企業數字化轉型的基礎與應用實踐

摘要：本文通過交互式數據協作平臺在中國電信集團的應用實例，討論了結合AI技術的創新型BI在數字化轉型過程中如何幫助企業利用海量數據，實現業務側人員自助式取數用數，極速極簡地進行實時數據分析并賦能戰略決策。在此過程中，數據作為一種無形資產的潛在價值被充分挖掘出來，幫助企業實現績效的提升。

關鍵詞：數字化轉型；商業智能（BI）；自助式數據分析；數據可視化

引言

隨著大數據、云計算、區塊鏈、人工智能等信息技術的飛速發展，數字化轉型已經成為學術與實踐領域廣泛討論的話題。從宏觀角度來看，數字化轉型包括了一切通過使用數字技術使社會和行業發生深刻變化的活動；從組織層面來看，數字化轉型是組織在信息時代發展的必由之路，企業必須尋求利用數字技術進行創新的方法，制定包含數字化轉型理念的相關策略，以實現組織績效的提升。由于認識到數字化轉型的重要性，越來越多的企業致力于通過數字化轉型提升自身的創新能力，優化傳統動能，打造數字化時代生存和發展所必需的核心競爭力。特別是當企業發展至一定規模時，具備大規模的人員體量，業務模式經過市場驗證，具備持續的經營生存能力，開始面臨規模型組織所特有的挑戰，在此背景下數字化轉型成為當務之急。

1. BI技術在數字化轉型中的應用

商業智能（business intelligence，BI）是由數據倉庫、數據湖、ETL、OLAP、數據挖掘等技術組成的一套完整的解決方案，涉及數據收集、存儲和管理、處理和分析等多個環節，是企業決策支持技術的集合，旨在使高管、業務經理甚至市場專員等能夠做出更好、更快的決策。相較于傳統的BI技術，當前市場上產生了一類創新型BI技術，該技術結合了機器學習等AI技術，更具“智能化”特征，能夠在傳統BI價值的基礎上進一步提供交互式情景和可視化一站式數據分析流程，在數據分析質量、速度等方面都有質的提升。

BI的核心目標是充分激發數據要素的潛在價值，而數字化轉型是基于數據價值的全組織顛覆式重構。從概念層面來講，BI技術可以被視為數字化轉型的基礎，對AI和BI技術的充分利用能夠有效加速企業的數字化進程[1]。數據體量和種類的迅速增加為企業帶來了機會和挑戰，企業有機會通過數據驅動運營決策，實現降本增效，但同時如何將AI和BI技術與組織現狀充分結合，真正發揮數據的價值，仍然需要在實踐中不斷總結經驗。

2. 中國電信集團創新型BI應用簡介

為進一步認識企業數字化轉型過程，理解創新型BI技術在數字化轉型中的作用以及對企業產生的實際價值，本文通過具體應用實例分析，從實踐角度以及應用細節進行總結歸納，以期獲得有別于傳統BI技術知識的創新發現，并為后續進行數字化轉型以及探索創新型BI技術應用的企業提供參考。

2.1 背景：數字化轉型需求

從企業發展的長遠目標來看，數字化轉型是中國電信集團在信息化時代的必由之路，生產要素的數據化是轉型升級的基礎和關鍵，BI與AI技術的結合和應用是轉型升級的重要手段，是體現其實質價值的關鍵[2]。從業務現狀來看，中國電信集團當前各業務部門數據分析的需求量非常大，主要還是通過向數據部門提出分析需求，由大數據部門人工提取，再由業務人員進行分析，存在需求排隊、分析周期長等問題，數據部門與業務部門之間的溝通也容易產生信息偏誤和反復。基于上述情況，取數慢、分析效率低的問題成為當前亟待解決的業務痛點，只有將復雜的數據分析的現狀轉變為即時分析和事前預測性分析，才能幫助企業進行及時、智能決策。

2.2 交互式數據協作平臺的功能介紹

基于對當前數字化轉型需求與業務痛點的分析，中國電信集團開展了結合AI技術的BI平臺（即交互式數據協作平臺）建設，以“人人都是分析師”為最終目標，旨在通過平臺實現數據收集、處理、分析、呈現等一站式功能，并加入了機器學習等AI技術，快速為業務側提供各類需求模型，同時增加了業務側人員人機互動界面，能夠完全基于業務邏輯“逛”數據“超市”，使業務部門實現便捷取數、自助式分析和可視化呈現，及時輔助管理決策，讓數據在企業內充分流動，釋放業務價值。其主要架構功能如圖1所示。

數據獲取：支持多種類型數據庫的連接，支持對不同數據源類型的數據進行分析，包括數據庫CK、Doris等，并支持本地文件如Mysql、Excel等數據源類型的上傳和追加，具備高度兼容性，為獲取數據提供最大程度的便捷。

數據準備：數據準備（輕量ETL）可以將數據源表或者數據集中的數據進行清洗、聚合、關聯和合并等操作，并將加工后的數據輸出，讓不會寫SQL代碼的業務人員能夠低成本完成BI可視化數據的準備。

數據建模：數據建模作為數據源和可視化展示的中間環節，承接數據源的輸入，并為可視化展示輸出數據表，通常為數據研發人員或數據分析師等需要數據加工處理時使用。在數據模型管理中，使用者可以對數據模型（數據源中的表或通過SQL創建的數據集）關聯、二次數據處理分析、編輯或重命名等操作。

數據分析：數據分析是數據輔助決策的最后一公里，是最終的數據可視化展示與探索分析的部分，選擇使用最適合的數據展示方式，可以幫助分析人員大幅提升分析效率。數據分析環節需要對以下三個類型的需求進行技術支持：

第一，支持豐富的種類數據圖表，操作方便簡單，適用于所有需做可視化分析的用戶。采用靈活的磁貼式布局來展示報表數據間的交互，不僅支持將數據以可視化的方式呈現，還可以篩選和查詢各類數據并突出數據中的關鍵字段。從數據的展示層面看，通過引導、拖拽和雙擊字段，讓數據更加直觀地展示，在編輯頁面即可實現動態數據的查詢；從數據的分析層面看，能夠通過友好的界面提示，提升用戶的交互體驗。

第二，支持自助取數，可以滿足業務人員自助搭建取數任務的需求，支持百萬級數據下載，幫助業務人員輕松實現離線數據分析。

第三，在通用的維度字段模式基礎上，同時具備維值模式選擇，維值模式支持直接展開維度值，直接批量選擇表格中需要展示的維度值；同一層級結構中，支持跨層級選擇不同維度值，如同時查看不同區域、省份、城市的數據。除了常見的將字段拖拽至行、列容器中，還允許直接拖拽至表格區域內。在交互式分析表格生成過程中，設置了排除、隱藏維度值、僅保留、抑制、上卷下鉆、展開等多項功能，方便易操作。

2.3 交互式數據協作平臺的優勢和效果

中國電信集團交互式數據協作平臺充分體現了結合AI技術的BI的創新性，相較于傳統IT時代的BI平臺，具有明顯的優勢，如圖2所示。

整體來說，創新型BI平臺簡化了從用戶到分析師到研發再到分析師，最后才反饋回用戶的復雜流程，讓平均3天完成的分析過程實現秒級完成，使業務分析流程更便捷，大大降低了溝通成本，用戶獲得了良好的交互式體驗，具體表現為：

2.3.1 低代碼的靈活集成

既能靈活保障與集成系統原有頁面和流程的一致性，又能以低代碼方式降低嵌入的開發成本，登錄認證、頁面嵌入、API接入等都可以通過配置化的方式快速完成。

2.3.2 低門檻使用

交互式數據協作平臺采用輕代碼設計，有效降低使用門檻。數據準備（輕量ETL）可以將數據源表中的數據進行清洗、聚合、關聯和合并等操作，并將加工后的數據輸出，讓不會寫SQL代碼的業務人員能夠低成本完成BI可視化數據的準備。

2.3.3 智能AI分析

AI問答可以通過對用戶輸入問題的理解，為用戶選取最優圖表展示。用戶自己通過拖拽字段的方式進行數據綁定、全界面化的添加和修改圖表組件，秒級完成BI自主分析。

2.3.4 海量分析秒級響應

交互式數據協作平臺的分布式查詢結構可實現10億級數據秒級處理，能夠支持報表的快速生成，大幅縮短數據分析周期。

2.3.5 靈活高效的跨部門辦公協同

交互式數據協作平臺支持跨部門協作分析報表數據，可在平臺內部發起申請審批，直接協同處理，有效降低了溝通成本，更加方便不同部門的協作。

2.3.6 可視化交互體驗

面向數據分析師提供靈活自助、便捷拖拉拽的數據分析構建能力，可以進行“剝蔥式”歸因，可以將明細數據自動制作成交互式報表，真正做到解放業務人員的雙手。交互式場景輕松構建有業務邏輯和分析思路的報表和可視化，有效提升用戶體驗。

交互式數據協作平臺在中國電信集團上線以來效果顯著。在推廣使用方面，上線不到三個月累計支撐探索分析需求261個，業務部門數據探索需求滿足率80%，熱點數據使用率90%，有效引導了市場部、政企部等業務部門開展自主探索分析；在降本增效方面，中國電信集團2022年取數類需求單較上年月均減少53%，月均節約日常需求投資30萬以上，自主取數較傳統的提需求取數模式看數時間平均縮短3天，70%的數據需求當天可看可用，有效實現了數據的實時分析。這些數據充分說明了交互式數據協作平臺在運營商領域能夠為業務帶來巨大的幫助，隨著平臺使用的不斷推廣，數據量的不斷積累，以及BI技術的不斷迭代創新，平臺的應用還會為業務和決策提供更加有效的支持，為組織創造更大的價值。

3. 創新型BI技術的應用價值

通過對交互式數據協作平臺在中國電信集團的應用實例進行總結，創新型BI的價值主要體現在以下幾個方面：

3.1 實現數據的實時分析

通過數據挖掘、深度學習等大數據分析技術，不僅能夠將數據轉化為有效的信息，為組織提供價值，還能夠大幅縮短數據采集和決策之間的時間差，改變以往事后分析的方式，實現實時分析、事前預測，解決人工取數、分析周期長的痛點，幫助業務人員實現便捷數據分析。

3.2 提升數據分析質量

機器學習讓BI系統中增加了很多符合業務需求的標簽模型，并能夠在不斷更新數據的過程中，提升模型的準確性。

3.3 實現數據可視化

隨著大數據處理技術的發展，BI的洞察和分析能力進一步提升，數據分析和可視化的門檻不斷降低，企業能夠實現不同層級的拖拽式自助分析和多種類型的圖表展示，并在統一平臺進行整合和共享，獲得不同層級的數據洞察，最終用于商業決策。

3.4 改變數據分析模式

數據分析不再依賴IT人員，一線業務人員可以根據自身需求自動獲取、分析數據，讓傳統的以IT人員為中心的數據分析模式轉變為業務驅動的數據分析模式，讓分析結果更具備業務屬性，充分貼近業務現實，避免了IT語言與業務語言轉換產生的信息偏誤。

3.5 改變企業經營決策方式

傳統的企業決策一般為管理者憑借經驗制定，存在很大的主觀因素影響，容易產生偏誤。創新型BI能夠通過對數據的分析，得出客觀決策依據，這種以數據驅動的決策方式已成為信息時代管理者的主流決策方式。

3.6 刺激組織轉型升級

當BI幫助實現了業務流程改善和數字化戰略推行，如何應對快節奏的業務迭代與差異化的市場需求，如何擺脫滯后的知識架構，都將是下一階段考慮的問題，這對“人”提出了更高要求，組織升級勢在必行。結合了AI的BI技術是企業數字化的基礎與加速劑，能夠有效刺激組織的全面顛覆式轉型升級。

結語

當前數字化時代，企業的數字化轉型戰略已經成為生死存亡的必然選擇。隨著技術的發展，創新型的商業智能（BI）技術作為數字化轉型的基礎和加速劑，是企業構建數字化創新能力的關鍵，能夠有效通過數據的整合分析幫助企業進行戰略決策，實現降本增效。與此同時，BI技術仍處于不斷迭代發展過程中，實時決策分析的需求正在不斷刺激著BI技術的革新，硬件技術的變化如主存儲器成本的降低，也會影響大型數據倉庫的后端架構。此外，企業對于移動辦公的需求越來越大，如何在移動平臺上實現新穎、豐富的交互式BI應用程序，也是技術探索的一個方向。未來在數字化轉型背景下，BI技術的應用仍然充滿令人興奮的機會和挑戰，中國電信集團也將繼續致力于BI技術的創新，探索如何充分發揮運營商的大數據價值，為企業經營決策賦能。

參考文獻：

[1]王文信.數字進化論：商業智能提升企業數字進化加速度[J].數字經濟，2023 （Z1）：10-13.

[2]陳宇凌.商業智能分析平臺賦能管理新模式[J].軟件和集成電路，2021， （12）：64-65.

作者簡介：王志芳，在職碩士研究生，研究方向：企業內部數字化轉型推進和數據中臺、數據應用建設。