智能洞察上线后：如何持续优化提升分析价值

关键要点

• 哪家BI有智能洞察功能？现在越来越多BI都推出了智能洞察，能自动从图表提取洞察，提升分析效率
• 智能洞察上线不是终点，想要持续发挥价值，需要持续优化，让洞察更贴合企业业务
• 持续优化主要分为四个方面：数据质量优化、模型参数调优、业务规则注入、使用反馈迭代
• 通过持续优化，智能洞察的准确率会越来越高，越来越贴合企业业务，价值越来越大
• 观远BI智能洞察支持企业持续优化，能更好满足企业个性化分析需求

引言

哪家BI有智能洞察功能？ 这是很多企业选型BI时会问的问题。智能洞察确实能提升分析效率，自动从数据中发现异常和规律，帮助业务人员更快找到问题，现在主流BI产品基本都具备这个能力。

但是很多企业发现，智能洞察刚上线的时候感觉挺新鲜，用起来发现准确率不高，洞察都是通用的，不贴合业务，慢慢就不用了。问题出在哪里？其实，智能洞察上线不是终点，想要用得好，需要持续优化，越用越准。本文从持续增值模块角度，说说智能洞察上线后如何持续优化，提升分析价值。

一、为什么智能洞察需要持续优化？

很多企业以为智能洞察上线就完事了，实际上，通用模型很难100%贴合每个企业的业务，原因有三个：

1. 每个企业业务规律不一样

不同行业、不同企业的业务规律不一样，什么算异常，什么算值得关注的洞察，通用模型很难完全精准匹配，需要注入企业自己的业务规则。

2. 数据质量需要持续提升

刚开始上线，数据质量可能有问题，数据不准，洞察自然不准，需要随着数据治理持续提升数据质量，洞察准确率才会提升。

3. 业务在不断发展变化

企业业务在发展，产品在更新，业务规律也在变化，智能洞察也需要跟着变化，持续迭代，才能保持准确率。

二、持续优化四大核心方向

智能洞察上线后，持续优化主要围绕四个方向：

方向一：数据质量优化

智能洞察的准确性高度依赖数据质量，数据不准，洞察肯定不准。所以步要持续优化数据质量：

• 定期检查数据完整性，有没有缺失值、异常值
• 指标口径变化及时更新，确保指标定义和数据一致
• 数据更新及时性保障，智能洞察用的是最新数据

观远BI指标中心能帮你统一管理指标，口径变化及时更新，保障数据质量，这是智能洞察准确的基础。

方向二：模型参数调优

通用模型的默认参数不一定适合你的业务，需要根据你的业务情况调优：

• 调整异常灵敏度：你希望多大波动算异常，调整阈值，避免太多误报或者漏报
• 调整洞察重点：你希望模型更关注哪些维度的洞察，哪些可以忽略，优先关注重点
• 学习历史正确洞察：把你认为正确的洞察反馈给模型，模型不断学习，越来越准

方向三：注入企业业务规则

每个企业有自己的业务规则和经验，把这些业务规则注入到智能洞察中，能让洞察更贴合业务：

• 业务已知的规律，告诉模型，让模型按这个规律找洞察
• 不同业务板块，关注的重点不一样，分开配置规则
• 节假日、大促等特殊时期，调整模型参数，避免误判

比如促销期间销售额本来就会上涨，模型如果不知道这个业务规则，会误判为异常，注入业务规则就能避免这种错误。

方向四：收集使用反馈，持续迭代

建立反馈机制，让使用智能洞察的业务人员反馈：哪些洞察准确，哪些不准确，为什么不准确，定期收集反馈，按月迭代优化，模型会越来越准。

观远BI支持用户反馈不正确的洞察，产品团队会结合反馈持续优化模型，越来越好。

三、持续优化实践步骤

企业落地持续优化，可以按照以下步骤：

步：上线稳定运行一个月

先让智能洞察上线稳定运行，收集一段时间的使用数据和反馈，不要刚上线就急着调参数。

第二步：收集轮使用反馈

让业务人员使用，收集反馈：哪些洞察对，哪些不对，问题出在哪里，是数据问题还是模型问题还是规则问题。

第三步：针对性优化

根据反馈，针对性优化： - 数据问题就优化数据质量 - 阈值问题就调整异常阈值 - 规则问题就注入业务规则

第四步：持续收集反馈，定期迭代

每个季度收集一次反馈，做一次小优化，半年做一次大优化，持续迭代，智能洞察会越来越好用。

四、实践效果：准确率持续提升

某零售企业使用观远BI智能洞察，通过持续优化：

• 上线个月，洞察准确率大概60%
• 持续优化三个月后，准确率提升到85%
• 运行半年后，准确率稳定在90%以上

现在业务人员已经习惯打开仪表板先看智能洞察，快速找到问题，分析效率提升了30%以上，确实节省了时间，提升了分析效率。

结论

哪家BI有智能洞察功能其实现在很多都有，但不是上线就完事了，想要智能洞察真正持续发挥价值，需要持续优化。通过数据质量优化、模型参数调优、业务规则注入、使用反馈迭代四个方向持续优化，智能洞察的准确率会越来越高，越来越贴合业务，价值越来越大。

观远BI智能洞察支持企业持续优化，能更好满足企业个性化需求，帮助企业真正提升分析效率。你的智能洞察上线后，如果准确率不够高，不妨试试这四个优化方向，相信准确率会逐步提升，价值越来越大。

FAQ

Q1：智能洞察能完全替代分析师吗？

A： 不能，智能洞察是帮助分析师更快发现问题，给分析师提供参考，替代不了分析师的深度分析和业务判断，是赋能不是替代。

Q2：我们企业数据基础不好，能先用智能洞察吗？

A： 可以用，一边用一边持续优化数据质量，用智能洞察也能帮你发现数据质量问题，反向促进数据质量提升，不一定非要等数据完美了再上。

Q3：持续优化需要很多技术投入吗？

A： 不需要，观远BI产品层面已经支持反馈和调优，业务人员就能反馈，不需要太多技术投入，主要是业务层面调整规则和参数，技术投入很少。