天之华商务智能总监 陈圣
当经营管理引入信息化工具后，大量的数据随之产生。一些企业为了利用这些数据，引入了商业智能（BI）手段，然而，BI对数据的应用，更多是一种被动的做法，也就是通过数据分析发现问题。意识到数据重要性的企业，已经习惯于先收集所有可用的数据。然而，面对一堆数据时，却又不知道哪些数据能有针对性的发挥价值。
对于老板来说，商务智能为他解决的问题可能没有解决，困惑还是会有。我们通过报表发现一些经营上的问题，往下深究，为什么这个指标会影响，为什么这个产品卖不出去的时候，很多的业务主管就开始推，由于这个原因，那个原因。由于大家没有数据支撑大家在会上讲，对于老板来说还没有得到应该怎么解决。因此，管理困惑依然存在，第一个是业务管理障碍，对于公司的高层，所谓的规划层，因为看到都是一些仪表盘和报告，所以只能看到是这样的，再往下是什么原因，没有办法得到答案。作为公司的中层来说，他可能会有很多的表达，所以对于他来说，他要把这些仪表分析整合到一起，然后再去分析，再去发现问题，他们的精力更多是在整理和分析上，而不是说对我们这些问题应该怎么样解决或者是执行上，作为业务人员来说，因为我们提供了更多是一些报表，比如像日报、月报，对于他来说是更多的一些结果，怎么在我的业务上进行开展呢？没有了解答案，所以在业务层面上还是存在一些障碍。在一些技术管理的方面，IT部门并没有转型到业务层，更多的精力还是放在了怎么样去满足业务用户的分析需求上，并不是推动他解决一些问题。
我们应该好好的去反思一下，商务智能应该怎么样去应用，怎么样去起到作用，才能够真正为我们的决策服务。在这里我们可以看一下，在商务智能领域做的比较好的企业出发点是什么，做的比较好的，并不是说我有什么数据然后去展现去呈现，而是从他要解决的业务问题出发，首先要定义商务智能应该解决什么样的管理问题，解决什么样的业务问题，然后再去说基于这些业务问题我有什么样的数据可以支撑，应该对数据进行什么样的整理，把这些数据输出给我们业务人员。在这儿我给大家举两个例子，这两个例子都是实际在项目中应用的例子。第一个，就是对我们顾客的分析，我见到了很多对于会员或者顾客的分析，更多停留在比如说性别、年龄包括收入上纬度的分析。我们把这些信息推送给业务员的时候，他还是不知道应该怎么样对我们的客户进行分析，我们要对会员分析，就要解决我们怎么样了解他们的消费动机，从而制定差异化的客户服务，并且根据不同区域客户的消费行为进行组合，达到增加市场份额的目的。这种问题如何解决？首先我们不是说先去看我们有什么样的性别，什么样的客户在哪儿，我们可能会通过一些指标，把我们的会员从消费行为上进行分类，比如说哪些是我重点的客户，哪些是我要重点发展和保留的，哪些可能就是我的边缘客户。首先通过消费行为把客户细分，然后再去判断这些客户他本来的属性是什么，可能有些客户是什么年龄结构的，去了解不同的消费习惯的客户他的本身属性是什么，然后再去制定相应的针对于不同消费行为客户的差异化服务，举例来说，一个服装企业，就是通过这种方式把他的高端会员找出来的，并且提供了一个1315的客户服务的计划。比如说当客户到店里买了一件衣服之后，一分钟就会给客户发一个短信，尊敬的客户感谢您到我们店来买一件衣服，第三天，会给客户发一个短信，上次您买的衣服这次有一个新款可以来搭配，感谢您的购买。15天的时候还会发一个短信，上次您买的那一件衣服，现在要去保养了，应该去清洗，怎么样保养是最合适的。通过这种方式，找到了他应该为哪些会员推送服务，为推送会员服务之后，再反过来做会员服务的满意度调查，再来去验证，我对这些客户推出的服务是不是能够达到这样的效果。这个案例就体现了BI的管理价值，也就是说我们从管理的，从建立目标，整个闭环中BI都是在发挥作用。通过数据分析知道哪些客户是我的目标客户，然后通过建模，以及数据的跟踪和反馈，发现我对这些目标客户分析是不是达到我了的期望，然后再去调整，是通过在整个的管理闭环中，让BI在每一个环节中都发生作用，形成我们不断提升业务水平的闭环。
第二个案例，也是在服装企业，是一个品类分析，不知道大家对于服装行业的品类优化到底是怎么来考虑的。很多服装企业都在说去库存，其实去库存是一个伪命题，因为在库存之前，产品微化，品类的分析，以及在门店和区域间的调配货才是真正解决库存的核心的问题。我们看这个案例，针对品类优化上，我们做的不是说只是分析，哪些品类卖的好，哪些品类有多少库存，而是要把数据分析和业务这个闭环打通。首先我们在于调配货的时候肯定要关心哪些衣服卖的好，哪些衣服卖的不好，我们通过很多种方式，比如说这种方式，或者通过数字进行分析，发现哪些品类，哪些款式是销售的很好，或者销售的不好，然后我们再锁定到这个品类在不同门店的销售情况，比如说有些门店卖的很好，有些门店卖的不好，这就会反映出在不同门店生命周期是有差异的。我们可以判断出这个款在哪些门店可以补货，在哪些门店可以把货调出去，这样能够减少库存压力。我们可以通过这种方式选定一个款式，然后去锁定我应该在哪些门店中进行调配货。我们进行调配货的预测，针对锁定的款式，我们要把这个款式和尺码列出来，把你选择所有的列出来，我要从A店到C店，从哪件到哪件怎么调，以往这些工作都是由业务人员在前期，大家要花两到三天时间，从系统中把数据倒出来，做一个很大的透视表，然后才可以得到这个结论的。在这个层面上，在于信息获取层面上就加快了速度。第二，我们做调配货，做这种调配货的操作目的是什么呢？要做预测。因为这个款式在这个店，我进行了调配货之后，这些数据已经产生了，销售最后的高度到底销量是多少，我是能够预测出来的，这样就可以通过预测来验证，我是否应该进行这样的业务操作，如果可以，我就可以把这个预测的调货单转到我们ERP里面去，真正开始进行业务操作，这是BI在另外一个层面上的价值，怎么样把我们的业务产生的数据分析和最后业务提升串起来。如果按照这样去做的话，整个BI系统价值也就体现出来了。我们有很多的业务操作，会形成一些业务的数据进到ERP系统，或者进到业务系统里，数据仓库会把这些数据整合在一起，按照实际业务需要进行业务分析的建模，再反过来指导前端业务的操作，会针对于所谓的主决策制定出更优的业务决策，然后再回来。这样BI系统的价值也就体现出来了，他是能够形成我们产生数据、分析数据、优化业务的这么一个地方。
如果想实现很好的应用种效果，有三个建议，我会做这三件事，并不是说我们的企业内部，或者实施商来做的，而是整个项目组一起做的。第一步要定义业务管理体系，去做业务管理体系的梳理和规划。它的目的是能够让我们明确应该要解决什么样的业务问题，这个是很关键的，然后再去落地，构建BI平台。构建平台之后并不算完，还要进行监控反馈，让业务用户和管理人才，学会双循环学习能力，可以重新调整目标再去优化业务，所以会有三步。
第一步构建整个指标体系。做报表一定是没有用的，所以我们要梳理成是一致的，可以用分解的方式来逐渐推导，要实现这样一个业务目标需要哪些优势，开展哪些行动。应该用什么样的指标衡量这些业务行动开展的是否有效，通过这种方式构建指标体系。这套指标体系就不是简单指标列表和清单了，而是能够描述和反馈业务开展是否有效的一套标准。
第二步，应该怎么样分析，这都是企业很常规的，从生产采购开始到财务到人资的主题。比如终端运营。现在在零售行业比较关心的几个因素，第一个大家可能关心天气是不是有关系，经常很多店铺卖的不好说我们这儿老是下雨。第二个可能从门店的运营上去分析，是不是有哪些所谓的利润的漏损，从这个门店卖的货品，顾客，我们本身团队的组织，以竞争对手去做六个角度分析。所以我们通过这种方式能够发现，影响我们终端运营的因素就是这六个，我们可以通过这六个来评判整个运营的状态是好还是不好，是因为哪些因素导致的。我们可以通过全国到省到区域，再到终端进行层层的，到了这个时候我们就可以看到，这些因素到底哪些是影响我中间的关键因素。比如说这个门店可能我们定位是A类店，已经很好了，传统的旗舰店，而且收入还不错，排到全公司的第八。首先我们可以发现，公司在这两个层面上形成问题的，可以进行深入的分析。比如天气的影响，我们还可以做一些预测，如果把一些指标降低，比如把人工费用降低，会不会对利润提高有帮助，比如说发现问题进行了预测。此外，分析终端的评价，可能会分析这些指标，但光分析这个指标的意义其实并不大，而是要分析这家门店首先开的面积是在150到200之间，有这么多家店都在这个面积区间之内，有这么多的，这家门店是在这儿。第一，能够去验证整个公司来说，把门店的面积开到这个范围之内是否合适，因为我发现大部分都不是很赚钱。因此，企业就能够得到一个结论，从开店本身上来说计划就要进行调整，包括跟竞争对手还会用到相关技术的一些应用。
第三步，要擅用BI的工具。比如信息服务现在也很火，大家看微博微信这种图都可以看到，现在也可以在我们BI中进行应用了，因为仪表盘虽然是给领导看的，但是还是以图表形式，并不直观。信息服务技术上来说可以打破界限，可以以更直观图的方式。比如说哪个指标高，哪个指标低，通过形状就可以看的很清楚了。还有相应的一些内耗，到底哪个高，哪个低，这个方式比看传统的柱状图更直观一些。可以利用到销售，比如哪个销售人员人均产值是最高的，哪个产品的利润贡献是最高的，这种信息推送理解起来更直接一些。业务人员通过系统的分析，可以加快他发现业务问题的效率，减少他去所谓的收集检索数据的时间，这些都是现在BI公司应用非常好的一些技术，包括移动。
第四步，提高企业循环学习能力。我们为什么把这些制度加过来，前期我们说要构建指标，构建一个正常合理的指标体系的目的在于什么呢？要解决内部多元化共识，比如说这个业务问题应该如何解决，应该怎么衡量。可能每个部门之间都有不同的标准和评判的角度，所以我们要把这个问题解决掉，也就是说确保在业务执行和战略执行的路径是一致的，对一个问题解决的方式是一致的。第二，构建双智能系统，是要在数据上达成共识，大家对这个数都认，要确保我们的战略在执行上是一样的。开今年的分析会，开报告，不会再出现说财务数和这个数不对，销售说我这个数肯定对的，打架这种事就不要出现了，大家对于这个数的认知标准看法都是一致的。反馈与学习就是说，当发现问题了，怎么样去改进，有好的，可能也有不好的，要怎么样改进，怎么样调整目标，然后再重新进入到下一个闭环里，有了这一步之后，才可以把整个管理的闭环给画圆，然后才能够去提升业务水平和管理水平。
在商务智能整体架构上才能形成这种技术上的业务场景，以前是很多业务，通过相应的数据处理，最终用户可以在上面进行所谓的分析，监控、预测，很多操作都可以开始去做了。天之华时间做的比较长，我们也有自己的方法，可以在刚才说的过程中提供行业的指标，天之华现在有400多个指标，有一些其他企业做的比较好的分析的案例，可以互相借鉴和学习。通过前面的方式，帮助客户梳理体系，应该怎么建立数据仓库，怎么构建商业智能平台，再把它落地，这也是我们作为实施方做的事情。要真正提升企业的管理价值，而不是只是数据本身而已。
最后我们再看一下商务智能在企业ROI的提升，最基础的就是增强洞察力，至少现在能够让公司的关键决策者可以看到他想看到的数据，有前提就是这个数据一定是准确的，使用标准的。当我们能看到这些数据之后，管理闭环和业务闭环的提升带动的是我们管理水平和业务水平的提升，这样才能够达到战略执行的有效性，以及业务水平的提高。这样整个公司的业务水平才能被商务智能带动起来，让公司整个的业绩能提升。当这两项都具备了，也就是说管理水平很高的，业务水平很高的公司发现或者说在这一点目标水平要调整的时候，公司的业务水平就会提高。不是说今年这个产品卖的不好了，要推另外一个产品就要缓半年或者很长时间才可以。BI最终提高的是企业的应变能力，这些都是因为有数据支撑，带动相应管理水平和业务水平的提高才能得到的。
最后再说一下我们的优势，天之华从2002年开始做商务智能，我们的经验是比较丰富的，从我们对于BI本身的理解上，希望能够参与到公司本身的管理水平的提高。
本文根据发言整理，未经本文确认！
