数据生产力：企业BI项目建设与运营

经过十余年信息化建设，很多企业都上线了各种业务系统，积累了大量业务数据，具备应用 BI （商业智能）进行数据分析和数据化管理的条件。而如何让BI项目在企业中落地并持续运转，成为很多企业尤其是传统企业头疼的问题。本书聚焦 BI（商业智能）与 BI 项目， 重点介绍 BI 项目的建设流程和运营技巧，并围绕 BI 项目中的场景和人员两大要素，分享了 BI 在零售、金融、 制造、 医疗和教育等行业中的应用案例， 提出了搭建企业数据人才培养体系的方法。 本书阐述了一套较为完善的 BI 项目成功方法论，无论是负责规划企业整体 BI 战略的 CIO 或其他高层管理者，还是负责实施具体 BI 项目的项目经理或 IT 人员，抑或是需要从中配合的业务人员，都可以通过本书了解 BI 项目成功的要点，提升规划、实施和运营 BI 项目的能力。

王文信，帆软数据应用研究院研究主管，《商业智能工具应用与数据可视化》作者，专注于大数据/BI行业趋势和企业数据化管理案例研究，在数据分析、商业智能等方面有丰富的项目和咨询经验。

杨扬，帆软数据应用研究院院长，资深专家，主导建设过银行、电力、通信、石化等行业的多家大型企事业单位的数据分析项目。在数据管控，大数据应用，商业智能等方面有丰富的项目和咨询经验，对企业数据应用有深刻的见解。

详细介绍BI项目建设与运营，市面少有

介绍一套完整的BI项目成功方法论，指导BI项目的建设与运营

超万家企业BI项目成功落地经验的总结，真实可信、可借鉴

提供BI在零售、金融、制造、医疗和教育等5大行业的16个典型业务应用方案与落地实例

多家名企CIO和数据专家倾力推荐

如今谈及企业经营，数据是绕不开的话题。BCG（波士顿咨询公司）在《数字化时代的商业革命》报告中表明“数字化颠覆几乎成为各行各业的‘新常态’”，而数据是关键生产要素这一观点也已然成为共识。一方面，大数据、人工智能等领域新技术不断出现和发展，促成并加速了数据在互联网行业的应用和落地；另一方面，传统行业纷纷启动数字化转型，期待从数据中挖掘更多商业价值。BI（Business Intelligence，商业智能）能整合、组织和分析数据，将数据转化为有价值的信息，为企业管理和决策提供支持，成为企业迎接变革和商业创新的决胜因素。

尽管BI问世已有二十余年，但在国内近几年才开始流行，这和国内企业的信息化发展进程有很大关系。经过十余年信息化建设，很多企业都上线了各种业务系统，积累了大量业务数据，具备应用BI进行数据分析和数据化管理的条件，而且激烈的市场竞争也使企业高层不得不考虑通过精细化运营降本增效。可以说应用BI、建设BI项目是企业从信息化建设迈向数据化管理的重要过渡，是企业信息化进程发展到一定阶段的绝佳选择。

BI的价值虽然可观，但BI项目的建设难度却远超企业想象，没有系统的方法论指导，项目很难达到预期的目标。不同企业的实际情况有很大差异，企业IT团队、BI厂商以及项目外包团队的实施能力也参差不齐。企业是否需要建设BI项目？如果需要，应该在什么时候建设？由谁来建设？建设什么样的项目？怎么建设？此外，BI项目的建设涉及很多具体问题，比如工具怎么选？企业的数据质量怎么样？人员能力怎么提升？项目上线后如何运营？很多企业还没有想清楚这些问题，就仓促建设BI项目，最终导致项目的效果不佳甚至是彻底失败，十分可惜。BI项目应该用于企业数据应用的真正落地，而不是给企业描绘一个无法达成的愿景。

因此，企业需要系统的BI项目方法论。然而纵观市面上的各类BI相关图书，有科普理论知识的，有介绍BI工具或技术的，还有介绍数据分析方法的，但是介绍BI项目建设，特别是BI项目运营的少之又少。一般的项目管理和实施类图书倒是非常多，却又不涉及BI项目的细节和关键要点，对BI项目人员而言只能作为大致的参考。因此，写一本书介绍BI项目的建设与运营方法很有必要，这也是笔者写这本书的主要原因。

笔者所在的企业是一家国内领先的BI产品供应商，累计帮助万余家企业的BI项目成功落地，拥有丰富的经验。笔者将自己的项目经历与公司多年的经验总结成本书，希望为广大企业提供有价值的参考，帮助其BI项目成功落地。

谁适合阅读本书

本书介绍了一套较为完善的BI项目成功方法论，涉及BI项目的规划、实施、运营等多个方面。无论负责规划企业整体BI战略的CIO或其他高层管理人员，还是负责实施具体BI项目的项目经理、IT人员，或需要从中配合的业务人员，都可以通过本书了解BI项目成功的要点，提升规划、实施和运营BI项目的能力。

本书涵盖的内容

本书聚焦BI和BI项目，从BI及相关概念出发，将BI项目方法论与企业实践案例相结合，对BI项目的建设与运营、场景应用和人才支撑等内容进行了重点介绍。全书共6章，结构如图1所示，涵盖的内容可以分为以下四部分：

第一部分：认识BI（第1章），主要介绍BI及相关概念，包括定义、BI的类型、BI的功能、技术和价值等，帮助读者较为全面地认识BI。

第二部分：BI项目的建设流程（第2章）与运营技巧（第3章），系统回答BI项目做什么、谁来做、怎么做，以及如何把项目运营起来等问题。其中，BI项目建设流程介绍了明确需求、工具选型、项目规划与实施方案、项目开发与管理等内容。BI项目不是搭好平台就结束了，BI项目要成功还需要做很多细致的运营工作，主要涉及数据治理、业务模型、人员配合、信息安全等方面的内容。

第三部分：BI在企业实际场景中的应用，包括功能应用（第4章）和业务应用（第5章）。这部分内容的目的是为企业提供案例作为参考，了解BI项目能带来什么价值，给企业带来哪些变化。其中，BI功能应用介绍了数据大屏、移动应用和自助分析的项目方案，BI业务应用主要介绍BI在零售、金融、制造、医疗和教育等五大行业的典型业务应用方案与落地实例。

第四部分：企业数据人才培养（第6章）。BI项目的建设和运营需要的数据人才，既可以对外招聘也可以内部培养，但是数据人才供不应求，而且BI项目与企业的业务、文化、管理等联系紧密，很难招到合适的人，因此笔者建议“招不如养”，在内部培养自己的数据人才。第6章介绍搭建企业数据人才培养体系的方法，帮助企业培养能够成功建设和运营BI项目的优秀人才。

致谢

本书的完成离不开众多客户、同事和专家的支持，在此对你们致以诚挚的感谢！

首先要感谢笔者所在公司（帆软软件）的广大客户，你们的BI项目建设和应用实践为本书的写作提供了大量的案例素材，感谢你们！

其次要感谢帆软的同事，包括项目、市场、产品和行业顾问团队，没有你们对BI的深刻理解和丰富的BI项目经验，就没有本书中的BI项目成功方法论。

最后要特别感谢帆软的袁华杰、许秀鹏、梅杰以及电子工业出版社的许艳，本书的完成和完善离不开你们的宝贵意见和建议。特别是袁华杰，在材料的整理和图书内容的规划上给予笔者莫大的帮助。

再次感谢帮助笔者完成本书的所有人，感谢你们！

由于笔者水平有限，书中疏漏之处还望读者不吝指正。

第 1 章 认识 BI
1．1 BI 的定义及相关概念
1．1．1 BI 的定义
1．1．2 BI 的发展前景
1．1．3 BI 工具、平台、系统、项目
1．2 BI 的类型
1．2．1 报表式、传统式和自助式
1．2．2 本地 BI 和云 BI
1．3 BI 的功能与技术
1．3．1 BI 的功能架构
1．3．2 BI 的主要功能
1．3．3 BI 的主要技术
1．4 BI 的价值
1．4．1 BI 对管理和业务的价值
1．4．2 BI 对企业不同角色的价值
1．4．3 企业应用 BI 前后的对比
第 2 章 BI 项目建设流程
2．1 收集和明确需求
2．1．1 大致需求与详细需求
2．1．2 需求调研
2．2 选择合适的 BI 工具
2．2．1 BI 工具选型要素
2．2．2 企业 BI 工具选型案例
2．3 做好项目规划与实施方案
2．3．1 做什么：确定项目范围
2．3．2 谁来做：组建项目团队
2．3．3 怎么做：设计实施方案
2．4 BI 项目开发与管理
第 3 章 成功 BI 项目背后的运营技巧
3．1 数据治理：从源头控制项目质量
3．1．1 什么是数据治理
3．1．2 企业如何进行数据治理
3．1．3 数据治理实践案例
3．2 业务模型：获取更深入的数据见解
3．3 PDCA 闭环：持续优化 BI 系统
3．3．1 数据、业务和管理闭环
3．3．2 企业闭环管理实践
3．4 团队配合：为业务部门赋能
3．5 高层推动：想办法争取领导支持
3．6 MVP 与数据文化：在企业内部推广 BI 项目
3．7 安全策略：保障 BI 系统安全
3．7．1 技术安全策略
3．7．2 安全管理策略
3．7．3 典型安全防护场景
第 4 章 典型 BI 功能应用
4．1 数据大屏
4．1．1 数据大屏与管理驾驶舱
4．1．2 数据大屏的应用场景
4．1．3 数据大屏的设计与开发
4．2 移动应用
4．2．1 移动数据分析
4．2．2 消息推送
4．2．3 手机扫码
4．2．4 应用集成
4．3 自助分析
4．3．1 自助分析的模式
4．3．2 自助分析的应用与推广
第 5 章 不同行业的典型 BI 业务应用
5．1 零售行业
5．1．1 连锁超市到店客流监测
5．1．2 连锁超市生鲜销售管理
5．1．3 时装企业买手智能下单
5．1．4 便利店自动配货
5．1．5 终端门店督导手机巡店
5．2 金融行业
5．2．1 证券公司全面风险管理
5．2．2 银行网点业务量综合分析
5．2．3 证券公司用户地图
5．2．4 金融机构线上基金路演
5．3 制造行业
5．3．1 生产可视化
5．3．2 物资全生命周期管理
5．3．3 阿米巴经营助力无纸工厂建设
5．4 医疗行业
5．4．1 医院动态电子护理牌
5．4．2 医药企业信用风险管理
5．5 教育行业
5．5．1 校内“一表通”
5．5．2 信息预警
第 6 章 企业数据人才培养
6．1 企业的数据人才困境
6．1．1 需求与供给的不平衡
6．1．2 招聘与培养的矛盾
6．2 搭建数据人才培养体系
6．2．1 对症下药，明确企业需求
6．2．2 因材施教，规划成长路径
6．2．3 职级牵引，强化培训效果
6．2．4 外部借力，缩短培养周期
结语 向 DA 生态系统迈进