技術主導還是業務主導
技術部門和業務部門對項目主導權的紛爭,在大多數的商業智能工程中都會不可避免地重復上演。如同其他信息化系統的實施一樣,相當多的企業把商業智能納入技術項目的范疇;也有一些企業在立項時即把商業智能上升到“決策支持系統”的高度,上達經營管理層,下抵執行操作層。技術項目也好,業務系統或決策支持系統也罷,關鍵的問題在于汽車企業對于商業智能的需求、理解和應用成熟度。
一般來講,商業智能工程不可能一蹴而就,需要在項目伊始即建立長期的發展規劃及實施線路圖。項目的良性開展,既離不開業務部門的行業理解和業務需求,更離不開技術部門的IT經驗和支持,廢其一則不可。與一般的業務信息化系統不同的是,商業智能在企業內部的涉及面更廣,業務需求的個性化程度也更高(而且業務部門的個性化需求隨著時間的推演將日趨復雜并頻繁變更)。在這種情況下,企業內外部數據整合和商業智能的平臺化意義將更加突出,項目在數據管理層面的成敗將直接影響到終端用戶的應用和商業智能在企業的長遠發展。綜上并結合中國汽車行業實施商業智能的一些成敗案例,建議汽車企業在明晰自己的商業智能實施線路圖的基礎上,以技術為主導切入商業智能工程,在完成基礎性的數據整合和平臺搭建后,建立適當的業務應用以培養經營管理層和業務部門的應用理念和能力不斷成熟,并在應用層面不斷開發新的應用且持續創新,最終過渡到以業務為主導的成熟發展階段。
智能系統還是報表系統
坊間流傳著一句話,99%的商業智能項目最終都流于報表系統。這雖然有些夸張,但也說明了一個現實,即相當比例的商業智能項目最終都成為企業的“雞肋”,甚至以失敗告終,當然汽車行業也不會例外。
很多商業智能項目在立項之初,就被冠以“智能、決策支持、戰略分析、科學決策”等美麗的光環,殊不知偉大的目標豈可一蹴而就,一個類似企業中樞神經般的系統豈是半天之功。理想和現實的巨大落差,極易使初步建成的系統迅速失寵并敗落不堪。
很多企業的經營管理層都明白商業智能作為“一把手”工程的重要性,立項、匯報和宣傳時可以全情投入,不遺余力;而真正到了規劃和調研階段,卻又日理萬機、難覓行蹤。“決策支持系統”的規劃卻缺少企業決策人的參與,業務部門的專崗數據統計員或報表制作員往往被指派“充當”類似的角色。戰略性需求被無形湮滅,戰術需求被無形放大,決策支持系統淪落為報表系統將成為必然。
很多企業的經營管理層并不能真正領悟商業智能的發展規律和核心價值,希望通過一個實施項目即可“畢其功于一役”,殊不知數據整合、報表、OLAP分析、業務模型、數據挖掘乃至實時商業智能等是一個循序漸進的過程,同時企業級的商業智能能力中心建設也是相應的組織機構和流程機制保障。
智能系統是終極目標,報表系統是初級階段,孰優孰劣不必置評,關鍵的問題在于商業智能系統上線后,企業如何去“哺育”這個新生的嬰兒,如果把它“培養”成企業的大腦或中樞神經系統。需要投入的不僅僅是人力、物力和財力,還有更多的理智、信念和熱情。
忽略商業智能能力中心建設
很多的企業,特別是汽車企業,在商業智能項目中投入大量的資源采購軟硬件或支付咨詢公司的實施費用,因此對系統上線后需要投入的更多資源心生齟齬,抵觸不斷。商業智能系統作為企業級的決策支持系統,其在企業的定位應遠高于普通的業務系統,其涉及的數據、業務、應用和釋放的能量也非普通業務系統可比。因此,組織機構、人員配置和流程機制的保障,也是商業智能在企業內不斷發展壯大的基礎條件。
尤其是相應的組織結構問題,IT部門或單一的業務部門乃至原項目組,都無法承擔起在企業內部持續推進商業智能發展的角色。一方面是因為商業智能的觸角涉及企業的方方面面,需要一個復合型的知識團隊來維持它的運轉,另外一方面是企業內部業務單元間的利益紛爭甚至公司政治也會嚴重削弱商業智能本應具有的核心地位。因此,企業內部需要為商業智能工程設置一個獨立的運營機構(甚至可以抽調來自IT和核心業務部門的專家級員工組建),并定義其明確的任務、崗位、職責和流程,以促進和提升企業商業智能化的能力和有效地支持企業的經營戰略為工作目標。
商業智能能力中心至少應該由以下一些人員組成:BI架構師、數據管理專家、業務專家、數據分析師或建模師、BI開發人員、針對業務單元的項目經理等,同時公司的經營管理層亦應以委員的身份定期或不定期地參與到商業智能能力中心的建設和運營上去。多個主流行業商業智能能力中心的業務實踐證明,采用類似的機構設置可以更高效地推進商業智能工程在企業的發展,甚至它可以成為企業的中樞神經級業務單元,并且可以在不借助外力的情況下,為企業開發出諸多核心的業務模型和數據模型,為企業創造出巨大的生產力和利潤。
忽略數據挖掘
普通的商業智能應用更偏重于描述性統計分析,而傳統的數據挖掘則傾向于預測性統計分析,二者相得益彰,可以為企業經營管理層提供比較完整的決策支持視圖。當然也有理論認為,數據挖掘就是商業智能的一個高階發展階段,其本質是從描述性統計向預測性統計的一次飛躍。但是在汽車行業的現實卻是,商業智能系統已經開始進入快速發展期,而數據挖掘則往往以獨立的項目形式存在,難以體系化和常態化。
商業智能和數據挖掘的精神可謂一脈相承、不分長幼,在企業確立商業智能規劃的時候,就應該通盤考慮其發展線路,這其中自然也包括數據挖掘及其模型的部署和應用。在數據整合階段,數據倉庫的設計之初即把日后數據挖掘對數據質量和數據量等的需求考慮進去,并可逐步發展數據挖掘專用的數據集市;在業務應用階段,也可以考慮把企業一些項目制的數據挖掘模型和嵌入式的數據挖掘模塊(如嵌入至CRM或營銷活動管理系統的第三方快速建模工具)進行逐步的整合,模型的結果通過商業智能的平臺得以呈現,并伴以商業智能平臺所產生的一些業務分析結果進行聯合決策支持。
另外一個需要注意的問題是,汽車行業的數據挖掘剛剛進入起步階段,數據質量差、數據積累少、業務應用不明晰、可借鑒經驗少,但由于其預測性的巨大誘惑力,汽車企業往往給予數據挖掘項目極大的期許。而一旦后續的業務效果(特別是營銷效果)不盡如人意,數據挖掘在汽車企業內部便會飽受詬病。在這種現實下,把數據挖掘列入商業智能工程的發展線路圖當中是一個不錯的選擇,既豐富了商業智能的內涵和應用,又可以借力商業智能平臺的整合性優勢,同時也能給經營管理層一個合理的發展預期。
行業先進經驗和解決方案
很多汽車企業在實施商業智能工程時,都要特別強調借鑒行業先進經驗和參考行業解決方案,從原理和工作精神層面上來講,這沒有任何的錯誤;但現實是,我們在汽車行業到底有多少所謂的行業先進經驗和解決方案可以借鑒。
從行業的角度分析,鑒于電信、金融、快消甚至IT等行業起步早、數據積累豐富、業務需求眾多等因素,這些行業的商業智能應用已經發展到了一個相對較高的水準,可以為身為后來人的汽車行業有所借鑒。但是畢竟隔行如隔山,不同行業之間存在巨大的各向異性,在力臻高效的今天,快速借鑒兄弟行業的辦法顯然行不通。
從汽車行業本身分析,部分外商獨資企業建立了相對完善的企業級商業智能系統,但往往直接照搬或使用海外母公司的系統,且業務應用單一,可復制性不高;部分的合資企業也建立了相當數量的部門級商業智能應用,卻罕有大規模涉獵企業級的成功案例;而自主品牌起點更低,還處于業務系統大發展的階段,對商業智能的理解和需求還遠未到位。當然,參考國際品牌在域外的成功經驗也是一條出路,但是畢竟中國已經成為全球最大的汽車市場,市場和業務的復雜度及更迭效率遠高于域外,我們的經驗已經開始為別人所借鑒,而別人可借鑒的地方又能有多少?
綜上,借鑒一詞看似給力,卻又極不靠譜。中國汽車行業必須自力更生、自我探索,謀求一條發展具有中國市場特色的商業智能發展之路,此為根本。
忽略經銷商的應用
汽車行業異于其他很多行業的一個特點即和消費者之間多了一層經銷商的關系,經銷商(集團)不但負責銷售和售后,還要負責二手車、汽車保險、汽車金融、精品等諸多龐雜業務,從廣義上來講也是企業的虛擬分支機構。很多汽車企業在實施商業智能工程時,不能保持一種開放的心態,認為數據和信息是企業的核心機密,不能與經銷商共享和互動,這在很大程度上限制了商業智能工程的生存空間。
首先,經銷商是汽車企業接觸客戶的通道,也是汽車企業重要的數據源,除了DMS、CRM等一些信息化系統的數據主要由經銷商上傳外,企業還需要大量的臨時性數據或“體制外”數據,以備經營決策的不時之需。經銷商的數據收集、整理和上傳工作,無疑加重了其運營負擔,如果沒有相應的機制和流程來刺激和保障其積極性及數據的完備性、準確性和及時性,那么商業智能的應用效果便會大打折扣。
其次,經銷商對于自己的經營管理,也有很多決策分析的需求,但苦于資源和信息的限制,很難有所作為。如果經銷商也可以通過商業智能系統了解自身歷史數據對比、競爭對手對比、銷售業績排名,市場份額占據等,并及時地根據廠商針對經銷商意見和建議調整市場和銷售策略,則信息和分析結果的復用性得到極大的擴展,商業智能平臺的價值也可以在虛擬組織內實現最大化,經銷商和汽車廠商的經營業績都會因此得以提升,可謂雙贏之舉。
最后,很多汽車廠商和經銷商之間的關系可謂微妙,通過日常的業務流程和商務政策等已經很難準確地約束和指導經銷商的業務行為。而通過商業智能平臺,汽車廠商可更準確和及時地發現和震懾經銷商的違規行為(例如虛假銷售、跨區銷售行為等),也可以數據為基礎向經銷商提供更多科學的經營指導意見,在經銷商心目中的權威性大大增強。
惟一的手表
很多汽車企業的業務部門對于商業智能工程抱有抵觸甚至反抗的態度,究其原因不外乎幾種:數據收集、整理、清洗等工作增加了他們的工作量;數據統計口徑的不一致會導致多部門的扯皮;數據的核對會暴露出很多歷史問題或業務問題,甚至是“潛規則”,影響到部門和個人的形象及地位……因此,折中主義的情緒會在項目開發過程中不斷蔓延,甚至相關利益人會在數據整合階段提出很多“變通”的方案。不論是何種行為,都會影響到汽車企業數據的一致性,令企業內部出現多個“時區”;而失去了“世界時”和惟一的手表,基本的數據分析根本無從談起。
汽車企業內部建立的多個系統,如OA、ERP、CRM、財務系統等業務管理系統,其數據規則都基于各業務部門的需求獨自建立,并且可以獨立運轉,這就形成了眾多的信息孤島。商業智能工程的一個主要目標就是打破信息孤島的存在狀態,整合企業的數據資源,有效地支撐企業經營決策和戰略決策。這需要汽車企業各業務部門的相互協調,領導層的統一規劃,去除冗余數據,保證數據的準確性、一致性,令企業的數據在數據倉庫級別達到統一。
對于數據的歷史問題和“潛規則”問題, 汽車廠商的經營管理層應該大度和寬容,畢竟歷史已經無法改變,而現在的主要精力都應該著眼未來。
外部數據管理
商業智能工程的核心就是數據,在數據源且多且雜的情況下,如何解決好數據源管理問題就顯得尤為重要,而其中外部數據的管理最為棘手。外部數據,一般指在企業內部無法通過ETL抽取到的經營管理數據,它們大多散落在不同業務部門的不同業務人員手中,甚至是企業的經銷商和供應商手中。這些數據的結構雜亂,管理也不成體系,在短時間無法通過自動化的方式進行獲取,只能通過手工的方式進行收集、整理、匯總和清洗。正是由于外部數據管理的難度極大,才導致汽車企業的業務部門在外部數據的提供上推諉拖沓,進而影響到商業智能系統效能的發揮。
一種臨時性的解決方案,就是在商業智能系統上線的數據初始化過程中,一次性地解決所以的外部歷史數據整合問題,而新增外部數據則仍采用手工方式。另外一種折中的方式是由業務部門提供外部數據并定期上傳到臨時的數據收集數據系統,并由系統提供校驗和入庫。但從商業智能在汽車企業的長遠發展來看,這些都不能成為常態,因為外部數據的手工干涉,會導致數據出錯幾率增大;即使經過系統的校驗可以篩查出一部分問題,但問題數據文件的返回、再提交和再校驗,亦會導致分析結果的延遲,甚至影響到整體的分析輸出。更致命的是部分外部數據的準確性問題,若不設置復雜的業務數據校驗規則很難識別,一旦入庫就會直接影響業務和決策人員的分析結果,造成分析結果錯誤或者決策失誤。此類問題的后果往往屬于事后發現,會令商業智能的輸出趨于被動,不但不能成為企業的助力,反而可能成為企業的阻力。
從長遠發展來看,解決外部數據問題,其根本是汽車企業需要不斷完善自己的業務信息化系統,為商業智能系統提供更多自動化的數據支撐;而對于一些懸久未決的外部數據,則需要專門的外部數據管理平臺,充當外部數據源和商業智能平臺之間的中轉站。
分階段培訓
很多汽車企業至今仍不能正確理解決策支持系統和業務管理系統之間的區別,即使對商業智能略知一二,也很難充分體會到分階段培訓在商業智能工程建設中的重要作用。商業智能系統的建立并不意味著商業智能系統的成功,得到用戶廣泛應用認可的系統才是成功的商業智能系統,而如何能得到用戶的應用認可呢?充分、完整的分階段的用戶培訓就是其核心。
項目規劃和立項階段的宣貫型培訓,屬于先導型的理念培訓,同時也是各個參與方政治角力的舞臺,理念、愿景和暢想的放飛是必不可少的,但是要切記不可脫離現實,無休止地擴大商業智能的功效,以免日后落到無法自圓其說的地步。
項目需求調研和詳細設計階段,原型系統或演示系統的設計必須要充分,以期令眾多的非專業人員快速、高效、分步驟地熟悉商業智能功能模塊的使用方法和應用過程,以便在需求調研中更深層次地挖掘他們的(潛在)需求,同時也能夠令他們的參與熱情能夠在整個項目的實施過程中得以保持。
項目開發過程中,還需針對不同管理者和業務部門的應用特點,組織小規模的、個性化的培訓,以便對他們的需求深度探索和把握,并進行精雕細琢。
項目上線后,一方面要對所有用戶進行普適性的、大規模的操作級培訓,另外一方面也要針對經營管理層做宣傳性的培訓,并通過他們的力量進行內部的宣傳和推廣,以期在汽車企業內部逐步樹立科學決策和企業文化。同時,還需要在各個業務部門選拔一批重點應用人員,逐步培訓他們的業務報表乃至業務模型開發能力,令其逐步成為商業智能系統的核心用戶和傳承步道者。
在商業智能系統的運維和后續發展階段,重點培訓工作應向咨詢公司與汽車廠商之間的知識傳承轉移,并在企業逐步建立和完善商業智能能力中心,并確保該中心可以逐步脫離咨詢公司的支持,可以自我成長并為汽車企業開發出更多的商業應用。
綜上所述,不同步驟、不同策略的培訓工作應該貫穿至汽車企業商業智能工程的全生命周期,知識和應用就是力量,傳承和發展更是生命。
應用與文化
商業智能不僅僅是一個部門、一個系統、一個體系,更是一種文化,科學決策的文化。由于汽車行業近幾年來的超高速發展,市場的火熱助長了汽車企業盲目樂觀的決策文化,而科學決策在短期內還難以在汽車行業成為主流。但不論如何,商業智能都不應成為企業的政治工程和花瓶工程。
企業經營管理層的個人氣質往往會潛移默化地影響到企業的文化,所以在商業智能項目上線伊始,汽車企業的經營管理層就應當起到表率作用,帶頭學習、使用和發展商業智能在企業的應用,同時也要在相關的組織架構、流程制度方面做好文章,確保商業智能的核心地位。當然,內部的推介、宣貫和獎懲措施也是必不可少的,必要時甚至可以動用更多的行政命令強壓,以期科學決策的企業文化能夠經過最少的“陣痛”而確立優勢地位。
同時,商業智能文化也是一種理性和探索的文化,數據的整合和分析工作枯燥、繁瑣,需要更多的默默無聞和沉著堅定;而業務模型和應用的開發則充滿誘惑和挑戰,需要更多更深入的行業理解和業務洞悉,以及持續不斷的創新精神。
運不能常有,而道更難尋。商業智能工程所催生的科學決策文化才是商業智能可持續發展的基石。
尾聲
我們已經看到商業智能工程在中國汽車行業的蓬勃發展態勢,也總結了一些商業智能先驅們的成敗得失,希望中國汽車行業中那些熱情澎湃且充滿睿智的商業智能拓荒者,能夠傳承經驗、規避陷阱,使科學管理和決策成為中國汽車行業持續成長的核心動力。
轉載請注明出處:拓步ERP資訊網http://www.guhuozai8.cn/
本文標題:汽車企業實施商業智能工程的十大陷阱
本文網址:http://www.guhuozai8.cn/html/consultation/1083938436.html