商业智能项目中的若干风险要素

简介:      BI商业智能项目应在 “业务驱动,总体规划,统一设计,分期实施” 的总体设计原则下分期实施,采取Agile BI方法论迭代开展,先确保核心功能满足客户需求,在总体规划下不断完善整个系统,以提高可交付性并降低风险。
0.jpg

     BI商业智能项目应在 “业务驱动,总体规划,统一设计,分期实施” 的总体设计原则下分期实施,采取Agile BI方法论迭代开展,先确保核心功能满足客户需求,在总体规划下不断完善整个系统,以提高可交付性并降低风险。

以下总结了以往多年在商业智能项目(BI/DW项目)实施中遭遇的一些典型风险因素。

1)  BI项目的目标及需求范围不确定,或者项目目标没有在用户方相关业务环节关键管理人员或业务人员之间形成统一的认识,或用户方对BI项目寄予不切合其业务及系统现状实际情况的期望;

2)  BI项目的需求未优先解决甚至遗漏用户企业分析需求中的刚性需求,即真正的高优先级需求,或者以BI系统未来使用者的身份高低不恰当的确定需求的优先级,从而导致BI系统在项目建设过程中就已经显得可有可无,系统上线后使用程度不高,直至搁置;

3)用户误认为BI项目是一次性交付一蹴而就的系统,或安装购买皆可快速见效的系统,而认识不到BI系统应该随着企业业务的发展及分析需求的变化而演进,在项目交付后忽略分析内容在后继使用过程中的持续完善与改进,导致项目的投入产出比达不到目标;

4)用户的业务人员(尤其是中高层管理人员)参与程度不够,实施团队单方面根本无法有效形成长期规划及分阶段交付计划,无法保证对需求、实施内容的落实与评审;双方对沟通管理的重视不足;

5)用户将BI项目实施工作交了没有丰富经验的BI实施团队或仅以售卖BI软件产品License为目的的厂商,将导致BI实施不成熟、甚至不完整;

6)厂商蓄意错误的解读用户自助型BI、Agile BI等概念,引导客户走向短平快的实现思路,过份强调BI产品的能力,有意规避实施的负担。

7)厂商通过BI软件快速定制查询、报表的能力及数据可视化能力,快速完成用户提交的百来张报表便急于交付,忽略对项目整体规划,缺乏足够的时间和预算形成系统的、合理的规划,构建统一的集成的数据基础及分析应用,导致系统后继使用时业务人员无法独力改进分析内容以适应新的要求,系统的用途及使用频率逐渐衰减直至搁置;

8)双方,尤其是用户方,没有充分认识到BI/DW是针对性的解决方案,而非系统平台或软件产品,更非一项具体的技术。从而导致客户重软件而轻实施,不但自身没有很好的决策分析战略规划,而且将项目预算和人员精力大量投入到BI软件的选型中,选型过程谨慎而漫长,但留给项目实施的时间和预算都严重不足。


原文发布时间为:2013-08-17


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关文章
|
2月前
|
敏捷开发 数据采集 监控
质量内建落地的四要素
质量内建落地的四要素
29 0
|
3月前
|
存储 供应链 搜索推荐
【深度观点】资源数字化、数字资产化与资产数权化是分布式商业运行的核心要素
分布式商业的运作逻辑是以资源和能力要素为后端,以数字化资源为关键生产要素,以分布式网络(web3.0)为市场资源配置纽带,前端洞察出需求后,资源、资产、人才等能力要素则迅速向解决消费者的需求去倾斜,资源云化,资产数权化,随需而取,随需转移,从而实现供需资源的有效匹配。
【深度观点】资源数字化、数字资产化与资产数权化是分布式商业运行的核心要素
|
监控 搜索推荐 数据挖掘
如何使用海关数据准确开发到客户
海关数据其实一直是外贸应用中最广泛的开发渠道,而且特别利好初学者,是企业开发新客户、监控同行、维护老客户以及决策参考的商战利器。当然,想通过海关数据精确找到客户,需要熟悉以下操作技巧。
153 0
|
数据采集 分布式计算 架构师
现代数据架构的核心特征:“1个中心+10个强化”
本文总结了现代数据架构的主要特征,并为正在开发新数据战略的组织提供参考。
现代数据架构的核心特征:“1个中心+10个强化”
|
供应链 监控 算法
供应商全息画像的建立和应用
大型央企和集团企业作为供应链的核心企业,每年都要进行大量工程项目建设及大宗物资采购,伴随着招标采购规模大幅度增加的往往也是庞大的供应商群体。
供应商全息画像的建立和应用
|
程序员
如何在信息不完备下进行快速决策?
我们在工作和生活中经常会遇到一类问题。这类问题有三个特征: 1. 信息极不完备; 2. 时间特别紧张; 3. 决策错误,后果很严重;
73 0
C4C里产品主数据和销售组织数据维护的相互作用和相互影响
C4C里产品主数据和销售组织数据维护的相互作用和相互影响
C4C里产品主数据和销售组织数据维护的相互作用和相互影响
|
云安全 机器学习/深度学习 存储
200多项分类+5级标准,金融行业数据分类分级最全模板来了
数据打标是整个数据安全治理工作中的“脏活”“累活”“难活”,同时又是数据价值挖掘和数据保护的必要基础。
1480 0
200多项分类+5级标准,金融行业数据分类分级最全模板来了
|
数据采集 搜索推荐 大数据
带你读《数据资产》第三章数据资产是新的资产类别3.4 数据资产的六大类难题
《数据资产》第三章数据资产是新的资产类别3.4 数据资产的六大类难题
|
大数据 监控 测试技术
数据快传对于企业的重要性!
随着大数据的使用对企业变得越来越重要,对他们来说更重要的是找到一种方法来分析在其环境中流动并赋予其意义的任何(更快)不断增长的不同数据。 为企业获取正确的信息 通过询问对业务重要的内容来关注正确的信息是获得更好的数据上下文的关键点。
958 0