2025 年，商业智能还存在吗？

你是否刚参加完另一个会议，会上重点讨论的是 哪个数字是正确的, 而不是争论商业成功的最佳途径？ 如果您的回答是 “否”，那您就有幸了. .无论规模大小，许多组织的现实情况是 浪费宝贵的时间试图找出哪些信息是正确的 以支持战略决策。而当需要深化分析时，如了解每月销售额的详细情况，又需要 3 天的分析和 2 天的验证，最终延误了关键决策的制定。.

在这种情况下, 生成式人工智能工具的影响不容忽视, 如 Chat GPT、Copilot、Deep Seek R1、Claude 3.7 Code Builder 和 Manus AI。您一定会关注市场新闻，并意识到这些技术正在如何改变我们使用技术、Data 和商业智能（BI）的工作方式。在 data 领域，Power BI Copilot、Tableau Einstein AI 等解决方案以及数十种其他更小众的工具有望彻底改变 data 的使用方式。它们将自己定位为我们所说的增强型 BI 的一部分，有望 “利用生成式人工智能的变革力量，让您的 data 发挥最大作用”. 承诺很明确：消除密集的 (data、建模、用户研究、报告设计等（有时甚至是繁琐的）工作。似乎所有问题都迎刃而解了，不是吗？

但真的是这样吗？答案取决于企业在商业智能方面的成熟度。. 如果贵公司拥有一个稳固、结构化的商业智能领域，能够准确、持续地提供价值，但却难以满足利益相关者日益增长的需求，那么您现在正是实施先进人工智能工具的理想时机。另一方面、, 如果您的组织仍在处理各领域之间的孤岛问题，关键绩效指标不一致且存在分歧，建模工作薄弱（或不存在），那么也许有必要后退一步。. 在采用增强型商业智能解决方案之前，了解强大的商业智能领域和项目是如何运作的，以及贵公司如何为这种转变做好准备至关重要。.

让我们来了解一些定义。.

商业智能（BI） 是一组 策略, 技术, 和 做法 使公司能够 收集、分析, 和 将 data 转化为决策所需的有用信息. .商业智能概念包括各种工具和技术，如 data 分析, data 可视化、KPI 定义、data governance 等，帮助组织 更好地了解自己的绩效，确定改进的机会。.

商业智能工具的民主化是一种变革趋势，它使业务前沿的专业人员能够 独立进行 data 分析. .完善的商业智能环境不仅能让企业了解历史 data ，还能预测未来。 趋势 和 消费模式, 在我们这个超级互联的现代世界中，Data 是不可或缺的重要功能。Data 可视化是一个基本支柱，它提供实时交互界面，简化了对复杂信息的理解，改善了组织沟通。.

处于 data 不同成熟阶段的组织 需要采用不同的方法来实施商业智能. .从专注于创建 Data 湖和 Data 仓库的方法，到提高整个公司的 data 民主化程度并自动为公司高管提供 data 分析和见解的方法。.

一个组织要有 功能最少且强大的 BI 区域, 因此，一些要点是必要的：

我们清楚地认识到，在一个组织中，强大的商业智能领域具有坚实的基础。. 公司可以开发哪些主要类型的商业智能改进项目？ 我们可以将它们细分为三大类：

让我们了解 更详细地介绍这些类型的项目.

实施商业智能工厂涉及建立一个集中的多学科团队，专门负责统一和优化整个组织的商业智能工作。其目标是整合商业智能实践，提高分析的效率和质量，使公司的所有领域都围绕着一个具有凝聚力的 data 战略。.

这个集中式团队的任务是协调公司内部的商业智能计划、规范关键绩效指标和流程、优化工具的使用以及促进不同团队之间的协作。其主要优势在于，它能更有效地利用资源，确保生成的情报是一致的、有影响力的，并能支持战略决策。这种方法促进了经过整理和标准化的信息共享，打破了信息孤岛，并确保所有 KPI 都基于精心设计和强大的 data 模型。所有公司都能获得信息，讨论的重点是业务决策，而不是数字的准确性。.

然而，实施商业智能工厂面临着一些挑战，如获得领导层的支持、协调利益相关者的期望以及应对预算和资源限制。为确保这一过程取得成功，必须仔细规划实施阶段，包括明确定义角色和职责、选择适当的工具和建立健全的管理。.

从长远来看，有效的商业智能工厂有助于向公司的不同领域持续提供见解（从而提高 data-driven 决策的水平），同时保持必要的质量控制和灵活性，以应对不断变化的业务需求。.

商业智能工厂的主要特征：

何时考虑 BI 工厂

贵公司已经有了一个功能性商业智能领域，为各部门制作了高质量的仪表盘。这些仪表盘非常成功，以至于定制要求（“能否添加过滤器 A 和指标 B？ 这非常重要”）、问题（“为什么这个数字与报告 X 不匹配？您需要扩大 data-driven 文化的影响，您的商业智能领域已经帮助实施了这一文化。如何做到这一点呢？这就是自助式商业智能（SSBI）的理念所在。.

自助式商业智能 根据 Gartner 的定义 作为 “最终用户设计和部署自己的 reports，并在经认可和支持的工具和架构组合内进行分析”。” Gartner 还定义了 类似的术语 "自助服务分析"（Self-Service Analytics）为 “......商业智能（BI）的一种形式，在这种形式中，业务专业人员能够并被鼓励自行执行查询并生成 reports，只需很少的 IT 支持”。” 该定义还补充了 “......其典型特征是具有基本分析能力的易用商业智能工具，以及简化或缩小的 data 模型，以便于理解和直接 data 访问”。”

BI 工厂的方法侧重于为企业用户提供可立即分析的 reports，而 BI 工厂的方法则侧重于为企业用户提供可立即分析的 reports。 自助式 BI 方法的重点是让业务分析师能够自行探索 data, 并以完全独立的方式创建 reports，同时确保 data 的一致性和业务部门之间的同质性。这是 data 孤岛的终极打破者，因为所有业务部门都可以访问所有 data 和关键绩效指标，不受隐私或安全原因的限制。.

SSBI 的目标是创建一个强大的 data 语义层，并鼓励最终用户建立自己的仪表盘和分析。. 然而，为用户提供这种自由度也带来了一些挑战，如用户将如何解释所提供的 data，他们是否只能访问他们被允许访问的信息，以及他们是否能有效地找到日常工作所需的信息。.

给最终用户如此大的自由度，使他们可以混合不兼容的概念，在同一分析中组合不相关的 data，选择不合适的图表来讲述他们正在寻找的故事，创建与现有 reports 几乎相同的 reports，或者干脆由于正确使用该工具的复杂性而放弃该工具。此外，毫无准备的用户有可能在 data 数据库中生成非常大的查询，从而冻结共享同一服务器的所有人的处理过程。.

看似挑战重重，但只需应用好三个基本要素，所有挑战都能迎刃而解：清晰而强大的语义层、Data 分析师素养和 Data 治理：

实施自助式商业智能是对商业智能工厂的绝佳补充，让各部门可以自由地以他们认为必要的方式探索 data，以更好地指导业务，而中央团队则专注于基础设施和更强大、更复杂的 reports。.

自助式商业智能的主要特点：

何时考虑自助式商业智能

增强型商业智能 通过在 data 分析中加入人工智能，将商业智能提升到新的水平. .传统的商业智能提供 reports，自助式商业智能让团队创建自己的仪表盘，而增强型商业智能实际上有助于预测趋势，并用通俗易懂的语言回答问题。这就好比从地图升级到带有交通预测功能的 GPS。.

这种先进的方法并不是一个起点--当它建立在完善的商业智能系统之上时，效果最佳。. 在添加这些人工智能功能之前，企业应首先掌握基本的报告和自助服务分析功能。.

因为增强型商业智能能为准备迈出这一步的企业带来改变游戏规则的好处、, 我们将在下一篇文章中对此进行全面探讨. .我们将讨论目前已有的产品，以及未来的发展趋势。.

从小事做起 虽然商业智能的真正价值在于整合来自多个领域的 data 集，但必须从有限但有条理的 data 集开始，以扩大规模。快速产生切实成果有助于建立信任和参与。.

整合各种方法。. BI Factory、Self-Service BI 和 Augmented BI 无需相互排斥。它们可以共同创建一个强大的生态系统：集中管理、用户自主和自动高级洞察力。整合这些战略可最大限度地发挥商业智能的影响力。.

投资于文化和培训。. 技术只有与 data-driven 文化和增强用户能力相结合，才能产生价值。培训和 data 扫盲对于将信息转化为战略行动至关重要。.

最后，请记住，商业智能是一个持续的过程。通过规划、整合和不断学习，您的组织将做好将 data 转化为成果的准备。.

-自助服务商业智能（Gartner）。. https://www.gartner.com/en/information-technology/glossary/self-service-business-intelligence
-自助服务分析的定义（Gartner）、, https://www.gartner.com/en/information-technology/glossary/self-service-analytics
-概述 https://learn.microsoft.com/pt-br/power-bi/create-reports/copilot-introduction