发帖
雷达卡
据最近对CIO进行调查的结果，分析类项目是CIO们当前的关注焦点之一。我认为如果要保证这类商业智能项目顺利推进，最重要的一点是牢记它们和其他IT项目有着本质的不同。具体有哪些不同呢？下面我们就逐一例举：
1. 分析类项目是非常微妙的
其他商业智能系统的IT项目 -- 无论是会计类或者生产规划类 -- 都会遵循一个大家都很熟悉的流程。分析类项目则很难做到这一点，因为它实质上是反映了决策过程，而人的决策是没有固定路径可以追溯的。
分析类项目不是用来实现具体的业务规则、交易或者工作流，我们必须时刻同项目所有人紧密联系，否则就无法实现其想法。
2.分析类项目未必按最初设想的路径推进
无论从人类决策过程的精微细致抑或过往成功的项目经验，我们可以总结出分析类项目必须遵循随需而变的设计理念。这在某种程度上决定了不会存在大一统的分析类项目，而应该采取敏捷模式– 快速创建原型系统并获取反馈、以多个自包含的循环逐步推进并随机决断。
比如，我们这一个部门就曾经对于分析类项目的结束状态非常固执。他们对于最终要达成的目的十分清楚，而且想通过一次整体发布来实现之。当我劝说他们把项目拆分成几个动态可调的阶段时，他们明确回应到：“没必要，我们知道该怎么做，你只用提供所需的数据就行了。”
为了避免那种大规模的分析项目，我对他们提出：让我们用敏捷方法来完成这个项目吧，看看是否更有成效。如果最终失败了，我请整个项目组一顿午饭。面对这个挑战，项目负责人和我达成了协议，在第一阶段进行试验。
在接下来的几个礼拜中，我们完成了第一阶段的工作，做出了产品的原型。全体成员都对项目最终产出有了与原先不同的认识和理解。在开始规划下一阶段的工作时，他们的需求完全改变了。原先只是想收集产品反馈相关的信息，而现在则把未来的主要工作目的变成了填补库存信息的缺失。当项目最后成功完结后，其最终状态已经与最初的设想大相径庭。而且，这种转变是随着他们思考和决策的路径逐渐演化的。
3. 有必要纳入外部数据
IT项目通常主要关注企业内的信息：会计、物料、库存、销售订单以及客户合同等。但是，为了能更有效地提升决策水平，分析类项目必须采集企业外部的信息。由于我们可能无法控制甚至不知道如何去获取所需的外部信息，因此工作中必须包含搜集数据的内容。
如果分析类项目是为了提升我们产品生命周期管理的水平的话，那么仅仅靠内部信息是不够的。尽管内部信息(销售数据、库存记录、产品线策略、定价和折扣信息、成功标准和营销成果等)确实有助于更好的产品生命周期管理，但是外部相关数据同样是必需的：同类产品、植入广告、宏观经济状况、天气、学校日程等– 所有可能会影响产品前景的信息。
一旦我们知道了哪些外部信息可以提升决策水平，接下来就是确定它们的重要程度和可用性，以及我们愿意为之付出多少成本。
4. 分析类项目中因果关系的确认
有三个理念指导我的分析类项目实践。首先，这类项目应该能够明确地提升决策水平;其次，更优的决策来源于因果关系的准确建立;最后，建立准确的因果关系是非常困难的，而且风险极大。
为什么有很大风险呢？我们常常把关联性和因果关系相混淆，但是高关联性并不意味着因果关系的必然存在。
找到正确的原因可以明显地促进商业智能，是提升决策水平的基础所在。具体该如何做呢？对于新手来说，应该认真理清因果关系。但是，在确认并运用这些关系前，必须要验证其到底是否存在。比如，减少呼叫中心的等待时间是否可以促进销售？加长测试周期是否可以提高产品质量？这些都要先尝试着去验证一下。
分析类项目也需要IT方面能够让人信任：可以交付重大项目;可以改变自身传统角色，以分析来创造商业价值;知道该如何提高分析工作的质量;能够运用多种方法完成BI项目。
本文为FineBI商业智能官网原创，转载请注明出处
京公网安备 11010802022788号
