비즈니스 인텔리전스(BI)를 사용하면 기업은 대량의 데이터에서 통찰력을 얻을 수 있습니다. 그러나 그렇게 하려면 여러 가지 전략적, 전술적 과제를 극복해야 합니다.
현재 모든 유형의 조직은 다양한 소스의 데이터로 넘쳐나고 있으며 이를 모두 이해하려고 노력하는 데 어려움을 겪고 있습니다. 따라서 강력한 비즈니스 인텔리전스(BI) 전략은 프로세스를 구성하고 비즈니스 사용자가 비즈니스 통찰력에 액세스하고 그에 따라 조치를 취할 수 있도록 하는 데 도움이 될 수 있습니다. BI 전략을 통해 다양한 데이터 소스를 통합하여 사용자에게 정확하고 유용한 정보를 제공할 수 있습니다. BI 전략의 이점은 많습니다. 첫째, 조직이 비즈니스 데이터를 더 잘 이해하고 심층적인 통찰력을 제공하는 데 도움이 됩니다. 둘째, BI 전략은 조직이 대량의 데이터를 관리하고 분석하는 데도 도움이 될 수 있습니다.
시애틀에 본사를 둔 Launch Consulting Group의 우수한 산업 데이터 책임자인 Lisa Thee는 다음과 같이 말했습니다. “2025년까지 우리는 4.63 기업이 시장과의 연결을 유지하고, 반응하고, 소비자와 연결되는 제품을 만들려면 이 정보에서 생성된 통찰력을 활용하는 것이 중요합니다.” 이러한 데이터 양의 증가는 기업이 의미 있는 통찰력을 얻기 위해 데이터를 보다 효율적으로 수집, 저장 및 분석해야 함을 의미합니다. 동시에 소비자와 소통하고 그들의 필요와 선호도에 맞는 제품을 만들 수 있는 기회도 제공합니다. 이 정보를 활용하여 생성된 통찰력은 기업이 더 많은 정보에 입각한 결정을 내리고 경쟁적인 시장에서 경쟁 우위를 유지하는 데 도움이 될 수 있습니다. 이 거대한 데이터 문제를 해결하려면 기업은 고급
비즈니스 인텔리전스 소프트웨어에 투자해야 합니다. 비즈니스 인텔리전스 소프트웨어는 사용자가 정보에 입각한 결정을 내릴 수 있도록 올바른 데이터를 분석 보고서 및 시각화로 전달하여 기업이 이를 수행하도록 돕습니다. 그러나 이러한 도구를 구현하는 올바른 접근 방식이 없으면 조직은 여전히 가치를 극대화하고 비즈니스 목표를 달성해야 합니다.
다음은 기업이 직면하고 있는 6가지 일반적인 비즈니스 인텔리전스 과제와 IT 부서가 이를 해결할 수 있는 방법입니다.
비즈니스 인텔리전스 도구는 기업에서 중요한 역할을 합니다. 초기에 거부감이 있으면 채택률이 낮아질 수 있으므로 모든 이해관계자의 동의를 얻는 것이 중요합니다. 비즈니스 인텔리전스 도구 채택을 추진하는 데 있어 다음 사항이 중요합니다. 1. 명확한 목표: 비즈니스 인텔리전스 도구의 목표와 예상 결과가 명확하게 정의되고 전달되는지 확인하십시오. 이는 이해관계자가 도구의
"우리 비즈니스 인텔리전스 팀의 가장 큰 문제는 비즈니스 인텔리전스가 진정한 데이터 중심 의사결정을 내리는 데 도움이 될 것이라는 믿음입니다."를 이해하는 데 도움이 될 것입니다. Schellman Corporation은 정보 보안, 개인 정보 보호 및 규정 준수를 전문으로 하는 컨설팅 회사입니다. 비즈니스 분석가 팀은 고객이 요구하는 비즈니스 인텔리전스 솔루션을 제공하는 데 전념하고 있습니다. 비즈니스 인텔리전스는 데이터를 비즈니스 운영을 최적화하고 효율성을 높이며 수익을 증대할 수 있는 의미 있는 통찰력과 조치로 변환하는 능력입니다. 오늘날 디지털 시대에 데이터는 어디에나 있습니다.
직원의 동의를 얻기 위해 Stout의 팀은 비즈니스 인텔리전스 대시보드를 구축하여 데이터에 쉽게 연결하고 상호 작용하며 데이터 시각화를 의미 있는 방식으로 통합하는 방법을 보여주었습니다. 대시보드는 주요 데이터의 실시간 업데이트를 제공할 뿐만 아니라 팀 구성원이 데이터를 더 잘 이해하고 활용할 수 있도록 직관적인 방식으로 제공합니다. 이런 식으로 팀원들은 비즈니스 상황을 더 잘 이해하고, 신속한 의사결정을 내리며, 업무 효율성을 높일 수 있습니다
그녀는 "예를 들어 특정 이해관계자가 특정 제품 라인이 수익성이 있다고 생각합니다. 대시보드를 구축할 수 있어 사용자는 다음과 같은 작업을 수행할 수 있습니다." 비즈니스 인텔리전스 도구 채택의 가치를 확인하세요.
2. 귀하에게 가장 적합한 비즈니스 인텔리전스 제공 방법 결정
그러나 셀프 서비스 접근 방식을 채택하는 데 장애물이 있을 수 있다고 스위스 바젤에 본사를 둔 다국적 제약 제조업체인 Novartis의 시각적 분석 글로벌 책임자인 Axel Goris는 말했습니다. 예를 들어, 여러 부서에 걸쳐 너무 많은 액세스 권한을 가지면 비용이 증가하고 비즈니스가 데이터 보안 문제에 노출됩니다. 영업팀이 얻은 모든 데이터를 기반으로 결정을 내리고, 어떤 것이 가장 효과적인지 확인하기 위해 자율성을 갖기를 원하시나요? 도구 출시에 대한 중앙 집중화되고 표준화된 제어 기능을 갖추는 것이 중요합니다. 이를 제대로 수행하려면 IT가 데이터를 잘 관리해야 합니다.
이러한 장단점으로 인해 기업은 현재 비즈니스 애플리케이션에 가장 적합한 비즈니스 인텔리전스 접근 방식을 선택해야 합니다.
Axel Goris는 다음과 같이 말했습니다. “우리를 위해 일하는 외부 직원 외에도 직원이 100,000명이 넘는데, 이는 상당히 큰 사용자 그룹입니다. 제약 회사이기 때문에 배송 조직과 관련된 주요 과제는 배송을 어떻게 구성할 것인가입니다. ”
Goris는 IT 관리 비즈니스 인텔리전스 제공 모델에는 비즈니스의 일부 부분에 적합하지 않은 많은 작업과 프로세스가 필요하다고 설명했습니다.
고리스는 "게임이 너무 복잡하고, 오버헤드가 너무 많고, 더 빠르게 움직이고 더 민첩하게 움직이고 싶어하기 때문입니다. IT가 배송을 선호하는 곳이라면 병목 현상이 발생합니다. 모든 사람에게 배달 서비스를 제공할 수 있을 만큼 충분합니다.”
이 문제를 해결하기 위해 Novartis는 IT 관리 접근 방식과 셀프 서비스, 비즈니스 관리 접근 방식이라는 두 가지 제공 방법을 구현했습니다.
"비즈니스 관리 제공을 통해 우리는 플랫폼과 도구를 제공하고 선호하는 공급업체를 사용하여 특정 매개변수 내에서 비즈니스가 자체적으로 성장할 수 있도록 하거나 팀이 스스로 성장할 수 있도록 허용합니다. 이는 매우 인기가 높습니다."라고 그는 덧붙였습니다. 모든 것은 "비즈니스의 모든 사람에게 어떻게 서비스를 제공할 것인가, 아니면 비즈니스 인텔리전스 사용자가 확장 가능한 방식으로 스스로 서비스를 제공할 수 있게 할 것인가"를 결정하는 것입니다.
기업이 데이터를 통합해야 함을 알게 되면서 온프레미스 및 클라우드의 다양한 데이터 소스로부터(시간이 많이 걸리고 복잡한 프로세스가 될 수 있음) 설정 프로세스를 단순화해야 할 필요성도 증가하고 있습니다. 그러나 많은 사람들이 다른 해결책을 찾았습니다. 예를 들어, 노스캐롤라이나에 본사를 둔 미국의 장난감 기차 및 모형 철도 설계 및 수입업체인 Lionel의 CIO인 Rick Gemereth는 회사가 기록 시스템으로 ERP를 사용한다고 말했습니다.
그는 다음과 같이 말했습니다. "우리의 단일 정보 소스는 NetSuite이며 전체 ERP와 전자 상거래는 NetSuite를 기반으로 합니다. 이것의 이점 중 하나는 서로 다른 데이터를 결합하려고 시도할 필요가 없다는 것입니다. "그러나 Lionel에게 효과가 있는 것이 다른 곳에서는 효과가 없을 수도 있습니다. 문제는 특정 상황에 가장 적합한 솔루션을 찾는 것입니다.
예를 들어 Stout는 고객 관계 관리(CRM)와 재무 데이터의 통합 문제를 해결하는 방법을 설명합니다.
그녀는 다음과 같이 말했습니다. “많은 비즈니스 인텔리전스 소프트웨어는 다양한 소프트웨어의 백엔드인 모든 데이터 테이블을 로드하는 데이터 웨어하우스에서 가져옵니다. 또는 Schellman이 Domo를 사용하는 것과 같은 비즈니스 인텔리전스 도구가 있는 경우 이 소프트웨어에 연결하면 테이블로 가져올 수 있습니다. 그런 다음 정보를 가져와 처리할 수 있도록 모든 테이블을 한 곳에 배치합니다."
Gartner 우수. 부사장 겸 IBM의 분석가에 따르면 일부 사람들은 다양한 사업부 시스템에서 격리된 모든 데이터를 데이터 레이크에 버려야 한다고 생각합니다.
그는 "하지만 그들이 정말로 해야 할 일은 데이터를 관리하고 액세스하는 방법을 근본적으로 다시 생각하는 것입니다. Gartner가 쓴 것은 데이터 구조의 개념입니다."
데이터 구조는 분산 데이터 환경에서 마찰 없는 액세스로 정의됩니다. 의미론적 지식 그래프, 활성 메타데이터 관리 및 내장된 기계 학습을 사용하여 기업이 데이터가 어디에 있든 액세스, 통합 및 관리할 수 있도록 설계된 데이터 공유입니다. Hare는 "데이터 패브릭을 사용하면 데이터가 클라우드나 온프레미스 등 다양한 유형의 저장소에 상주할 수 있습니다. 핵심은 관련 데이터를 찾아 지식 그래프를 통해 연결할 수 있다는 것입니다. 그 핵심은 메타데이터 관리입니다. ."
기업은 최상의 비즈니스 결정을 내리기 위해 필요한 통찰력을 수집하기 위해 고품질 데이터를 사용해야 한다는 통념이 있습니다. 그러나 스위스에 본사를 둔 자동차 시장 부품 유통업체인 LKQ Europe Ltd.의 디지털 혁신 이사인 Nicole Miara는 이 진술이 그다지 정확하지 않다고 말했습니다.
데이터가 최고 품질로 간주되지 않는다고 해서 가치가 없다는 의미는 아닙니다.
의사 결정과 관련하여 기업의 완벽한 데이터에 대한 욕구는 가능한 한 많은 데이터를 수집하고 불완전한 데이터를 수정하거나 형식을 수정하는 데 시간을 소비하기 때문에 노력이 느려질 수 있습니다. Miara는 완벽한 데이터를 갖는 것은 어렵지만 기업은 불완전한 데이터를 사용하고 분석하여 이를 비즈니스 통찰력으로 전환할 수 있다고 말했습니다.
“이 여정을 시작하기 위해 데이터가 완벽할 필요는 없습니다. 이는 단계별 접근 방식입니다.” 또한 그녀는 기본 데이터 계층 없이는 예측을 할 수 없다고 덧붙였습니다.
예를 들어, LKQ 유럽은 코로나19 팬데믹으로 인해 35개월 동안 중단을 겪으면서 공급망 운영을 개선하기 위해 판매 데이터를 포함한 데이터를 적용하려고 노력하고 있습니다. 그러나 회사는 약 12개월 간의 과거 판매 데이터만 보유하고 있습니다.
Miara는 다음과 같이 말했습니다. “송장 데이터를 수집했지만 판매에 대한 추가 정보가 없었기 때문에 불완전한 판매 데이터를 사용하여 미래 비즈니스와의 상관 관계를 찾으려고 노력했습니다. 하지만 이를 기반으로 수요 예측을 개선할 수 있는지 알고 싶었습니다. 이 데이터만으로도 불완전한 데이터가 비록 완벽하지는 않지만 인플레이션 및 고용 지수와 같은 외부 신호와 매우 잘 연관되어 있음을 발견했습니다.”
조지아에 본사를 둔 고급 비닐 및 타일 바닥재 회사인 HappyFeet International의 최고 정보 책임자인 Nick Schwartz는 비즈니스 인텔리전스를 구현할 때 변화 관리가 가장 중요한 과제라고 말했습니다.
Schwartz는 바닥재 업계에서 많은 사람들이 새로운 기술을 사용하지 않는다고 말했습니다. 실제로 Schwartz가 3년 전 회사에 합류했을 때 영업사원들은 업무를 전화로 처리하는 데 더 익숙해졌기 때문에 일상 업무에서 이메일조차 사용하지 않았습니다.
그는 "사람들은 특정한 방식으로 일을 하는 데 익숙하다"고 말했고 그들은 수년 동안 그렇게 해왔고 왜 다른 방식을 시도하는지 묻습니다. 따라서 교육 시간을 연장하면서 경험을 최대한 단순하게 만들어야 합니다. ”
연구 컨설팅 및 컨설팅 회사인 The Hackett Group의 최고 데이터 과학자인 Justin Gillespie는 기업이 데이터 관리, 주요 지표 및 핵심 성과 지표를 포함하여 성숙한 데이터 거버넌스 프로세스를 갖추고 있는지 확인해야 한다고 말했습니다. ( KPI 거버넌스.
그는 이렇게 말했습니다. “내가 접촉한 모든 회사에는 동일한 문제가 있고 사람들이 서로 잘 소통하지 않기 때문에 조직에서 인증한 중앙 관리형 KPI 및 지표 세트를 갖는 것은 열쇠.
Gillespie는 거버넌스에도 표준화된 도구와 플랫폼이 포함된다고 믿습니다. “도구와 기술의 관점에서 보면 도구가 부족해서가 아니라 도구가 너무 많기 때문입니다.”라고 그는 말했습니다. 따라서 기업은 도구 세트를 표준화한 다음 이를 중심으로 숙련도를 구축해야 합니다.
위 내용은 IT 팀이 해결해야 하는 6가지 비즈니스 인텔리전스 과제의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!