针对为什么BI普及率低，CIO应如何在企业内部署普及化商业智能的问题，我们可以大致分析一下其中的原因，然后再寻找合适的对策。

一、BI普及率低的原因

BI普及率低的原因有很多，从我所接触的大量企业来看，主要原因有以下几个：

1、企业BI没有真正起到辅助决策作用

企业一说上BI，就大张旗鼓，最后只是变成一个面子工程（当然，有很多时候面子工程也很重要），最后也出来一个个大屏，一份份很好看的报告，但是，这些东西实际上并没有真正让用户用起来，没有真正变成可以用于驱动决策的有用之物，自然慢慢的就没人去用了，再漂亮的驾驶舱、对各种花哨图表也审美疲劳了……

2、企业BI难以起效的客观原因：各种数据与系统信息化的矛盾

有很多时候，企业BI不能落到实处，也是有它的客观原因的，比如有很多业务人员即时记录的数据没有系统化，有些保密的数据不能系统化，有些还不是很规范的数据不能系统化，还有些难以避免的即时调整的数据，很难在规范的系统里快速地体现出来……

这些客观的原因都直接导致了最终的结果并不是业务人员想要的，自然就没法用起来。

3、业务人员对BI的需求：业务所想快速转化为决策所得

企业BI在上线过程中很难避免会碰到以上问题，但是，对于业务人员来说，他们的需求却是这样子的：

二、如何在企业内部署普及化商业智能

那么，对于很多企业来说，要如何在企业内部署普及化商业智能呢？

首先，我们看一下从数据到真正产生价值的过程是怎样的。

要使数据产生价值，除了将数据转化为业务人员容易看得懂的图表，同时，还必须非常方便地通过各种维度的组合分析发现问题，找到原因并建立长效的经营改善机制。

经历探索发现过程，体会数据及指标的真正涵义，将为企业发展提供更有效的决策和动力。

然后，我们可以看一下现在企业数据到BI应用之间的产品系列，大致可以分为三个层面：

• 业务系统或Excel手工数据
  

• 敏捷BI
  

• 企业级BI
  

从数据分析的角度，他们三者之间的特点比较大致如下：

敏捷BI（也称自助式BI）的产品很多，比如微软的Power BI、Tableau或很多企业级产品里带的自助式BI模块等等，因为敏捷BI产品的轻便、易用性，使得很多业务人员可以自己掌握并快速将大量的手工、业务系统或网络数据整合到一起，而不需要经过IT人员干预的漫长过程，所以能很好地解决上述数据无法系统化等等问题，所以，业务人员可以快速的用于数据的整合分析，并且辅助决策。

因此，个人认为，对于很多企业来说，可以先考虑敏捷BI的注入，从一个部门开始，通过敏捷BI来对数据分析进行探索应用，在帮到业务人员的同时，不断的寻找对业务决策真正起作用的内容，然后再通过企业BI进行固化、应用——当然，如果有条件的，可以直接投资，同时开始相应的项目。总之，核心在于：用敏捷BI探索机会，以企业BI固化应用。

之前写了一篇文章：人工智能还没来，企业信息化要怎么做？原文链接：https://www.toutiao.com/i6514989366790586883/

比尔盖茨说过这样的内容：

“任何技术在一个业务中使用的第一条规则就是，将自动化应用到一个高效的操作上将会放大高效。第二条就是自动化应用到一个低效操作上，则放大了低效。”

整个社会都在讨论商业智能，但是目前商业智能，实际上和人工智能有类似的问题，就是如果做的不好，很容易变成“商业智障”。所以现在更多的集中在“数据可视化”。

所以我们现在最应该而且需要做的事情，就是：积累数据！

那么现在能够做的有如下的内容：

1# 例如对于采购申请的流程优化

1）可以让发起申请单的人知道他们的预算，这样就不会因为超支而被拒绝；

2）可以通过控制不同的额度的审批环节来进行流程的优化，比如超过10000元的才需要财务主管进行审批。

3）对于轻流，还能实现在连接两个工作流的过程中，可以用轻流来自动化采购申请单到订购单的流程。通过q-robot来触发订购单，所有采购申请的单据内容就会自动的在订购单中进行创建。

4）可以把订单再与财务流程进行连接，通过工作流自动化，就实现了三个不同部门的三个不同子流程之间的相互连接。

2# 在工作流中录入供应商信息

通过“数据关联”的功能，可以让数据在不同的流程之间进行调取。

每一次采购自动关联出供应商的信息，而不用每次进行重复的录入数据。甚至可以把供应商也加入业务流程中。

3# 如果审批总是不能按时进行

1）通过设定邮件通知，可以点击进入审批页面，免去登录和查看。

2）减少所有“无用审批”的内容，尤其是那些需要再走一遍流程的内容。

3）设置“抄送”，有些只需要主管进行“知晓”，而不一定需要他进行审批。

4）效率看板，能够通过彼此之间的对比，来促使大家提升效率。

4# 最后的落脚点是什么？

不断优化！

不谈BI，不谈人工智能。这些工作流优化技术，都是非常基本而且可以随时开始的优化点。

商业智能BI在数据架构中处于前端分析的位置，其核心作用是对获取数据的多维度分析、数据的切片、数据的上钻和下钻、cube等。通过ETL数据抽取、转化形成一个完整的数据仓库、然后对数据仓库的数据进行抽取，而后是商业智能的前端分析和展示。

先来说说第一个问题吧，BI的普及率为何低？