析，业务部门可以从固定的报表、报告和一些关键的KPI中，可以得到很多相关的信息，但是当他们发现问题时，需要了解为何发生了这些问题。这时，就需要即席查询和多维分析，业务分析员可以根据自己的需求完成分析和报告。在很多情况下，业务分析员和决策制定者需要一套商务智能的工具，通过访问集成好的数据仓库，获得需要的信息。

 

第三：让用户实时看到现在发生了什么——在这个层次是实时的信息分析，企业决策层建立当前情况下的业务战略和决策。为了该层次的成功，几乎需要获得实时的数据，查询可以回答及时发生的问题，由此，运营模式和业务流程会发生较大的变化。例如：当客户因某种原因对服务不满时，需要退出服务或者产品时，相关客户服务人员发现这个客户是企业的大客户时，他应该迅速将情况发短信息给该客户的大客户经理，大客户经理很快查找到该客户的消费记录，马上和客户联系，争取挽留客户，而不是当客户流失后才着急和客户联系。

 

第四：帮企业预见即将发生什么——客户发现仅仅了解现在还远远不够，将来会发生什么，风险的预测和评估是非常重要的。还需要统计分析的功能，来帮助分析客户的细分、预测客户的行为、预言客户业务的趋势、辨认欺诈行为等等。需要这种模型的客户群是非常大的，由于它需要复杂的算法、统计模型和大量的数据，所以需要支持大数据量的处理能力，像并行算法和网格计算是极其必要的。

 

第五：“我希望发生什么”——决策是由系统提供的，系统的数据是由运营系统得到的。例如由Web页获得，或者由基于市场条件和用户需求进行的特价、促销活动得到。所以可以建立清楚的决策和业务政策，让事件沿着正确的轨迹、朝着预定的方向行进，达到预期的目标。

 

 

BI要求CIO具有企业经营管理的综合素质、同时具备一定的数据建模知识与方法，并实现这些素质、方法与IT的结合。善用BI工具，利用数据分析来发现新客户、解放人力、帮助领导决策、扩大现有业务规模。

CIO该如何规划BI系统，拥抱大数据

一、需求提炼，盘活数据

把握需求首先要了解BI系统能够做什么，其次先捋清需求，希望通过BI系统解决什么问题，什么目的，是规范数据，还是功绩展示，还是管理导向，这个是前提。然后将二者结合，才能做出合心的BI应用。因为BI应用出于不同业务部门用户多样的分析目的，对数据的需求是五花八门。

细分用户需求，并针对不同用户构建应用场景。不同用户对于业务和数据的关注点肯定有所区别，充分了解BI的使用人群、使用频率、使用目的以及需要的信息类型，对BI的前期规划很重要。因此需要根据实际情况细分用户需求，构建相应的场景。例如：为领导建设管理驾驶舱、为相关业务人员设置业务指标分析模型。

无论是为了实时的信息概览，还是深入的数据分析，抑或更清晰的决策支撑，明确目标决定了你选择BI工具的重点。另外还需要结合公司整体的产品路线图考虑，BI工具是否符合整个工作的战略愿景。

二、明确目标受众

BI系统的建设容易陷入技术陷阱，忽略用户的问题。是为CEO、人力、财务、销售还是BI专业人员服务的？使用场景是什么，技术水平如何，是否需要能力补充等等，这个可能是BI建设首先需要考虑的问题，而不是上来就考虑什么工具，什么技术。如果建设的BI系统不能被最终使用者接受和习惯，那么无疑是失败的。

BI工具的选型从三个业务角色来考虑。

1、公司高层——比如董事会，他们关心展现出来的数据形式是否足够清晰和多样，能否满足宏观和钻取查看下级数据。

2、IT或信息流程部门——重点关注的是BI产品的功能配置是否相对简单，数据抽取的稳定性和产品的性能效率是否能够满足预期，减少运维工作量。另外的话就是数据查看的授权管理是否够细，安全性监管是否完善。

3、业务部门和人员——他们关心的是是否能够减少他们填报数据的情况，同时又能够在授权范围内快速获取数据。

三、数据标准化

影响BI实施效果的因素很多，其中数据质量是重中之重。在整个商业智能系统建设过程中，非常基础但却又非常关键的工作在于数据的收集和管理。

企业内部各部门之间由于管理方式、核算方式、使用系统的不同，造成不同来源的数据无法进行汇总和分析。特别是在集团型企业中，由于管理分散，核算方式不一致，系统数据来源不一致，造成的数据无法进行汇总、统计、分析。

数据标准化对数据质量相对较差的系统和数据库进行数据清洗转换，进行甄别、清洗，从而提升数据价值密度。对数据来源进行一定程度的规范，可以保证数据源的唯一性，也可降低整体的风险。

 

四、建立业务指标

企业在信息化建设过程中一般会针对不同业务、不同部门各自推行信息系统：公司级、部门级，管理性、业务性。但都或多或少会存在信息孤岛，造成数据整合的难度。对于指标体系的建设，报表之间关系的建设，以及报表的梳理和调整都会造成阻碍。从企业运营的效率和效益出发，对基于企业核心能力和营运流程的关系进行梳理和拆解，形成一整套全面细致的指标体系。而在流程梳理的过程中也可分别把指标落实到相应的责任部门。

 

作为国内领先的BI服务商，思迈特软件将坚持以“快速挖掘企业数据价值”为使命，为客户提供一站式大数据BI解决方案。通过技术创新深度挖掘数据价值，以业务需求为主导，释放企业数据的全部能量，夯实企业的生存能力、业务创新能力。