电子帐册:

好的分析仪表板将BI数据转化为可操作的信息

Sergey Nivens - Fotolia

管理 学习应用最佳实践并优化您的操作。

关于如何最大限度地利用数据仪表盘软件的提示

如果使用得当,数据指示板可以带来重大的业务价值。但规划和整体用户体验都是获得最大效益的关键,顾问Mico Yuk说。

数据仪表盘软件已经存在多年了,许多企业可能觉得他们的实现可以自动运行。不过,这种态度很可能导致失败。

与今天的易于使用的视觉商业智能对于一个业务团队来说,建立一个快速的仪表板是最简单的事情。但如果没有观察数据仪表盘的最佳实践,就会导致采用率低、投资回报率低。

在这次采访中,总部位于亚特兰大的咨询公司BI Brainz的联合创始人兼首席执行官Mico Yuk解释了企业如何才能最大限度地利用他们的数据仪表盘软件投资。虽然技术本身可能相对简单,但用户需要在开发过程中密切关注他们的目标,以确保这一点仪表板还清Yuk说,在商业影响方面。

企业在开发仪表盘时犯的最大错误是什么?

Mico Yuk:大多数企业犯的第一个错误是没有花足够的时间来决定什么应该放在仪表盘上。大多数企业采取两种方法之一。第一种方法是将他们的Excel电子表格上传到一个流行的BI工具中,然后开始构建图表,这通常会导致显示太多的kpi。

Mico Yuk, BI Brainz联合创始人Mico趣事

另一种方法是开始对他们的数据进行发现希望他们能找到能给他们启发的线索。这一切都归结于缺乏计划,这就是为什么讨论仪表板中的内容(如kpi和指标)如此重要的原因。

这是经典的80/20法则。80%应该花在计划上,20%应该集中在执行上。在商业智能领域,它完全失败了。十分之八的仪表板受到低用户采纳的影响,因为用户并不真正清楚要采取什么行动。

业务如何推动其开发的仪表板的采用?

雅克:让更多人参与进来。今天,许多需求收集会议包括不到1%的公司知识智力。随着技术的使用,当涉及到收集需求时,企业应该专注于更具包容性而不是排他性。

第二个关键驱动采用就是确保它来自高层——不一定是c级的,而是像副总裁那样必须吃自己的狗粮的人。没有比建立一个好的例子用例并让它从顶部驱动更好的方式来推动采用了。

推动采用的第三个关键是让所有的仪表盘和报告在所有设备上都可用。你可能认为这是显而易见的,但今天的大型组织仍然专注于台式机,在某些情况下,ipad。手机因为屏幕大小而被忽视,除非他们使用的工具带有原生手机应用。通过这种方式,你可以获得20%以上的用户接受度。你必须在用户花费大部分时间的地方与他们见面。这是他们的手机。

最后,连续性非常重要。发射它,忘记它是失败的关键。大多数发布都涉及用户采用的高峰。但是要保持这种势头需要不断的社会化、培训和用户快速做出改变的能力。持续性比实际的启动更重要,这是大多数企业失败的地方。

与其他组件相比,企业应该花多少时间来完善仪表板的视觉吸引力?

Yuk:拥有一个性感的仪表盘对于仪表盘最初的成功很重要,但整体的用户体验才是关键。今天,许多组织花费大量时间在美学和视觉部分上,而没有足够的时间去做什么。

我们将需求分为三个不同的部分。有设计需求、功能需求和数据需求。这很重要的原因是,当与用户一起工作时,一旦你开始构建仪表板同时着眼于设计,功能和数据,这会导致多巴胺超载。用户不能同时处理这三种情况。

首先,我们让他们确认设计要求。然后我们添加功能并让他们确认,然后,最后但同样重要的是,我们添加真实数据。我们分离这三个区域,然后按这个顺序攻击它们。我们发现,这种方法可以将范围和需求收集[次数]减少40%。它的作用是让我们有时间专注于形象化将要发生的事情,而不是它看起来像什么。如果你把需求分成这三个方面,就会减少花费的时间,你就会在每个方面得到你需要的关注。

只要记住,人们花大量时间在视觉作品上的原因是因为他们按照错误的顺序做,或者他们同时做了这三件事。你坐下来讨论图表的颜色,有人说数字是错的,然后你讨论数字,有人说图表是错的,然后你坐下来讨论两者,他们告诉你下拉菜单不能正常工作。在经历了几百次这个过程之后,我解耦了整个过程,我们看到了一夜之间的结果。

多亏了大数据,如今的企业可以访问许多数据源,而这些数据源在早期的BI中是没有的。其中有多少应该进入数据仪表板呢?

雅克:这又回到了我们关于仪表盘应该包含什么东西的讨论。推荐的kpi数量应该是3到5个。通常情况下,如果你能专注于3到5个kpi,这通常会限制您的数据源。弄清楚什么是重要的往往能解决很多事情。首先,关注3到5个测量结果,很多时候,它不需要19个不同的数据源来得到这些答案。

如果您基于可用数据构建kpi,那么您就打开了通往所有可用数据源的大门。但如果你是基于公司的使命陈述和实际目标来构建kpi,并使其具有可操作性,那么它们就会变得非常具体,大多数情况下,并不需要大量的数据源。

你说过要带机器学习到BI自动化数据发现。你认为机器学习在数据仪表盘软件中会扮演什么样的角色?

Yuk:你有自己的kpi,趋势和行动。我的理论是,你可以利用人类智能来实现KPI,然后使用机器学习来告诉你如何达到你的位置,或者为什么KPI高于或低于目标。您还可以使用机器学习来告诉您需要调整或更改什么以实现KPI目标。机器学习算法应该能够访问您的数据源来更改现有的度量,并帮助您重新确定优先级或实时调整它们,以确保它们是相关的并与业务保持一致。

我真的相信,公司浪费时间最大的事情之一是,他们参加会议,使用组织中0.1%的知识智慧,创建一个完整的KPI数据故事,他们离开,然后他们回来,再重新来过。我认为机器学习可以让kpi保持相关性,让它们与业务保持联系,而不是消亡。

BI似乎在以这种方式接受机器学习方面有些迟缓。你认为这是为什么?

雅克:我觉得这是坏习惯。人们在做他们知道的事情。我们今天要做的就是和高级人员和一名工蜂聚在一个房间里,收集需求。我认为商业人士只是不知道更好或任何不同。

人们的工作依赖于它,所以信任机器是另一个问题。当你有一台机器告诉你事情发生的原因,今天,这是一种信任的缺失。

下一个步骤

如何开发数据仪表板有效的BI

数据仪表盘帮助BI用户将焦点带回ROI

杂波和重叠是仪表盘失灵的主要原因

深入挖掘业务智能仪表板和性能记分卡

搜索数据管理
搜索AWS
搜索内容管理
搜索甲骨文
搜索SAP
搜索SQL服务器
关闭