기업의 실제 응용 과정에서 비즈니스 인텔리전스의 실패율은 70% 에 이른다. 그 이유는 무엇입니까? 이에 대해 조위동 복단대 소프트웨어학원 부교수는 우리나라 상업지능 성공률이 낮은 것은 주로 다음과 같은 이유라고 판단했다.
1, 시작이 늦어서 많은 사람들이 비즈니스 지능에 대해 많이 알지 못하고 인지도와 참여도가 높지 않습니다.
비즈니스 인텔리전스 1996 은 처음에 Gartner 그룹에 의해 제기됐으며, 지금까지 10 여 년의 역사를 가지고 있지만, 처음에는 외국에서 시작되었고, 외국의 성숙한 정보 시스템과 관리 이념은 모두 비교적 성숙했다. 따라서 비즈니스 지능의 이해와 가치는 매우 인정되지만 중국에서는 다릅니다. 국내 정보화의 시작이 늦었기 때문에, 상업지능의 건설도 외국 상업지능보다 늦었다. 많은 사람들이 비즈니스 지능에 대해 많이 알지 못하며, 현재 보고 단계에 있으며, 동시에 비즈니스 지능의 가치를 제대로 인식하지 못하여 비즈니스 지능이라는 낡은 기술이 대규모로 보급되지 않고 있다.
국내에서 상업지능에 대한 수요는 대부분 사장이 내놓은 것이지만, 상사의 상업지능에 대한 기대는 보편적으로 높다. 기술이나 제품에도 약간의 부족이 있어 현 단계에서 기업들이 상업지능에 대해 그다지 신뢰하지 않는 것으로 나타났다.
2. 기술이 미성숙하다. 현재 보고서, OLAP, 대시보드 및 통계 분석만 성공적으로 적용되었으며 다른 애플리케이션은 아직 개발 단계에 있습니다. 예를 들어 구조화되지 않은 데이터 처리, 저품질 데이터 처리 등 현재 효과적인 유틸리티가 부족합니다.
혁신에서 폭발하지 않으면 침묵 속에서 멸망한다! 자료에 따르면 현재 상업지능의 70% 는 보고, 25% 는 다차원 분석을 하고, 5% 미만은 데이터 마이닝을 하고 있다. 보고서는 business intelligence suite 에서 가장 널리 사용되는 제품이며 거의 모든 업무 시스템에서 보고 도구를 볼 수 있습니다. 보고 도구는 가장 오래된 막대 보고서, 스트리밍 보고서에서 현재 클래스 excel 보고서로 발전했습니다.
데이터 마이닝은 새로운 기술이 아닙니다. 마이닝 알고리즘은 기본적으로 안정적이며 기계 학습 기술도 성숙해지고 있습니다. 그러나 데이터 마이닝은 점점 더 많은 양의 데이터를 처리하는 방법과 마이닝의 지능 수준을 향상시키는 방법에 직면 해 있습니다.
3. 현재 중급시장에서는 외국 비즈니스 인텔리전스 솔루션 공급업체가 시장을 독점하고 있지만, 그 비즈니스 모델은 국내 기업에 완전히 적응하지 못하고 있으며, 국내 비즈니스 인텔리전스 솔루션 공급업체는 제품 무결성과 실행 능력 측면에서 큰 우위를 점하지 못하고 있습니다.
IBM 은 Cognos, SAP, Sybase 등의 인수를 통해 비즈니스 인텔리전스 시장에 대한 독점을 강화했습니다. ERP 가 보급되면 비즈니스 지능이 미래의 주도 시장이 될 것이라고 생각하는 사람들도 있다. 상업지능시장의 관점에서 볼 때, 외국의 상업지능서비스업자는 제품과 기술 방면에서 어느 정도 우세하지만, 외국의 상품은 분명히 외국의 특색을 가지고 있다. 비즈니스 모델의 경우 국내 기업의 모델에 완전히 적응할 수 없으므로 외국 비즈니스 인텔리전스 제품과 국내 기업의 비즈니스 모델을 통합하는 방법이 CIO 의 관심의 초점이 될 것입니다.
국내 비즈니스 인텔리전스 서비스로 볼 때 로컬라이제이션의 우세는 있지만 전반적인 실력이 부족해 혁신에서 외국 서비스업체보다 약간 뒤떨어졌다. 그 결과, 여러 가지 요인으로 인해 상업지능 시장에서 외국의 상업지능 서비스 업체들은 여전히 계산을 하고 있으며, 상업지능은 단기간에' 기후' 를 형성하기가 어렵다.
비즈니스 인텔리전스 기술 및 비즈니스에 익숙한 인력이 부족합니다. 비즈니스 인텔리전스 시장이 해마다 빠르게 성장함에 따라 수량과 품질면에서 기업의 요구를 충족시킬 수 없습니다.
2 1 세기의 가장 중요한 것은 인재입니다! 예, 아무도 없다면 아무것도 할 수 없습니다. 현재 상황으로 볼 때 IT 직원은 많지만 비즈니스 인텔리전스 기술과 비즈니스 인력을 모두 아는 사람은 매우 적다. 기업 정보화 건설과 마찬가지로, 비즈니스 지능이 부족한 것은 복합적인 인재이지, 단일 기술이나 업무원이 아니다.
기업은 복합적인 인재가 필요하다. 현재 이런 인재는 확실히 비교적 희소하다. 한편으로는 인재를 양성하는 데 드는 비용이 높고, 그에 상응하는 인재도 위험하기 때문에 기업들은 밑바닥부터 시작하는 것이 아니라 프로젝트를 직접 인수하려는 사람들에게 더 많은 관심을 기울이고 있다. 이는 상업지능의 진보를 가로막는 요인 중 하나다. 만약 제품이 있다면, 아무도 실현하지 않는다면, 그것은 실패할 수밖에 없다.
5. 비즈니스 인텔리전스 프로젝트의 소프트웨어와 하드웨어는 비싸고 위험합니다.
현재 비즈니스 인텔리전스의 주요 서비스 공급업체는 거의 모두 외국이다. 해외 비즈니스 인텔리전스 제품은 국내 비즈니스 인텔리전스 제품보다 비용이 더 많이 들고, 기업이 비즈니스 인텔리전스 시스템을 구현하는 데 필요한 하드웨어 및 소프트웨어 비용이 더 높습니다. 또 현재 성공률이 그리 높지 않아 기업에 미치는 위험도 크다.
국내 비즈니스 인텔리전스 제품은 가격 및 로컬라이제이션에 큰 장점이 있지만, 외국 제품보다 제품이 좋지 않고 대량의 데이터 처리를 위해 제 3 자가 제공하는 도구에 더 많이 의존하는 등 부족한 점도 많습니다. 대기업에게 국내 비즈니스 인텔리전스는 그들의 요구를 충족시키기가 어렵다. 따라서 기업에게 마지막 비즈니스 인텔리전스의 위험은 마지막 ERP 세트 못지않다. 따라서 이 분야에 투자하는 것은 신중하다. 고위험이 반드시 높은 수익을 가져오는 것은 아니므로 기업이 위험을 줄이는 데 도움이 되어야 비즈니스 지능의 보급을 더 잘 추진할 수 있다.
6. 비즈니스 인텔리전스 프로젝트의 수요는 일반 애플리케이션 시스템의 수요보다 더 복잡하고 파악하기 어렵다.
시장 추세를 파악하고 판매 이윤을 높이는 것이 기업의 궁극적인 목표이다. 기업 관리가 날로 과학화되는 오늘날, 어떻게 정확하고 시기적절한 생산 경영 결정을 내리는 것은 기업 사장들이 직면한 심각한 문제이다. 이를 위해서는 의사 결정자가 적시에 판매 정보를 정확하게 포착하고, 판매 상황을 분석하고, 역사적 판매 상황에 따라 언제든지 다음 생산 경영에 대한 과학적 결정을 내려야 합니다. 판매 분석에 필요한 기본 데이터는 판매, 재고, 재무, 인력을 포함하며 판매 계약을 중심으로 인력 성과, 외상 매출금, 재무, 재고 등의 관점에서 분석할 수 있으며 판매 추세, 제품 수요 추세 등 보조 의사 결정 정보를 제공합니다.
비즈니스 인텔리전스 시스템은 기업이 해결해야 할 문제에 따라 기업이 적절한 분석 주제와 지표를 구축하고, 비즈니스 시스템 기본 데이터베이스에서 필요한 데이터를 추출하고, 사전 설정된 비즈니스 모델을 기반으로 분석 및 의사 결정을 내릴 수 있도록 지원합니다. 분석 결과가 직관적이고 생동적이다.
이론적으로는 비교적 간단하지만, 실제 응용 과정에서, 업무의 끊임없는 변화로 인해, 기업의 비즈니스 인텔리전스 프로젝트는 단기간에 업무의 변화에 따라 제때에 조정하기가 매우 어려워, 비즈니스 인텔리전스 프로젝트의 수요가 OA 와 같은 일반 응용 시스템의 수요보다 더 복잡해졌다. (윌리엄 셰익스피어, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스, 비즈니스 인텔리전스) 다년간의 운영 및 유지 보수가 없는 전문 BI 인재는 전체 BI 프로젝트를 통제하기 어렵다.
비즈니스 인텔리전스 시스템을 발견하는 것은 기업 관리, 운영 관리, 정보 시스템, 데이터 웨어하우스, 데이터 마이닝, 통계 분석 등 다양한 지식을 포괄하는 복잡한 시스템 엔지니어링입니다. 따라서 사용자는 적절한 비즈니스 인텔리전스 소프트웨어 도구를 선택해야 할 뿐만 아니라 프로젝트의 성공을 보장하기 위해 올바른 구현 방법을 따라야 합니다.
상업 지능 시스템의 건설은 장기적인 임무이므로 한 번에 이룰 수 없다. "건설, 사용, 출출" 사상의 지도하에 업무 부서의 실제 수요에서 통계 보고서는 프로젝트의 1 단계 목표가 되어야 한다. 데이터 분석에서 데이터 마이닝까지, 정보로부터 지식으로의 전환을 점진적으로 완료하고, 결국 경쟁 우위와 진정한 이익을 얻습니다.