目前大多零售企业普遍运用企业资源规划(ERP)和客户关系管理(CRM)等技术来提高效率和扩大销量,但是数据无法把数据智能的转化为绩效分析,就让业务能力大打折扣,而商业智能(BI)的应用弥补了业务流程和信息管理方面的不足,近悉一直致力于“智慧地球”的IBM又推出了一个全新的概念“新锐洞察”,意思是运用BI、信息议程、业务分析与优化等工具通过有效地管理和使用海量且种类繁多的历史和实时信息,预测分析识别和预先应对机遇和威胁并且从整个价值链收集信息并将其提供给所有需要该信息的人,帮助组织内各个层级的适当决策者实现快速准确的运营。所以目前来说,如果要构建智能企业,再行业竞争中胜出一筹,应用商业智能(BI)是 CIO 的首要投资项目。
零售企业数据“盲点”凸显
有数据报道,通过对全球225位企业领导者所做调查,他们普遍宣称企业在经营过程中存在较大的盲点,有效地管理和使用海量历史和实时信息从整个价值链中提取有效的信息为之企业服务却少之又少,更不用说运用数据分析识别预先应对机遇和威胁,很多重要决策并未建立在正确信息的基础之上。埃
森哲(Accenture)的最新调查显示:各位经理每天都需要花费 2 小时来搜索信息。50% 以上的经理每周至少会用错一次信息。经理收到的 50% 以上的信息都毫无价值可言。有一个信息主管无奈的说:经常是销售管理部、财务主管反映报告数据频繁出错,耽误公司正常运营不说,很多冗余数据根本没有参考价值,对销售指导意义不大。在信息暴增的时代,信息激增没有有效的转化为企业效益,甚至还拖累了信息主管,“奴役”了企业,庞大的未被解读的数据显示了中国零售企业在利用数据信息帮助决策方面明显准备不足,主要表现有以下几个方面:
一、管理层对深入的数据分析的战略意义认识不足,中国企业的管理层对数据的重要性有一定的认识,但远没有达到战略的高度。它们没有意识到深入的数据分析对优化业务并与其竞争对手拉开差距具有战略意义。由于管理层重视不足,多数企业没有对数据分析与业务优化投入必要的资源,包括人员,流程和技术等。
二、数据分析与公司战略和业务目标的结合程度不高,中国企业普遍已经在利用数据进行日常的运营管理,但大多停留在基础业务层面。将数据与业务目标,特别是公司的战略发展目标相结合的程度不高。
三、数据治理的成熟度低,数据治理是包括数据风险管理,价值创造,组织流程,策略,数据责任人等诸多内容在内的综合治理体系。中国企业的数据治理成熟度大多处于初级的基本管理阶段,表现为有限制的企业可视度,基本的探索,查询,报表和分析,部分的自动化,多版本的真实情况等。距离成熟的数据治理环境,也就是持续优化阶段,表现为基于角色的日常工作环境,全然融入工作流、流程、和系统的能力,信息激发的流程创新,增强的业务流程和运营管理以及前瞻性的视野、具预测性的分析还有相当的距离。
三、数据孤立,分散,信息基础建设薄弱,成为信息利用的障碍。一般需要对来自同一领域或不同领域的多组数据进行交叉分析,才能得出对管理层决策有帮助的信息。但是,现在中国企业的信息基础建设薄弱,数据采集方法不统一,数据格式不统一,另外缺乏系统性的数据收集方法造成部分数据缺失,这为交叉分析提取信息设置了障碍。
四、 对信息的利用没有纳入管理流程:多数中国企业没有将利用数据分析帮助各个业务环节的决策纳入到管理的流程中,因此,对数据的利用是分散的,缺乏系统性的。而且,多数中国企业也没有设置专门的数据治理部门和责任人体系对数据进行分析,提炼,并优化业务。
商务智能打造全新智能企业
一个智能的、健壮的信息基础构架离不开商务智能的应用,零售企业要想从海量的信息库中淘金就需要以更新、更深入的方式捕获、处理、建模、估算、汇总、排序、预测和分析企业运营状况、客户价值分析、物流分析获得与客户、服务、产品和市场策略相关的信息。有这样一则案例,某公司是中国物流行业的领军企业。由于并购另一家物流企业,造成两家企业的储运中心网点重复,过剩。由此使原来已有的运输网络运营效率低下,运输和库存成本较高等问题更加突出。另外,作为大型物流企业,公司有责任降低运输过程中对环境的负面影响。因此,该物流企业需要对其供应链网络进行优化,并降低环境成本。公司供应链优化的目标是达到三个方面平衡,即物流成本,服务水平和二氧化碳排放量之间的平衡。公司实行的供应链优化解决方案并不是一套用于供应链实时监测之类的软件工具,而是一项拥有独特复杂数学模型的战略评估体系。该评估体系通过提取公司物流运输各个环节的数据,导入数学模型进行分析。通过数据分析结果,对客户的储运中心网点的位置和数目进行优化;评估供应链整个过程中二氧化碳排放量;确定最优化的库存水平及服务区域的分配;以及确定成本最低的运输线路。通过该供应链优化项目的实施,公司在总物流成本,服务水平和碳排放量三个方面达到了最优化状态。具体来说,在运输网络方面,将储运中心从100个左右降低到40个左右;在节省运输费用方面,将区域运输费用和车队运输费用分别降低了21%和6.6%;在库存方面,将库存降低了22%。另外,公司还在保证业务的基础上降低碳排放量22%。由此可见,智能商务体系的搭建,可以挖掘出信息之间的关联性,完全解决了上文提到的信息主管让数据“奴役”的现象,数据疏导让企业各个运营环节做到有条不紊,提升了工作效率;节省了营运成本,带来巨大的商业效益。由此应用商务智能搭建的智能企业,可以做到以下几点好处:
一、 建立一个精确可信的、随时间变化的信息视图,创建一个能够利用现有 IT 投资来生成准确可信的信息的灵活架构。在不同的信息源之间保持一致的信息能够促进更好的分析和科学的业务决策。
二、 所有用户群都能以所需的方式在所需的时间和地点接收相关信息,并且是企业可以理解、拥有和信赖的信息。
三、 将数据和内容用作整个企业业务流程的一部分,通过将及时、可信的信息注入业务运营中来改善决策制定效果。
四、 理解和优化业务绩效,利用可信信息和现有 IT 投资来构建计划,理解如何执行业务并在整个企业中关注绩效优化。
五、 减少与管理信息相关的成本,同时控制访问、扩展信息的保留范围和提高遵从性,从而管理信息的整个生命周期。
和以往企业不同,智能企业是“聪明的”,以往的局部小型合作,已经转化为各部门联合起来在企业内部进行协作,同时也与外部实体合作,以实现互惠互利;信息更加贴切实用并超越单点式应用,扩展至价值链的上下游(例如从供应商到客户)。另外其数据管家的作用也非常明显,以往企业往往按照业务需要来使用内容和结构化信息,仅用于其主要用途然后予以删除或存档,而智能企业完全可以管理理巨大的内容存储库,除了重要的业务数据外包括散文、电子邮件、语音、短信、图像和视频等,同时加以分析,提供恰当数量的定量数据、定义、知识库、非结构化数据和专家网络,在恰当的时刻满足决策者的需求。
转载于:https://blog.51cto.com/joywlp/301423