企业数字化转型的基础与应用实践——创新型BI技术在运营商领域的探索

　　文/王志芳 马栋 中国电信股份有限公司数字智能科技分公司

　　摘要：本文通过交互式数据协作平台在中国电信集团的应用实例，讨论了结合AI技术的创新型BI在数字化转型过程中如何帮助企业利用海量数据，实现业务侧人员自助式取数用数，极速极简地进行实时数据分析并赋能战略决策。在此过程中，数据作为一种无形资产的潜在价值被充分挖掘出来，帮助企业实现绩效的提升。

　　关键词：数字化转型；商业智能（BI）；自助式数据分析；数据可视化

　　引言

　　随着大数据、云计算、区块链、人工智能等信息技术的飞速发展，数字化转型已经成为学术与实践领域广泛讨论的话题。从宏观角度来看，数字化转型包括了一切通过使用数字技术使社会和行业发生深刻变化的活动；从组织层面来看，数字化转型是组织在信息时代发展的必由之路，企业必须寻求利用数字技术进行创新的方法，制定包含数字化转型理念的相关策略，以实现组织绩效的提升。由于认识到数字化转型的重要性，越来越多的企业致力于通过数字化转型提升自身的创新能力，优化传统动能，打造数字化时代生存和发展所必需的核心竞争力。特别是当企业发展至一定规模时，具备大规模的人员体量，业务模式经过市场验证，具备持续的经营生存能力，开始面临规模型组织所特有的挑战，在此背景下数字化转型成为当务之急。

　　1. BI技术在数字化转型中的应用

　　商业智能（business intelligence，BI）是由数据仓库、数据湖、ETL、OLAP、数据挖掘等技术组成的一套完整的解决方案，涉及数据收集、存储和管理、处理和分析等多个环节，是企业决策支持技术的集合，旨在使高管、业务经理甚至市场专员等能够做出更好、更快的决策。相较于传统的BI技术，当前市场上产生了一类创新型BI技术，该技术结合了机器学习等AI技术，更具“智能化”特征，能够在传统BI价值的基础上进一步提供交互式情景和可视化一站式数据分析流程，在数据分析质量、速度等方面都有质的提升。

　　BI的核心目标是充分激发数据要素的潜在价值，而数字化转型是基于数据价值的全组织颠覆式重构。从概念层面来讲，BI技术可以被视为数字化转型的基础，对AI和BI技术的充分利用能够有效加速企业的数字化进程[1]。数据体量和种类的迅速增加为企业带来了机会和挑战，企业有机会通过数据驱动运营决策，实现降本增效，但同时如何将AI和BI技术与组织现状充分结合，真正发挥数据的价值，仍然需要在实践中不断总结经验。

　　2. 中国电信集团创新型BI应用简介

　　为进一步认识企业数字化转型过程，理解创新型BI技术在数字化转型中的作用以及对企业产生的实际价值，本文通过具体应用实例分析，从实践角度以及应用细节进行总结归纳，以期获得有别于传统BI技术知识的创新发现，并为后续进行数字化转型以及探索创新型BI技术应用的企业提供参考。

　　2.1 背景：数字化转型需求

　　从企业发展的长远目标来看，数字化转型是中国电信集团在信息化时代的必由之路，生产要素的数据化是转型升级的基础和关键，BI与AI技术的结合和应用是转型升级的重要手段，是体现其实质价值的关键[2]。从业务现状来看，中国电信集团当前各业务部门数据分析的需求量非常大，主要还是通过向数据部门提出分析需求，由大数据部门人工提取，再由业务人员进行分析，存在需求排队、分析周期长等问题，数据部门与业务部门之间的沟通也容易产生信息偏误和反复。基于上述情况，取数慢、分析效率低的问题成为当前亟待解决的业务痛点，只有将复杂的数据分析的现状转变为即时分析和事前预测性分析，才能帮助企业进行及时、智能决策。

　　2.2 交互式数据协作平台的功能介绍

　　基于对当前数字化转型需求与业务痛点的分析，中国电信集团开展了结合AI技术的BI平台（即交互式数据协作平台）建设，以“人人都是分析师”为最终目标，旨在通过平台实现数据收集、处理、分析、呈现等一站式功能，并加入了机器学习等AI技术，快速为业务侧提供各类需求模型，同时增加了业务侧人员人机互动界面，能够完全基于业务逻辑“逛”数据“超市”，使业务部门实现便捷取数、自助式分析和可视化呈现，及时辅助管理决策，让数据在企业内充分流动，释放业务价值。其主要架构功能如图1所示。

　　数据获取：支持多种类型数据库的连接，支持对不同数据源类型的数据进行分析，包括数据库CK、Doris等，并支持本地文件如Mysql、Excel等数据源类型的上传和追加，具备高度兼容性，为获取数据提供最大程度的便捷。

　　数据准备：数据准备（轻量ETL）可以将数据源表或者数据集中的数据进行清洗、聚合、关联和合并等操作，并将加工后的数据输出，让不会写SQL代码的业务人员能够低成本完成BI可视化数据的准备。

　　数据建模：数据建模作为数据源和可视化展示的中间环节，承接数据源的输入，并为可视化展示输出数据表，通常为数据研发人员或数据分析师等需要数据加工处理时使用。在数据模型管理中，使用者可以对数据模型（数据源中的表或通过SQL创建的数据集）关联、二次数据处理分析、编辑或重命名等操作。

　　数据分析：数据分析是数据辅助决策的最后一公里，是最终的数据可视化展示与探索分析的部分，选择使用最适合的数据展示方式，可以帮助分析人员大幅提升分析效率。数据分析环节需要对以下三个类型的需求进行技术支持：

　　第一，支持丰富的种类数据图表，操作方便简单，适用于所有需做可视化分析的用户。采用灵活的磁贴式布局来展示报表数据间的交互，不仅支持将数据以可视化的方式呈现，还可以筛选和查询各类数据并突出数据中的关键字段。从数据的展示层面看，通过引导、拖拽和双击字段，让数据更加直观地展示，在编辑页面即可实现动态数据的查询；从数据的分析层面看，能够通过友好的界面提示，提升用户的交互体验。

　　第二，支持自助取数，可以满足业务人员自助搭建取数任务的需求，支持百万级数据下载，帮助业务人员轻松实现离线数据分析。

　　第三，在通用的维度字段模式基础上，同时具备维值模式选择，维值模式支持直接展开维度值，直接批量选择表格中需要展示的维度值；同一层级结构中，支持跨层级选择不同维度值，如同时查看不同区域、省份、城市的数据。除了常见的将字段拖拽至行、列容器中，还允许直接拖拽至表格区域内。在交互式分析表格生成过程中，设置了排除、隐藏维度值、仅保留、抑制、上卷下钻、展开等多项功能，方便易操作。

　　2.3 交互式数据协作平台的优势和效果

　　中国电信集团交互式数据协作平台充分体现了结合AI技术的BI的创新性，相较于传统IT时代的BI平台，具有明显的优势，如图2所示。

　　整体来说，创新型BI平台简化了从用户到分析师到研发再到分析师，最后才反馈回用户的复杂流程，让平均3天完成的分析过程实现秒级完成，使业务分析流程更便捷，大大降低了沟通成本，用户获得了良好的交互式体验，具体表现为：

　　2.3.1 低代码的灵活集成

　　既能灵活保障与集成系统原有页面和流程的一致性，又能以低代码方式降低嵌入的开发成本，登录认证、页面嵌入、API接入等都可以通过配置化的方式快速完成。

　　2.3.2 低门槛使用

　　交互式数据协作平台采用轻代码设计，有效降低使用门槛。数据准备（轻量ETL）可以将数据源表中的数据进行清洗、聚合、关联和合并等操作，并将加工后的数据输出，让不会写SQL代码的业务人员能够低成本完成BI可视化数据的准备。

　　2.3.3 智能AI分析

　　AI问答可以通过对用户输入问题的理解，为用户选取最优图表展示。用户自己通过拖拽字段的方式进行数据绑定、全界面化的添加和修改图表组件，秒级完成BI自主分析。

　　2.3.4 海量分析秒级响应

　　交互式数据协作平台的分布式查询结构可实现10亿级数据秒级处理，能够支持报表的快速生成，大幅缩短数据分析周期。

　　2.3.5 灵活高效的跨部门办公协同

　　交互式数据协作平台支持跨部门协作分析报表数据，可在平台内部发起申请审批，直接协同处理，有效降低了沟通成本，更加方便不同部门的协作。

　　2.3.6 可视化交互体验

　　面向数据分析师提供灵活自助、便捷拖拉拽的数据分析构建能力，可以进行“剥葱式”归因，可以将明细数据自动制作成交互式报表，真正做到解放业务人员的双手。交互式场景轻松构建有业务逻辑和分析思路的报表和可视化，有效提升用户体验。

　　交互式数据协作平台在中国电信集团上线以来效果显著。在推广使用方面，上线不到三个月累计支撑探索分析需求261个，业务部门数据探索需求满足率80%，热点数据使用率90%，有效引导了市场部、政企部等业务部门开展自主探索分析；在降本增效方面，中国电信集团2022年取数类需求单较上年月均减少53%，月均节约日常需求投资30万以上，自主取数较传统的提需求取数模式看数时间平均缩短3天，70%的数据需求当天可看可用，有效实现了数据的实时分析。这些数据充分说明了交互式数据协作平台在运营商领域能够为业务带来巨大的帮助，随着平台使用的不断推广，数据量的不断积累，以及BI技术的不断迭代创新，平台的应用还会为业务和决策提供更加有效的支持，为组织创造更大的价值。

　　3. 创新型BI技术的应用价值

　　通过对交互式数据协作平台在中国电信集团的应用实例进行总结，创新型BI的价值主要体现在以下几个方面：

　　3.1 实现数据的实时分析

　　通过数据挖掘、深度学习等大数据分析技术，不仅能够将数据转化为有效的信息，为组织提供价值，还能够大幅缩短数据采集和决策之间的时间差，改变以往事后分析的方式，实现实时分析、事前预测，解决人工取数、分析周期长的痛点，帮助业务人员实现便捷数据分析。

　　3.2 提升数据分析质量

　　机器学习让BI系统中增加了很多符合业务需求的标签模型，并能够在不断更新数据的过程中，提升模型的准确性。

　　3.3 实现数据可视化

　　随着大数据处理技术的发展，BI的洞察和分析能力进一步提升，数据分析和可视化的门槛不断降低，企业能够实现不同层级的拖拽式自助分析和多种类型的图表展示，并在统一平台进行整合和共享，获得不同层级的数据洞察，最终用于商业决策。

　　3.4 改变数据分析模式

　　数据分析不再依赖IT人员，一线业务人员可以根据自身需求自动获取、分析数据，让传统的以IT人员为中心的数据分析模式转变为业务驱动的数据分析模式，让分析结果更具备业务属性，充分贴近业务现实，避免了IT语言与业务语言转换产生的信息偏误。

　　3.5 改变企业经营决策方式

　　传统的企业决策一般为管理者凭借经验制定，存在很大的主观因素影响，容易产生偏误。创新型BI能够通过对数据的分析，得出客观决策依据，这种以数据驱动的决策方式已成为信息时代管理者的主流决策方式。

　　3.6 刺激组织转型升级

　　当BI帮助实现了业务流程改善和数字化战略推行，如何应对快节奏的业务迭代与差异化的市场需求，如何摆脱滞后的知识架构，都将是下一阶段考虑的问题，这对“人”提出了更高要求，组织升级势在必行。结合了AI的BI技术是企业数字化的基础与加速剂，能够有效刺激组织的全面颠覆式转型升级。

　　结语

　　当前数字化时代，企业的数字化转型战略已经成为生死存亡的必然选择。随着技术的发展，创新型的商业智能（BI）技术作为数字化转型的基础和加速剂，是企业构建数字化创新能力的关键，能够有效通过数据的整合分析帮助企业进行战略决策，实现降本增效。与此同时，BI技术仍处于不断迭代发展过程中，实时决策分析的需求正在不断刺激着BI技术的革新，硬件技术的变化如主存储器成本的降低，也会影响大型数据仓库的后端架构。此外，企业对于移动办公的需求越来越大，如何在移动平台上实现新颖、丰富的交互式BI应用程序，也是技术探索的一个方向。未来在数字化转型背景下，BI技术的应用仍然充满令人兴奋的机会和挑战，中国电信集团也将继续致力于BI技术的创新，探索如何充分发挥运营商的大数据价值，为企业经营决策赋能。

　　参考文献：

　　[1]王文信.数字进化论：商业智能提升企业数字进化加速度[J].数字经济,2023 (Z1):10-13.

　　[2]陈宇凌.商业智能分析平台赋能管理新模式[J].软件和集成电路,2021, (12):64-65.

　　作者简介：王志芳，在职硕士研究生，研究方向：企业内部数字化转型推进和数据中台、数据应用建设。