观远数据智能决策峰会 | 50+金句汇聚数据驱动业务增长力量

✦  数据本身不是个IT的问题，从本身数据运营以及数据质量角度来讲的话，它是一个纯业务的话题。

✦  让用户用起来，得先从企业BI的技术平台、技术架构以及工具选择，来释放用户的活力和灵活性。

✦  真正让业务部门用起来，能够实现在讨论业务的过程中，我们拿数据说话。

✦  2022是国内BI行业的变局之年，报表时代开始进入消亡，现代化BI全面加速崛起。

✦  现代化BI的最大价值，是让业务快速、广泛、活跃地用起来。

✦  VUCA的大环境下，先进组织已经通过现代化BI构建了企业级的敏捷决策能力，将数据分析能力转化成了企业的竞争优势。

✦  如何让业务用起来？3个关键词：易用性、企业级、场景化。

✦  “场景”是数据分析的眼睛，聚焦一个个业务场景，解决一个个具体而真实的业务问题。

✦  “以客户的成功，定义观远的成功。”

✦  新形势下，我们倡导更务实的数字化建设理念，建议CIO/CDO重点抓住业务用户活跃度这个可落地可追踪的关键指标。

✦  让业务用起来，是未来十年中国现代化BI的新范式，2022年，我们在不同行业已经有了越来越多的先进标杆。星星之火，可以燎原，也必将燎原。

✦  围绕易用性、企业级和场景化三个特性，我们做了大量产品研发和迭代，只为让业务可以更广泛、更活跃、更深度地使用起来。

✦  业务变化太剧烈，最懂业务的还是业务自己。低门槛的数据应用和门户产品，才能让我们的业务人员自主实现业务分析诉求。

✦  企业级的产品要做到1+4（一站式+高性能、高稳定、高管控、高扩展），其背后是面向未来的云原生、大数据、AI融合等一系列企业级诉求。

✦  非常重要的一点是围绕各种各样不同的场景，一定要让数据分析融入到企业业务的标准流程里边，数据得到应用才能享受到真正的便捷性。

✦  业务能够自主地把数据用起来，一定是感受到数据对他们带来了工作上的帮助和便利，甚至能够直接提升工作成效。

✦  只有降低数据分析的使用门槛，加大数据分析人员自主用数的积极性，才能让一线数据人员便捷高效地产出数据成果，提高产能。

✦  一线人员能够随时随地看到数据，对数据有想法时能够随时随地进行分析和验证，这样才能激发用户的数据创新意识。

✦  我们各个部门从底层都知道，全链路最优是追求的结果，也是做策略调整的初心。

✦  数据驱动不但要定性地辅助决策结果，还需要定量地提高决策的频率，缩短策略落地的时效。

✦  正因为观远对于过程的透明展示，才使得从简单评价优劣的沟通，转变为运营人员主动调整策略系统里的某一条策略，来优化决策的细节。

✦  AI+BI不是说完全不需要人，这是一个人和系统更好的结合。

✦  团队必须要有一个BI的dashboard才能够更加直观地感受到数字化带来的效果，才能够愿意去应用它。

✦  光是上一个系统，而没有一个流程的变化，或者不能让大家的生活、工作变得更加简单，那系统是不会上得非常顺利的。

✦  数据可视化的本质是便于数据的对比分析和业务洞察。

✦  缺少BI培训，会造成业务部门不会用也不敢用的尴尬境地。

✦  打江山大家有一个普遍共识是靠营销，而守江山我们是要靠运营。

✦  重复决策的稳定结果是快速迭代的一个前提。

✦  BI并不仅仅是对内服务，它可以做到更多的对外赋能和帮助增长业务。

✦  更重要的是真正将操作及时性的优化，落到了一线的管理人员，甚至落到一线的操作人员。

✦  系统每天都在生产数据，但生产的数据却放置不用，那简直就是暴殄天物。

✦  BI最需要解决的就是简易化。

✦  BI可以让我们的数据表格变成图表，让异常被一眼展现。

✦  我们更应当去建立一套科学、清晰的科技投入与价值产出的衡量机制，以持续洞察并校准数字化转型的业务价值属性，促进管理层精准决策，支撑数字化长期战略的执行。

✦  科技创新绝不仅仅是科技的事，一定要跟业务价值结合，才能够把在数字化时代下的IT整体价值进一步显性化。

✦  业务自助分析决策，让听到炮火的业务一线指挥战役。

✦  企业数据应用的最佳状态就是让业务能够及时拿到准确符合业务需求的数据，快速帮助业务做出决策。

✦  BI能够帮助业务能够更方便地获得数据，找到背后的业务含义，效率是第一位。

✦  BI最重要的一个工作是产生洞察，洞察的目的是为了决策，决策一定是要可落地，才最有价值。

✦  数据价值的体现除了要有完善的数据基础和稳定易用的分析平台，更需要懂数据、懂业务的分析人才，打通数据分析价值链。

✦  我们践行开放融合的理念，将技术与业务相融合，让IT人员了解数据背后的业务含义，也让业务人员了解前沿的数据分析技术。

✦  数据分析是从数据资产到价值决策纽带的一个过程。

✦  业务是掌握业务逻辑同时提问题的人，最终也是做决策的人。

✦  让每个人都能通过数据找到有用的信息，这比培养一个熟练高效的数据分析团队更有价值。

✦  数据扩张的过程不光是技术上的挑战，更是对整个体系思维、整个体系运转逻辑的挑战。

✦  整套数据产品体系的目标在于将更多的数据能以一种合理的、便捷的方式开放给所有人，帮助业务可以轻松地获取到自己需要的数据。

✦  体系化的指标一定是牵一发而动全身，可微观也可宏观，可盐也可甜。

✦  指标背后的逻辑实际上指向的是商业模式和经营策略。

✦  经营分析相比于用户分析、品类分析、策略分析，需要做的是业务上下游的统筹，透视整个业务过程链路的问题点。

✦  有价值的分析结果加上被消费，再加上持续的迭代，才能让数据价值流动起来保持生命力。

✦  对于单个用户来讲，价值就是数据是可见的、可得的，并且可以个性化的。

✦  不同的业务需求，不同的项目阶段，需要找到一个最合适的数据赋能方式。

✦  本质的问题是怎样通过数据和算法去提升整体的营销ROI。