永洪科技：BI業(yè)務(wù)用戶商業(yè)分析新時代，如何把數(shù)據(jù)用透？

　　數(shù)字化轉(zhuǎn)型進入實質(zhì)性階段，企業(yè)對于數(shù)據(jù)的需求也隨之加深。然而，一些企業(yè)積累了大量數(shù)據(jù)，卻難以深度釋放數(shù)據(jù)價值。

　　近幾年，作為數(shù)據(jù)應(yīng)用的有力工具，BI商業(yè)智能分析平臺同樣進入了轉(zhuǎn)折期，其發(fā)展趨勢明顯呈現(xiàn)出從IT走向業(yè)務(wù)、從報表工具走向分析決策的特征，開始逐漸步入業(yè)務(wù)用戶商業(yè)分析的時代。其本質(zhì)原因，就是滿足企業(yè)的深度應(yīng)用數(shù)據(jù)、產(chǎn)生實際效果的需求。

　　那么，如何才能把數(shù)據(jù)用透，驅(qū)動業(yè)務(wù)增長?

　　從企業(yè)的角度講，主要有四個層次：

　　1、數(shù)據(jù)可視化

　　數(shù)據(jù)可視化也就是常說的“數(shù)據(jù)報表”，其作用是用圖形化描述已經(jīng)發(fā)生的事實。例如，展現(xiàn)公司整體的銷售業(yè)績、成本情況、利潤情況等，以及所對于的同比、環(huán)比、趨勢圖等。對于BI產(chǎn)品來說，可以實現(xiàn)對于明細數(shù)據(jù)的下鉆、上卷，已了解細致的經(jīng)營情況，對現(xiàn)有業(yè)務(wù)情況進行整體的把控。

　　數(shù)據(jù)可視化也是目前大多企業(yè)運用BI產(chǎn)品達到的成果，屬于數(shù)據(jù)應(yīng)用的初級階段。

　　2、業(yè)務(wù)診斷

　　數(shù)據(jù)報表展現(xiàn)的是過往及當(dāng)下的業(yè)務(wù)情況，但無法提供造成當(dāng)前情況的具體原因，如果只是依托于數(shù)據(jù)報表，則仍然需要業(yè)務(wù)人員或管理者依據(jù)自身經(jīng)驗對數(shù)據(jù)結(jié)果進行判斷，做出歸因。顯然，這個過程仍然帶有許多主觀因素。

　　因此，需要使用BI工具進行診斷性分析，以解決“為什么”的問題。進入這一階段，便需要運用BI工具中的AI增強分析模塊。

　　例如，對于汽車行業(yè)，IPTV是關(guān)鍵指標之一。IPTV為每千輛車故障率，如果只是使用數(shù)據(jù)報表，則只能看到當(dāng)前該指標的變化情況，無法確定影響其變化的核心因素。

　　通過永洪BI進行業(yè)務(wù)診斷，可以選擇不同的車型進行分析，確定對象后，可對具體車型查看IPTV目標達成分析狀況和整車IPTV的狀況，還可以查看具體的故障模式和責(zé)任部門，通過數(shù)據(jù)聯(lián)動，查看故障發(fā)生問題時責(zé)任問題是分布在哪一個環(huán)節(jié)，從而進行對應(yīng)的優(yōu)化。

　　此外，永洪BI的AI增強分析模塊，自帶數(shù)據(jù)解釋功能，可以對數(shù)據(jù)影響較大的因素進行自動統(tǒng)計和分析;數(shù)據(jù)洞察則自動給出用于發(fā)現(xiàn)業(yè)務(wù)數(shù)據(jù)增長、減少的原因。

　　3、業(yè)務(wù)預(yù)測

　　外部環(huán)境的不確定性增加，使企業(yè)急需通過數(shù)據(jù)，判斷業(yè)務(wù)和市場在未來一段時間內(nèi)的變化情況，這便需要通過BI工具實現(xiàn)預(yù)測性分析，已解決“可能發(fā)生什么”的問題。

　　預(yù)測性分析需要使用預(yù)測性建模、回歸分析、預(yù)報、多變量統(tǒng)計、模式匹配和機器學(xué)習(xí)(ML)等技術(shù)，通過永洪BI內(nèi)置的算子、模型，可以便捷實現(xiàn)。

　　以風(fēng)電設(shè)備故障預(yù)測為例。首先進行數(shù)據(jù)預(yù)處理，將處理后的數(shù)據(jù)劃分為訓(xùn)練集和測試集，對數(shù)據(jù)進行故障標注和探索分析，分析故障數(shù)據(jù)和正常數(shù)據(jù)的區(qū)別，發(fā)現(xiàn)故障數(shù)據(jù)在頻域表現(xiàn)明顯，因此以風(fēng)速、轉(zhuǎn)速、均值、方差、故障特征頻率等為特征建立故障預(yù)測分類模型，方法可選擇邏輯回歸、隨機森林、GBDT等。

　　由于故障數(shù)據(jù)只記錄了是否故障，沒有記錄故障位置，因此在建立模型時采用監(jiān)督學(xué)習(xí)的二分類算法，模型建立完，可利用測試數(shù)據(jù)計算評價指標進行模型優(yōu)化，選擇效果最好的模型進行部署，最終上線的模型準確率可達90%以上，可有效的對故障風(fēng)機進行預(yù)測，提前預(yù)知故障，減少計劃外中斷，增加設(shè)備綜合效率，減少維修成本，提高產(chǎn)能。

　　4、規(guī)范性分析

　　規(guī)范性分析則是通過數(shù)據(jù)智能，直接給出業(yè)務(wù)決策的行動建議，從而解決“應(yīng)該怎么做”的問題。顯然，要達到給出準確的行動建議，其過程具有一定復(fù)雜性。

　　通常規(guī)范性分析需要與預(yù)測性分析相結(jié)合，并使用運籌學(xué)、圖像分析、仿真、模擬、復(fù)雜事件處理和推薦引擎等技術(shù)。

　　目前，以永洪科技為首的新一代BI廠商，正在朝這一方向努力，并達到了基礎(chǔ)目標。例如，永洪BI的數(shù)據(jù)問答功能，可以讓用戶使用文本輸入問題，系統(tǒng)以可視化的方式進行自動展示答案。

　　可以看出，數(shù)據(jù)猶如深埋地底的寶藏，需要深入挖掘，才能真正釋放其價值。把數(shù)據(jù)用透，一方面需要企業(yè)運用更加智能化的BI工具以降低數(shù)據(jù)門檻，另一方面也需要企業(yè)改變對數(shù)據(jù)應(yīng)用的認識，逐步實現(xiàn)數(shù)據(jù)深度應(yīng)用。