十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。

咨询公司LatentView Analytics的首席技术官Ramesh Hariharan表示:“尽管BI工具有能力实时合并来自不同数据源的数据，但它仍然需要结合技术技能和数据理解能力。”这限制了可伸缩性，增加了分析数据所需的时间，Hariharan补充道。为了加快速度，他建议创建数据目录包含关于用户的数据源和沿袭的信息。

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BI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应用程序只和他们所依赖的数据一样准确。开源数据基础设施平台提供商Aiven的产品管理总监Soumya Bijjal说，在开始任何BI项目之前，用户需要获得高质量的数据。

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。

根本原因可能是用户对适当的数据管理的重要性缺乏了解。Bijjal建议，当组织部署BI工具，它们创建了一个数据收集过程，涉及每个人思考如何确保数据准确，以及提供稳固基础的数据管理策略，以跟踪整个数据生命周期。

3.数据孤岛提供不一致的信息

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分解筒仓并协调其中的数据，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类似地标记的其他业务指标。为避免，ordyan推荐以明确定义的数据建模层开始，以及每个KPI和度量的清晰定义。

4.创建数据驱动的文化

BI和分析软件供应商ThoughtSpot的首席执行官Sudheesh Nair表示:“我们面临的一个持续挑战是，不仅要在高管层面，还要在一线创造一种数据驱动的文化，让企业真正与周围的世界进行互动。”在他看来，建立这种企业文化需要组织在两个方面取得成功:给员工正确的工具和赋予他们要应用那些在业务流程中生成的工具的洞察力。

奈尔表示，商业智能经理需要从组织的各个部门招募商业领袖，帮助推动优先使用数据分析的文化转变提供决策依据。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

据Nair等人员称，与双倡议有关的培训和变更管理计划也要求业务管理人员和管理人员取得成功。

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仪表板在全球范围内提供员工人数、新聘员工和解雇员工、薪酬和其他指标的数据。新仪表盘于2019年完成，自动更新，取代了耗时数小时的手动报告过程。

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BI工具的使用

不受控制的自助服务双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工具都有一个数据和安全架构，为用户生成的分析提供了存储和共享的保护空间。不过，他推荐BI和数据管理团队策划数据集在数据仓库或其他分析存储库中，以帮助避免不一致。

“我们发现丰富自助服务经验的关键是让这些工具暴露来策划数据和内容，用户可以利用以创造更好的数据流量和混搭，”桑德克斯说。

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工具经常被定制扩展来满足特定的业务需求，Fielding说。随着时间的推移，这些变化阻碍了产品的升级。为了防止这种情况发生，BI团队应该与终端用户合作，了解他们的需求，并找到交付所需的方法数据和仪表板使用开箱即用功能。

7.低于BI工具

最终用户通常采用最少阻力的路径，并希望继续使用熟悉的工具，例如Excel或SaaS应用程序。“而不是使用BI工具来分析数据以获得洞察力，他们导出数据，然后在其他地方进行分析，”Hariharan说。“这导致意外使用模式，这些模式不是这些工具采用的最佳和低速率。”

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

数据可视化通常会出错，使其难以破译他们试图说明的信息。同样，如果最终用户导航和理解正在呈现的数据，则BI仪表板或报告仅有价值。但组织通常专注于在不考虑的情况下重点获取BI数据和分析过程设计和用户体验。

Persistent的Dixit表示，BI管理员应该涉及UX设计者来开发仪表板的可理解寻找和报告，具有不杂乱的可视界面。双球队还应该促进良好的数据可视化设计实践，特别是在自助服务双环境中。这些步骤对智能手机和带小屏幕尺寸的平板电脑的移动BI应用尤为重要。

更多克服商业智能挑战的技巧

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，根据Firminging，BI应用程序和仪表板经常必须部署到最终用户，但是根据Firminging，手动难以扩展和易于错误。

为了避免这种情况，并帮助降低成本，菲尔丁的团队已经转向Devops风格自动化。自定义编写的脚本使以标准化和可重复的方式快速部署指示板成为可能。她说:“这使我们的团队能够分配更多的资源来处理(项目)积压，而不是部署。”

Fivetran的ordyan表示，BI管理员还应创建维护和更新度量标准，数据模型和仪表板的过程。这包括常规地查看正在使用的内容以及不再需要的项目和删除不再需要的项目。“如果你不删除没有使用的东西，你会发现自己在一个情况下，你有太多无法保持不错的理由，”他警告说。

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架构能够根据需要扩展和适应新的工具，并且不同的用户拥有适合他们技能水平的工具。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，为分析做准备，运行自然语言查询创建数据可视化。