智能商業五大(big)核心解除職場的(of)表格陷阱

[ 導讀 ] 數據表+PPT是(yes)很多數據分析者常用(use)的(of)工具，未來(Come)人(people)工智能下，自助式數據處理能力、探索式分析能力、自由的(of)藝術展示能力、AI分析能力、數據溝通和(and)協作(do)能力将成爲(for)商業智能的(of)核心能力。

有這(this)麽一(one)群人(people)，每天埋首于(At)各種表格與PPT當中，從早上開始，先從各個(indivual)業務系統中導入數據，再利用(use)Excel進行數據處理和(and)彙總，然後把數據結果做完分析之後貼成PPT，再把PPT交給對應的(of)業務部門，或者呈報給上一(one)級領導爲(for)業務決策做輔助。這(this)群人(people)在(exist)單位被稱爲(for)“表”哥“表”妹。

“表”哥“表”妹的(of)工作(do)現狀

“表”哥“表”妹們(them)每天與數據打交道，工作(do)方式是(yes)Excel+PPT的(of)形式，當他(he)們(them)把PPT交給老闆，老闆看到(arrive)結果後必然會有很多問題和(and)想法反饋回來(Come)，“表”哥“表”妹們(them)再根據老闆的(of)反饋又回到(arrive)業務系統裏重新調整數據，做出(out)必要(want)的(of)補充，這(this)些重新的(of)加工和(and)梳理，短至兩三天，長至一(one)星期，繁忙的(of)“表”哥“表”妹似乎做了(Got it)很多工作(do)，而企業内部的(of)業務數據利用(use)效率卻仍然極其低下。如何讓數據更直觀、更智能的(of)爲(for)業務服務，“表”哥“表”妹該如何得到(arrive)“救贖”?這(this)是(yes)基于(At)數據化運營的(of)企業，必須直面的(of)問題。

企業數據應用(use)發展的(of)三個(indivual)階段

大(big)數據在(exist)中國發展已有十餘年，目前市場規模已達到(arrive)千億美元。企業數量也從150家發展到(arrive)3500家。這(this)十年間，企業内的(of)數據發展也經曆了(Got it)三個(indivual)階段：

第一(one)階段，Report數據報表。企業内有各種各樣的(of)業務系統，比如ERP、CRP、财務系統等等，而這(this)些業務系統都有自己的(of)數據報表。這(this)個(indivual)階段存在(exist)的(of)主要(want)問題是(yes)：當決策層拿到(arrive)統計報表的(of)時(hour)候，會發現各個(indivual)報表的(of)統計口徑不(No)一(one)樣，同時(hour)決策層需要(want)查看的(of)報表越來(Come)越多，但很難進行真正的(of)分析。

第二階段，Excel+PPT階段。大(big)數據概念的(of)逐步落地(land)，讓越來(Come)越多的(of)企業領導意識到(arrive)數據的(of)重要(want)性。但在(exist)這(this)個(indivual)階段，企業在(exist)數據使用(use)上仍遇到(arrive)很多瓶頸，究其原因，在(exist)于(At)數據分析的(of)周期長、效率低。

第三階段，即AB Intelligence，AB是(yes)AI+BI。未來(Come)，企業内的(of)幾乎所有決策，都應該是(yes)由業務驅動。通過基于(At)人(people)工智能的(of)BI産品，業務人(people)員可以(by)輕松進行數據準備和(and)分析，發現數據中存在(exist)的(of)價值。

未來(Come)商業智能的(of)五大(big)核心能力

因此，未來(Come)的(of)商業智能産品必須擁有以(by)下五大(big)核心能力：

第一(one)，讓業務真正碰到(arrive)數據，擁有自助式的(of)數據處理能力，也就是(yes)讓業務人(people)員能夠利用(use)數據分析工具自主進行所有業務數據的(of)整合工作(do)。

第二，探索式分析能力。傳統的(of)數據分析，一(one)般是(yes)先制定目标，以(by)銷售人(people)員爲(for)例，先給這(this)個(indivual)崗位定義KPI，再分解至打了(Got it)多少個(indivual)電話，見了(Got it)多少個(indivual)客戶，有多少轉化爲(for)合同這(this)樣一(one)個(indivual)銷售的(of)漏鬥形式，再往下分解便是(yes)從哪裏拿到(arrive)銷售數據，電話如何記錄，跟客戶見面如何記錄等問題。因此，傳統的(of)數據分析過程是(yes)從最終結果推導至數據層。

而探索式分析思路完全不(No)同，是(yes)從數據的(of)層面開始最終形成結果。以(by)電商的(of)服裝業務爲(for)例，當拿到(arrive)某細分服裝的(of)銷售數據，分析人(people)員的(of)思考是(yes)：

某類産品的(of)銷售是(yes)否與天氣氣溫的(of)變化有關？氣溫變化對服裝銷量是(yes)否有什麽影響？

通過與互聯網天氣數據的(of)對接，便可以(by)分析出(out)不(No)同的(of)時(hour)間點不(No)同的(of)溫度對服裝銷量的(of)影響。因此，探索式分析的(of)思路是(yes)從數據本身出(out)發找到(arrive)數據的(of)價值，然後把這(this)個(indivual)價值提供給團隊成員分享。

當然，在(exist)實際的(of)業務場景裏，探索式分析和(and)驗證式分析兩者都會有，而随着業務的(of)發展，對數據的(of)應用(use)越來(Come)越超前，探索式分析的(of)比重将越來(Come)越大(big)，但探索式分析對數據工具的(of)技術要(want)求較高，比如需要(want)有專業的(of)引擎等。

第三，自由的(of)藝術展示表達能力。随着中國社會的(of)消費升級，人(people)們(them)更加注重使用(use)體驗，對美的(of)追求也越來(Come)越高。在(exist)數據分析領域也是(yes)如此，分析人(people)員基于(At)數據分析結果進行自由的(of)配置和(and)美化，比如圖表顔色、樣式等，這(this)會更加易于(At)人(people)們(them)查看并理解數據。

第四，AI整合的(of)智能分析能力。人(people)工智能和(and)機器算法的(of)加入，使得BI産品可以(by)根據當前業務的(of)不(No)斷變化而進行實時(hour)分析，動态生(born)成有價值的(of)信息并提供給業務或分析人(people)員。

第五，數據的(of)溝通和(and)協作(do)能力。企業内的(of)數據應用(use)不(No)是(yes)一(one)個(indivual)人(people)在(exist)用(use)，而是(yes)整個(indivual)部門、整個(indivual)公司在(exist)用(use)。如何把數據分析的(of)結果告訴同事，并與之進行協作(do)讨論?這(this)就需要(want)分析産品具備數據協作(do)功能，包括與團隊成員進行實時(hour)的(of)溝通、互動以(by)及通過微信等工具進行便捷的(of)分享。

DataHunter程凱征：商業智能不(No)能局限于(At)可視化分析

提出(out)未來(Come)商業智能五大(big)核心能力的(of)是(yes)DataHunter 創始人(people)兼CEO 程凱征。程凱征指出(out)：“未來(Come)的(of)商業智能，應不(No)再局限于(At)可視化的(of)分析，而是(yes)要(want)拓展到(arrive)企業數據應用(use)基礎，從而幫助企業打通數據脈絡，讓每個(indivual)人(people)通過數據做決策。”

基于(At)這(this)一(one)理念，DataHunter将現有的(of)業務數據可視化分析平台命名爲(for)Data Analytics，并于(At)近期發布了(Got it)最新版本。據了(Got it)解，Data Analytics已經具備實時(hour)、高效等特性，未來(Come)，也将結合人(people)工智能和(and)機器學習，讓自動分析、預測分析成爲(for)現實。Data Analytics将滿足企業對于(At)高效利用(use)數據的(of)迫切需求，完成從異構數據源整合到(arrive)探索式分析，再到(arrive)數據可視化及溝通協作(do)的(of)全流程整合。

程凱征在(exist)接受企業網D1Net專訪時(hour)最後指出(out)：“DataHunter緻力于(At)幫助人(people)們(them)查看數據并改進業務，這(this)是(yes)“表”哥“表”妹的(of)願望，是(yes)各企業領導者的(of)期望，更是(yes)DataHunter的(of)願景“。