協同是商業智能BI的未來

　　從報告到決策

　　商業智能BI通常仍然是一個以IT爲中心的自上而下的工程。

　　工程師團隊將原始數據進行處理成，分析人員構建報告和資料，然後在自助服務工具中發佈或通過電子郵件分發。

　　但商業智能有一個至關重要的問題還沒有解決：讓人們實際使用它。即使是新一代的分析軟件，也缺乏可以輕鬆訪問洞察力，然後進行協作的機制。

　　商業智能如今提供了爲其利益相關者準備數據的技術基礎。然後這個過程結束之前，其真正價值得到一個機會展示。協作和決策還沒有成爲商業智能的一部分。

　　對數據消費的缺乏關注正是商業智能採用率低的原因。事實上，數字表明，組織中仍然只有18％-24％的人使用商業智能工具，而應用潛力預計將達到50％，並而且還在不斷增加。

　　“建造了它，就會有人來”這個概念是不夠的。使用數據吸引組織中的人員是必要的，這是可能的。但它需要一個策略和與商業智能流程其他部分相同的關注程度。

　　數據需要去通信流的地方

　　最重要的是，用戶需要確認其傳統的商業智能工具集不會讓您在那裏。

　　自助服務門戶或電子郵件線程中不會發生參與和協作。相反，用戶的數據需要去自然流動的地方：個人會議和更多可擴展性，可採用新的商業信使工具，如Slack，HipChat或MicrosoftLync。他們最接近直接的溝通，使數字合作感覺更自然。

　　這些商務信使與自助門戶和電子郵件相比有一個很大的優勢：通過與用戶的分析工具的正確集成，他們可以在一個統一的界面中提供分析功能的推拉功能，讓最終用戶處理數據。

　　平衡分配的報告

　　將報告和儀表板提交給觀衆提供了兩個核心功能：一個是滿足信息的基本需求，另一個是讓他們意識到需要注意的變化。

　　考慮組織中每個人都需要掌握的少數業務關鍵績效指標。這些是用戶想頻繁推薦的指標，因爲用戶不想依靠人們記住並檢查這些指標。

　　報告的計劃分發不應超出用戶的核心關鍵績效指標。過多的反覆報告會產生疲勞，會導致適得其反的結果。應該將它們視爲一種開胃菜，並讓用戶更加渴望獲得。

　　在相關變化發生的時刻推出數據驅動的警報是一個很好的概念，但是缺乏一個可以正常工作的解決方案。

　　人工監控是不可擴展的，如今的程序化方法是由權衡誤報（警報疲勞）和缺失的重要趨勢之間的權衡所面臨的挑戰。

　　然而，機器學習技術的興起，再加上Messenger應用程序，可以作爲即時反饋循環的算法，在不遠的未來解決這個問題帶來了很大的希望。

　　而Facebook公司的的算法反饋，以確保用戶再也不會無事可做。

　　提供快速直觀的答案

　　人們需要立即回答問題，這就是爲什麼報告需要很直觀的原因。幾乎沒有時間爲具體問題提供基於事實的答案，這是蓬勃發展的數據驅動型文化的最大挑戰和最大的障礙。

　　採用自助服務工具，具有深入挖掘和過濾功能的交互式儀表板可以很好地爲數據精通用戶提供服務，但如果用戶不僅要了解商業智能強大的用戶和分析人員的工作和協作數據，那麼需要找到一個更好的方法。

　　通過數據來回答問題需要快速，直觀和輕量化。它需要適應終端用戶的工作和運作方式，以便在現實中使用。這也使得它非常容易分享和討論數據中發現的見解。

　　聊天機器人或精心設計的應用程序集成到商業信使（再次）是當今的一個很好的解決方案。用戶可以通過向機器人發出指令來請求數據，該機器人可以在幾秒鐘內對對方內的相應數據點或可視化進行響應，並在內容中提供相關數據。

　　從自然語言處理的進展來看，與這些應用程序交談將在不久的將來變得更加直觀，甚至複雜問題的答案可以通過直觀的界面得到回答。

　　設計協作

　　爲了讓用戶參與數據，用戶需要三種類型的分發：定期報告，數據驅動的警報，直觀的按需訪問是擁有知情用戶並促進協作的關鍵。

　　但是，通過這些渠道提供相同的報告和儀表就像向Facebook和LinkedIn發佈同樣有趣的貓圖片一樣，並期待兩者都可以進行病毒化傳播：這可能會發生，但是不太可能。

　　相反，用戶需要爲特定渠道設計報告，視圖和儀表。重複的報告應提供摘要數據，可以要求更多的關注，而不僅僅是走馬觀花。警報需要儘可能簡單直觀，特殊消費的數據應以易於過濾和深入的方式實現結構化，同時在聊天對話中查看時仍能高度可視化。

　　明確的數據發佈策略

　　從純報告到數據驅動文化的解決方案是圍繞數據促進互動和協作的。

　　要做到這一點，需要一個明確的數據發佈策略來滿足利益相關者的不同信息需求，並且需要與商業智能BI的更多技術部分一樣重視。利用諸如Slack之類的通信工具有助於將分析與每個用戶的自然工作流集成起來，並提高對數據的認識。這將爲企業最終用戶提供協同行動的工具，並最終根據數據做出更好的決策。