“表”哥“表”妹的工作現(xiàn)狀

“表”哥“表”妹們每天與數(shù)據(jù)打交道，工作方式是Excel+PPT的形式，當(dāng)他們把PPT交給老板，老板看到結(jié)果后必然會有很多問題和想法反饋回來，“表”哥“表”妹們再根據(jù)老板的反饋又回到業(yè)務(wù)系統(tǒng)里重新調(diào)整數(shù)據(jù)，做出必要的補(bǔ)充，這些重新的加工和梳理，短至兩三天，長至一星期，繁忙的“表”哥“表”妹似乎做了很多工作，而企業(yè)內(nèi)部的業(yè)務(wù)數(shù)據(jù)利用效率卻仍然極其低下。如何讓數(shù)據(jù)更直觀、更智能的為業(yè)務(wù)服務(wù)，“表”哥“表”妹該如何得到“救贖”?這是基于數(shù)據(jù)化運(yùn)營的企業(yè)，必須直面的問題。

企業(yè)數(shù)據(jù)應(yīng)用發(fā)展的三個階段

大數(shù)據(jù)在中國發(fā)展已有十余年，目前市場規(guī)模已達(dá)到千億美元。企業(yè)數(shù)量也從150家發(fā)展到3500家。這十年間，企業(yè)內(nèi)的數(shù)據(jù)發(fā)展也經(jīng)歷了三個階段：

第一階段，Report數(shù)據(jù)報表。企業(yè)內(nèi)有各種各樣的業(yè)務(wù)系統(tǒng)，比如ERP、CRP、財務(wù)系統(tǒng)等等，而這些業(yè)務(wù)系統(tǒng)都有自己的數(shù)據(jù)報表。這個階段存在的主要問題是：當(dāng)決策層拿到統(tǒng)計報表的時候，會發(fā)現(xiàn)各個報表的統(tǒng)計口徑不一樣，同時決策層需要查看的報表越來越多，但很難進(jìn)行真正的分析。

第二階段，Excel+PPT階段。大數(shù)據(jù)概念的逐步落地，讓越來越多的企業(yè)領(lǐng)導(dǎo)意識到數(shù)據(jù)的重要性。但在這個階段，企業(yè)在數(shù)據(jù)使用上仍遇到很多瓶頸，究其原因，在于數(shù)據(jù)分析的周期長、效率低。

第三階段，即AB Intelligence，AB是AI+BI。未來，企業(yè)內(nèi)的幾乎所有決策，都應(yīng)該是由業(yè)務(wù)驅(qū)動。通過基于人工智能的BI產(chǎn)品，業(yè)務(wù)人員可以輕松進(jìn)行數(shù)據(jù)準(zhǔn)備和分析，發(fā)現(xiàn)數(shù)據(jù)中存在的價值。

未來商業(yè)智能的五大核心能力

因此，未來的商業(yè)智能產(chǎn)品必須擁有以下五大核心能力：

第一，讓業(yè)務(wù)真正碰到數(shù)據(jù)，擁有自助式的數(shù)據(jù)處理能力，也就是讓業(yè)務(wù)人員能夠利用數(shù)據(jù)分析工具自主進(jìn)行所有業(yè)務(wù)數(shù)據(jù)的整合工作。

第二，探索式分析能力。傳統(tǒng)的數(shù)據(jù)分析，一般是先制定目標(biāo)，以銷售人員為例，先給這個崗位定義KPI，再分解至打了多少個電話，見了多少個客戶，有多少轉(zhuǎn)化為合同這樣一個銷售的漏斗形式，再往下分解便是從哪里拿到銷售數(shù)據(jù)，電話如何記錄，跟客戶見面如何記錄等問題。因此，傳統(tǒng)的數(shù)據(jù)分析過程是從最終結(jié)果推導(dǎo)至數(shù)據(jù)層。

而探索式分析思路完全不同，是從數(shù)據(jù)的層面開始最終形成結(jié)果。以電商的服裝業(yè)務(wù)為例，當(dāng)拿到某細(xì)分服裝的銷售數(shù)據(jù)，分析人員的思考是：某類產(chǎn)品的銷售是否與天氣氣溫的變化有關(guān)?氣溫變化對服裝銷量是否有什么影響?通過與互聯(lián)網(wǎng)天氣數(shù)據(jù)的對接，便可以分析出不同的時間點(diǎn)不同的溫度對服裝銷量的影響。因此，探索式分析的思路是從數(shù)據(jù)本身出發(fā)找到數(shù)據(jù)的價值，然后把這個價值提供給團(tuán)隊成員分享。

當(dāng)然，在實(shí)際的業(yè)務(wù)場景里，探索式分析和驗(yàn)證式分析兩者都會有，而隨著業(yè)務(wù)的發(fā)展，對數(shù)據(jù)的應(yīng)用越來越超前，探索式分析的比重將越來越大，但探索式分析對數(shù)據(jù)工具的技術(shù)要求較高，比如需要有專業(yè)的引擎等。

第三，自由的藝術(shù)展示表達(dá)能力。隨著中國社會的消費(fèi)升級，人們更加注重使用體驗(yàn)，對美的追求也越來越高。在數(shù)據(jù)分析領(lǐng)域也是如此，分析人員基于數(shù)據(jù)分析結(jié)果進(jìn)行自由的配置和美化，比如圖表顏色、樣式等，這會更加易于人們查看并理解數(shù)據(jù)。

第四，AI整合的智能分析能力。人工智能和機(jī)器算法的加入，使得BI產(chǎn)品可以根據(jù)當(dāng)前業(yè)務(wù)的不斷變化而進(jìn)行實(shí)時分析，動態(tài)生成有價值的信息并提供給業(yè)務(wù)或分析人員。

第五，數(shù)據(jù)的溝通和協(xié)作能力。企業(yè)內(nèi)的數(shù)據(jù)應(yīng)用不是一個人在用，而是整個部門、整個公司在用。如何把數(shù)據(jù)分析的結(jié)果告訴同事，并與之進(jìn)行協(xié)作討論?這就需要分析產(chǎn)品具備數(shù)據(jù)協(xié)作功能，包括與團(tuán)隊成員進(jìn)行實(shí)時的溝通、互動以及通過微信等工具進(jìn)行便捷的分享。

DataHunter：未來商業(yè)智能的推動者

提出未來商業(yè)智能五大核心能力的是DataHunter 創(chuàng)始人兼CEO 程凱征。程凱征指出：“未來的商業(yè)智能，應(yīng)不再局限于可視化的分析，而是要拓展到企業(yè)數(shù)據(jù)應(yīng)用基礎(chǔ)，從而幫助企業(yè)打通數(shù)據(jù)脈絡(luò)，讓每個人通過數(shù)據(jù)做決策。”

DataHunter 創(chuàng)始人兼CEO 程凱征

基于這一理念，DataHunter將現(xiàn)有的業(yè)務(wù)數(shù)據(jù)可視化分析平臺命名為Data Analytics，并于近期發(fā)布了最新版本。據(jù)了解，Data Analytics已經(jīng)具備實(shí)時、高效等特性，未來，也將結(jié)合人工智能和機(jī)器學(xué)習(xí)，讓自動分析、預(yù)測分析成為現(xiàn)實(shí)。Data Analytics將滿足企業(yè)對于高效利用數(shù)據(jù)的迫切需求，完成從異構(gòu)數(shù)據(jù)源整合到探索式分析，再到數(shù)據(jù)可視化及溝通協(xié)作的全流程整合。

程凱征在接受企業(yè)網(wǎng)D1Net專訪時最后指出：“DataHunter致力于幫助人們查看數(shù)據(jù)并改進(jìn)業(yè)務(wù)，這是“表”哥“表”妹的愿望，是各企業(yè)領(lǐng)導(dǎo)者的期望，更是DataHunter的愿景“。