观远数据BI驱动增长2025先进企业敏捷经营实践合集

BI驱动增长 2025先进企业敏捷经营实践合集 年度最佳案例：近20家先进企业的BI建设最佳实践分享 覆盖零售、消费品、金融、互联网四大行业，囊括斯凯奇、自然堂集团、青岛农商银行、水滴集团等 创新产品发布：一站式智能分析平台7.0、观远ChatBI、观远Metrics 降低数据分析门槛，提升自助分析效率，赋能业务敏捷决策 实践方法论传递：企业避开数字化建设误区的必看指南 重构业务价值视角，敏捷解决业务问题，避免“为数字化而数字化” 观远数据 观远数据成立于2016年，以“让业务用起来让决策更智能”为使命，致力于为零售、消费、金融、高科技、制造、互联网等行业的领先企业提供一站式数据分析与智能决策产品及解决方案。目前，观远数据已成为世界500强与行业领军企业的信赖之选，已深入服务宝洁、联合利华、中信银行、华润银行、3M中国、丝芙兰中国、安踏、元气森林、蜜雪冰城、小红书、零跑汽车等1000多家行业领先企业。屡获襄禾资本、红杉资本、线性资本等多家VC机构投资。 联系我们 公司地址：杭州市余杭区文一西路998号海创园18号楼708室官方网站：www.guandata.com咨询电话：400-880-0750 声明 刊首语 数据驱动敏捷经营：解锁企业未来的核心密码 在瞬息万变的商业环境中，企业正面临前所未有的挑战：市场需求分化、竞争边界模糊、技术迭代加速。如何在不确定性中捕捉确定性？答案藏于数据之中。 数字化浪潮下，数据已不仅是“资源”，更是驱动企业敏捷经营的核心引擎。从库存优化到供应链管理，从营销决策到组织协同，数据正在重塑企业的每一个环节。然而，许多企业仍深陷数字化建设的“价值鸿沟”——业务团队难于高效用数，困于无法从根本解决业务痛点；技术团队疲于处理繁杂需求，无法将更多精力投入深层洞察，数据真正的价值难以释放。 “价值鸿沟”无法靠一个系统或一张报表填平，它在深层上要求的是企业通过数字化建设，构建起数据驱动的敏捷经营能力：通过智能化工具降低数据使用门槛，让一线员工也能“用数据说话”；打破技术与业务的壁垒，将数据转化为业务语言，让分析回归业务场景，重构价值视角；通过数据及时满足业务捕捉市场波动、洞察用户行为与突破运营瓶颈等需求，让数据真正赋能业务。 当前，企业构建数据驱动的敏捷经营能力，已经从“选择题”变为“生存题”。那些能快速将数据转化为行动力的企业，正率先穿越周期，实现逆势增长。 本刊不仅通过“专家观点”和“CEO解读”，为企业厘清了数据驱动的战略方向，避免“为数字化而数字化”的误区，亦提供了观远数据一站式智能分析平台7.0、观远ChatBI、观远Metrics等革新工具，以“易用又聪明”的特性，降低技术门槛，让人人都能享受数据价值。同时，本刊甄选了覆盖零售、消费品、金融、互联网等领域的近20个标杆案例，揭示数据驱动敏捷经营的方法论。不仅为企业构建数据驱动的敏捷经营能力提供路径参考，更传递一个核心理念：敏捷经营没有标准答案，但有共通逻辑——以业务价值为导向，以数据能力为支撑。 蓬勃发展的AI技术也正加速数据价值的爆发。未来的企业竞争，本质是数据应用能力的竞争。谁能更快将数据转化为洞察、将洞察转化为行动，谁就能在市场中占据先机。 本刊的使命，正是帮助企业构建这种能力：从数据资产沉淀到智能分析落地，从单点场景突破到全域价值闭环。我们相信，当数据真正融入企业的“血液”，敏捷将不再是一种口号，而是每个决策、每次创新、每场变革的自然结果。 CONTENT目录 01·前沿洞察 0207专家观点：数据归IT，分析归业务，重构业务价值视角CEO解读：业务要的不是多一张报表，而是敏捷解决业务问题 02·产品创新 1422观远ChatBI：让数据分析像聊天一样简单27观远Metrics：数据资产构建的新武器观远数据一站式智能分析平台7.0：做极易用又聪明的产品 03·最佳实践 零售行业 33斯凯奇：借助观远BI优化库存管理，实现滚动预测追踪39慕尚集团：员工BI使用率达93.2%，数字化建设经验与思考分享48556165博士眼镜：携手观远数据与飞书，打造AI和BI赋能业务实践正新集团：搭建敏捷数据中心，助力万店高效运营香蜜闺秀：推动数智化运营决策体系建设，实现从30%到93%的效率提升七秒易购：以BI赋能供应链精细化管理，实现数字化飞跃 消费品行业 73君乐宝：超越单纯的信息系统建设，通过数据驱动业务和流程优化76维他奶：传统消费品牌数据驱动转型的两大策略与三大要素81869296自然堂集团：全渠道数字化创新与AI实践蜜思肤：以BI全面赋能业务管理，突破零售增长瓶颈微念：想到、做到、达到，充分释放BI价值乐其创新：从跨境电商视角出发，对企业数字化路径和选择的思考 金融行业 101青岛农商银行：以“人才·产品·场景”思维建设企业级BI智能数据平台106宜信：借助观远BI捕捉1%的数据波动，驱动业务运营升级 互联网行业 110新东方：数智驱动，开启业务敏捷精准新篇章118水滴集团：从被动到主动，BI助力业务快速迭代124128134智联招聘：BI实现多种数据的互联打通，为企业创造更高价值用友薪福社：BI建设落地，助力业务提速300%华夏乐游：BI赋能从数据资产到价值变现 04·关于我们 141145走进观远数据交流平台 前沿洞察 专家观点：数据归IT，分析归业务，重构业务价值视角CEO解读：业务要的不是多一张报表，而是敏捷解决业务问题 专家观点： 数据归IT，分析归业务，重构业务价值视角 陈果 企业知识开源首席布道师 站在业务和IT不同的角度来回答“怎样更好地创造业务价值”这个问题，一定会有不同的答案。在融合了这两种角色的视角后，我的答案是：数据归IT，分析归业务。即IT部门主要负责管理好数据、提供好工具，分析本质上是业务要做的事情。 敏捷BI仍为市场主流，AI赋能催生新型模式 BI全称“Business Intelligence”，现在翻译为“商业智能”，但最初叫做“企业洞察”，它阐述了BI的实质：助力业务人员通过数据分析洞察企业运行脉络，催生企业洞察。1992年，Teradata推出首个ETL数据库，标志着分析型数据库诞生。BI也随之诞生，并开始了其到目前为止三个阶段的发展。 阶段一：数据仓库/数据挖掘 BI发展的第一个阶段，是数仓和数据挖掘的时代。彼时人们将注意力集中在数仓建立的两种范式：先有数据集再有数据仓库的“自上而下”的范式，以及先有数据仓库再有数据集的“自下而上”的范式。企业关注的重点在分析报表上，分析的对象则聚焦在结构化数据的挖掘。 扫码获取陈果分享完整PPT 阶段二：大数据和敏捷BI 随着大数据出现，数据形态由单一走向多元化，结构化数据演变为结构化、半结构化乃至非结构化数据并存。BI发展进入第二阶段，但并非完全替代了第一阶段，第一阶段以报表为主的BI依然存在。此时，“高级分析”兴起，聚焦机器辅助洞察生成，过程中不仅涵盖对历史数据的描述，还具备未来预测。融合AI+BI的高级分实现了用户中心化分析，依据场景驱动数据获取与建模，根据分析意图实现数据可视化，这便是第二阶段的敏捷BI。析， 今天为止，敏捷BI还是市场的主流方向，“让业务用起来”也是敏捷BI的核心理念。 阶段三：人工智能BI 近年来，AI热潮迭起，BI也开始了第三个阶段——“人工智能BI”的发展探索。AI更深入地融入BI领域，催生新型模式，由过往的AI+BI的“高级分析”进化为AI×BI的“增强分析”。AI对BI更深度地赋能，但并未改变BI的初衷——洞察业务本质。 Gartner在两年前提出“增强分析（Augmented Analytics）”，其核心理念是在于，现今BI最大挑战非可视化展现方式，而在于怎样获取高质量的数据。例如即便同为销售分析，在不同管理语境下对销售的定义都是不同的，需依据分析意图获取数据，如果没有现成数据就会涉及很多数据加工或模型重塑的工作。融合AI能力实现的智能数据准备、智能建模、自然语言交互和查询能够大幅提升BI数据准备的效率，即实现“增强分析”。另一个与“增强分析”同样对未来BI发展产生巨大影响的是“生成式AI”，其对BI分析方法带来的巨大变化，值得再行详述。 技术发展持续放飞业务部门的数据消费需求 时至今日，多数企业依旧尚处于BI发展的第一阶段，即以报表为主的阶段，亟盼跃升至“让业务用起来”的敏捷BI阶段。而在BI发展的三个阶段中，企业业务与IT的分工也历经多次变迁。 在第一阶段，业务与IT职责泾渭分明。业务方提出报表需求，IT负责数仓建设、报表开发、ETL开发等，形成经典的瀑布式协作。 在第二阶段，业务与IT分工发生变化。IT重心转向精细化的数据加工与建模，包括指标开发、数据科学、ETL/ELT混合等工作。业务侧则涉足分析模型与可视化开发。双方互动加深，IT提供数据模型，业务在敏捷BI上自主用数，整体效率提升。但这一阶段要求业务人员要对数据特性、数据模型的深度认知，企业在这其中不仅要提供敏捷的工具，还要推动内部数据分析组织模式的变化，提升业务数据分析水平，才能真正实现“敏捷”。 到第三个阶段，业务与IT融合度更趋紧密。AI在很大程度上解放了对业务人员在技术方面的要求，集中精力于业务创新，让数据更好地赋能业务增长。IT也不再单纯是支撑角色，能够将更多精力放在数据治理、AI模型构建及管理等工作上，与业务共同探索数据价值最大化的路径，实现业务效能质变。 基于BI的三个发展阶段，我们能看到商业智能的范式发展。在横向上，是覆盖的企业员工数越来越多。在纵向上，是分析工作越来越智能化。而这两个维度整体来看，从低自动化、少数人使用的企业报表，到触及广泛员工群体，支撑业务人员的自主用数的自助分析，再到越来越智能化，让更多员工可以快速用起来的增强分析，整个范式演变的核心，就是“让业务用起来”。 在此范式下，生成式AI对传统BI的提升还在发展中，方向依然是要让业务把BI用好。这个结论来自于过去一年我们对ChatBI的深入考察所带来的三个发现： 当下，AI热议正酣，尤其在近一年里，随着AI技术迭代，机器学习与深度学习进步，自然语言处理越来越智能化、自动化，ChatBI日益风靡。但遗憾的是，真正意义上可以解决复杂商业问题的ChatBI尚未问世，目前ChatBI仅在特定场景提高了BI效率。当下主流方向是用自然语言助手提升BI系统的交互式体验，包括采用Text2SQL使得大模型可以连接到数据库架构，但目前还无法解决现实商业世界中的细微问题。 2024年出现了一个新的BI发展方向，所谓复合AI系统，通过智能体来管理和调用不同AI组件和工具，每个组件完成一个微小的任务，提高分析的灵活性、可解释性。这是当前的一个技术发展方向，但目前也尚未成熟。 在非互联网企业中，数据中台的应用价值已被证伪，企业OLAP和OLTP需要不同的数据治理策略，并且提升BI的敏捷性，让业务部门把BI先用起来。 总结来看，目前市场主流还是AI+BI的敏捷BI，生成式AI的发展将给BI带来深远影响，其发展重点还是如观远数据所一直倡导的“让业务用起来”。 企业BI效率提升建议从集中式到分布式 近期有幸协助了国内某大型消费品企业优化BI体系，针对其BI效率提升问题给到了一些建议，借此机会分享给更多企业参考。 该企业规模庞大，IT团队有数百人，企业IT设施完备，主流软硬件装备齐全，数据链条畅通无阻，标准数仓建设到位，BI平台功能完善，可视化开发游刃有余。然而，即便资源丰富，仍面临数据需求交付周期长的难题，短则三周，长则可达月余，症结何在？ 问题出现在“怎么用”上。企业上了很好的BI工具，但依然深陷传统模式——业务提需求，IT开发。IT部门内部组织了20多人的BI团队，并构成跨财务、HR、营销等四五个业务域的分析团队小组，成员精通SQL、擅长BI工具运用、熟稔数据模型构建及可视化开发，但这整个过程中却没有业务用户参与。同时，内部数据资产梳理缺失，导致业务提出的需求不知道是