以不同方式使用相同数据的团队之间的协作

发布的讨论主题的标题是“商业智能与商业分析：有什么区别？” 最初的发帖人是对我来说，线程主题是一个古老的栗子，让我回到了 2009 年初令人兴奋的日子。那时候，大数据可能不仅仅是中的闪光，但它已经尚未上升到目前媒体无处不在的水平。 怀旧不足以让我开始引用我当时的各种文章[2]，我也不打算评论 Information Builders 工具集的优缺点。相反，我更感兴趣的是根据澳大利亚保险集团的Peter Birksmith发表的一些评论进行的不同讨论。 更多阅读 汽车行业的人工智能 人工智能正在永远改变汽车行业 中小企业使用人工智能驱动的财务软件来提高效率 经济高效地开发 AI 软件的关键策略 人工智能正在推动全渠道营销的巨大变化 借助 AI 最大限度地减少企业主的税收减免 Peter 谈到了在同一源数据上执行的两个工作流。它们是商业智能 (BI) 和信息分析 (IA)。我会让彼得自己解释更多： BI 仅根据已转换为业务需求并加载到表示层的数据源生成报告。这些报告展示了 KPI 和业务指标以及以纸张为中心的消费布局。

分析是通过完成的

尽管这种分析正在被 取代生成 BI 意义上的传统报告，相反，该报告是基于来自源的原始数据的趋势和预测。IA 中的想法是以原始形式获取所有数据，然后分析这些数据以构建基础 KPI 和指标，但不是实际的业务指标（如果这有意义的话）。然后将此信息传回 以转换并生成 KPI 业务报告。 我对 提到的双流很感兴趣，鉴于我对保险组织及其运作方式有一些经验，我写下了以下回复 嗨，彼得， 我认为您是在建议一个组织 Whatsapp 手机号码列表 和技术框架，其中源数据分叉并通过两个并行流程和两个不同的“部门”。一方面，有更传统的、结构化的、可控的和基于规则的转型；可能是许多人共同努力的结果，也许主修技术方面——我们称它为另一方面，更流畅、更分析（在最初的意义上——这个形容词被误用了很多）和更不受控制（注意，我不一定贬义地使用这个词）转换；可能更加强调具有特定业务知识并且熟悉与该领域相关的统计技术的个人（尽管可能作为团队的一部分）的技能和见解 – 让我们称之为 只是为了清你似乎在谈论这两个流建设性地相互干扰（我最近一直在考虑射线晶体学。

因此来自影响的见解

和转换（可能下降到伪代码甚至代码）可能会被大量采用。 我同样会假设，如的居民在他们的工作中表现出色，那么他们创建的结构、数据集和主数据（可能是在事情变得多维之前的过程的早期）可能会使作更有效率。因此，这应该是两个小组的协作练习，专注于为组织增加价值的相同目标。 如果我有这个权利（我意识到的一个假设）那么这一切看起来都很熟悉。鉴于我们都有保险经验，这听起来像是一个优秀的以信息 ALB目录 为中心的 IT 团队如何与精算或风险敞口团队互动。当我在保险业建立成功的信息架构时，在向所有部门和所有级别的员工提供强大、协调、易于使用的信息的同时，我还创建、维护和扩展了数据库，以便使用这些更具统计意义的——专注的员工。 这些数据库往往基于原始数据，随着来自主要 IT 流 的结构已应用于这些详细的存储库，它们变得更加有用。这可能包括连接关键表，这样分析师就不必每次都自己重复，进行一些基本的数据清理，或者标准化业务实体，以便可以更轻松地组合不同的数据。你当然是对的，来自见解也经常影响的方向。