8大商业智能挑战以及如何处理它们

1.集成来自不同源系统的数据

数据源的增长意味着许多组织需要将数据从各种数据库，大数据系统和业务应用程序一起进行分析，无论是在场所和云中。最常见的方式是部署一个数据仓库作为BI数据的中心位置。其他方法更为敏捷——例如，使用数据虚拟化软件或BI工具本身来集成数据，而无需将数据加载到数据仓库中。但这也是一个复杂的过程。

“虽然BI工具有能力在飞行中合并来自不同数据源的数据，但它仍然需要技术技能和数据理解的组合，”CTO在咨询Lateveview Analytics的CTO ramesh Hariharan表示。Hariharan补充说，这限制了可扩展性并增加了分析数据所需的时间。为了帮助速度，他推荐创建数据目录包含有关用户和用户谱系的信息。

其他类型的数据集成挑战需要技术上的权衡。例如，咨询服务公司Persistent Systems的数据、分析和人工智能/机器学习总经理萨米尔·迪克西特(Sameer Dixit)表示，他的团队在更新时遇到了问题微软权力硕士从客户的谷歌BigQuery云数据仓库动态报告。该团队发现，它可以在内存中刷新报告，但Dixit表示，性能受到所使用硬件的限制。

Dixit的团队还面临着协调其他客户端源系统使用的不同文件格式的挑战。它探索了为每个文件创建一个单独的提取、转换和加载(ETL)映射，但是这会花费太多的时间，他说。相反，它编写了一个Java应用程序，将所有文件转换为一种公共格式，可以在单个ETL作业中有效地处理这种格式。

2.数据质量问题

BI应用程序仅作为所构建的数据只能准确。在Aive的开源数据基础架构平台提供商的产品管理主任Soumya Bijjal表示，用户需要访问高质量数据之前。

但是Bijjal补充说，在匆忙收集数据进行分析的过程中，许多组织忽视了这一点数据质量或者认为一旦收集了数据，他们就可以修复错误。“数据质量是BI最重要的方面之一，但经常被忽视，”她说。

根本原因可能是对用户之间正确数据管理的重要性缺乏了解。Bijjal建议，当组织时部署BI工具，他们创建了一个数据收集过程，让每个人都思考如何确保数据准确，以及一个为跟踪整个数据生命周期提供坚实基础的数据管理策略。

3.信息不一致的数据竖井

淤泥系统是另一个普遍的商业智能挑战。数据完整性是有效BI的必需品，但Bijjal表示，BI工具难以使用不同的权限级别和安全设置访问SILED数据。BI和数据管理团队必须打破分割并协调其中的数据，以对商业决策产生预期的影响，她补充道。

然而，由于不同部门和业务部门缺乏内部数据标准，许多组织争取困难。

“这是最难克服的事情之一，因为需要做出跨越商业职能的许多定义工作，”商业和IT咨询西门合作伙伴的技术高级经理Cameron Cross表示。对于一个客户项目，他的团队不得不在一个房间里组建高级商业领袖，并让他们同意基本数据定义，例如构成一对眼镜。

数据集成供应商Fivetran Inc.的分析主管奥尔德扬(Garegin Ordyan)说，数据库里不一致的数据可能会导致各种版本的真相。业务用户然后看到不同的结果KPIS.以及在单独的系统中标记类似的其他业务指标。为了避免这种情况，Ordyan建议从定义良好的数据建模层开始，并对每个KPI和指标进行清晰定义。

4.创建数据驱动的文化

“持续的挑战是围绕创建数据驱动的文化，而不仅仅是在行政级别，而且在前线，商业真正与世界周围的世界互动，”BI和分析软件的Sudheesh Nair说供应商思想家。在他的观点中，建立那种企业文化需要组织在两架前面取得成功：给工人合适的工具和赋予他们将这些工具在业务流程中生成的见解应用。

Nair表示，BI管理人员需要从组织的所有部分征求业务领导者，以帮助推动优先考虑使用数据分析的文化转变通知决策。他说，中层管理人员也应该参与进来，以促进业务运作的变化。

5.最终用户培训

根据Nair和其他人的说法，与BI计划相关的培训和变更管理计划也需要业务主管和经理的参与才能获得成功。

例如，Chris Fielding，CIO在灾难恢复供应商SunGard可用性服务中表示，她的团队与公司的人力资源团队密切合作，开发一个BI仪表板全球数据有关员工头部计数，新员工和终止，赔偿和其他指标。2019年完成，新仪表板是自动更新的，更换手动报告过程。

仪表板在人力资源的商业领袖迅速采用，Fielding的团队在其他部门和商业部门的经理创建了一个简单的培训计划，以促进整个公司的推广栏。她说，提升了仪表板的采用，并促使额外的BI应用要求提供了许多要求。

6.管理自助服务BI工具的使用

不受控制的自助式BI部署在不同的业务部门中，可以导致混乱的数据环境，孤岛和互相冲突的分析结果，在商业管理人员和其他决策者的思想中产生混乱。

Tibco的Thorndike表示，大多数现代BI工具都有一种数据和安全架构，可为用户生成的分析提供保护和共享的受保护场所。但是，他推荐了BI和数据管理团队策划数据集在数据仓库或其他分析仓库中，提前帮助避免不一致。

“我们发现，丰富自助服务体验的关键是将这些工具暴露给经过管理的数据和内容，用户可以利用这些工具创建更好的数据流和mashup，”桑代克说。

然而，Lateveview的Hariharan警告说，企业需要平衡标准化的指标和仪表板，并使用户能够创建自己的用户。他补充说，需要仔细考虑。例如，当探索和分析数据的自由不受任何治理原则来调控时，自助服务BI用户可以发布具有与另一个仪表板不同地定义的重叠KPI或度量标准的仪表板。另一方面，Hariharan说，太多控制可能会阻碍分析创新和敏捷性。

此外，BI工具经常用自定义扩展进行修改，符合特定的业务需求，Fireming表示。随着时间的推移，这种变化会阻碍产品升级。为了防止，她说双球队应该与最终用户合作，了解他们的需求并找到需要提供所需的方法数据和仪表板使用开箱即用功能。

7.BI工具的使用率低

最终用户通常选择阻力最小的方法，继续使用熟悉的工具，如Excel或SaaS应用程序。Hariharan说:“他们不是使用BI工具来分析数据以获得见解，而是将数据导出，然后在其他地方进行分析。”“这导致了意想不到的使用模式，并不是最优的，而且这些工具的使用率很低。”

Hariharan建议持续监控用户活动和用户请求日志，以识别潜在的采用问题和BI工具的问题。他说，BI团队还应该着眼于推动用户采用，不断增强功能。

如果您刚刚开始部署，用户采用经常铰接在找到一个快速演示有形的良好用例商业福利并鼓励人们接受新的BI工具，Fielding说。

8.错误的数据可视化和仪表板设计实践

数据可视化经常出错，使其难以解读他们试图说明的信息。类似地，只有当终端用户能够轻松导航和理解所呈现的数据时，BI仪表板或报告才有价值。但企业往往只关注获得BI数据和正确的分析过程，而没有进行思考设计和用户体验。

Persistent的Dixit表示，商业智能经理应该让用户体验设计师参与进来，为仪表盘和报告开发一种可理解的外观，并提供一个不杂乱的视觉界面。BI团队也应该推广良好的数据可视化设计实践，特别是在自助BI环境中。这些步骤对于智能手机和小屏幕平板电脑上的移动BI应用程序尤为重要。

克服商业智能挑战的更多提示

菲尔丁表示，在与业务部门合作时，她始终把Sungard用户的集体利益放在首位他们的BI需求。另一个问题是，BI应用程序和指示板通常必须连续部署到最终用户——但是手动这样做很难扩展，而且容易出错，Fielding说。

为避免这种情况，并帮助降低成本，Fielding的团队已经转向DevOps-style自动化。自定义写入脚本使得可以以标准化和可重复的方式快速部署仪表板。“这使我们的团队能够分配更多资源来处理[项目]积压，而不是部署，”她说。

Fivetran的Ordyan表示，商业智能管理者还应该创建一个流程，用于维护和更新指标、数据模型和仪表盘。这包括例行检查哪些东西在使用，哪些没有，并删除不再需要的物品。他警告说:“如果你不删除不用的东西，你就会发现自己陷入一种没有充分理由维护太多东西的情况。”

成功应对挑战的其他一般性建议包括确保你的潜在风险BI架构可以根据需要缩放并容纳新工具，不同的用户具有合适的工具，以获得其技能水平。例如，BI软件中的增强分析功能可以帮助用户找到相关数据，准备分析，运行自然语言查询并创建数据可视化。