云平台
在线体验
免费下载

这样实施可视化数据分析工具可能会导致错误(下)

      上篇在关于可视化数据分析工具实施上会犯的错误,我们已经展示了四点,本篇将继续展示。可视化数据分析工具在很多人眼里只是一个工具,扔给聘请的IT人员运营就以为一切会顺利进行。其实,为了企业更好的数字化运营之路,我们在引进可视化数据分析工具之后,不能完全将其视为一种可视化数据工具那么简单,认为它会智能化地完成所有问题。而是应该,所有业务人员都积极参与,并规避一些实施错误,才能最大化地发挥BI的功能。




      1、追求无意义的分析


      当你手头有强大的工具可以随意使用的时候,寻找机会使用这些工具是很自然的。但是没有方向的商业智能意味着浪费时间。这个问题在相对初级的专业人士中尤为常见。


      避免这个错误需要商业智能是判断力。问你自己一个问题“这个分析如何为公司的目标做出贡献?”,这可以防止出现上面提到的问题。如果你不确定如何将分析与公司目标联系到一起,那么可以退一步考虑。你的BI分析如何证明它能够提高收入、削减成本或者改善服务?这是大多数商业领袖长期以来的一些困扰。


      2、假设数据本身就足够了

      “更多的数据”可以解决我们所有的业务问题吗?这是许多商业智能和分析讨论中潜藏的假设。简单地将数据扔给高管,希望的最好结果往往是行不通的。


      为了讲出一个更好的故事,可以考虑从其他领域获得灵感。坚持下去:为什么一些想法留存下来,而其他想法消失了,Chip and Dan Heath公司勾画出一个模型来解释“粘性”。同样的,小说作家和编剧也用“英雄之旅”的概念来讲故事。如果你想让高管和客户了解你,基于你的见解讲故事,讲故事的技巧会让你脱颖而出。




      3、太信任BI工具(而对人和流程不够信任)


      技术专家们知道正确使用工具可以带来巨大的改变。回想一下,你第一次用脚本来自动执行那些重复性的任务。那些早期取得的成果鼓励你不断寻找解决业务问题的新工具。遗憾的是,太过强调BI工具往往会导致令人失望的结果。


     “作为一名行业分析师,我低估了在企业组织内真正广泛恰当地采用BI和分析是有多难。即使工具越来越易于使用,总是有流程、文化和学习的部分来实现成功。这就是为什么我们越来越多地谈到把数据扫盲作为恰当使用商业智能的一个关键。”

      4、无效的厂商管理


      你的企业可能没有BI部门。在这种情况下,与外部专家合作是有道理的。你可能会要求他们承担外部服务提供商或者项目辅助的职能。在任何一种情况下,你都需要了解你的厂商并提供监督,尤其是对分包商进行监督。

      如果你正在与第三方合作,那么你有责任了解项目、了解谁在负责你的账目。否则,最终你的BI项目可能会让你失望了。


      5、忽视对主流工具如SQLExcel的忠诚


      你知道一年一度的微软Excel大赛吗?以微软Office专家世界冠军赛为例——有超过50万个竞赛者,获奖者可以拿到奖金。这只是Excel在商业领域普及的一个标志。在一定程度上,SQL在技术领域还是有追随者的。


      忽略变革中人的因素,采用新的BI工具会增加失败的几率。“你会发现很多人有SQLExcel技能,但是对于像TableauQlikSpotfireSASSAP这样的产品技能要更困难一些。当你引入新的软件和新的业务方式的时候,会立即遭到那些习惯于在Excel以及/或者SQL上工作的业务用户的抗拒,”Pearson解释说。


      讲到这里,估计你对可视化数据分析工具实施应该有了些许的了解。BI工具本身的性能很重要,但是员工参与度、变革管理和领导力也都是不能少的。