为什么商业智能和设计理论必须统一

简介:

“商业智能”这个术语是IBM公司研究员HansPeter Luhn在40年前创造的,当时全球互联网还没有成为主流平台。当然,在过去的半个世纪里,商业智能得到了显著的发展,主要是由于数字技术的进步。云计算和大数据也以意想不到的方式推动商业智能的未来。

虽然商业智能背后的技术以不可想象的方式发展,但许多企业仍然没有相应地更新其战略。行业媒体《计算机世界》顾问AndyCotgreave说,这些企业最大的错误之一是无法将正确的设计融入其商业智能模型中。

  设计如何影响商业智能?

大多数人认为设计和商业智能都是独立的功能。Cotgreave说,商业智能和设计是密切相关的,所以企业需要一起使用它们来创造竞争优势。

有几种方法可以为企业的商业智能提供更好的设计。

(1)收集更多关于客户的可操作数据

企业无法收集客户的可操作数据,而无需与企业的平台进行互动。企业的平台需要邀请和用户友好。

Cotgreave写道:“处理的第二级是行为。当有人想要使用日常用品时,例如在建筑物入口处的门,他们有一个目标(进入建筑物)。使用该对象,他或她能否成功完成手头的任务?可以做的事情是明显的吗?”DonNorman在书中分享了许多失败,其中包括设计不当的门,使人们彻底混淆了铰链和推/拉标志的例子。“

改进企业的设计可以通过以下几种方式提高数据的数量和质量:

·更多的客户将能够使用企业的平台。

·客户将与企业的平台进行更长时间的互动。

·他们将能够访问企业平台的主要功能,这对于收集数据是必需的。

用户体验(UX)设计比企业所期望能够发挥更大的作用,因此请确保其已正确执行。

(2)设计改进与离线策略的参与

每个在线营销和数据研究活动都需要很好的设计。然而,许多离线策略,如贸易展示营销,这个伟大的设计同样重要,更被人们忽视。

如果企业使用灯箱展示,则需要使用正确的美学方式来吸引客户足够长的时间来收集数据。使用正确的贸易展示会对企业的广告系列的成功产生深远的影响。

(3)设计更易于实施的商业智能仪表板

前端设计不是影响企业的商业智能模型的唯一因素。企业还需要一个完善的后端模型来访问其商业智能数据。

大数据和云计算的发展使得企业能够在几秒钟内收集,提取和组织所需的数据变得更加容易。但是,如果企业的商业智能仪表没有考虑到这些因素而设计,那么这项技术是无用的。2008年,CRM杂志的Mike Psenka写道,新的商业智能仪表板设计是必要的,以确保任何人都可以在需要时访问商业智能。

大多数企业级商业智能(BI)平台太复杂,普通用户无法有效使用。因此,这些工具经常被小规模训练有素的技术专家所使用-尽管事实上,企业各级工作人员如果能够直接访问数据挖掘,报告和分析功能,就能做出更有效率的知情决策。这些产品的无障碍性使得组织无法充分利用其商业智能投资。

为了给决策者提供一个更大的池,商业智能平台必须拥有不言而喻的可定制的用户界面(UI)。事实上,它们必须变得更加让用户显而易见-有四种设计因素在实现用户易见的状态方面至关重要。将这些要素作为商业智能架构的原则,可能会开始揭穿广泛持有的行业信念,即商业智能功能只能由少数人的特权。

不幸的是,商业智能界面设计较差在2017年仍然是一个问题。这说明确保企业仪表的功能是不够的。企业还必须:

·确保系统中的任何人都可以轻松采用系统,即使他们没有数据分析的背景。

·企业必须确保使用该界面的用户可以轻松访问和过滤所需的数据。

·接口不应有不必要的功能,使用户混淆或过载。

创建一个更简单但更有效设计的商业仪表板可以显著提高企业的商业智能模型。

(4)设计注意事项应成为商业智能模型的核心部分

当涉及到开发商业智能模型时,企业通常会将重点放在数据上。虽然数据无疑是商业智能的一个重要方面,但设计元素也非常重要。企业需要一个鼓励与用户交互的前端设计和易于使用的商业智能仪表板的设计。

本文转自d1net(转载)

相关文章
|
1月前
|
存储 数据建模 大数据
设计和构建健壮的数据系统26数据建模
【11月更文挑战第2天】数据建模是设计健壮数据系统的关键步骤,通过绘制数据系统的蓝图,帮助我们理解数据结构、关系及业务规则。常见的数据建模方法有实体-关系模型(E-R模型)和面向对象的数据建模。数据建模的步骤包括需求收集、概念建模、逻辑建模和物理建模。在整个过程中,需要不断验证和更新模型,确保其符合实际业务需求。
|
5月前
|
BI API 容器
数据架构问题之BI的早期概念是什么
数据架构问题之BI的早期概念是什么
|
5月前
|
网络协议 Python
系统工程是一种跨学科的方法论,旨在通过分析和设计系统的各个组成部分、组织结构、信息流和控制机制,以实现系统的整体最优运行。
系统工程是一种跨学科的方法论,旨在通过分析和设计系统的各个组成部分、组织结构、信息流和控制机制,以实现系统的整体最优运行。
|
数据采集 运维 监控
谈谈典型的数据治理体系框架
以规范的方式来管理企业的数据资产已经被广泛接受和认可,但还需要组织架构、原则、过程和规则,以确保数据管理的各项职能得到正确的履行。
谈谈典型的数据治理体系框架
|
数据采集 供应链 数据管理
统一数据的认识三观 发挥数据的核心价值
数据治理是长期、复杂的工程,绝非一个部门的事情,更应该从董、监、高治理层建立组织、赋予职责。
统一数据的认识三观 发挥数据的核心价值
|
监控 数据可视化 搜索推荐
对数据可视化工具应当具备的核心能力和价值的几点思考
可能大家都听说过这样一句话"字不如表、表不如图",其实背后所表达出来的意思是对于复杂难懂且体量庞大的数据而言,图表的信息量要大得多,这也是数据可视化的核心价值所在。
对数据可视化工具应当具备的核心能力和价值的几点思考
|
存储 大数据 数据挖掘
构建数据中台过程中,OneModel即统一数据及管理理论的提出背景
作者:柯根 更多内容详见数据中台官网 https://dp.alibaba.com 作为OneData体系中最为重要的成员OneModel,是“阿里巴巴数据中台团队”在遇到了实实在在的大数据痛点后,根据实战经验所沉淀出来的方法论。
6983 1
|
存储 数据采集 数据库
《数据虚拟化:商务智能系统的数据架构与管理》一 2.10 传统商务智能系统的劣势
本节书摘来自华章出版社《数据虚拟化:商务智能系统的数据架构与管理》一 书中的第2章,第2.10节,作者:[荷]里克 F. 范德兰斯(Rick F. van der Lans),更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1219 0
|
存储 虚拟化
《数据虚拟化:商务智能系统的数据架构与管理》一 2.9 报告和分析的新形式
本节书摘来自华章出版社《数据虚拟化:商务智能系统的数据架构与管理》一 书中的第2章,第2.9节,作者:[荷]里克 F. 范德兰斯(Rick F. van der Lans),更多章节内容可以访问云栖社区“华章计算机”公众号查看。
1022 0

热门文章

最新文章