这样实施可视化数据分析工具可能会导致错误（上）

购买可视化数据分析工具的企业都期望BI能帮助他们做出精准的决策。但依据过去的经验，在实施过程中，很多企业还是存在各种问题和错误。本篇文章就罗列几个他人犯的错误操作，帮助大家日后在购买可视化数据分析工具之后的操作中减少错误的输出，增加产品成功实施的几率。

1、在构建BI系统的时候把自己作为一个“订单接受者”

“客户永远是对的”，这个原则已经推动着在改善客户服务方面做了大量工作，特别是在零售领域。但是随着技术的发展，企业用户可能并不总是了解他们自己想要什么。更糟的是，他们可能会试图指定解决方案的技术细节。

Tricentis是一家为HBO、Toyota和BMW等企业提供持续测试平台的公司，该公司创始人Wolfgang Platz表示，实现用户所要求的、而不是他们所需要的，这是BI失败的根源所在。“成功的BI项目要求详细阐述和管理要求，以及能够恰当地验证BI的成果。”“5个为什么”技巧——同一个问题问5次，以更深度地了解问题——是了解用户真正需要什么的一种方式。

2、减少测试时间和资源

在初创公司的世界里，“快速行动，除旧立新”是一个重要思想。成功的业务也经常需要快速行动。但为了追求更快的速度，某些辅助性的操作可能就会受到影响，例如测试。将测试视为一种“无谓损失”，可能会导致严重的质量问题，尤其是如果你依赖于手动测试的话。相反，可以把测试和相关“辅助”流程视为提供高质量BI体验的一种方式。

Platz表示：“限制测试，尤其是唯一的测试还是手动进行的，会导致用户验收测试中会出现大量缺陷，最终影响交付时间。”

3、在更广泛的数据完整性问题上目光短浅

商业智能工具在处理、显示和分析数据方面非常出色。但是如果你得到的是系统中残缺不全的数据会怎样?或者情况稍好一些：你如何向IT审查者展示你拥有高质量数据引导你做出管理决策?太狭隘地专注于BI工具及其配置，可能意味着你会错过这些关键细节。

“如今商业智能并不仅仅用于支持做出更好的决策。BI往往被嵌入到运营流程中。如果你的财务报告或者法规报告存在错误(这通常是由数据仓库技术提供支持的)，那么BI可以帮助轻松解决这些问题。但是其他流程仍然可能出现问题。例如，一家保险公司的经纪人收费过程中，即使是很细微的错误也会给公司的声誉带来负面能影响，从而增加客户的流失率。如今的企业需要一个主动的、自动化的商业智能测试方法，尽可能早地暴露出数据完整性的问题。”

财务数据和法规数据如果出现错误的话，可能要付出高昂的代价。糟糕的数据质量也会导致浪费。2013年，美国邮政服务无法正常投递超过60亿封邮件，这意味着丢失或者延迟客户信息，失去营销机会，甚至更多。

4、采取被动的方式惹恼用户

没有哪个技术专家想应对愤怒的用户。系统故障和挫折点总会发生。你对这些问题做出的响应会直接影响你的BI项目是成功还是失败。

ThoughtSpot是一家面向零售、金融服务和其他行业提供以搜索为驱动的分析公司，该公司首席数据布道师Doug Bordonaro表示：“我看到BI新手们常犯的两大错误就是过分关注提交请求，而不是让最终业务用户参与到项目中。当客户冲你大喊，抨击漫长的交付时间和服务等级协议被忽略的时间，显然这时候是需要重点关注的。过于卷入日常交付而忽略了更大的BI计划。你给你的客户提供了他们决策所需的吗?你是否了解他们需要哪些数据?除了再来一份报告，还有解决实际问题的更好解决方案吗?”

你应该根据这个问题对于整体战略的相对重要性，来分类解决用户的抱怨，而不是在出现问题的时候采用一刀切的方法。