典型的商業(yè)智能實(shí)現(xiàn)允許業(yè)務(wù)用戶輕松地消費(fèi)特定于他們的目標(biāo)和日常任務(wù)的數(shù)據(jù)。分析過(guò)去和現(xiàn)在事件的能力解鎖了關(guān)于當(dāng)前狀態(tài)的信息，對(duì)于在當(dāng)今的數(shù)據(jù)轉(zhuǎn)發(fā)市場(chǎng)中保持競(jìng)爭(zhēng)力至關(guān)重要?？紤]到這一點(diǎn)，許多組織在單獨(dú)依賴這些工具時(shí)會(huì)遇到一些常見(jiàn)的限制。

挑戰(zhàn)1:有用的見(jiàn)解、趨勢(shì)和模式只有在合適的背景下，在正確的數(shù)據(jù)中才會(huì)出現(xiàn)　　

好消息是，現(xiàn)代數(shù)據(jù)倉(cāng)庫(kù)通過(guò)以一種能夠?qū)崿F(xiàn)快速可靠報(bào)告的方式組織信息，消除了報(bào)告不準(zhǔn)確或不及時(shí)的數(shù)據(jù)的風(fēng)險(xiǎn)。話雖如此，您還必須依靠業(yè)務(wù)用戶提出正確的問(wèn)題，以開(kāi)發(fā)有用的報(bào)告。這通常會(huì)導(dǎo)致重要見(jiàn)解的發(fā)現(xiàn)延遲和關(guān)鍵數(shù)據(jù)的忽略。此外，由于人為錯(cuò)誤和無(wú)法高效報(bào)告以完全覆蓋詳細(xì)數(shù)據(jù)的所有部分，您更有可能錯(cuò)過(guò)關(guān)鍵的見(jiàn)解。即使是最好的儀表板也可能排除重要信息，因?yàn)樗鼈冎魂P(guān)注特定的業(yè)務(wù)問(wèn)題。

　　例如，在物流公司，儀表盤(pán)顯示了供應(yīng)鏈和倉(cāng)庫(kù)庫(kù)存的每一個(gè)細(xì)節(jié)。有這么多的變量可能會(huì)影響你訂單的及時(shí)性(員工數(shù)量、卡車(chē)可用窗口、倉(cāng)庫(kù)區(qū)域的擁堵等)，所以幾乎不可能將所有的信息結(jié)合起來(lái)，及時(shí)看到更大的圖景。特別是當(dāng)變化是實(shí)時(shí)發(fā)生的時(shí)候。一個(gè)人也很難將個(gè)別事件從整體影響中分離出來(lái)。通過(guò)機(jī)器學(xué)習(xí)，你可以攝取大量數(shù)據(jù)，根據(jù)關(guān)鍵變量來(lái)識(shí)別有遲到風(fēng)險(xiǎn)的訂單。使用統(tǒng)計(jì)技術(shù)，你可以通過(guò)切割數(shù)據(jù)中的所有噪音來(lái)區(qū)分低效率的來(lái)源，從而發(fā)現(xiàn)系統(tǒng)性問(wèn)題。

挑戰(zhàn)2:依賴于靜態(tài)的有時(shí)是任意的業(yè)務(wù)規(guī)則　　

許多有效的儀表板使用基準(zhǔn)指標(biāo)來(lái)顯示一個(gè)部門(mén)做得好還是不好。例如，一個(gè)銷(xiāo)售組織有商業(yè)智能工具，使用數(shù)據(jù)來(lái)跟蹤與他們的領(lǐng)導(dǎo)的參與度。根據(jù)他們目前的業(yè)務(wù)規(guī)則，如果一個(gè)潛在客戶在5天內(nèi)沒(méi)有溝通，就會(huì)被認(rèn)為是“冷淡”的。當(dāng)潛在客戶失去聯(lián)系時(shí)，銷(xiāo)售和管理團(tuán)隊(duì)會(huì)被提醒，以便采取行動(dòng)重新與潛在客戶聯(lián)系。一個(gè)好的儀表盤(pán)會(huì)以某種方式顯示冷線索的數(shù)量和可能變冷的線索的數(shù)量。但你如何真正知道5天是合適的時(shí)間呢?如果數(shù)以百萬(wàn)計(jì)的數(shù)據(jù)點(diǎn)顯示，如果你在兩天內(nèi)沒(méi)有聯(lián)系，線索很可能會(huì)變冷，那該怎么辦?那可能是錯(cuò)過(guò)了很多機(jī)會(huì)。在這樣一個(gè)快速變化的環(huán)境中，有時(shí)甚至是基于你的業(yè)務(wù)問(wèn)題的上下文，人們制定的業(yè)務(wù)規(guī)則可能會(huì)被誤解、不準(zhǔn)確或過(guò)時(shí)。

挑戰(zhàn)3:由于大多數(shù)商業(yè)智能工具都利用歷史數(shù)據(jù)，它們更傾向于突出過(guò)去的事件，而不是未來(lái)的事件　　

基于這些信息的可視化是圍繞已經(jīng)發(fā)生或正在發(fā)生的問(wèn)題進(jìn)行的。雖然毫無(wú)疑問(wèn)，了解過(guò)去對(duì)改善未來(lái)決策至關(guān)重要，但增加一層預(yù)測(cè)分析將使被動(dòng)的、數(shù)據(jù)驅(qū)動(dòng)的決策文化轉(zhuǎn)向更具前瞻性和創(chuàng)新性的選擇。

使用先進(jìn)的分析來(lái)展望未來(lái)是所有企業(yè)都應(yīng)該采用的做法。為了舉例說(shuō)明這種做法可以產(chǎn)生的重大影響，我們將以醫(yī)療保健行業(yè)為例。許多醫(yī)療提供者跟蹤他們的再入院率，即患者出院后因相關(guān)健康問(wèn)題返回的頻率。這一指標(biāo)有助于評(píng)估護(hù)理質(zhì)量和其他因素。通過(guò)使用數(shù)據(jù)科學(xué)，他們可以將目標(biāo)鎖定在某些再次入院風(fēng)險(xiǎn)較高的患者子集上。這為醫(yī)療保健提供者提供了最高危患者的實(shí)時(shí)信息，使他們能夠采取積極行動(dòng)，使患者健康出院，減少再入院的機(jī)會(huì)。這種主動(dòng)的方法比回顧歷史數(shù)據(jù)更有效，以便日后找出哪些患者亞群的再入院率更高。

如何用數(shù)據(jù)科學(xué)解決這些挑戰(zhàn)

數(shù)據(jù)科學(xué)幫助企業(yè)從大量數(shù)據(jù)中提取見(jiàn)解，并創(chuàng)建輸出，自動(dòng)檢測(cè)數(shù)據(jù)中發(fā)現(xiàn)的模式可能產(chǎn)生的重大變化。在很多情況下，正是由于數(shù)據(jù)科學(xué)計(jì)劃的好處，企業(yè)才開(kāi)始看到其數(shù)據(jù)投資的顯著ROI。這是因?yàn)閿?shù)據(jù)科學(xué)能更好地裝備:

• 根據(jù)歷史數(shù)據(jù)的趨勢(shì)，對(duì)未來(lái)的事件做出預(yù)測(cè)
• 檢測(cè)商業(yè)事件的重大變化，并確定其結(jié)果
• 評(píng)估商業(yè)決策的潛在結(jié)果
• 分析具有多種輸入的廣泛數(shù)據(jù)集，以發(fā)現(xiàn)關(guān)鍵見(jiàn)解
• 理解影響整個(gè)公司的數(shù)據(jù)點(diǎn)，而不是某個(gè)特定的孤立部門(mén)

雖然數(shù)據(jù)科學(xué)的好處是無(wú)可爭(zhēng)議的，但對(duì)許多組織來(lái)說(shuō)，數(shù)據(jù)科學(xué)的舉措似乎是不可接近的。無(wú)論是因?yàn)槟愕臄?shù)據(jù)科學(xué)團(tuán)隊(duì)發(fā)現(xiàn)難以持續(xù)地交流洞見(jiàn)，還是對(duì)預(yù)測(cè)是如何達(dá)成的缺乏理解，或者因?yàn)檫^(guò)程看起來(lái)太大規(guī)模，你不知道從哪里開(kāi)始，你的公司并不孤單。解決這些障礙的最簡(jiǎn)單的方法之一是將您當(dāng)前的商業(yè)智能工具和分析實(shí)踐與數(shù)據(jù)科學(xué)結(jié)合起來(lái)。