以前，每到月底，很多公司都會出現一群易怒、狂躁的人群，他們被親切的稱為“表哥”。他們那幾天都重復著枯燥的財務報表整理工作。從ERP財務模塊中下載發(fā)票數據到Excel，從CRM下載顧客數據到Excel，將上述的N個表格用vlookup和sumif給連起來，然后等待Excel默默計算幾十分鐘甚至幾小時，如果中途死機，就重復再來;如果通關成功，就會把生成數據透視圖進行截圖、復制粘貼到PPT,稍加美化后郵件給老板。
然而，隨著業(yè)務快速發(fā)展，越來越多的業(yè)務部門需要從海量數據中獲取想要的分析結果，來指導銷售和生產。于是“表哥”每天需要整理的表格也蹭蹭蹭的多了起來。面對繁瑣如海的數據處理與合并、龜速的數據引擎性能、枯燥的數據分析等過程，表哥的內心其實是崩潰的，性情也越發(fā)暴躁，動不動就大吼兩聲，“臥槽，怎么又崩了”?
傳統(tǒng)
對于很多財務從業(yè)人員來說，財務報表一直都是魔鬼般的存在。文章開頭的案例，讓我們看到了早期BI應用中讓無數表哥痛苦不堪和無奈的地方。
首先，傳統(tǒng)BI需要導入固定表樣，由專業(yè)技術分析人員做分析，定期出報告，業(yè)務部門只能進行索取、下載和再分析。其次，傳統(tǒng)BI表樣復雜，并不存在自動化的數據關聯，分析結果強調可視化效果展現。第三，傳統(tǒng)BI使用關系型數據庫，面對的是結構化數據，一般都是使用SQL語言查詢，對較大的數據表分析，查詢效率低且時間長。最后也是最關鍵一點，傳統(tǒng)BI圖表設計面向實施人員，都是業(yè)務人員向IT部門提出數據或分析需求，由技術人員實現，解決問題的時間可能很很長。
然而，面對快速變化的市場需求以及日趨激烈的競爭節(jié)奏，企業(yè)越來越多依賴對業(yè)務過程的數據分析來指導日常的經營生產。如果仍然按照傳統(tǒng)BI的方式，向IT部門提出數據或分析需求，由技術人員實現，解決問題的時間可能延長到數周甚至數月，早就錯過了最佳窗口期。對業(yè)務人員來說，分析需求不斷增加也給IT技術人員帶來了越來越多的業(yè)務處理壓力。如果完全依賴于傳統(tǒng)BI，分析所需的時間和流程越來越長，無法滿足需求，對企業(yè)而言，必須在日趨龐大復雜的業(yè)務分析需要與快速響應業(yè)務分析之間找到一個新的平衡點。
除此之外，我們還必須考慮，在新的市場競爭中，如果根據數據分析結果進行可視化展現，而不去深究數據背后存在的問題以及造成的原因，并想辦法解決它。對企業(yè)的數字化轉型和工業(yè)智能化升級意義仍然不大。因此企業(yè)對BI的應用需求，還必須包括對數據結果背后問題原因的分析和探究，并基于此持續(xù)優(yōu)化企業(yè)的管理和運營流程。
“
近年來，隨著企業(yè)數字化轉型和工業(yè)智能化升級持續(xù)推進，企業(yè)中業(yè)務數據也開始快速增長，使得大數據分析以及BI商業(yè)智能等產品備受企業(yè)關注，特別是融入了人工智能、跨云以及多源數據整合等技術能力，以及高度易用、自助式的BI產品，讓業(yè)務人員無需IT的支持也可以輕松使用，無論是在會議室還是工廠車間。借助人工智能的精準快捷，以及人類本身的主觀能動性和創(chuàng)造能力，“表哥”曾經工作中的面臨的諸多苦惱一掃而空。
關聯引擎、內存技術、增強智能以及嵌入式分析
在國內主流智能BI產品中，能將這些技術融為一體最典型產品就是亦策觀數臺，其四大核心技術：，實現了從數據準備到自助式分析的全過程。
目前，大多數BI產品都是基于關系數據庫和查詢等舊技術。但是，關系數據庫和SQL查詢不是為現代分析而設計的。雖然SQL需要從許多來源提取數據，但大多數分析工具依賴于基于SQL和查詢的方法作為其建模數據和支持交互性的基礎架構。這是一個重大缺陷。導致對部分數據子集的線性探索和分析受到限制，必須使用SQL連接將數據源集合在一起，并且必須提前假設用戶將擁有哪些類型的問題，所有其他數據都被遺忘。如果用戶想要根據他們發(fā)現的內容來轉移他們的分析，他們可能不得不重新構建復雜的查詢，這通常意味著回到更有經驗的數據專家，我們稱之為“問，等，回答周期”，每種新類型的問題都有等待期。
亦策觀數臺的關聯引擎幾乎可以連接任何數據源，包括基于文件的源，特定于應用程序的源以及大數據源。無需事先對其進行完全建?；蝾A先聚合數據。觀數臺自助數據準備工具，為復雜的場景提供強大的數據集成腳本。這些數據準備功能有助于公開數據區(qū)域和可能存在問題的業(yè)務，可以創(chuàng)建價值而無需外部工具或數據倉庫。
除此之外，讓用戶可以在所有可視化、圖表、圖形和其他對象中進行選擇，并可以使用全局搜索來表現數據、關聯和分析。由于引擎動態(tài)地計算分析而不是預先聚合數據，因此用戶可以將他們的想法轉移到新想法或數據集，在任何詳細度上詢問他們想要的任何問題，而不受預定義查詢或層次結構的限制。
為了讓數據分析速度更快，亦策觀數臺可以盡可能的讓數據運行在內存中，在短短幾秒鐘就能生成一個復雜的分析結果。而觀數臺存儲到內存的數據也會經過壓縮處理。大大縮短項目實施周期，降低成本與項目風險。
隨著人工智能、機器學習等技術的發(fā)展，在業(yè)務實踐中，AI與BI正在表現出越來越明顯的融合趨勢，并應用于銷售預測、決策博弈等較為復雜的數據應用之中。
與傳統(tǒng)BI應用相比，通過深度學習進行的數據挖掘似乎有著很大的差異，前者注重結構化數據、往往以數據可視化為直接成果，后者注重非結構化數據，不一定會產生可視化成果。兩者特點不同，也承載著不同的業(yè)務需求。觀數臺基于關聯索引技術，自動發(fā)現并突出顯示用戶需要探索的見解，該技術映射數據內的所有關系。稱之為增強智能+聯合索引。通過深度學習來完成對海量非結構化數據的預處理，并通過BI應用讓數據以更容易理解的方式呈現，支撐企業(yè)的決策。
正是基于不斷提升的AI融入能力以及對非結構化數據的處理，觀數臺將分析擴展到制造工廠的IoT和邊緣設備，從中收集數據并進行分析，并提供對操作的可見性。
全文總結
亦策觀數臺憑借其關聯引擎、增強智能等核心技術，將自助式BI的靈活性提升至一個新的層次，包括自主服務可視化、指導式分析應用和儀表盤、嵌入式分析和報告等，是精心為中國企業(yè)量身定制的本土化、敏捷型、可嵌入的商業(yè)智能平臺。
在下篇文章中，我們將圍繞亦策觀數臺四大核心技術之一的“關聯引擎”展開分析討論，深入了解亦策觀數臺是如何依托關聯引擎技術實現完整信息視圖、匯集多源異構數據、探索無邊界以及動態(tài)計算分析突顯顯示關聯等功能，引領中國智能BI產業(yè)的發(fā)展方向。
分享到微信 ×
打開微信，點擊底部的“發(fā)現”，
使用“掃一掃”即可將網頁分享至朋友圈。
數字化要一盤棋更要各自為戰(zhàn)
