一、企业BI建设背景
1.企业数据架构中BI的定位
大数据背景
在当今时代，随着企业数据的指数式爆发增长，各类大数据软硬件飞速发展的同时，数据价值并没有得到很好的释放。而传统的企业报表信息化时代由于其繁琐的工作流程，低时效性和低敏捷性的弊端也愈发凸显。
处在企业数据化运营后端的IT/信息部门演变成一个被动的企业取数机作用，成就和价值感不尽人意，业务部门也是因为IT部门响应不及时而各种怨声载道。
企业要实现数据驱动业务增长的理想蓝图，企业需要强有力的BI工具的支撑，以落地大数据应用最后一公里。
2.从传统数据报表到现代商业智能
传统报表
在传统的报表工作流程中，信息部门充当着主要角色，包括底层的数据清洗，以及前端的可视化数据分析工作。
一般是领导先提出规划或者问题，然后业务部门负责承接和达成，业务部门的相关数据和报表需求通过技术部门进行支撑和响应。但是企业的信息部门其实工作也是非常繁忙的，面对业务部门的数据需求往往需要进入到长期的等待队列中，难以及时响应。
其次信息部在跟业务部门沟通需求的时候，往往会存在沟通完业务需求之后，由于沟通过程可能存在的偏差，信息部做出来的数据分析结果可能不完全是业务所需要的。
另外是某些场景下数据分析的需求更新迭代快，可能今天领导提完需求，看了信息部做出来的数据分析结果之后，明天又需要更改或者完善。
理想自助分析模式
如果使用纯自助分析模式会怎么样？
通过自助分析模式，IT 部门向业务部门提供了经审查的数据源，让业务部门的用户能够自行分析数据并得出报告。在此场景中，IT 部门为业务部门提供了底层数据支持，但两个团队独立工作。这导致了无结构的混乱，并且容易引发数据安全和完整性问题。由于各部门间缺乏团结和协作，在决策制定方面也出现种种矛盾。
现代商业智能模式
最后我们企业选择了现代商业智能模式，让IT和业务部门实现合作。
以阿里云Quick BI为例：
通过IT 部门创造受信任数据和内容（固定数据报告）的集中环境，安全与数据完整性不以业务敏捷性和创新为代价， 让业务部门能够访问权限范围内的数据，通过即席分析提出自己的问题并找到所需答案，指导业务决策。
这样一来，企业的IT部门也将从传统取数机模式的成本中心，逐步通过数据与业务协同为企业增效将本，最终转化为能够显著帮助企业提升价值的数据利润中心。
3.BI概述
下面从BI工具价值、应用领域、使用对象这三大方面整体上为大家做一个BI的概述。
企业通过BI工具能够提高企业业务人员利用和分析大数据的效率，快速对企业经营数据进行展现和分析，从而及时发现运营中的问题，快速响应市场变化。BI致力于帮助企业发现并解决存在的问题，根据历史经营数据进行分析，预测模拟企业将来的发展，协助企业及时调整策略做出更好的决策，增强企业的可持续竞争性。
商业智能（BI）已经被零售、金融、保险、电信、制造等行业越来越广泛的应用，敏捷型BI逐步在各大企业普及。
与此同时，BI已经不仅限于高层管理者的决策之用，也日益成为数据分析师甚至是普通业务人员日常数据工作指导的工具，帮助企业IT部门实现对业务部门的授人以鱼到授人以渔的过渡。让更多人既能提问，更能借助商业智能分析平台通过可视化数据回答业务问题。
二、企业BI信息化建设推广方法论
1.构建BI项目立项和规划
BI的本质其实就是通过计算机技术，实现从数据到信息、从信息到知识、从知识到决策、由决策到财富的过程和结果。那么在企业开始BI项目之前，我们可以对商业智能应用平台的信息化建设划分为以下五个步骤，以构建项目的宏观规划蓝图。
1.告诉企业发生了什么――提供事先预制报告、企业记事卡或综合管理数据，利用集中管理的关键绩效指标（KPI），解决企业运营绩效问题，监控企业的发展，实现复杂的报告用简单的方式表现出来。
2.让企业探索为何发生――业务部门可以从固定的报表、报告和一些关键的KPI中，可以得到很多相关的信息，但是当他们发现问题时，需要了解为何发生了这些问题。这时，就需要即席查询和在线分析（OLAP）。业务分析员经常需要自己根据问题的需要完成自己的分析和报告。在很多情况下，业务分析员和决策制定者需要一套商务智能的工具，通过访问集成好的数据仓库，获得需要的信息。
3.让用户实时看到现在发生了什么――企业决策层建立当前情况下的业务战略和决策。为了成功，几乎需要获得实时的数据，查询可以回答及时发生的问题。由此，运营模式和业务流程会发生较大的变化。
4.帮企业预见即将发生什么――客户了解现在还不够，将来会发生什么，风险的预测和评估是非常重要的。还需要统计分析的功能，来帮助分析客户的行为、预言客户业务的趋势、辨认欺诈行为等。需要这种模型的客户群是非常大的，由于它需要复杂的算法、统计模型和大量的数据，所以需要支持大数据量的处理能力。
5.希望发生什么――决策是由系统提供的，系统的数据是由运营系统得到的。例如由Web页获得，或者由基于市场条件和用户需求进行的特价、促销活动得到。所以可以建立清楚的决策和业务政策，让事件沿着正确的轨迹、朝着预定的方向行进，达到预期的目标。
2.企业BI产品选型
最早开拓商业智能（BI）市场的是国外厂商，但是由于中国本土企业的自身特点，导致大部分的外国厂商本土化运作不成功。
国内BI产品的开展已经有很多年，随着BI的应用模式逐渐被广大企业所认可，而Quick BI2020年入选全球Gartner ABI魔力象限，为中国首个且唯一入选BI产品。
3.业务部门数据需求调研
接下来IT部门需要对各个业务部门（或者试点部门）进行业务数据分析需求调研，这部分工作非常重要，也是后续BI正式推广的桥梁，IT部门需要格外重视。
在这个环节，至少需要清晰以下两个内容：
1.调研清楚相关业务部门的数据分析需求，为基础的业务数据准备和的搭建建模做好充分的准备；
2.调研清楚用户的类型，哪些部门的用户需要设计仪表板，哪些部门的用户只需要查看仪表板就好了，不同业务部门的数据权限管控限制，哪些用户需要使用移动端。
4.数据准备和基础报表搭建
经过前期的业务部门需求调研之后，IT部门需要根据调研结果进行基于业务分析主题的业务包归类搭建，例如将财务、人事、生产、销售等等部门的数据表进行归类的数据集。并且构建好相关数据表之间的关联关系以及常用的业务宽表，为基础仪表板库的构建和业务部门用户的自助分析提供高效和清晰的数据源支撑。
通过前期准备好的数据集和数据建模，以及业务部门需求调研得到的相关数据需求，IT部门前期可以将常用的数据分析场景固化为基础的仪表板，提供给业务部门进行查询和分析使用，同时这些仪表板的一些数据来源和制作方法也能帮助后续业务人员进行探索式分析时提供一定帮助和指引。
5.用户分层和权限管控
搭建完础业务数据建模准备和基础仪表板之后，为了管控企业各个部门和用户的数据权限，IT部门需要添加企业相关的Quick BI平台阿里云账户，并且做好用户分层。
例如主管理员/工作空间/组织管理员/开发用户/分析用户/查看用户，以及其权限管控的工作，实现控制企业各个部门-岗位、角色、用户只能看到对应权限范围内的数据源、数据表、目录、仪表板等资源。
6.BI系统产品培训和开放使用
万事俱备，只欠东风。
BI分析平台搭建好之后，下面就需要对业务部门或者数据分析师进行Quick BI企业用户培训和应用推广了。
如何更有流程节奏地进行企业内的BI推广？我们可以把这个过程可以分为五个阶段：
如此，常规的数据分析查询看板通过IT人员前期准备好的基础仪表板库实现，对于业务人员及数据分析需要即席分析探索的场景，可以借助IT部门分配的业务包数据使用交互式仪表板来进一步实现对数据的深入洞察。与传统的报表工具不同，我们不再需要在公司中强力推行这项技术，通过简单拖拽的交互探索式BI工具的数据可视化分析，业务用户立即看到了其价值。
通过商业智能分析平台，能够很好地实现IT部门和业务部门相互协作，较高地提高企业业务部门的数据分析效率，同时也解放了信息部人力和时间成本。
7.推广模式
在企业中进行BI信息化建设推广通常来说有两种模式：
一种是自上而下进行推广，另外一种是自下而上进行推广。下面分别给大家介绍两种推广模式的具体方法以及各自适合的企业类型。
自上而下推广是由领导层先开始使用，领导层更关注的是宏观的指标，因此需要IT人员在准备数据时更偏向于整体的汇总数据，维度要全面，而且结构要清晰简单。不要让领导层花费太多的时间进行数据加工等操作，这样既能够提高领导层使用的积极性，同时在使用的过程中要给予领导层更多的协助，比如可以多做一些培训和数据可视化故事讲解、仪表板管理驾驶舱演示等，领导层感受到BI平台的价值之后，再往下推广的时候就会更容易许多。
自下而上推广由基层部门开始使用推广，由于基层部门数量会比较多，包含的数据量也会很庞大，建议IT人员先集中精力做好几个关键部门的支持，让他们能够更好的进行业务数据的分析，然后向上级领导展现成果，上级领导认可之后再展开推广，这样后面的全员推广也会相对的顺利和可控。
自上而下推广更适合于企业数据比较集中，且数据质量比较好的企业，这样可以更轻松和准确的进行宏观数据的分析， 而在数据比较分散的情况下，想要做宏观的数据分析，需要前期做大量的数据准备工作，这样会花费大量的时间，不如从下往上，先做好一个点，大家认可之后，再做好其他的点，等到基层部门的数据整理好之后，上层领导关注的宏观指标也就很轻松就做到了。
三、企业BI信息化建设推广诊断
通过本节课程所学知识，结合你的工作岗位以及所在的企业的信息化建设阶段和水平，请你对未来如何推动该企业进行BI信息化建设转型进行项目规划和实施方案设计。
作业完成优秀者，将免费获得与BI行业专家交流机会，为你所在的企业规划BI项目推广方案，共话企业BI信息化建设推广之道。
重磅：2020年入选全球Gartner ABI魔力象限，为中国首个且唯一入选BI产品