川维吧当商业世界快速发展时，传统的商业智能就不起作用了，企业需要采取一些应对策略。

　　一位IT专家表示，他在处理数据方面有20年的时间。虽然有时很难相信，但这是事实。虽然自从他第一次学会在InterBase数据库上编写一些结构化查询语言以来，发生了很大的变化，但很多语言都保持不变。事实上，就像过去几年一样，即使是拥有最新技术堆栈的个人和企业也在不断尝试对其数据和分析功能进行现代化改造。

　　“尝试”在这里是关键词，因为它带来了一些经验和教训。现代化不仅仅是购买最新技术，它是关于所有工具如何组合在一起，以及如何将新技术应用到其生态系统中。

　　然而采用商业智能还有一段路要走。在调研机构最近发布的一份调查报告中，对880多名首席营销官（CMO）进行了调查，其中74%的受访者表示，他们的公司仍未完全接受业务流程、产品和服务的数字化。新技术的兴起意味着现在更难跟上当前趋势，超过三分之一（40%）的首席营销官表示，数据渠道和来源的数量使得长期规划变得更加困难。然而，其发展速度只会加速而不是放缓。

　　从经验可知，商业智能(BI)的传统方式不再有效。它有可能让企业的员工变得士气低落，情绪低落，因此企业对有效商业智能的需求从未如此强烈。

　　Dresner咨询服务公司在2019年发布的《商业智能市场研究》报告证明了这一切。在参与这项研究的数千家企业中，超过一半（55%）的企业表示他们计划增加商业智能投资。然而，无论被调查机构使用了多少商业智能工具，只有28%的企业将其商业智能工作归类为“完全成功”。

　　好消息是有一条通往商业智能成功的途径。它涉及我们所谓的商业智能杠杆作用。怎么得到它？首先，仔细研究任何业务的两个重要组成部分。

　　许多商业领袖已经投资于多种数据工具和平台。每一个都可能是经过精心挑选的，而且每一个都可能是为了满足特定的业务或数据问题而选择的。但作为一个整体，它们实际上加起来可能小于它们各部分的总和。商业智能杠杆是指将这些投资联系起来，并扩大它们的影响力。

　　以首席信息官的角色为例——在不确定和不断变化的环境中看到全局，了解多种工具如何相互作用和影响。这些都必须得到成功的管理，同时首席信息官满足对其知识和能力的日益增长的需求，因为他们的工作超出了制定和领导技术战略的核心职责。

　　以下是商业智能专业人员可以用来解决组织范围内的技术管理和所有权问题的四种策略：

　　●利用应用程序编程接口(API)来集成系统，以便它们可以相互通信并保持一致。这可能意味着在系统之间拉取数据或推送数据以鼓励协同作用。

　　●确保企业拥有低代码和高代码工具的组合，以便许多人都能参与其中。但是低代码和高代码需要能够相互通信并相互构建。

　　●知道何时适应，而不是更新。在通常情况下，企业面临的问题不会像提供解决这些问题的技术那样迅速改变。现有技术的有效扩展和增强通常是解决商业智能挑战中最困难的部分，而不是在自己的孤岛中不断添加更多新技术。

　　企业需要考虑什么时候该“淘汰”一个工具。认识到它可能对企业的员工和团队结构产生的影响，并确保解决有时因失去工具而带来的痛苦。

　　虽然企业在工具上投入了大量资金，但他们也在员工身上投入了大量资金。人员和数据是企业最宝贵的资产，因此必须建立其商业智能团队，以便以速度、敏捷性和规模为业务服务。而企业聘请数据科学家、数据工程师和分析师是一项巨大但必要的支出。但是如果没有正确利用它们，可能会浪费宝贵资源——例如如他们从事错误的项目或专注于不优先考虑的计划时。商业智能杠杆包括充分利用企业对人员的投资，防止出现这些问题。

　　●授权业务用户进行微小的更改。拥有博士学位的行业专家无需在报告中添加列或更改图表的颜色。这些是普通团队成员可以在业务中快速处理的事情。通过授权业务，它可以更快地响应不断变化的业务环境。

　　●拥有可以以有意义的方式将数据科学带入生活的工具。数据科学不能是一个黑洞。借助数据科学的力量大规模赋能业务；不要把它锁在孤岛里。这些工具可能包括实时数据可视化程序、数据集成/转换或嵌入式分析。

　　●建立一些小问题的解决方法，由分类团队来回答，而不是那些可以轻松在其他领域增加价值的专家来回答。小问题也很重要，它们应该传达给那些经过培训能够回答它们的人员，并且有时间全神贯注地回答它们。

　　传统商业智能在飞速发展的时代已经落后。因此，商业智能专业人员能够越快地检查他们的工具和人员的工作方式，并开始实施解决低效率问题的步骤，就会变得更好，业务也会变得更好。得益于更快的自动化，过去需要数周才能完成的关键流程可以更快、更大规模地完成。投资于数据驱动的决策工具和实践的企业是那些获得回报的企业。人们可以确定的一件事是世界将不断变化。而企业投资于商业智能杠杆将确保其组织和数据能够随之改变。