商业数据分析的目标是向决策者提供有用的数据洞察(见解)。与任何技术解决方案一样，其价值不在于其先进性和复杂性，而在于它的使用方式。

数据分析的真正价值在于增值：商业人士/决策者是否能够通过数据分析提供的业务洞察做出更好的决策或优化他们的业务活动？商业数据分析的价值大小取决于数据洞察的及时性/时效性。

以下是常见的数据分析的类型和解决方案：

• 数据分析报告
• 数据仪表板
• 数据发现报告和可视化图表
• 临时数据分析
• 预测模型

它们主要区别在于如何生成、呈现和向用户提供数据洞察。关键在于用户(商业人士/决策者)是否需要去某处寻找洞察，还是洞察是否在正确的时间和地点交付给他们。报告可以每周发送到用户的收件箱（随后可能会丢失）。要查看服务仪表板，运营经理将登录公司的商业智能工具并导航到正确的位置。数据可视化可能会将大量信息压缩到一个图表中，用户(商业人士/决策者)还需较为复杂的操作才能深入挖掘所需的数据点。

嵌入式分析(Embedded Analytics)是指直接集成到业务流程中的数据分析解决方案。

借助嵌入式分析，需要数据洞察的业务运营者毫不费力导航到仪表板、或运行分析模型。相反，这些洞察或见解是在业务流程的背景下向他们提供的,数据分析的结果直接嵌入到业务运营流程中。

为什么需要嵌入式分析

商业数据分析的价值大小取决于数据洞察的及时性。传统的商业智能(BI)或数据分析项目由于架构和流程的因素导致延时严重或及时性不够，大大降低商业数据分析的价值。

商业数据分析的延迟是指业务事件与业务响应所采取的决策或操作之间的延迟。当业务事件（例如客户呼叫、新订单或包裹递送）发生时，必须在系统中收集和捕获有关该事件的数据。然后必须对这些数据进行处理和分析，以提供有用的洞察/见解。然后，有人将获得洞察/见解并确定下一步该做什么。

决策过程中的会产生各种延迟：

• 数据延迟——事件与系统中捕获该事件的数据之间的延迟。
• 分析延迟——收集数据和从中产生分析洞察之间的延迟。
• 决策延迟——获得分析洞察和做出决策之间的延迟。

延迟可能由重要业务事件的类型、组织体系、沟通渠道以及数据架构体现中的数据管道的等因素造成的。大多数组织通过创建集中式数据中心（例如企业数据仓库 (EDW)）来处理此问题。它可以组织和存储来自多个业务运营系统的集成数据；这些集成数据又将为分析解决方案提供数据支持；数据分析报告或报表等又为业务运营人员提供决策支持。

传统的企业数据仓库 (EDW)和商业智能(BI)的结构体系主要有缺点：

• 数据可能会在转换和清理过程中延迟到达数据中心。
• 分析洞察/见解常常平躺在分析平台上：查看和获得它们可能需要额外的步骤，例如登录并导航到正确的位置。
• 业务运营者需要分析出针对当前场景的正确洞察/见解，需要以正确的方式旋转数据、选择参数或日期范围、钻取或搜索等二次分析数据。

所以我们需要嵌入式分析(Embedded Analytics)：将数据分析被整合到企业应用程序(业务运营系统)中来管理工作流程。将数据分析嵌入到业务流程中的主要优势在于它变得与当前场景相关：相关的洞察/见解被传递到业务运营者需要的地方，嵌入式数据分析在正确的地点和正确的时间提供当前场景相关的数据洞察/见解。

嵌入式分析有哪些好处？

嵌入式分析为数据工程团队和数据消费者/决策者提供了多种好处。

• 将更多的数据/洞察/见解传递给组织中的更多人：通过将交互式、筛选过的图表和报告集成到业务团队依赖的应用程序中，最终数据消费者可以变得更加高效。通过能够自助进行分析，并在不必切换到其他平台的情况下方便地进行自助分析，最终用户可以更有效地工作，同时不会因切换上下文和其他干扰而浪费时间。这使得业务团队更加高效，并使企业能够更好地获得对其产品投资的回报。
• 数据消费者/业务运营者可以在其工具中发现更深入的洞察/见解：数据消费者是懂业务的运营者，又可以进行数据探索或深入挖掘数据，产生更多的、深入的洞察/见解，组织能够构建更加具有弹性的业务。
• 增加嵌入式数据分析报告/数据仪表盘的使用率和留存率：由于嵌入式分析使数据消费者/业务运营者保持在应用程序/业务系统内部，他们不必在不同的应用程序之间切换来完成工作。相反，他们将在一个地方找到所需的相关交互式图表，可以更轻松地做出数据驱动的决策，更容易发挥数据的价值。

实践中如何应用嵌入式数据分析

嵌入式分析(Embedded Analytics)的实施需要将分析平台与运营系统和工作流程集成起来。我们可以通过客服中心的场景来说明如何应用嵌入式数据分析：

• 运营系统提供了业务事件，例如“来自电话号码5555-8888的来电”。
• 工作流程旨在在接听来自已知客户电话号码的呼入电话时请求客户的状态、服务、特征和客户生命周期价值（CVL）。
• 虽然一些客户信息，如状态和服务，可以从运营系统中获取，但仍然需要调用分析平台来请求最新的特征和客户生命周期价值（CVL）。
• 分析平台更新并返回预测的客户生命周期价值（CVL），例如“如果客户满意度保持在70%以上，客户可能会在一生中额外花费2500美元”。
• 这个预测几乎是实时地提供给客服代表，当他们接听电话并向客户问好时。
• 客服代表利用这个洞见意识到他们正在与一个高价值的客户交谈。这激励他们保持客户满意，并可能表明了一个升级销售的机会。

这个过程有较多的优化和改进：

• 预测的洞察/见解可能指出了特定升级的可能性，有助于确定最佳的优惠措施。
• 洞察/见解可能表明客户可能会流失，这种情况下，服务代表将专注于保留活动而不是升级销售。
• 一个复杂的机器学习模型甚至可以提供一个适合特定账户和客户特定情况的定制化的运营活动。

无论现实世界如何变化，使用嵌入式分析(Embedded Analytics)的精髓在于让数据消费者/决策者能够轻松地访问分析洞察/见解，通过在他们工作时应用这些洞察/见解。忙碌的员工那里使用分析洞察/见解的障碍越少，他们就越有可能关注和使用它。