分析引导决策,智能BI到底长啥样?

以前,每到月底,很多公司都会出现一群易怒、狂躁的人群,他们被亲切的称为“表哥”。他们那几天都重复着枯燥的财务报表整理工作。从ERP财务模块中下载发票数据到Excel,从CRM下载顾客数据到Excel,将上述的N个表格用vlookup和sumif给连起来,然后等待Excel默默计算几十分钟甚至几小时,如果中途死机,就重复再来;如果通关成功,就会把生成数据透视图进行截图、复制粘贴到PPT, 稍加美化后邮件给老板。

然而,随着业务快速发展,越来越多的业务部门需要从海量数据中获取想要的分析结果,来指导销售和生产。于是“表哥”每天需要整理的表格也蹭蹭蹭的多了起来。面对繁琐如海的数据处理与合并、龟速的数据引擎性能、枯燥的数据分析等过程,表哥的内心其实是崩溃的,性情也越发暴躁,动不动就大吼两声,“卧槽,怎么又崩了”?

传统BI,“表哥”的痛

对于很多财务从业人员来说,财务报表一直都是魔鬼般的存在。文章开头的案例,让我们看到了早期BI应用中让无数表哥痛苦不堪和无奈的地方。

首先,传统BI需要导入固定表样,由专业技术分析人员做分析,定期出报告,业务部门只能进行索取、下载和再分析。其次,传统BI表样复杂,并不存在自动化的数据关联,分析结果强调可视化效果展现。第三,传统BI使用关系型数据库,面对的是结构化数据,一般都是使用SQL语言查询,对较大的数据表分析,查询效率低且时间长。最后也是最关键一点,传统BI图表设计面向实施人员,都是业务人员向IT部门提出数据或分析需求,由技术人员实现,解决问题的时间可能很很长。

然而,面对快速变化的市场需求以及日趋激烈的竞争节奏,企业越来越多依赖对业务过程的数据分析来指导日常的经营生产。如果仍然按照传统BI的方式,向IT部门提出数据或分析需求,由技术人员实现,解决问题的时间可能延长到数周甚至数月,早就错过了最佳窗口期。对业务人员来说,分析需求不断增加也给IT技术人员带来了越来越多的业务处理压力。如果完全依赖于传统BI,分析所需的时间和流程越来越长,无法满足需求,对企业而言,必须在日趋庞大复杂的业务分析需要与快速响应业务分析之间找到一个新的平衡点。

除此之外,我们还必须考虑,在新的市场竞争中,如果根据数据分析结果进行可视化展现,而不去深究数据背后存在的问题以及造成的原因,并想办法解决它。对企业的数字化转型和工业智能化升级意义仍然不大。因此企业对BI的应用需求,还必须包括对数据结果背后问题原因的分析和探究,并基于此持续优化企业的管理和运营流程。

“表哥”的痛,亦策很懂

近年来,随着企业数字化转型和工业智能化升级持续推进,企业中业务数据也开始快速增长,使得大数据分析以及BI商业智能等产品备受企业关注,特别是融入了人工智能、跨云以及多源数据整合等技术能力,以及高度易用、自助式的BI产品,让业务人员无需IT的支持也可以轻松使用,无论是在会议室还是工厂车间。借助人工智能的精准快捷,以及人类本身的主观能动性和创造能力,“表哥”曾经工作中的面临的诸多苦恼一扫而空。

传统BI和自助式BI

在国内主流智能BI产品中,能将这些技术融为一体最典型产品就是亦策观数台,其四大核心技术:关联引擎、内存技术、增强智能以及嵌入式分析,实现了从数据准备到自助式分析的全过程。

亦策观数台四大核心技术

目前,大多数BI产品都是基于关系数据库和查询等旧技术。但是,关系数据库和SQL查询不是为现代分析而设计的。虽然SQL需要从许多来源提取数据,但大多数分析工具依赖于基于SQL和查询的方法作为其建模数据和支持交互性的基础架构。这是一个重大缺陷。导致对部分数据子集的线性探索和分析受到限制,必须使用SQL连接将数据源集合在一起,并且必须提前假设用户将拥有哪些类型的问题,所有其他数据都被遗忘。如果用户想要根据他们发现的内容来转移他们的分析,他们可能不得不重新构建复杂的查询,这通常意味着回到更有经验的数据专家,我们称之为“问,等,回答周期”,每种新类型的问题都有等待期。

观数台平台架构及功能

亦策观数台的关联引擎几乎可以连接任何数据源,包括基于文件的源,特定于应用程序的源以及大数据源。无需事先对其进行完全建模或预先聚合数据。观数台自助数据准备工具,为复杂的场景提供强大的数据集成脚本。这些数据准备功能有助于公开数据区域和可能存在问题的业务,可以创建价值而无需外部工具或数据仓库。

智能BI关联引擎

除此之外,让用户可以在所有可视化、图表、图形和其他对象中进行选择,并可以使用全局搜索来表现数据、关联和分析。由于引擎动态地计算分析而不是预先聚合数据,因此用户可以将他们的想法转移到新想法或数据集,在任何详细度上询问他们想要的任何问题,而不受预定义查询或层次结构的限制。

为了让数据分析速度更快,亦策观数台可以尽可能的让数据运行在内存中,在短短几秒钟就能生成一个复杂的分析结果。而观数台存储到内存的数据也会经过压缩处理。大大缩短项目实施周期,降低成本与项目风险。

随着人工智能、机器学习等技术的发展,在业务实践中,AI与BI正在表现出越来越明显的融合趋势,并应用于销售预测、决策博弈等较为复杂的数据应用之中。

与传统BI应用相比,通过深度学习进行的数据挖掘似乎有着很大的差异,前者注重结构化数据、往往以数据可视化为直接成果,后者注重非结构化数据,不一定会产生可视化成果。两者特点不同,也承载着不同的业务需求。观数台基于关联索引技术,自动发现并突出显示用户需要探索的见解,该技术映射数据内的所有关系。称之为增强智能+联合索引。通过深度学习来完成对海量非结构化数据的预处理,并通过BI应用让数据以更容易理解的方式呈现,支撑企业的决策。

正是基于不断提升的AI融入能力以及对非结构化数据的处理,观数台将分析扩展到制造工厂的IoT和边缘设备,从中收集数据并进行分析,并提供对操作的可见性。

全文总结

亦策观数台凭借其关联引擎、增强智能等核心技术,将自助式BI的灵活性提升至一个新的层次,包括自主服务可视化、指导式分析应用和仪表盘、嵌入式分析和报告等,是精心为中国企业量身定制的本土化、敏捷型、可嵌入的商业智能平台。

在下篇文章中,我们将围绕亦策观数台四大核心技术之一的“关联引擎”展开分析讨论,深入了解亦策观数台是如何依托关联引擎技术实现完整信息视图、汇集多源异构数据、探索无边界以及动态计算分析突显显示关联等功能,引领中国智能BI产业的发展方向。