11月25日-27日,帆软第四届智数大会成功举办。在主论坛上,帆软数据应用研究院院长杨扬结合自身观察,针对很多企业正在不断浪费BI建设资源的现状,提出了打造企业数据应用“飞轮效应”,并通过帆软价值平台减少每个环节的摩擦,帮助客户更简单地发挥数据价值!

以下为杨杨演讲实录(文末附PPT下载):

大家上午好!在疫情反复的情况下,大家拨冗参与本次会议,更彰显了数据的魅力,看着这张照片的时候有点恍然,不知不觉智数大会已经到了第四届,接下来希望我的分享能给大家带来一些思考。

01、智数大会的第四年

道家有一句话,道生一,一生二,二生三,三生万物。

我们第一届大会叫“数据之上、智慧之光”,那时,我们能够依稀感受到数据在企业里面,它应该能够支撑企业的一些经营决策。
在第二届的时候把经营决策更加具像化,我们提出了有质量的价值,当时的主题叫“数据有引力”。
第三届的时候,我们引出了企业里面实际的数据场景,主题为“数据创变”,三者结合在一起,我们希望通过数据创变的方式,去点亮企业的更多业务场景。
今年的主题是“数据新动能”,我们希望加速企业数据价值的落地。
既然说到动能,动的是什么呢?在物理里面有四个关键概念,首先是物体,合外力作用产生运动和速度。我们在企业里面把数据作为这个物体,通过企业的决策、业务、IT能够让数据产生流动和速度。

帆软从15年前一个无名之辈到现在国内最大的BI厂商,我们不敢在其他领域谈数据动能,但是在BI建设领域,我们可以来聊一聊。

02、我们在不断浪费BI建设资源
首先据我们观察,在很多企业中,正在不断浪费BI建设资源。

为什么会浪费这些BI建设资源呢?我们总结了五大困境。

一、需求。BI需要解决的问题和落地的场景都没有梳理清楚。
二、工具。工具选型的时候遵从了一些厂商的引导或者自身对工具的需求梳理不清,导致我们选型的时候会有很高的门槛。
三、数据。作为商业应用,如果数据质量得不到保障,那么我们最终获得的是无源之水。
四、项目。在数据建设过程中需要启动项目推动,缺乏方向指引会导致项目推进缓慢和频繁返工。
五、价值。匆忙地把项目上了,但没有产生实际价值。

结合以上五点,我们从一个企业的实际案例来看,他们上完BI之后,整体的感觉是什么?

第一,感觉做了很多的虚荣指标。

第二,管理方式比较简单,并没有对他们的管理决策带来太大的影响,只是把一些电子文档从Excel变成从浏览器端查看。

第三,需求不返工,发散式的“你画我猜”。通过这样一种方式最终落地出来的项目,其实不管是IT部门、业务部门、还是公司的决策层,都会觉得这是一个成本项目,没有在企业里面带来实际的落地,甚至于对于BI的概念都会带来一丝怀疑。

03、企业的BI需求到底是什么?
这个时候我们可以大概分析一下企业的需求到底是什么,我们希望通过BI和数据洞察未来,能够给企业经营带来一些帮助,给股东、董事带来期待。

从业务角度,更多的时候我们期望的是能提高业务经营效率,监控当前发展,甚至能自主地发现一些问题。一直说提高IT生产率就是这样的一个概念,怎么加速效率。

企业需求分为两类,一类是显性的需求,大家也经常会遇到,业务部门找IT部门说给我取个数据,我要干啥,我要做个报表,这样的需求非常多,但是价值比较低。对于我们IT而言,如果业务不愿意写,我们也需要把这些东西记录下来,不管是在年底的结算还是绩效考核中,都能有个沉淀。

还有一类是隐形的需求,在演讲中我们经常提到的是隐性需求,高层的战略规划,针对战略规划,我们系统建设从BI层面如何去做支撑?很多时候我们一般会用脑图的方式呈现。

在业务方面,聚焦实际的业务问题,通过发散式的思考以鱼骨图的模式,最终落地业务的解决。再说到IT层面,业务说自己没有需求,其实也不尽然。我们有一个客户一开始说BI给我们看看数据就行了,也不需要做那么多业务系统。但建设完成后,单个模块的报表访问量从无人问津到月均几千,这证实了业务有需求。并且IT部门也因此收到了奖赏,数据信心由弱变强。

对于业务高管,就会意识到数据和业务需要结合,要培养懂数据懂业务的人一起搞。最后企业高层亲自上阵为这个项目站台推广,那么这时候,这个BI项目可以说在需求端就取得了认可。

04、关于BI工具选型的思考
其实发展这几年,我们做的数据白皮书,里面的选型参数大多没有变化,所以不做过多赘述,主要以易用、功能、性能为主。近几年我们有一个黑天鹅事件,促使我们去思考,在工具端也需要去考量厂商的服务,不然需求做了一半突然没有了服务保障,企业后续该何去何从。

05、企业的数据治理
我们针对于国内帆软合作的很多CIO做调研,发现,在BI建设过程中,从CIO的角度期望的是打通更多的数据,但实际情况是什么样的呢?企业数据很混乱!数据混乱会导致这样几个现象:在IT端重复开发,在业务端要手动加工,在决策端是不知道它是真是假。

做了很多的项目后,我们做了一点总结。数据治理的核心要素,在BI中的四个要点:

1、明确责任、建立相关组织

2、通过管理和制度的双模来保障

3、设定一定的数据规范

4、理论联系实际。

其实数据治理并不只是技术部门的事情,需要技术和业务通过沟通、补充、整合定义将它梳理成企业的数据治理标准。

06、企业BI项目为什么难做?
很多企业做BI项目很累,推动很慢,其实是用运维的心态做BI的项目,就是业务说啥我做啥,做了再说。业务也没有想清楚,领导也没有很清晰,这时候做出来的项目很难交付上线。

不管是我们给客户做项目的经验,还是客户自己做数据类项目的经验,我们从中提炼了相关的方法论。在项目管理精华的书里面,作者提到“人+流程”才等于项目的成功。我们关注业务的反馈、领导的评价,但在流程管理上很多时候会比较混乱。书上提出了五步规划,实际落地的时候帆软总结出了七个阶段五个板块,为BI项目保驾护航。后续感兴趣也可以找帆软的项目组或者帆软的同事进行了解。

07、项目价值如何体现?
“我们的项目上线了,我感觉怎么只是把之前的项目从excel搬到线上了”

“我们投了这么多钱,价值呢?”“这是IT部门的成本项目吧?”IT部门经常遇到这样的问题。

从这个角度,我们就需要在BI项目建设的最后,需要确定一个点:问题是否真的解决了?

决策端希望洞察未来,但让IT直接去问领导不太好,我们可以看一下领导决策过程中有没有用到BI系统做支撑,监测他的使用行为。

业务端做的都是日常的考核报表,价值很好说明,以前业务说给我做一个BI页面要花15天,结果用了系统后还是花了15天,那么对于IT来说就是没有价值,所以我们要看IT的交付效率是不是提高了。项目的成果最终要体现在企业各个应用的角落,体现在企业的各个部门的业务价值提升上。

匆匆忙忙,我们一步一步好像在打仗,其实在选型的过程中大家也会遇到这个问题。有一个客户说你讲的这五步,俗一点叫“坑人五环”。

他说,我们做BI的时候很多时候先有一个需求去做BI,做完之后找厂商,厂商就给我们推了一个工具,我们就开始做了,做的时候发现数据不对,然后我们继续搞数据。搞完数据发现项目工作量很大,我们又开始整项目,整完之后价值还是不明确,所以这一步步像打仗。最后发现,这个动能好像是不持续的,推完了就结束了。

08、构建数据的“飞轮效应”
怎么让动能持续呢?唯一的办法是想办法构成一个环。

一个项目,我们做完了只是当前的一个需求场景,而企业的需求是不断变化的,尤其是在市场不断更迭的情况下。那么这个时候针对业务对整个BI系统的反馈梳理沉淀,我们也需要关联起来,想办法把它变成一个圆环。而在这个圆环的布局上,帆软一直是认真的,从需求、数据、价值端等等都成立了相关的产品和团队在不断地孵化迭代,这看着就像一个环。

《从优秀到卓越》的作者曾经提到企业里面的飞轮效应,我们如果能够在企业构建一个良好的数据飞轮,我们就能让业务在这个飞轮上不断地提升价值。

讲了这五步再思考一下,说得好像都有道理,但我感觉每一步的投入都挺大的。光数据治理,国家政策、企业政策加上业务问题,工具从0到1的选择等等,投入大、见效慢,我们是不是可以降低摩擦和投入,做一些精益建设?我们的数据飞轮需要加速,要加速就需要节省每个节点的摩擦。

我们在需求端是不是可以有一些场景的借鉴,而不是全部从企业自身出发?在工具端是否能不需要那么多功能从0到1去学,有一些成型的东西可以直接套用?在项目端是不是可以直接替换一些数据做一些微调?而在价值端,直接对标成熟的价值场景,可不可以呢?

首先我们产生业务问题,其次期待通过一些行业、业务里面其他已经经历过的场景,就像《圣经》里说的“太阳底下无新事”,通过模板固化等等,再结合项目整合,实现项目周期缩短一半以上,这就是今天数据新动能的新——帆软价值平台。

这个平台,我们第一个落地在一个银行支行,原先上线一个工作台要差不多三个月,通过我们的价值模式差不多可以缩减两三周。所以说此事可为,我们就从行长工作台到分行、支行各个条线梳理迭代,同时在各个行业,包括制造,从领域、板块、业务去梳理价值场景。我们希望在六大行业的价值平台,平均通用度达到60%,提高项目建设效率。

讲到这边,再说说我们怎么减少浪费企业BI建设的资源?我们可以通过60%的通用场景平台,将40%的数据飞轮定制,最终给企业数据飞轮加速,给企业每一个场景上点亮每一个灯。

在航海的过程中,一旦我们迷路,我们会找那颗北极星。如果一个人不知道驶向哪里,那么任何风都不是顺风。而在数字化转型的道路上,我们可能会看到更多的政策、资源利好,但如果我们不能坚定数字化转型的目的,不能明确数字化应用落地的场景,也很难说这些利好对企业而言就是顺风。

最后,作为乙方,我们一直说让数据成为生产力,那怎么样让数据成为生产力呢?我们也需要北极星,我们所有的产品、服务都坚持一个概念就是如何让客户更简单地发挥数据价值。谢谢大家!

数字化转型之道:如何减少BI建设资源的浪费,缩短项目实施周期相关推荐

  1. 读书 | 数字化转型的道与术(上)

    [数字化转型]| 作者 / Edison Zhou 这是EdisonTalk的第312篇学习总结 最近在阅读钟华老师的新作<数字化转型的道与术>,记录和总结了一些学习笔记和感想,整理成文分 ...

  2. 读透《华为数字化转型之道-方法篇》 by 傅一平

    读完了<华为数字化转型之道>,这本书共13章,内容在逻辑上分为认知篇.方法篇.实践篇和平台篇,这本书写的也很结构化,所有内容用以下一张数字化转型框架图即可得到一个整体的认识,也就是1套方法 ...

  3. 得帆创始人张桐:《华为数字化转型之道》系列解读之一

    近期读了<华为数字化转型之道>这本书,这本书在京东和当当已经连续在"大数据与云计算图书榜"分类热卖榜第一名,这本书是"华为企业架构与变革管理部"编著 ...

  4. 读书 | 数字化转型的道与术(下)

    [数字化转型]| 作者 / Edison Zhou 这是EdisonTalk的第313篇学习总结 最近在阅读钟华老师的新作<数字化转型的道与术>,记录和总结了一些学习笔记和感想,整理成文分 ...

  5. 企业数字化转型之道:3L8P转型模型

    作者:韩磊 摘要 数字化转型的本质是:在 "数据+算法" 定义的世界中,以数据服务的流动,化解复杂系统的不确定性,优化资源配置效率.企业数字化转型的本质则是以需求为中心,以数据为资 ...

  6. 【干货】华为企业数字化转型之道.pdf(附下载链接)

    大家好,我是文文(微信号:sscbg2020),今天给大家分享华为发布的<华为企业数字化转型之道.pdf>,对华为.数字化.转型等感兴趣的伙伴别错过了- 在小程序省时查报告中搜索" ...

  7. 华为数字化转型之道 实践篇 第七章 数字化作业:减少业务高能耗点

    第七章 数字化作业:减少业务高能耗点 企业创造价值的效率及所产生的效益,很大程度上取决于各个职能部门的循环往复的日常作业是否高效. 在数字时代,我们重新思考早已习以为常的作业模式,通过数字化转型,可以 ...

  8. 企业数字化转型的道法术器之我见

    转载本文需注明出处:微信公众号EAWorld,违者必究. 如同"身体和灵魂总有一个要在路上"一般,"企业数字化转型"是不可逆转的时代趋势,我们要么已经踏上&qu ...

  9. 大咖专访丨东吴证券段斌:探索零售经纪数字化转型之道,挖掘数据价值

    2020 年 3 月,国资委发表的文章<国有企业要做推动数字化智能化升级的排头兵>中,强调全面发展数字化转型升级的重要性,数字化转型上升为国家经济战略. 随着移动互联网.大数据.云计算.人 ...

最新文章

  1. cuda nvcc dll
  2. properties(map)增.删.改.查.遍历
  3. WiFi(网络)调试Android手机
  4. 虽然现在用APACHE COMMONS DBCP可以非常方便的建立数据库连接池,
  5. Matlab箱线图Boxplot横坐标x轴设置
  6. JavaScript提高:003:easy UI实现tab页面自适应问题
  7. android连mysql注册界面代码_Android实现注册登录界面的实例代码
  8. FRR BGP 协议分析2 -- 创建对等体的命令分析
  9. 如何提高Android系统Aututu benchmark跑分
  10. 2020h黑苹果 y7000p_黑苹果安装教程Y7000P
  11. php输入框形式,php输入框
  12. hadoop大数据处理平台与案例
  13. c#求三角形面积周长公式_c# 求三角形周长 面积详细程序
  14. 美团一面--后台开发
  15. VC6.0执行 link.exe 时出错
  16. 旋转向量和平移向量的本质
  17. 给你的应用程序添加动态鼠标
  18. 2.配置文件 setting.py
  19. 抛物线交点式公式_抛物线所有公式
  20. Java Security Architecture--Java安全体系技术文档翻译(三)

热门文章

  1. mysql5.7四字节中文_mysql 字节问题,中文和数字
  2. java 正则表达式 反向_正则表达式中的数量表示符、反向引用、零宽断言、以及java中的用法...
  3. solr5.0mysql_ik扩展支持Solr配置详解
  4. python中cock什么意思_[转载]原创脚本逐步实现Autodcock-Vina的虚拟筛选及筛选后分析...
  5. 这是一个成长差异化的时代
  6. 2021快手美妆行业数据营销报告
  7. 2021年上半年移动广告流量观察白皮书
  8. 产品新人没有完整项目经验?这篇文章帮你打开思路
  9. 作者:Gopakumar Gopalakrishnan,男,印度科技大学管理学博士,印孚瑟斯技术有限公司高级研究科学家。...
  10. 作者:廖小飞,博士,华中科技大学计算机科学与技术学院教授、博士生导师。...