商业智能(BI)使企业能够从大量数据中获得见解。但这样做需要克服一系列战略和战术挑战。
如今，各种类型的组织都被来自各种来源的数据淹没，试图理解所有这些数据不堪重负。因此，强大的商业智能(BI)策略可以帮助组织流程，并确保业务用户能够访问可操作的业务见解。
总部位于西雅图的Launch咨询集团良好行业数据负责人Lisa Thee说，“到2025年，估计我们每天将产生4.63亿TB的数据。对于企业来说，要与市场保持联系，做出反应，并创造出与消费者联系的产品，利用这些信息产生的见解非常重要。”
商业智能软件通过将正确的数据引导到分析报告和可视化中来帮助公司做到这一点，以便用户可以做出明智的决定。但是如果没有正确的方法来实现这些工具，组织仍然面临着最大化价值和实现业务目标的问题。
以下是企业面临的六个常见商业智能挑战，以及IT部门如何应对这些挑战。
1.用户采用率低
对于想要意识到商业智能工具的好处的企业来说，获得所有利益相关者的支持是至关重要的，因为任何最初的不情愿都会导致低采用率。
总部位于佛罗里达州坦帕市的全球网络安全评估机构Schellman公司高级业务分析师DianaStout说，“对我们的商业智能团队来说，首要问题是让人们相信，商业智能将有助于做出真正的数据驱动决策。”
为了获得员工的认可，Stout的团队构建了商业智能仪表板，向他们展示如何轻松地连接数据并与数据交互，以及以一种有意义的方式将数据可视化。
她说：“例如，某个利益相关者认为某条产品线有利可图。我可以建立一个仪表盘，向他们展示情报，或者证明他们的想法是正确的，或者证明他们是错的，并向他们展示原因。”
Stout表示，这使得用户能够看到采用商业智能工具的价值。
2.确定哪种商业智能交付方法最适合
有许多传统的IT管理方法可以从数据中交付报告和见解。但是通过使用自助商业智能工具，以及更直观的仪表板和用户界面，企业可以通过让经理和其他非技术人员更好地使用报告来简化流程，从而从数据中获得更高的业务价值。
总部位于瑞士巴塞尔的跨国制药厂商诺华公司全球视觉分析主管AxelGoris表示，然而，采用自助服务方法可能会有障碍。例如，在多个部门之间拥有过多的访问权限，从而增加成本，并使企业面临数据安全问题。想让企业的销售团队根据得到的任何数据做出决定，并拥有混合和匹配的自主权，看看哪种方法最有效吗?对工具推出进行集中、标准化的控制是关键。为了正确地做到这一点，IT需要很好地管理数据。
由于这些权衡，企业必须确保他们选择最适合手头业务应用程序的商业智能方法。
AxelGoris表示：“除了为我们工作的外部员工，我们还有10万多名员工，这是一个相当大的用户群体。一个关键的挑战是围绕交付组织，你如何组织交付，因为制药公司受到高度监管。”
Goris解释说，IT管理的商业智能交付模型需要大量的工作和流程，这不适用于业务的某些部分。
Goris说，“这是因为他们觉得游戏过于复杂，有太多的开销，他们想要行动得更快、更敏捷，如果IT是交付的首选场所，那么它就会成为瓶颈，因为我们的规模不足以为每个人提供交付服务。”
为了应对这一挑战，诺华公司实施了两种交付方式：IT管理方法和自助服务、业务管理方法。
他说：“通过业务管理交付，我们提供了平台和工具，并允许业务在一定的参数下自行发展，使用其首选的供应商，或者让团队自己完成，这非常受欢迎。”他补充说，这一切都取决于决定“我们如何为业务中的每个人服务，或者允许商业智能用户以可扩展的方式为自己服务。”
3.是否集成数据
随着企业发现自己必须集成来自内部部署和云中各种数据源的数据(这可能是一个耗时且复杂的过程)，简化设置过程的需求也在增加。但许多人找到了其他解决方案。举例来说，总部位于北卡罗来纳州的美国玩具火车和模型铁路设计和进口商Lionel公司首席信息官Rick Gemereth说，该公司使用ERP作为记录系统。
他说：“我们的单一数据源是NetSuite，我们的整个ERP和电子商务都基于NetSuite。这样做的好处之一是，我们不需要面临试图将不同来源的数据结合起来的挑战。”然而，适用于Lionel公司的方法在其他地方可能并不适用。挑战在于找到最适合你特定情况的解决方案。
例如，Stout解释了如何解决客户关系管理(CRM)和财务数据的集成问题。
她说：“许多商业智能软件都是从数据仓库中提取的，在数据仓库中加载所有数据表，这些数据表是不同软件的后端。或者你有一个商业智能工具，比如Schellman使用的Domo，它可以作为数据仓库。可以连接到这个软件，它会把它拉到一个表中。然后你把所有这些表格放在一个地方，这样你就可以获取信息并处理。”
Gartner公司杰出的副总裁兼分析师Jim Hare表示，有些人认为，他们需要把各个业务部门系统中孤立的所有数据转储到数据湖中。
他说，“但他们真正需要做的是从根本上重新思考如何管理和访问数据。Gartner公司写的是数据结构的概念。”
数据结构被定义为分布式数据环境中无摩擦访问数据共享的使能器，旨在帮助企业访问、集成和管理数据，无论数据存储在何处，使用语义知识图、主动元数据管理和嵌入式机器学习。Hare说，“数据结构允许数据驻留在云中或内部设施中的不同类型的存储库中，关键在于能够找到相关数据，并通过知识图谱将其联系起来。其中的关键是元数据管理。”
4.不必让数据变得完美
传统观点认为，企业需要使用高质量的数据来收集必要的见解，以做出最佳的商业决策。但总部位于瑞士的LKQ欧洲有限公司汽车市场零部件分销商的数字化转型主管NicoleMiara表示，这种说法并不十分准确。
仅仅因为认为不是最高质量的数据并不意味着它没有价值。
当涉及到决策时，企业对获得完美数据的渴望可能会减缓其努力，因为他们会花时间尽可能多地收集数据，修复不完整的数据或纠正格式。Miara表示，很难拥有完美的数据，但企业可以使用和分析不完美的数据，并开始将其转化为业务见解。
她说：“数据并不一定要完美才能开始这段旅程。这是一个循序渐进的方法。”此外，她补充说，如果没有基本的数据层，就无法做出预测。
例如，LKQ欧洲公司正试图应用其数据，包括销售数据，以改善其供应链业务，因为该公司由于新冠疫情而经历了35个月的中断。然而，该公司只有大约12个月的销售历史数据。
Miara说:“我们收集了发票数据，但我们没有关于销售的额外信息，所以使用了不完善的销售数据，并试图找到与我们未来业务的相关性。但我们想知道是否可以改进我们的预测，仅根据这些数据来预测需求。我们发现，不完美的数据与通胀和就业指数等外部信号的相关性非常好，尽管并不完美。”
5.应对变革的阻力
总部位于佐治亚州的豪华黑胶地板和瓷砖地板HappyFeetInternational公司的首席信息官NickSchwartz表示，变革管理是实施商业智能时面临的头号难题。
Schwartz表示，在地板行业中，很多人不使用新技术。事实上，当Schwartz三年前加入该公司时，销售人员在日常工作中甚至还不使用电子邮件，因为他们更习惯于通过电话开展业务。
他说，“人们习惯于以某种方式做事，”他们多年来一直这样做，他们会问你为什么要尝试一种不同的方式。因此，我们必须尽可能简化他们的体验，同时延长培训时间。”
6.数据治理一致性
研究咨询和咨询机构The Hackett集团的首席数据科学家Justin Gillespie表示，企业需要确保他们有成熟的数据治理流程，包括数据管理以及围绕关键指标和关键绩效指标(KPI)的治理。
他说，“我接触过的每一家公司都有同样的问题，人们在相互沟通方面并不顺畅，因此拥有一套由组织认证的集中管理的KPI和指标是关键。”
Gillespie认为，治理还包括标准化工具和平台。他说：“从工具和技术的角度来看，这很少是因为缺乏工具，而是因为有太多工具。所以企业应该在一个工具集上进行标准化，然后围绕它建立一个熟练度。