定义敏捷BI，观远数据自助分析让业务真正用起来

BI(Business Intelligence)概念提出于1958年,由Gartner在1996年首次明确。在BI诞生之前,企业经营数据一直处于被忽视的状态,经营决策依赖于经验,而经验会因时、因地、因情景产生不可预估的波动,依赖于经验的决策往往伴随着巨大的风险。

如何沉淀企业日常经营中积累的大量数据,助力企业做出理性决策?BI应运而生,其在诞生后的几十年里,已成为大型企业商务决策中不可或缺的工具, 使公司决策从凭经验到有据可依,降低经营风险。

但伴随着数据的指数级爆炸增长,传统BI的「弊病」也逐渐显露出来:

●开发效率低下

传统BI的报表制作是由业务部门提交到IT部门,IT人员根据分析需求进行建模,业务人员查看分析结果报表,流程繁琐冗长,难以应对复杂多变的业务需求。

●IT部门负担重

用新的维度分析或者产生了新的需求,需要IT人员重新建模开发,IT部门陷在“简单、重复、冗余”的开发工作中。

●分析不灵活

制作出的报表是相对静态的,仅能查看结果,不能实现灵活交互分析。

●开发部署周期长

BI项目部署开发周期往往需要 几个月的开发时间 ,面对日新月异的 商业 环境, 委实不够“敏捷”。

如何打破IT技术的桎梏,高效响应复杂多变的业务需求?

较之传统BI,观远数据的产品具备 快速部署、零代码低门槛、灵活协同、自动预警、交互式分析 等显著优势,灵活敏捷,让业务真正用起来。

一,快速部署,高效响应

市场环境迅速且加速变化,企业必须具备更 快速的反应速度 。通过观远数据智能分析平台,业务人员拖拉拽即可实现数据分析,业务需求得到高效响应;此外,观远数据提供开箱即用的SaaS BI产品,极大程度地缩短了部署周期;用户无需高性能设备,即可轻松且高效地在线处理大体量数据。

01零代码实现数据分析

高效响应业务需求

观远数据绕开了传统BI下繁琐冗杂的沟通流程,通过简单易用的图形化操作界面,大幅降低学习与技术的门槛,令业务人员能够自主依据业务需求,进行数据分析, 大幅提高了整个数据分析链路上各角色的工作效率,实现业务需求的高效响应。

其开创的 Smart ETL 能够让不懂代码的业务人员自己上手整理并清洗数据,通过拖拉拽方式与配置选项,实现行列与字段的转换、筛选与清洗等;除此之外,还能让用户 穿透数据血缘 ,看到每一个看板、ETL、数据集之间的关联,数据分析的全流程都在尽在掌握。

02开箱即用的产品,快速部署

传统BI项目落地周期以3个月、6个月为单位,而观远数据通过开箱即用的SaaS BI产品,缩短了1/3～1/5的项目上线时间,令 原本需要几个月落地的项目在一个月甚至短短3周实现上线 ,适应快速变化的业务速度。

其推出的Atlas云应用市场,将丰富的行业实践经验抽象沉淀为AI+BI云应用,让用户能够在线挑选贴合行业实际场景的数据应用,从数据连接到分析指标的逻辑,再到可视化分析看板,都可以通过下载一个应用,快速上线,助力企业快速深度挖掘商业数据价值。

此外,用户无需下载安装客户端,即可以web方式 在线进行数据分析 ;其 云原生的技术架构 也令用户可以绕开硬件设备的局限,实现优秀的数据计算性能和水平扩展能力。

03十亿级数据,秒级响应

从Excel、报表系统到传统BI,企业数据分析工具进化的同时,背后需要支持的数据承载量也在以更快的速度一路攀升。以一家连锁零售企业为例,如果门店有2000家,在售SKU有5000个,一天单店单品库存数据量就达到了1000万,一周就可能破亿。

观远数据可以轻松处理数 百万行数据, 提供2种连接数据的方式:直连和数据抽取(Guan-Index),当数据量较大时,可以通过Guan-Index进行数据抽取,提高效率;

而当数据量达到 千万行及以上量级时, 借由观远数据的“极速分析引擎”黑 科技 功能,即可确保用户在亿级、十亿级数据集的基础上还能做丝滑的拖拽式数据分析和动态查询,真正做到 亿级数据,秒级响应。

二,灵活协同,沉浸式体验

观远数据在服务大量企业客户时发现, 业务部门与技术团队存在错配 :业务部门基于业务逻辑结合分析成果做出决策与判断,缺乏技术应用能力;而技术团队主导数据的架构设计与数据处理,很难快速响应业务增长分析诉求。各部门在数据分析层面联动性差,企业在实际应用中难以感受到「数据赋能」的价值。

如何打破部门之间的沟通障碍,实现高效协同?

01颠覆团队协同流程

告别割裂的合作

传统BI工具中,数据开发角色和分析角色往往要进入不同的客户端,制作看板与使用看板的角色是独立的,但使用观远数据则不再是如此割裂的状态,数据开发角色与数据分析角色直接应用同一个产品,体验不再割裂。

通过观远数据Universe平台,数据工程师可以准备好数据让业务人员在Galaxy平台进行使用分析,而业务人员制作完成的SmartETL处理逻辑也可再回流至Universe平台,无需进行冗余的导出、导入操作;此外,观远数据提供“反馈填报”的功能,用户可以对数据分析看板进行反馈,实现信息的流动与协作的畅通。

02灵活权限设计

避免数据安全风险

观远数据通过功能权限控制、资源权限控制、数据权限控制等多个角度进行精细化的权限管理,自定义多种角色,高效灵活分配不同员工以不同的权限,实现了 千人千面的数据查看 ,能够让团队协作更加灵活,同时也能避免数据安全风险。

03多终端体验优秀

实现随时随地的数据分析

观远数据的仪表板具有出色的报告功能,并可通过数据大屏、移动端、web端进行多终端实时展示,并针对不同不同分辨率提供自适应。其推出「移动轻应用」与「移动端数据门户」功能,令数据分析突破时空的限制;其推出「数据大屏」功能,实时监测企业数据,实现更直观的决策场景。优秀的多终端体验,助力企业随时随地掌握经营数据,为即时业务分析和日常业务处理提供指导。

三,自动运维,数据追人

伴随着数据量级的日益庞大,依靠人力无法完成真正的精细化运营,企业必须考虑如何减少人工的繁琐重复的工作, 将经验总结成规律沉淀到系统里,实现「自动化」。

观远数据提供云巡检与订阅预警功能,令企业实现自动化运维与智能预警,大大提高工作效率,实现潜在风险的及时排查。

01订阅与预警:

从「人看数据」到「数据追人」

观远数据的订阅与预警功能, 基于数据集创建预警规则,可以轻松做到行级别的差异化预警设置 ,并支持集成钉钉、企业 微信 、飞书等移动OA应用。当数据出现异常时,无论用户是否在办公设备前,都将第一时间自动收到数据报告或数据预警信息,更早、更快做出应对。

02云巡检:

在线自动化监控与诊断

观远数据提供基于云服务的高可用部署方案、云巡检服务,助力企业提前进行潜在风险的定位与及时解决,全面掌握现场情况,轻松进行调度,大大提高巡检管理工作效率。

● 监控: 通过在线监控系统日志数据,可定时自动化监控系统运行情况与资源使用情况等,告别人工操作。

● 诊断: 针对监控情况能够将专业建议自动形成可视化报告,指导用户进行改善与优化。

四,于数据海洋中,望见「增长粒子」

更快速、更灵活、更简单、更自动......我们有无数个形容词,以形容产品的「敏捷」,是对海量数据的秒级响应,是令项目快速上线,是令异常自动预警,更是打破IT与业务的沟壑,令业务需求能够得到快速回应。

但不止于此,数字化最终目的驶向唯一的终点——「增长」。从流量 经济 到效率经济,企业怎样感受到经营神经末梢的变化,在数据的海洋里看到不一样的增长机会,从不确定性中找到增长的确定性?

传统BI围绕着「报表」,数据展现即是「终点」。而现在,我们不仅需要看到报表呈现的事实,更要不断向下挖掘、深入分析、提前预测、采取决策, 令企业不仅能知道「What」,还能随时随地知道「Why」与「How」。

What

可视化分析,直观呈现数据意义

观远数据提供丰富多样的可视化组件,用户可通过应用市场选择可视化插件,实现海量可视化图表的扩展和使用。

用户无需编程,只需简单拖拉拽,即可根据业务需求轻松创建不同类型的可视化图表,快速完成兼具直观和美观的即席数据展示,自助式数据探索能力可帮助企业直观理解并找到数据内在规律。

简单几类图表展示,是难以满足复杂的商业分析需求的。观远数据不仅提供大量可视化类型,还能够让企业根据自身的品牌视觉规范来设置企业专属的icon等,满足企业文化建设的需要,充分考虑到用户需求的个性化、多样性。

Why

交互式分析,深入挖掘背后动因

数据的展示只是数据分析的基础,想要根据寻找数据呈现的结果背后的原因,必须要能够实现交互。

观远数据支持通过跳转、联动、钻取等交互方式进行数据透视,定位问题,探寻数据内在规律,对结果进行追根溯源的分析,指导经营决策。

以Lily商务时装为例,其已和观远数据合作了三年,从店长到导购,都在通过移动端的数据分析看板,以每小时为单位去发现所负责区域的数据指标变化。

例如,服装行业里比较经典的258黄金点,下午2点、5点和晚上8点,不同的点如果指标没有完成,就可以通过数据分析及时追踪是哪些原因导致,客流、橱窗摆设还是服务问题。找到问题之后,就可以通过及时人为干预抓住其中的增长机会。

How

提前预测,智能决策

人工总结出来的经验未必是最优解,当数据量足够大时,我们就有机会依靠机器学习,通过精准计算得出一个比人工经验分析更精准的方案。

观远数据与联合利华、百威亚太、沃尔玛等企业合作,在在供应链与需求分析预测等方面进行了前沿实践。并且还独家推出AI小助手,能够基于数据与算法模型,实现多个场景的预测,从而指导计划生产与管理。

在与沃尔玛的实践中,我们发现24节气是个有意思的变量,比如芒果在雨水后、惊蛰前会达到一个上架到稳定销售的高峰,那么通过节气这样一个凝结了古人智慧的时间分割,输入给模型去学习果蔬的产品周期,将其经过处理后加入模型,发现该模型对于上下架期间的准确性综合提升超过2%。

结语

数字化时代正在加速到来,商业智能将广泛普及,以数据驱动决策将成为企业的常态。

如何理解敏捷BI的价值?

过去十年里,BI行业的演进存在两个关键趋势:从IT到业务,从报表到决策。面对日新月异的市场环境,数据之庞杂、需求之多变,我们需要重新定义BI产品,构建 快速迭代、精细管理、灵活拓展 的数字化基础设施, 令产品价值真正回归到业务部门 ,赋能业务增长,成为企业制胜未来的关键。