[[184948]]

商業智能解決方案對于一些企業來說，可能是一個欺騙性的解決方案。許多企業聲稱商業智能軟件解決方案實際上只能提供所需功能和效果的一半。

重要的是區分兩種類型的業務分析和智能工具：端到端解決方案和僅是前端的解決方案。端到端解決方案由平臺后端組成，基本上是處理準備所有數據的工具和算法，以及創建數據可視化和儀表板報告的前端。

雖然人們喜歡看到其數據易于處理可視化，但只有這樣的平臺還不足以從企業的數據獲得真正的見解。使用數據可視化工具，從他們的名字可以想象其作用，人們沒有所有的初始，背景階段的準備和加入的數據。這意味著用戶需要首先具有可以送入軟件的數據，即預先制作的中央數據庫。

當涉及企業需求時，這兩種類型的軟件之間的區別是顯而易見的。人們需要明白的是，可視化雖然很重要，但不能成為強大的商業智能軟件的***組件。

了解背后的故事

采用儀表板非常簡單，因此，大多數用戶將清理和鏈接進入業務報告的大量的數據這些所有在幕后進行的工作視為理所當然的工作。隨著質量較差的數據在許多不同的平臺和數據庫上傳播，必須進行工作以創建從其開始分析的基礎。在一天結束時，準備數據分析可能需要一個典型項目的80%的時間。

為了有效分析的目的，工作人員首先需要把所有的數據放在一個中心位置，希望能夠更新和更改它，同時仍然能夠使用相同的數據源。然而。如今為業務創建數據存儲庫不是那么簡單。

企業用于收集數據的大量平臺和軟件工具(從Excel到Salesforce，從GoogleAnalytics到CRM軟件)使得幾乎不用人工完成，并創建一個數據庫。此外，不同的來源和用戶，錯誤命名，過時和凌亂的數據是不可避免的。

由于缺少內置后端組件來自動執行同步和清理過程的工具，工作人員可能花費大量的時間只是為了弄清楚報告發生了什么。并最終會在每次添加新數據時重復相同的工作，或者甚至投資其他軟件來做這樣的工作。很多時候，工作人員不能得到真正有趣的見解。

實時更新和協作

為了使分析工具對組織真正有用，必須不斷更新分析工具以考慮變化。但是，這可能很容易導致企業在更新時形成瓶頸。沒有準備可視化工具將從分散的源中提取數據的能力，這些數據源很容易與訪問它們的多個協作者不同步。然后工作會得到一個大量混亂的不同數據與不可靠的儀表板和報告，因為它變得非常難以掌握。企業訪問數據源并更改或更新數據源的用戶越多，其所犯的錯誤越多，使用系統的難度就越大。

商業智能軟件應允許多人一起協作并更改現有數據集。使用端到端解決方案，企業可以獲得使用集中式數據存儲庫的好處，并能夠以任何方式組合數據。任何用戶在服務器上運行的任何查詢都將依賴于一個版本的真相并解決矛盾的報告。

將“情報”放在商業智能中

一旦工作人員在一個地方獲得所有數據，分析就歸結為解決涉及幾組數字的復雜計算。這可以在有限的程度上由諸如Excel的程序來完成。但問題是，工作人員必須做大量的手動工作，每個計算發生。對于更深入的分析，工作必須創建多階段公式，同時執行多個計算。例如，要計算每月的平均總銷售額，需要同時計算所銷售的所有商品的總和和平均值。

可視化工具專注于報告數據而不是分析數據，因此它們只使用限制性平臺來限制每個公式可以輸入的聚合數。要使其工作，工作人員必須在進行計算之前匯總數據。換句話說，不是同時計算和和平均值，每個步驟必須單獨進行，在保存之后，然后一起計算。

使用端到端解決方案可以避免這個繁瑣的過程，因為這些使用戶能夠創建在單獨來源中工作的復雜公式。該軟件自動執行所有必要的預計算，允許工作人員直接跳過之前的信息。

如果企業要查找的是一個漂亮的報告，則數據可視化工具可能會適合。但是，當它歸結到數據分析的根本砂礫，他們絕對是不夠的。BI軟件是端到端的，并且結合了可以處理大量雜亂數據的健壯的后端對于大多數企業是至關重要的。