先说个真实案例。去年接触了一家做零售的企业销售部门和财务部门干起来了。起因很简单销售说这个月业绩增长了15%财务说业绩下滑了5%。两边都拿出数据报表数据来源都是公司的BI系统。后来一查销售用的是CRM系统里的合同金额财务用的是ERP系统里的实际回款口径差了十万八千里。最后开会扯皮了一整天老板拍板以后所有业绩数据统一从财务口径出。销售总监当场摔门走了。这个场景是不是似曾相识一、为什么企业的数据总是对不上说实话我见过太多企业花大价钱上BI系统结果数据一拉出来各部门就开始数据打架。指标口径不统一数据来源不一样同一个数字在不同报表里长得完全不一样。问题到底出在哪1. 数据源本身就是散的很多企业的数据根本就没打通。ERP管财务和供应链CRM管销售和客户电商平台有自己的订单系统还有各种Excel表格存在各个部门的电脑上。BI系统把这些数据都接进来但没人管这些数据之间的关联关系。A系统里的客户和B系统里的客户是不是同一个C系统里的订单和D系统里的订单能不能对应上没人知道。2. 指标没有统一管理什么叫营收是订单金额、回款金额、还是开票金额什么叫活跃用户是登录过的、还是产生过交易的、还是有过交互行为的每个部门都有自己的理解每个系统都按自己的逻辑算。结果就是同一个指标在不同地方算出来结果不一样业务部门谁也不信谁的数据。3. 数据质量差脏数据太多很多企业的数据质量一言难尽。客户名称有错别字、商品编码不统一、日期格式五花八门......这种脏数据进了BI系统分析出来的结果能准吗业务部门看到报表第一反应是这数据不对然后转头去Excel里自己核实。BI系统的数据没人信比没有BI系统还糟糕。二、数据口径混乱会带来什么后果很多人觉得数据对不上只是个小问题实际上这个问题会引发一连串的连锁反应。第一业务决策失误。基于错误数据的决策本质上是在赌博。你以为业绩增长了15%实际上可能下滑了5%这个决策差距有多大不用我多说。第二部门之间互相不信任。销售说是这个数财务说是那个数谁也说服不了谁最后变成互相甩锅。销售怪财务数据不准财务怪销售数据口径有问题。第三业务部门不敢用平台数据。既然数据对不上那我凭什么用你平台的数据出了问题算谁的很多业务部门干脆自己维护一套Excel数据BI系统成了摆设。第四BI项目失去信任。当业务部门发现BI系统的数据不可靠他们就不会再相信任何系统出来的数据。以后再做数字化项目阻力会大得多。三、怎么解决数据分散和口径混乱的问题说到底数据问题要从根子上治。1. 先把数据治理做好很多企业BI项目失败不是因为BI系统不好而是因为数据基础太差。脏数据、乱数据、口径不统一的数据不管用什么BI系统都救不了。我们团队在帮企业做BI规划的时候第一步永远是数据源梳理。有多少数据源、每个数据源里有什么、数据之间怎么关联、哪些是主数据哪些是业务数据......把这些理清楚至少要花1-2周时间。看起来很慢但磨刀不误砍柴工。数据基础打好了后面的BI建设才能顺。2. 建立统一的指标管理平台指标口径要统一首先得有个地方定义和管理指标。我们有个功能叫指标中心把企业的所有指标集中管理。每个指标有唯一的定义叫什么名字、怎么计算、从哪个数据源取数、什么时间刷新、谁来维护。业务人员想查某个指标直接去指标中心找不用再问IT这个数据从哪来的。指标中心就是企业的数据字典也是数据信任的基石。3. 数据加工要透明可追溯很多BI系统的数据加工是黑箱操作业务人员不知道数据经历了什么处理结果对不上也不知道去哪查。好的做法是全程透明。数据从哪个源来、经过了哪些处理步骤、最终怎么计算成指标全都记录在案。业务人员看到数据有疑问可以顺着链路往上查一步步找到问题所在。数据加工可视化也是建立数据信任的重要手段。4. ETL过程要简单让业务人员也能参与传统BI的数据清洗需要写SQL脚本只有IT人员能操作业务人员只能干瞪眼。我们把ETL做成了可视化拖拽配置的方式。数据合并、过滤、计算、转换全都可以通过图形化界面配置不需要写代码。业务人员如果对自己的数据逻辑很清楚完全可以自己配置数据加工流程不用等IT排期。业务人员参与数据治理效率能提升一大截。四、说到底数据问题的本质是什么是信任问题。业务部门不相信BI系统的数据是因为数据不可靠、数据口径不统一、数据加工过程不透明。解决数据问题的本质是建立数据信任。怎么做让数据可追溯、可解释、可验证。业务人员知道数据从哪来、怎么算的、为什么是这个结果他才敢用这个数据做决策。那些BI用得好的企业不是因为买了贵的系统而是因为把数据治理这件事真正做扎实了。