| 摘要：商业智能如今提供了为其利益相关者准备数据的技术基础。然后这个过程结束之前，其真正价值得到一个机会展示。协作和决策还没有成为商业智能的一部分。 |
商业智能通常仍然是一个以IT为中心的自上而下的工程。
工程师团队将原始数据进行处理成，分析人员构建报告和资料，然后在自助服务工具中发布或通过电子邮件分发。
但商业智能有一个至关重要的问题还没有解决：让人们实际使用它。即使是新一代的分析软件，也缺乏可以轻松访问洞察力，然后进行协作的机制。
商业智能如今提供了为其利益相关者准备数据的技术基础。然后这个过程结束之前，其真正价值得到一个机会展示。协作和决策还没有成为商业智能的一部分。
对数据消费的缺乏关注正是商业智能采用率低的原因。事实上，数字表明，组织中仍然只有18％-24％的人使用商业智能工具，而应用潜力预计将达到50％，并而且还在不断增加。
“建造了它，就会有人来”这个概念是不够的。使用数据吸引组织中的人员是必要的，这是可能的。但它需要一个策略和与商业智能流程其他部分相同的关注程度。
数据需要去通信流的地方
最重要的是，用户需要确认其传统的商业智能工具集不会让您在那里。
自助服务门户或电子邮件线程中不会发生参与和协作。相反，用户的数据需要去自然流动的地方：个人会议和更多可扩展性，可采用新的商业信使工具，如Slack，HipChat或MicrosoftLync。他们最接近直接的沟通，使数字合作感觉更自然。
这些商务信使与自助门户和电子邮件相比有一个很大的优势：通过与用户的分析工具的正确集成，他们可以在一个统一的界面中提供分析功能的推拉功能，让最终用户处理数据。
平衡分配的报告
将报告和仪表板提交给观众提供了两个核心功能：一个是满足信息的基本需求，另一个是让他们意识到需要注意的变化。
考虑组织中每个人都需要掌握的少数业务关键绩效指标。这些是用户想频繁推荐的指标，因为用户不想依靠人们记住并检查这些指标。
报告的计划分发不应超出用户的核心关键绩效指标。过多的反复报告会产生疲劳，会导致适得其反的结果。应该将它们视为一种开胃菜，并让用户更加渴望获得。
在相关变化发生的时刻推出数据驱动的警报是一个很好的概念，但是缺乏一个可以正常工作的解决方案。
人工监控是不可扩展的，如今的程序化方法是由权衡误报（警报疲劳）和缺失的重要趋势之间的权衡所面临的挑战。
然而，机器学习技术的兴起，再加上Messenger应用程序，可以作为即时反馈循环的算法，在不远的未来解决这个问题带来了很大的希望。
而Facebook公司的的算法反馈，以确保用户再也不会无事可做。
提供快速直观的答案
人们需要立即回答问题，这就是为什么报告需要很直观的原因。几乎没有时间为具体问题提供基于事实的答案，这是蓬勃发展的数据驱动型文化的最大挑战和最大的障碍。
采用自助服务工具，具有深入挖掘和过滤功能的交互式仪表板可以很好地为数据精通用户提供服务，但如果用户不仅要了解商业智能强大的用户和分析人员的工作和协作数据，那么需要找到一个更好的方法。
通过数据来回答问题需要快速，直观和轻量化。它需要适应终端用户的工作和运作方式，以便在现实中使用。这也使得它非常容易分享和讨论数据中发现的见解。
聊天机器人或精心设计的应用程序集成到商业信使（再次）是当今的一个很好的解决方案。用户可以通过向机器人发出指令来请求数据，该机器人可以在几秒钟内对对方内的相应数据点或可视化进行响应，并在内容中提供相关数据。
从自然语言处理的进展来看，与这些应用程序交谈将在不久的将来变得更加直观，甚至复杂问题的答案可以通过直观的界面得到回答。
设计协作
为了让用户参与数据，用户需要三种类型的分发：定期报告，数据驱动的警报，直观的按需访问是拥有知情用户并促进协作的关键。
但是，通过这些渠道提供相同的报告和仪表就像向Facebook和LinkedIn发布同样有趣的猫图片一样，并期待两者都可以进行病毒化传播：这可能会发生，但是不太可能。
相反，用户需要为特定渠道设计报告，视图和仪表。重复的报告应提供摘要数据，可以要求更多的关注，而不仅仅是走马观花。警报需要尽可能简单直观，特殊消费的数据应以易于过滤和深入的方式实现结构化，同时在聊天对话中查看时仍能高度可视化。
明确的数据发布策略
从纯报告到数据驱动文化的解决方案是围绕数据促进互动和协作的。
要做到这一点，需要一个明确的数据发布策略来满足利益相关者的不同信息需求，并且需要与商业智能的更多技术部分一样重视。利用诸如Slack之类的通信工具有助于将分析与每个用户的自然工作流集成起来，并提高对数据的认识。这将为企业最终用户提供协同行动的工具，并最终根据数据做出更好的决策。
编辑：Harris
评论表单加载中...
