數(shù)據(jù)搬來了，工具選好了，實(shí)施就能成功？

前面我解釋了大多數(shù)以技術(shù)為主導(dǎo)的IT部門做不好BI項(xiàng)目。如果說那些關(guān)鍵點(diǎn)是一個(gè)公司始終都要注意的，那么在實(shí)現(xiàn)部分（Enablement），我要提醒幾個(gè)特別的風(fēng)險(xiǎn)點(diǎn)。

首先是業(yè)務(wù)部分或者管理層的過度期待（over?expectation）。隨著BI項(xiàng)目的推進(jìn)，我相信很多以前沒有聽說過商業(yè)智能的人會(huì)多多少少地去網(wǎng)絡(luò)了解這個(gè)新事物。IT有一個(gè)特點(diǎn)，那就是“壞事不出門，好事傳千里”。我想您要是去百度搜索商業(yè)智能，看到的更多是“優(yōu)秀產(chǎn)品”、“開創(chuàng)者”，等等神乎其神的宣傳和各種如科幻片一樣的圖表分析。因此很多沒有項(xiàng)目基礎(chǔ)和實(shí)際經(jīng)驗(yàn)的人容易對(duì)BI產(chǎn)生幻覺，認(rèn)為只要公司擁有這樣的系統(tǒng)，就好似有了一個(gè)超級(jí)大腦來保駕護(hù)航。或者認(rèn)為BI同excel一般靈活，隨便改一下公式就可以看到結(jié)果。

其次是IT或者BI實(shí)施團(tuán)隊(duì)的過度承諾（over promising）。相對(duì)于傳統(tǒng)的商業(yè)系統(tǒng)，BI算是一個(gè)新生事物，因此很多公司的實(shí)施團(tuán)隊(duì)經(jīng)驗(yàn)有限，容易樂觀地估計(jì)項(xiàng)目的結(jié)果。例如當(dāng)項(xiàng)目組在基礎(chǔ)階段發(fā)現(xiàn)底層數(shù)據(jù)的質(zhì)量高于預(yù)期時(shí)，便容易樂觀地認(rèn)為項(xiàng)目時(shí)間會(huì)大大縮短，或者過早地保證實(shí)現(xiàn)某種高級(jí)分析。BI項(xiàng)目的鋪墊一般都很長(zhǎng)，業(yè)務(wù)用戶只有等技術(shù)人員把分析結(jié)果投影到幕布上時(shí)才能真正看到問題的所在。在這個(gè)階段因?yàn)閿?shù)據(jù)或者模型缺陷而把BI應(yīng)用推倒重來的案例比比皆是。因此過早或過度地承諾可能會(huì)在后期給實(shí)施團(tuán)隊(duì)帶來巨大的壓力。

再次是用戶需求變更（user requirement changes）。因?yàn)?/span>BI屬于新事物，很多業(yè)務(wù)用戶在初期的需求收集階段無法給出準(zhǔn)確的意見，只有等看到演示（demo）時(shí)才大致明白BI是什么東西，并且會(huì)隨著應(yīng)用的完善而不斷地提出修改意見。此外BI用戶通常包含部門經(jīng)理和一般業(yè)務(wù)人員。不同級(jí)別的人對(duì)公司業(yè)務(wù)的側(cè)重點(diǎn)會(huì)有不同，因此BI團(tuán)隊(duì)經(jīng)常要面對(duì)完全對(duì)立的修改意見。如何控制好用戶意見和修改原則是BI團(tuán)隊(duì)要早早考慮的問題。

最后是項(xiàng)目范圍蔓延（scope creep）。基于國(guó)內(nèi)項(xiàng)目的特點(diǎn)和從我個(gè)人的經(jīng)驗(yàn)，沒有一個(gè)交付的BI應(yīng)用是完全按照設(shè)計(jì)文檔來實(shí)施的。不是因?yàn)槲覀儧]有能力做好設(shè)計(jì)，而是當(dāng)用戶看到A功能后會(huì)立刻要求B功能，甚至提出C功能的預(yù)想。對(duì)于一般業(yè)務(wù)人員提出的新需求我們可以找些不明覺厲的理由來拒絕，但是面對(duì)管理層，我們可能會(huì)失去話語權(quán)（BI項(xiàng)目碰到高級(jí)經(jīng)理的機(jī)會(huì)要遠(yuǎn)大于其他項(xiàng)目）。因此BI團(tuán)隊(duì)要按照項(xiàng)目實(shí)施方法論和自身的特點(diǎn)盡早做出調(diào)整。

BI框架之實(shí)現(xiàn)部分（Enablement）

不知道大家是否注意到實(shí)現(xiàn)部分的三層順序。

為什么分析會(huì)放在報(bào)表之后哪？其原因就是防止過度期待和過度承諾而最終導(dǎo)致大家不歡而散。

通常BI項(xiàng)目會(huì)在后期碰到各種各樣無法預(yù)先準(zhǔn)備的問題，例如數(shù)據(jù)無法打通，模型設(shè)計(jì)缺陷，維度交叉造成的錯(cuò)誤，或者無法達(dá)成某種分析結(jié)果等。此外BI應(yīng)用是基于業(yè)務(wù)流程和數(shù)據(jù)的，IT測(cè)試人員僅能夠檢查計(jì)算結(jié)果是否準(zhǔn)確，但無法判斷分析圖表是否符合業(yè)務(wù)要求，數(shù)據(jù)結(jié)果是否有商業(yè)意義等。這些功能上的測(cè)試必須在后期業(yè)務(wù)人員的配合下才能完成，也就是UAT。因此實(shí)施團(tuán)隊(duì)如果過早地承諾分析功能，那么將來等用戶提出質(zhì)疑的時(shí)候，我們很難判斷這是數(shù)據(jù)的問題，邏輯理解的問題，模型的問題，還是前端代碼的問題。如果在時(shí)間壓力下開發(fā)人員開始補(bǔ)丁疊補(bǔ)丁，那么離惡夢(mèng)就不遠(yuǎn)了。

因此強(qiáng)烈建議BI項(xiàng)目先從簡(jiǎn)單的報(bào)表（reporting）開始！一張報(bào)表看似簡(jiǎn)單，實(shí)際上我們可以發(fā)現(xiàn)底層數(shù)據(jù)的問題，數(shù)據(jù)倉庫和模型問題，系統(tǒng)性能如何，工程師是否合格，業(yè)務(wù)和算法的理解是否到位等等。公司報(bào)表一般都有固定的格式和業(yè)務(wù)流程，因此報(bào)表開發(fā)不會(huì)招致大量的用戶需求變更和范圍變更。快速實(shí)現(xiàn)報(bào)表自動(dòng)化還可以拉近BI項(xiàng)目組和業(yè)務(wù)人員的關(guān)系，并增強(qiáng)管理層的滿意度（buy in）。

除了報(bào)表，范圍小、用戶少、需求明確的任務(wù)也可以作為我們初期的著力點(diǎn)。例如單一產(chǎn)品MTD， QTD， YTD， YoY的銷售數(shù)據(jù)匯總，一些簡(jiǎn)單的目標(biāo)達(dá)成率等。簡(jiǎn)單任務(wù)完成之后，我們可以逐步加入例如競(jìng)品數(shù)據(jù)，然后就可以和業(yè)務(wù)部門坐下來制定一些相對(duì)復(fù)雜的分析功能了。

報(bào)表是測(cè)試數(shù)據(jù)質(zhì)量和理解業(yè)務(wù)的好機(jī)會(huì)。當(dāng)報(bào)表完成之后，BI團(tuán)隊(duì)和業(yè)務(wù)人員可以繼續(xù)挑戰(zhàn)復(fù)雜靈活分析（analysis）。復(fù)雜分析的范圍千變?nèi)f化，有的是把PPT圖表自動(dòng)化，有的是根據(jù)業(yè)務(wù)經(jīng)驗(yàn)提出更優(yōu)化的分析（可能需要外部業(yè)務(wù)專家的介入）。BI團(tuán)隊(duì)可以和業(yè)務(wù)人員坐在一起共同研究和討論分析方法，并當(dāng)場(chǎng)向用戶演示開發(fā)結(jié)果。BI團(tuán)隊(duì)也可以依賴自有經(jīng)驗(yàn)和業(yè)務(wù)專家的能力，先內(nèi)部設(shè)計(jì)，開發(fā)，然后再向業(yè)務(wù)人員演示，并收集意見。從我目前的項(xiàng)目經(jīng)驗(yàn)來看，效率最高的方法是和專家初步制定設(shè)計(jì)方案，簡(jiǎn)單開發(fā)之后再和業(yè)務(wù)用戶確認(rèn)。

大數(shù)據(jù)（big data）是時(shí)下流行的概念。很多公司的高層可能會(huì)要求實(shí)施團(tuán)隊(duì)直接完成大數(shù)據(jù)項(xiàng)目。但是我認(rèn)為直接從零到大數(shù)據(jù)的跳躍基本是自討苦吃，除非公司有富有意義的海量數(shù)據(jù)，拓展的興趣，和富有經(jīng)驗(yàn)的實(shí)施人員和用戶。因此我是在報(bào)表和復(fù)雜分析完成之后才建議公司去嘗試探討大數(shù)據(jù)項(xiàng)目。但請(qǐng)記住，大部分的公司在現(xiàn)階段是不需要上馬大數(shù)據(jù)項(xiàng)目的！請(qǐng)做好充分的調(diào)查和選型之后再考慮是否做這樣的投資。

如果報(bào)表和分析都一帆風(fēng)順，那么恭喜您，可以開始挑戰(zhàn)目前BI行業(yè)里的最高難度：預(yù)測(cè)分析（prediction）。預(yù)測(cè)什么哪？如果您負(fù)責(zé)銷售，那么BI可以預(yù)測(cè)未來的市場(chǎng)空間和合理的銷售目標(biāo)。如果您從事投資，那么BI可以預(yù)測(cè)公司未來的現(xiàn)金流甚至估值。目前受限于預(yù)測(cè)的復(fù)雜程度，絕大多數(shù)公司還是通過線下的方式，使用excel模擬多種參數(shù)，然后反復(fù)論證，最終敲定某業(yè)務(wù)的預(yù)測(cè)值或者目標(biāo)值。因此牛牛爸到目前為止還沒有這類項(xiàng)目的成功案例。我的經(jīng)歷更多是相對(duì)簡(jiǎn)單的情景（scenario）分析。

所謂情景分析，就是在現(xiàn)有數(shù)據(jù)的基礎(chǔ)上，通過手動(dòng)或自動(dòng)調(diào)整某些參數(shù)而達(dá)到檢查其他指標(biāo)的目的。例如我們可以通過調(diào)整工廠里某個(gè)環(huán)節(jié)的生產(chǎn)率來計(jì)算產(chǎn)品在未來市場(chǎng)可能的占有情況。無論是公司的一般業(yè)務(wù)人員還是高層，情景分析的用戶參與度最高，得到的反饋也最豐富。作為實(shí)施者，能看到BI工具在實(shí)打?qū)嵉貛椭鷺I(yè)務(wù)部門制定公司戰(zhàn)略，心里還是很滿足的。

從工業(yè)角度而非學(xué)術(shù)角度，我認(rèn)為預(yù)測(cè)分析和人工智能（artificial?intelligence）在某種意義上存在交叉。人工智能既然是通過計(jì)算機(jī)來幫助和擴(kuò)展人類的智能，那么通過對(duì)現(xiàn)有數(shù)據(jù)的分析和挖掘，然后做出對(duì)公司最優(yōu)化的建議無疑就是最高等級(jí)的預(yù)測(cè)分析。當(dāng)然AI不僅限于此，例如我們可以通過它來更高效地收集數(shù)據(jù)，通過它來建立業(yè)務(wù)模型，甚至通過它來編寫算法程序等。

?