公司相比与个人来说，数据量有着量级的差距。为了企业的长远发展，一个合适的商业智能公司管理平台就显得尤为重要。来自企业产品、运营、供应链、市场营销各侧的数据呈现爆发式增长，越来越多的企业开始意识到利用数据资产的重要性，强调运用数据进行科学化运营，传统的粗放式经营已经成为过去式。然而想要实现利用大数据分析来驱动业务增长的理想蓝图，却面临众多挑战。

一、大数据分析驱动业务增长的现实困境

(一)业务发展为何落人一步?

业务人员决策的主观臆断:业务发展决策时缺少充分的数据支撑。由于内部获取数据及时性、准确性、易用性差，导致业务丧失分析主动性，习惯性被动分析。藉此决策也更多的是依赖于自身的业务经验做出假设判断，这种情况下很容易出现决策失误。

改进缺乏针对性:由于大多分析人员习惯了被动分析，改进维度依赖现有推送的分析结果。分析维度的匮乏导致做出的业务改进缺乏针对性，业务发展事倍功半。

问题解决仅仅停留在表层:治标不治本现象凸显。分析人员为解决实际问题决策时，由于多维度钻取分析成本高，更多的是就发现的问题直接关联维度进行解决，导致一个问题反复出现。

(二)来自分析人员的迷思

分析工作重复单一:“每月/周需要重复处理很多数据、重复做报表，但是不知道怎么用数据，数据分析看起来很麻烦的样子”

二手分析无法满足自身需求:IT 同事给的报表再进行分析的时，没办法根据汇总数据分析问题

分析需求响应缓慢:由于紧急活动想要临时加一个报表分析，但是要排队走流程不能快速响应分析需求

(三)信息部工作者的困境

需求需要反复沟通和修改:“我们统计了下，10几张报表一年下来都反复修改了将近 40 次，而这不算 IT 的绩效”“我也不知道我要什么，但我知道这不是我要的”

无法覆盖业务所有需求:“业务是动态变化和发展的，我们有多品牌和多业务模块，他们要求的粒度非常之细，无法全覆盖到” “人手不够，响应业务加班多，但我们想做更有价值的事情”

有时数据工作缺乏认可:“除了给数据做报表，每天还有非多事情要做，有时还要被业务责怪响应慢” “特别挫败的是，我们给业务做了很多报表，但最后都没有人看 ”

和实际经营业务存在距离:“我们擅长的是数据，但我们不擅长业务，或者说不如业务自身擅长数据，比如财务数据是很难懂的”“业务比 IT 更熟悉数据，把数据交给业务是企业未来的趋势”。

观远数据首创性地提出一整套从敏捷分析（BI）到智能决策（AI）的完整“5A”落地路径方法论，为企业构建智能决策大脑，打破数据孤岛，连通业务人员和信息技术人员，使得业务人员0代码即可输出数据分析报表，实时检测门店数据，大力推进从传统BI到智能分析与决策的成功转型。