기술 부서와 업무 부문의 프로젝트 주도권 쟁탈은 대부분의 비즈니스 인텔리전스 프로젝트에서 불가피하게 반복된다. 다른 정보 시스템의 구현과 마찬가지로, 상당수의 기업들이 비즈니스 인텔리전스를 기술 프로젝트에 통합했습니다. 또 다른 기업들은 사업을 시작할 때 비즈니스 인텔리전스를' 의사 결정 지원 시스템' 수준으로 끌어올려 경영진에 도달하고 집행층에 도달하는 기업들도 있다. 기술 프로젝트, 비즈니스 시스템, 의사 결정 지원 시스템 등 자동차 기업의 비즈니스 인텔리전스에 대한 수요, 이해 및 적용 성숙도가 관건입니다.
일반적으로 비즈니스 인텔리전스 엔지니어링은 한 번에 이루어지지 않으며 프로젝트 초기에 장기적인 개발 계획 및 구현 로드맵을 구축해야 합니다. 프로젝트의 양성 발전은 비즈니스 부문의 업계 이해와 비즈니스 요구 사항, 기술 부서의 IT 경험과 지원과 불가분의 관계에 있습니다. 일반 비즈니스 정보 시스템과 달리, 비즈니스 인텔리전스는 기업 내에서 더 넓은 범위를 차지하고 있으며, 비즈니스 부서에 대한 개인화 요구 사항도 더 높습니다 (그리고 비즈니스 부문의 개인화 요구 사항은 점점 더 복잡해지고 시간이 지남에 따라 자주 변화할 수 있음). (윌리엄 셰익스피어, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스) 이 경우 내부 및 외부 데이터 통합과 비즈니스 인텔리전스의 플랫폼화가 더욱 두드러지고, 데이터 관리에 대한 프로젝트의 성패는 최종 사용자의 어플리케이션과 비즈니스 인텔리전스의 장기적인 발전에 직접적인 영향을 미칠 것입니다. 요약하자면, 중국 자동차 업계의 비즈니스 인텔리전스 구현의 성패 사례와 결합해 자동차 기업들이 자신의 비즈니스 인텔리전스 구현 로드맵을 명확히 하는 기초 위에서 기술을 주도하여 비즈니스 인텔리전스 프로젝트에 돌입할 것을 건의합니다. 기본 데이터 통합 및 플랫폼 구축이 완료되면 적절한 비즈니스 애플리케이션을 구축하고, 관리 및 비즈니스 부문의 애플리케이션 개념과 기능을 성숙으로 키우고, 애플리케이션 수준에서 새로운 애플리케이션 및 혁신을 지속적으로 개발하여 비즈니스 주도의 성숙한 발전 단계로 전환해야 합니다.
지능형 시스템 또는 보고 시스템
비즈니스 인텔리전스 프로젝트의 99% 가 결국 보고 시스템에 있다는 말이 있습니다. 이것은 다소 과장되었지만, 상당한 비율의 비즈니스 인텔리전스 프로젝트가 결국 기업의' 닭갈비' 가 되고, 심지어 실패로 끝나는 현실까지 보여준다. 물론 자동차 업계도 예외는 아니다.
많은 비즈니스 인텔리전스 프로젝트는 설립 초기부터' 지능, 의사 결정 지원, 전략 분석, 과학적 의사 결정' 이라는 꼬리표를 붙였지만, 위대한 목표가 단번에 이뤄질 수 있다는 것을 알지 못했다. 기업 중추 신경과 비슷한 시스템은 반나절이면 실현될 수 있다. 이상과 현실의 거대한 격차는 원래 건설된 체계가 신속하게 총애를 잃고 평판이 나쁘게 되기 쉽다.
많은 기업의 경영진들은 비즈니스 지능이' 1 위' 프로젝트로서의 중요성을 잘 알고 있으며, 프로젝트에 전심전력으로 투입하고, 홍보를 보도하고, 노력을 아끼지 않을 수 있다. 그러나 기획 연구 단계에 이르면 행방을 찾기가 어렵다. 의사 결정 지원 시스템 계획은 기업 의사 결정자의 참여가 결여되어 있으며, 업무 부서의 전문 데이터 통계자나 보고서 제작자는 종종 유사한 역할을 맡게 됩니다. 전략적 수요는 무형이고, 전술적 수요는 무형이며, 의사 결정 지원 시스템은 보고 시스템으로 전락할 수밖에 없다.
많은 기업의 경영진은 비즈니스 인텔리전스의 발전 법칙과 핵심 가치를 진정으로 이해하지 못하고 하나의 구현 프로젝트를 통해' 1 차 세계 대전' 을 희망하지만 데이터 통합, 보고서, OLAP 분석, 비즈니스 모델, 데이터 마이닝, 실시간 비즈니스 인텔리전스는 점진적인 과정이며, 엔터프라이즈급 비즈니스 인텔리전스 역량 센터 구축도 해당 조직 및 프로세스 메커니즘의 보장이다.
지능형 시스템은 궁극적인 목표이고 보고 시스템은 초급 단계입니다. 어느 것이 좋고 어느 것이 나쁜지에 대해 논평할 필요가 없다. 중요한 질문은 비즈니스 인텔리전스 시스템이 온라인 상태일 때 어떻게 이 신생아를' 육성' 하고 기업의 뇌나 중추신경계에' 육성' 할 것인가 하는 것이다. 투입해야 할 것은 인력, 물력, 재력뿐만 아니라 이성, 신념, 열정이다.
비즈니스 인텔리전스 능력 센터 건설 무시
많은 기업, 특히 자동차 회사들은 비즈니스 인텔리전스 프로젝트에 대량의 자원을 투입하여 하드웨어 및 소프트웨어를 구입하거나 컨설팅 회사의 구현 비용을 지불하기 때문에, 시스템이 온라인 상태가 되면 더 많은 자원을 투입해야 하는 것과는 상반된다. 비즈니스 인텔리전스 시스템은 엔터프라이즈급 의사 결정 지원 시스템으로서 일반 비즈니스 시스템보다 훨씬 높은 위치에 있어야 하며, 데이터, 비즈니스, 애플리케이션, 방출된 에너지는 일반 비즈니스 시스템과 비교할 수 없습니다. 따라서 조직, 인력 배치 및 프로세스 메커니즘의 보장도 기업 내에서 비즈니스 인텔리전스가 성장하고 성장하는 기본 조건입니다.
특히 해당 조직 구조, IT 부서 또는 개별 비즈니스 부서 또는 기존 프로젝트 팀조차도 기업 내 비즈니스 인텔리전스의 발전을 지속적으로 추진하는 역할을 수행할 수 없습니다. 한편, 비즈니스 인텔리전스의 촉수가 기업의 모든 측면을 포괄하기 때문에 복합적인 지식팀이 운영을 유지해야 합니다. 한편, 기업 내 각 업무 단위 간의 이익 분쟁, 심지어 기업 정치까지 비즈니스 지능의 핵심 지위를 심각하게 약화시킬 수 있다. 따라서 기업은 독립적인 비즈니스 인텔리전스 프로젝트 운영 기관 (IT 및 핵심 비즈니스 부서의 전문가도 설치할 수 있음) 을 설립하고 기업의 비즈니스 인텔리전스 역량을 촉진 및 향상시키고 기업의 비즈니스 전략을 효과적으로 지원할 수 있도록 작업, 직책, 책임 및 프로세스를 명확히 해야 합니다.
비즈니스 인텔리전스 센터는 BI 설계자, 데이터 관리 전문가, 비즈니스 전문가, 데이터 분석가 또는 모델러, BI 개발자, 비즈니스 단위의 프로젝트 관리자 등으로 구성되어야 합니다. 이와 함께 회사 경영진도 회원으로서 정기적으로 또는 비정기적으로 비즈니스 인텔리전스 센터 건설 및 운영에 참여해야 합니다. 주류 업계의 여러 비즈니스 인텔리전스 능력 센터의 비즈니스 관행은 유사한 기관 설정을 통해 기업 내 비즈니스 인텔리전스 엔지니어링의 발전을 더욱 효율적으로 추진할 수 있으며, 기업의 중추 신경 업무 단위도 될 수 있다는 것을 증명합니다. 외부 도움 없이 기업을 위해 많은 핵심 비즈니스 모델과 데이터 모델을 개발하여 기업에 엄청난 생산성과 수익을 창출할 수 있습니다.
데이터 마이닝 무시
일반적인 비즈니스 인텔리전스 애플리케이션은 설명적인 통계 분석에 더 중점을 두고 있으며, 전통적인 데이터 마이닝은 예측적 통계 분석에 초점을 맞추고 있으며, 이 두 가지가 상호 보완되어 기업 관리를 위한 비교적 완벽한 의사 결정 지원 뷰를 제공합니다. 물론, 데이터 마이닝은 비즈니스 인텔리전스의 고급 발전 단계이며, 그 본질은 통계 묘사에서 통계 예측으로의 비약이라는 이론도 있다. 그러나 자동차 산업의 현실은 비즈니스 인텔리전스 시스템이 급속한 발전기에 접어 들었고 데이터 마이닝은 종종 독립 프로젝트로 존재하기 때문에 체계화되고 표준화되기 어렵다는 것입니다.
상업지능과 데이터 마이닝의 정신은 일맥상통하며 나이와 무관하다고 할 수 있다. 기업은 비즈니스 인텔리전스 계획을 수립할 때 데이터 마이닝 및 해당 모델의 배포 및 적용을 포함한 개발 경로를 포괄적으로 고려해야 합니다. 데이터 통합 단계에서는 데이터 웨어하우스 설계 초기부터 향후 데이터 마이닝의 데이터 품질 및 데이터 양에 대한 요구를 고려하여 데이터 마이닝을 위한 데이터 마트를 점진적으로 개발할 수 있습니다. 비즈니스 애플리케이션 단계에서는 CRM 또는 마케팅 활동 관리 시스템에 내장된 타사 빠른 모델링 도구와 같은 프로젝트 기반 데이터 마이닝 모델과 임베디드 데이터 마이닝 모듈을 점진적으로 통합하는 것도 고려해 볼 수 있습니다. 모델 결과는 비즈니스 인텔리전스 플랫폼을 통해 나타낼 수 있으며, 비즈니스 인텔리전스 플랫폼에서 생성된 비즈니스 분석 결과와 함께 공동 의사 결정 지원을 수행할 수 있습니다.
또 다른 주목해야 할 문제는 자동차 업계의 데이터 마이닝이 막 초급 단계에 들어섰고, 데이터 품질이 나쁘고, 데이터 축적이 적고, 업무 응용이 명확하지 않아 배울 수 있는 경험이 적다는 점이다. 그러나, 그 거대한 예측적 매력으로 인해 자동차 회사들은 종종 데이터 마이닝 프로젝트에 큰 기대를 걸고 있다. 후속 비즈니스 효과 (특히 마케팅 효과) 가 만족스럽지 않으면 데이터 마이닝은 자동차 회사 내에서 골칫거리가 될 수 있습니다. 이러한 현실에서 데이터 마이닝을 비즈니스 인텔리전스 엔지니어링의 발전 로드맵에 포함시키는 것은 비즈니스 인텔리전스의 내포와 응용을 풍요롭게 할 뿐만 아니라 비즈니스 인텔리전스 플랫폼의 통합 우위를 발휘하여 경영진에게 합리적인 발전 기대치를 제공할 수 있는 좋은 선택이다. (윌리엄 셰익스피어, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스)
업계 최고의 경험과 솔루션
많은 자동차 기업들이 비즈니스 인텔리전스 프로젝트를 실시할 때 업계의 선진 경험을 참고하고 업계 솔루션을 참고해야 한다. 원칙과 업무 정신으로 볼 때 실수가 없다. 하지만 현실은 자동차 업계가 얼마나 많은 이른바 선진 경험과 해결책을 참고할 수 있는가 하는 것이다.
업계의 관점에서 볼 때, 통신, 금융, 소비재, 심지어 IT 업계가 일찍 시작되었고, 데이터 축적이 풍부하고, 비즈니스 수요가 많기 때문에, 이러한 업계에서의 비즈니스 인텔리전스의 응용은 이미 비교적 높은 수준으로 발전하여 자동차 업계가 후발자로서 참고할 수 있게 되었다. 하지만 결국, 다른 업종 사이에는 거대한 비등방성이 존재한다. (윌리엄 셰익스피어, 윈스턴, 이별명언) 효율을 실현하기 위해 노력하는 오늘날, 형제업계로부터 빨리 배우는 것은 분명히 불가능하다.
자동차 산업 자체의 분석에서 일부 외국인 소유 기업은 비교적 완벽한 엔터프라이즈급 비즈니스 인텔리전스 시스템을 구축했지만, 해외 모회사의 시스템을 직접 복제하거나 사용하는 경우가 많으며, 비즈니스 애플리케이션은 단일이며 복제 가능성은 높지 않습니다. 일부 합자업체들도 상당한 수의 부서급 비즈니스 인텔리전스 애플리케이션을 구축했지만 대규모 기업급 성공 사례는 거의 없습니다. 자체 브랜드의 출발점은 낮고, 비즈니스 시스템의 대발전 단계에 있으며, 비즈니스 지능에 대한 이해와 수요는 아직 미흡하다. 물론, 외국 국제 브랜드의 성공 경험을 참고해 나가는 길이지만, 중국은 이미 세계 최대 자동차 시장이 되었으며, 시장과 업무의 복잡성과 변화의 효율성은 해외보다 훨씬 높다. 우리의 경험은 이미 다른 사람에게 본보기가 되기 시작했는데, 또 얼마나 많은 곳이 다른 사람이 참고할 수 있는가?
요약하자면, 참고라는 단어는 강해 보이지만 실제로는 매우 믿을 수 없다. 중국 자동차 공업은 반드시 자력갱생, 자기 탐구, 중국 시장의 특색을 지닌 상업지능 발전의 길을 찾아야 한다. 이것이 근본이다.
리셀러의 요청 무시
자동차 산업은 소비자와의 추가적인 리셀러 관계가 있기 때문에 많은 다른 산업과 다르다. 딜러 (그룹) 는 판매와 애프터뿐만 아니라 중고차, 자동차 보험, 자동차 금융, 부티크 등 복잡한 업무도 담당하고 있다. 넓은 의미에서, 그것들은 또한 기업의 가상 지점이기도 하다. 많은 자동차 회사들은 비즈니스 인텔리전스 프로젝트를 실시할 때 데이터 및 정보를 기업의 핵심 기밀로 간주하여 리셀러와 공유하고 상호 작용할 수 없어 비즈니스 인텔리전스 프로젝트의 생존 공간을 크게 제한하고 있습니다.
첫째, 리셀러는 자동차 업체가 고객과 접촉하는 통로이자 자동차 기업의 중요한 데이터 소스입니다. DMS, CRM 등 일부 정보 시스템에 업로드된 데이터 외에도 기업은 불시의 수요에 대비하여 대량의 임시 데이터 또는 "시스템 외" 데이터가 필요합니다. 리셀러의 데이터 수집, 정리, 업로드는 의심할 여지 없이 그들의 운영 부담을 증가시켰다. 그들의 적극성과 데이터의 무결성, 정확성, 적시성을 자극하고 보장하는 메커니즘과 프로세스가 없다면 비즈니스 인텔리전스의 응용 효과는 크게 떨어질 것이다.
둘째, 리셀러는 자체 관리에 대한 의사 결정 분석에 대한 수요도 많지만 자원과 정보의 제한으로 인해 행동하기가 어렵습니다. 리셀러도 자신의 과거 데이터 대비, 경쟁 업체 비교, 판매 실적 순위, 시장 점유율 점유 등을 알 수 있다면. 비즈니스 인텔리전스 시스템을 통해 리셀러에 대한 공급업체의 의견과 제안에 따라 시장 및 판매 전략을 적시에 조정하면 정보 및 분석 결과의 재사용성이 크게 확대되고 비즈니스 인텔리전스 플랫폼의 가치가 가상 조직에서 극대화되어 리셀러와 자동차 업체의 경영 실적을 높일 수 있습니다. 윈윈 (win-win) 이라고 할 수 있습니다.
마지막으로, 많은 자동차 제조업체와 리셀러 간의 관계는 미묘하기 때문에 일상적인 비즈니스 프로세스와 경영 정책을 통해 리셀러의 경영 행동을 정확하게 제한하고 안내하기가 어렵습니다. 비즈니스 인텔리전스 플랫폼을 통해 자동차 제조업체는 리셀러의 위반 (예: 허위 판매, 지역 간 판매) 을 보다 정확하게 파악하고 억제할 수 있으며, 데이터를 기반으로 리셀러에게 보다 과학적인 비즈니스 지침을 제공할 수 있어 리셀러의 신뢰도를 크게 높일 수 있습니다.
유일한 시계
많은 자동차 회사들의 업무 부서는 데이터 수집, 정리, 청소로 인해 업무량이 증가했기 때문에 비즈니스 인텔리전스 엔지니어링에 대해 모순되거나 역행하는 태도를 취하고 있습니다. 데이터 통계 구경이 일치하지 않으면 여러 부서가 찢어질 수 있습니다. 데이터 점검은 많은 역사적 또는 비즈니스 문제, 심지어' 무언규칙' 을 노출시켜 부서와 개인의 이미지와 지위에 영향을 미칠 수 있습니다. 따라서 절충주의는 프로젝트 개발 과정에서 계속 만연할 것이며, 이해 관계자들도 데이터 통합 단계에서 많은' 대체' 방안을 제시할 것이다. 어떤 행동이든 자동차 기업 내 데이터의 일관성에 영향을 미치며 기업 내 여러 "시간대" 를 초래할 수 있습니다. 세계시와 유일한 시계가 없으면 기본적인 데이터 분석은 불가능하다.
OA, ERP, CRM, 재무 시스템 등의 비즈니스 관리 시스템과 같은 자동차 기업이 구축하는 많은 시스템의 데이터 규칙은 각 비즈니스 부서의 요구에 따라 독립적으로 구축되며 독립적으로 운영되어 많은 정보 섬을 형성합니다. 비즈니스 인텔리전스 엔지니어링의 주요 목표 중 하나는 기존의 고립된 정보 상태를 깨고, 엔터프라이즈 데이터 자원을 통합하고, 엔터프라이즈 관리 의사 결정과 전략적 의사 결정을 효과적으로 지원하는 것입니다. 이를 위해서는 자동차 기업의 각 업무 부서의 조정, 지도부의 통합 계획, 중복 데이터 제거, 데이터의 정확성과 일관성 보장, 데이터 웨어하우스 수준에서 기업 데이터 통합이 필요합니다.
데이터의 역사적 유산과' 잠재규칙' 에 대해 자동차 업체 경영진은 관대하게 포용해야 한다. 결국 역사는 바꿀 수 없기 때문에 지금의 주요 정력은 미래에 두어야 한다.
외부 데이터 관리
비즈니스 인텔리전스 엔지니어링의 핵심은 데이터입니다. 데이터 소스가 많고 복잡한 경우 데이터 소스 관리 문제를 해결하는 방법이 특히 중요하며 외부 데이터 관리가 가장 어렵습니다. 외부 데이터는 일반적으로 ETL 을 통해 추출할 수 없는 기업의 관리 데이터를 나타냅니다. 대부분 서로 다른 업무 부서에 분산되어 있는 서로 다른 업무 인력, 심지어 기업의 리셀러와 공급업체까지 분산되어 있다. 이러한 데이터 구조는 복잡하고, 관리가 체계적이지 않으며, 단기간에 자동으로 획득할 수 없으며, 수동으로 수집, 정리, 요약, 정리만 할 수 있습니다. 외부 데이터 관리의 엄청난 어려움 때문에 자동차 기업의 업무 부서는 외부 데이터를 제공할 때 미루고 미루며 비즈니스 인텔리전스 시스템의 성능에 더욱 영향을 미치고 있습니다.
임시 해결책은 비즈니스 인텔리전스 시스템의 데이터 초기화 과정에서 외부 기록 데이터 통합의 모든 문제를 한 번에 해결하는 것입니다. 외부 데이터 추가는 여전히 수동으로 수행됩니다. 또 다른 절충안은 업무 부서가 외부 데이터를 제공하고, 정기적으로 임시 데이터 수집 시스템에 업로드하고, 시스템이 검증 재고를 제공한다는 것이다. 그러나 자동차 기업의 비즈니스 지능의 장기적인 발전으로 볼 때, 외부 데이터의 수동 개입으로 인해 데이터 오류가 발생할 확률이 높아지기 때문에 이는 정상적인 상태가 될 수 없습니다. 시스템 검증을 통해 일부 문제를 걸러낼 수 있지만 문제 데이터 파일의 반환, 재실행, 재검증은 분석 결과를 지연시키고 전체 분석 출력에 영향을 줄 수 있습니다. 더욱 치명적인 것은 일부 외부 데이터의 정확성이며 복잡한 비즈니스 데이터 검증 규칙을 설정하지 않고 식별하기 어렵다는 것입니다. 일단 입고되면 업무 및 의사결정권자의 분석 결과에 직접적인 영향을 미치며 잘못된 분석 결과나 의사 결정 실수를 초래할 수 있습니다. 이러한 문제의 결과는 종종 사후 후에야 비즈니스 지능의 출력을 수동적으로 만들 수 있다는 것을 알게 되며, 기업의 도움이 될 수 없을 뿐만 아니라 기업의 저항이 될 수 있습니다.
장기적으로, 외부 데이터 문제를 해결하기 위해서는 자동차 기업이 지속적으로 자신의 비즈니스 정보 시스템을 개선하고 비즈니스 인텔리전스 시스템에 보다 자동화된 데이터 지원을 제공해야 합니다. 확인할 수 없는 일부 외부 데이터의 경우 외부 데이터 소스와 비즈니스 인텔리전스 플랫폼 간의 전송 스테이션으로 전용 외부 데이터 관리 플랫폼이 필요합니다.
단계별 교육
많은 자동차 업체들이 의사 결정 지원 시스템과 업무 관리 시스템의 차이를 제대로 인식하지 못하고 있다. 비즈니스 지능에 대해 조금 알고 있더라도 비즈니스 인텔리전스 프로젝트 건설에서 단계적 교육의 중요한 역할을 완전히 이해하는 것은 어렵습니다. 비즈니스 인텔리전스 시스템의 구축은 비즈니스 인텔리전스 시스템의 성공을 의미하지 않습니다. 성공적인 비즈니스 인텔리전스 시스템은 사용자가 널리 인정하는 시스템입니다. 어떻게 하면 사용자의 승인을 받을 수 있습니까? 포괄적이고 완전한 단계적 사용자 교육이 핵심입니다.
프로젝트 기획 프로젝트 단계의 홍보 지향 교육은 파일럿 개념 교육이며 모든 참가자의 정치적 각력의 단계이기도 하다. 생각, 비전, 상상력을 풀어주는 것은 필수적이지만, 현실에서 벗어나 비즈니스 지능의 효과를 끝없이 확대해서는 안 된다는 점을 명심해야 한다. 장차 스스로 말할 수 없는 지경에 빠지지 않도록 해야 한다. (존 F. 케네디, 생각명언)
프로젝트 요구 사항 조사 및 상세 설계 단계에서 프로토타입 시스템 또는 프레젠테이션 시스템을 충분히 설계해야 많은 비전문가들이 비즈니스 인텔리전스 기능 모듈의 사용 방법 및 적용 프로세스를 빠르고 효율적으로 익힐 수 있으므로 전체 프로젝트 구현 프로세스에 참여하는 열정을 유지하면서 요구 사항 조사에서 (잠재적) 요구 사항을 더욱 깊이 파악할 수 있습니다.
프로젝트 개발 과정에서 다양한 관리자와 업무 부서의 애플리케이션 특성에 따라 소규모적이고 개인화된 교육을 조직하고, 요구 사항을 심층적으로 파악하고, 설명해야 합니다.
프로젝트 시작 후, 모든 사용자에 대해 보편적이고 대규모 운영 차원의 교육을 실시하고, 경영진에 대한 홍보 교육을 실시하고, 그들의 힘을 통해 내부 홍보를 진행해야 한다. 자동차 기업 내에서 과학적 의사결정과 기업 문화를 점진적으로 확립하다. 동시에, 각 업무 부서에서 주요 애플리케이션 인력을 선발하고, 비즈니스 보고서 및 비즈니스 모델을 개발할 수 있는 능력을 점진적으로 개발하여 비즈니스 인텔리전스 시스템의 핵심 사용자와 상속자가 되도록 해야 합니다.
비즈니스 인텔리전스 시스템의 운영 및 후속 개발 단계에서는 컨설팅 회사와 자동차 업체 간의 지식 전승에 중점을 두어야 하며, 기업 내에서 비즈니스 인텔리전스 센터를 점진적으로 구축하고 보완해야 합니다. 이 센터가 컨설팅 회사의 지원에서 점차 벗어나 자신을 키우고 자동차 기업을 위해 더 많은 비즈니스 애플리케이션을 개발할 수 있도록 합니다.
요약하자면, 서로 다른 단계와 전략에 대한 교육은 자동차 기업의 비즈니스 인텔리전스 엔지니어링의 전체 수명 주기를 관통해야 합니다. 지식과 응용은 힘이고, 계승과 발전은 생명이다.
응용과 문화
비즈니스 지능은 부서, 시스템 및 시스템 일뿐만 아니라 문화, 과학적 의사 결정 문화이기도합니다. 최근 몇 년 동안 자동차 산업의 급속한 발전으로 뜨거운 시장은 자동차 기업의 맹목적인 낙천적인 의사결정문화를 조장하고 있으며, 과학적 의사결정은 단기간에 자동차 업계의 주류가 되기 어렵다. 그러나 어쨌든 비즈니스 지능은 기업의 정치공사와 꽃병 공사가 되어서는 안 된다.
기업 경영진의 개인적 기질은 종종 기업 문화에 미묘한 영향을 미친다. 따라서 비즈니스 인텔리전스 프로젝트가 시작될 때 자동차 기업 경영진은 비즈니스 인텔리전스의 핵심 위치를 확보하기 위해 관련 조직 아키텍처와 프로세스 시스템을 구축하는 동시에 비즈니스 인텔리전스의 응용 프로그램을 학습, 사용 및 개발하는 데 앞장서야 합니다. 물론, 내부 홍보, 홍보, 상벌 조치도 필수적이며, 필요한 경우 더 많은 행정명령을 사용하여 최소한의' 고통' 으로 과학적 의사결정을 하는 기업문화를 만들 수 있다.
동시에, 비즈니스 인텔리전스 문화는 이성적이고 탐구적인 문화이며, 데이터 통합 및 분석 작업은 지루하고, 더 많은 무명과 냉정이 필요하다. 그러나 비즈니스 모델과 어플리케이션의 발전은 유혹과 도전으로 가득 차 있으며, 이를 위해서는 더 깊은 업계 이해와 비즈니스 통찰력, 지속적인 혁신 정신이 필요합니다.
운이 항상 있을 수는 없지만 도를 찾기가 더 어렵다. 상업지능공학이 낳은 과학적 의사결정문화는 상업지능의 지속가능한 발전의 초석이다.