在大數(shù)據(jù)的潮流趨勢下，幾乎每個企業(yè)都將數(shù)字化轉型升級和數(shù)據(jù)化管理放在了公司的戰(zhàn)略目標清單中。不可避免的，產(chǎn)品人的工作也被數(shù)據(jù)化席卷。然而，面對處處需要“以數(shù)據(jù)說話”的如此境遇，我們應當如何獲取數(shù)據(jù)、進而分析數(shù)據(jù)呢？本位作者根據(jù)時下熱點總結了一份自助BI產(chǎn)品實踐指南，分享給正在因“數(shù)據(jù)”而苦不堪言的小伙伴們。

大數(shù)據(jù)時代，幾乎每個企業(yè)都在追求數(shù)字化轉型、數(shù)據(jù)化管理，上到公司管理層戰(zhàn)略目標制定，下到一線業(yè)務同學的項目復盤匯報、甚至產(chǎn)品經(jīng)理和開發(fā)的需求溝通，都需要數(shù)據(jù)的支撐，從過去的拍腦袋的定性決策，轉向一切用數(shù)據(jù)說話的定量決策。從而，帶來數(shù)據(jù)獲取和分析需求爆發(fā)式的增長。

一、數(shù)據(jù)分析的主要痛點

1. 日常臨時取數(shù)分析

業(yè)務團隊：數(shù)據(jù)獲取門檻高，一線業(yè)務人員難以直接接觸數(shù)據(jù)源，業(yè)務數(shù)據(jù)獲取高度依賴數(shù)據(jù)團隊，數(shù)據(jù)人力、排期跟不上，數(shù)據(jù)響應周期長，影響數(shù)據(jù)使用。

數(shù)據(jù)團隊：臨時取數(shù)消耗數(shù)據(jù)開發(fā)精力，影響數(shù)據(jù)基建，業(yè)務不滿意，出力不討好。

2. 固化可視化報表

對于一些固定的主題式經(jīng)營分析報表，需要建設可視化平臺讓業(yè)務直接交互式分析決策，甚至一些后臺產(chǎn)品都需要提供數(shù)據(jù)可視化統(tǒng)計分析能力，例如電商平臺B端的商家后臺，每個報表頁面都需要定制化開發(fā)，前后端、數(shù)據(jù)開發(fā)人力成本高，響應慢，一個需求至少1周開發(fā)資源，并且對于一些業(yè)務端的開發(fā)，并不具備專業(yè)的可視化開發(fā)能力，需要從0開始，學習成本高。

二、自助BI產(chǎn)品的破局思路

1. 自助BI產(chǎn)品理念

自助BI產(chǎn)品理念是自助，通過產(chǎn)品上的低代碼、拖拽式、可視化能力構建，讓一線業(yè)務可以接觸數(shù)據(jù)，進行自助式的分析，人人都可數(shù)據(jù)分析，取數(shù)不求人。就像吃飯的時候，去吃點餐，需要廚師給你做菜，吃飯時長取決于前面排隊的時長，以及單個菜品的工序復雜度，吃飯2小時，1.5小時排隊吃半小時。

如果去吃自助，廚師提前把基礎的高度集成的菜品原材料組裝好，用戶按需自取即可，可以進行二次的加工，燒、烤、蒸煮成自己喜歡的口味，吃飯時長2小時，1.5小時吃飯，0.5小時休息一下繼續(xù)吃。

2. 自助BI是數(shù)據(jù)化運營的必備產(chǎn)品

數(shù)據(jù)分析的產(chǎn)品形態(tài)有定制化的可視化開發(fā)平臺，用戶行為分析，以及自助BI。隨著數(shù)據(jù)化轉型的不斷深入，企業(yè)數(shù)據(jù)化管理流程和人才體系被逐步培養(yǎng)起來。BI產(chǎn)品的不斷迭代和完善，已經(jīng)可以逐步替代定制化開發(fā)，例如一些商業(yè)化的BI推出可視化大屏模式以及PC、移動端可視化門戶的快速搭建能力。

從最終業(yè)務目標看，自助BI產(chǎn)品是一勞永逸的方案。遇到過一些企業(yè)，先是采購了用戶行為分析的產(chǎn)品，業(yè)務不斷發(fā)展分析場景多元化之后，單一的用戶行為分析能力已經(jīng)無法覆蓋分析需求，還需要再次采購BI工具。

相反，如果選擇自助BI產(chǎn)品，只是數(shù)據(jù)模型的擴展、數(shù)據(jù)分析能力的增強。雖然企業(yè)每個階段的痛點和問題各不相同，但智能BI決策分析產(chǎn)品，才是決策分析類數(shù)據(jù)產(chǎn)品最終的歸宿。

三、自助BI產(chǎn)品功能架構

敏捷BI工具的標配流程是數(shù)據(jù)建模、拖拽分析、可視化呈現(xiàn)、系統(tǒng)管理等功能模塊，隨著基礎看數(shù)據(jù)的需求滿足后，業(yè)務會有更多增強分析、以及從人找數(shù)到數(shù)找人的預警、推送需求。

同時，對于數(shù)據(jù)生產(chǎn)者，要持續(xù)降本增效，因此圍繞數(shù)據(jù)血緣看板生命周期相關的數(shù)據(jù)治理流程，在自研產(chǎn)品中也要考慮進去。

1. BI系統(tǒng)架構

數(shù)據(jù)源：從系統(tǒng)架構層級看，BI系統(tǒng)最底層是數(shù)據(jù)接入層，數(shù)據(jù)源是原材料，否則工具做的再好也是巧婦難為無米之炊，要支持接入常用關系型數(shù)據(jù)庫，以及數(shù)據(jù)倉庫的數(shù)據(jù)源。

數(shù)據(jù)模型：數(shù)據(jù)接入后，在數(shù)據(jù)模型層，做表之間的關聯(lián)、字段邏輯處理、元數(shù)據(jù)信息維護，形成模型資產(chǎn)，把模型主題、層級分門別類管理好，方面業(yè)務快速找到目標數(shù)據(jù)源，同時需要做好模型權限、字段、行值權限管控，技術層面要把不同數(shù)據(jù)源集成到OLAP查詢引擎，提升即席查詢效率。

分析層：無SQL拖拽分析，業(yè)務基于數(shù)據(jù)模型，可以直接選擇維度、度量、過濾條件后，直接進行數(shù)據(jù)查詢，同時封裝可視化圖表組件，做結果的可視化展示。對于需要固化的分析結果，可以將圖表保存至Dashboard，且可以對圖表系列顏色、數(shù)據(jù)標簽、篩選條件等進行設置。

輸出層：主要包括Dashboard輸出、將看板以iframe方式嵌入其他平臺、數(shù)據(jù)推送&預警，以及可視化大屏。將可視化能力直接在系統(tǒng)內應用或跨系統(tǒng)復用。

自助BI行業(yè)來說，成熟的商業(yè)化產(chǎn)品非常多，傳統(tǒng)的BI分析如帆軟BI、BDP、Tableau、永洪BI、億信華辰等，云廠商阿里quickBI、網(wǎng)易有數(shù)、火山引擎智能數(shù)據(jù)洞察等，在產(chǎn)品細節(jié)功能設計的時候，可以注冊賬號去試用體驗即可。

四、自助BI產(chǎn)品從0到1的踩過的一些坑

1. 數(shù)據(jù)集資產(chǎn)是根基

對于BI產(chǎn)品而言，數(shù)據(jù)集資產(chǎn)是根基，用戶去進行自助分析的前提是，有數(shù)據(jù)可以分析。在過去從0到1做BI產(chǎn)品初期，最大的問題是功能有了，但是沒有可以供業(yè)務去查詢使用的數(shù)據(jù)資產(chǎn)模型，自助分析、數(shù)據(jù)可視化做的再好，也不會有業(yè)務去使用。

所以，在企業(yè)內部推動BI項目時，要聯(lián)動數(shù)據(jù)資產(chǎn)建設者(數(shù)倉開發(fā)等)，去提供可以給業(yè)務去使用的流量、訂單、會員等數(shù)據(jù)模型，讓用戶體會到，自己取數(shù)也很簡單，而且更快。

對于數(shù)據(jù)集管理模塊功能設計時，需要提供全面的元數(shù)據(jù)維護、數(shù)據(jù)集分級分類檢索、數(shù)據(jù)邏輯確認的能力，讓用戶方便地找到所需要的數(shù)據(jù)，一鍵申請權限，快速自助分析。

2. 自助分析要足夠自助

曾經(jīng)，BI項目組中，產(chǎn)品和研發(fā)一直圍繞一個到底自助分析模塊應不應該支持模型關聯(lián)的問題爭執(zhí)不休。開發(fā)的觀點是應該像QuickBI一樣，將所有的建模過程在數(shù)據(jù)集創(chuàng)建中進行，自助分析僅做可視化配置。

而產(chǎn)品的觀點則是，自助分析除了輸出可視化配置能力外，還承擔了無SQL取數(shù)的功能，很多一線的業(yè)務同學，是利用自助分析取數(shù)的。數(shù)據(jù)開發(fā)在進行數(shù)據(jù)集創(chuàng)建時，考慮模型的通用性，會提供一些基礎的明細數(shù)據(jù)，如果只能在數(shù)據(jù)集上關聯(lián)，意味著業(yè)務進行分析需要關聯(lián)時，需要聯(lián)系數(shù)據(jù)集負責人去改模型，這個周期就很長了。

最初上線時，把自助分析模型關聯(lián)以及計算字段處理的功能做了灰度隱藏，業(yè)務部門直接找過來說，沒有這個功能他們就不用了。在這里，我的觀點是，自助BI產(chǎn)品，需要包括：自助BI分析+可視化配置能力，自助BI分析，是傳統(tǒng)AdhocSQL 取數(shù)的低代碼、無SQL版本。否則，就只是做到自助可視化，而做不到自助分析。

3. 建立自研BI產(chǎn)品的核心競爭力

業(yè)務發(fā)展早期為了更快的使用起來會外采商業(yè)化BI產(chǎn)品，畢竟自研的周期還是比較久的。當業(yè)務已經(jīng)使用了商業(yè)化的產(chǎn)品，雖然經(jīng)過業(yè)務發(fā)展以及老板的決策說，我們是時候自己搞一個BI產(chǎn)品了。

那么，說服業(yè)務去遷移還是比較困難的，畢竟他們已經(jīng)有了很多的報表積累，沒有優(yōu)勢，憑什么要遷移呢，即使口頭上答應了老板說要全力支持，但是真正推行的時候，卻因各種優(yōu)先級問題遲遲推進不下去。

本質還是因為，沒有形成對他們足夠有吸引力的競爭優(yōu)勢。例如，外采BI一般是采用數(shù)據(jù)庫連接的方式，進行后續(xù)分析，多數(shù)BI產(chǎn)品對數(shù)據(jù)全鏈路追蹤能力是缺失的，或者僅限于系統(tǒng)內部的數(shù)據(jù)集、看板、圖表之間的關系。

而自研產(chǎn)品可以具備的優(yōu)勢是從數(shù)據(jù)源生產(chǎn)加工全流程，到最終的應用，可以做到全鏈路的數(shù)據(jù)追蹤，針對不使用的報表進行一鍵下線，打通系統(tǒng)內部的數(shù)據(jù)治理工具，做到加工過程的任務資源釋放，實現(xiàn)降本增效。

五、BI產(chǎn)品的發(fā)展趨勢

1. 靈活的可視化配置能力持續(xù)完善

自助BI可視化的終極目標是要完全替代定制化的可視化開發(fā)需求，圍繞這一目標，需要看現(xiàn)有的BI產(chǎn)品對可視化門戶快速搭建的能力、移動端可視化分析、以及大屏可視化配置的能力。

2. BI+AI智能化分析能力

傳統(tǒng)的BI產(chǎn)品主要解決了用戶查數(shù)據(jù)的問題，BI產(chǎn)品和其他定制化或者用戶行為分析類的產(chǎn)品主要的劣勢在于缺少分析思路的沉淀，需要業(yè)務人員具有分析目標和分析思路。

融入AI分析能力，可以幫助業(yè)務更高效的進行數(shù)據(jù)分析，例如當GMV指標波動異常時，利用基尼系數(shù)的算法模型，自動生成影響KPI波動的關鍵維度以及Top影響因素，不需要業(yè)務進行逐層分析了，一鍵定位。

此外，可視化圖表的選擇上可以利用機器學習自動推薦，這個能力百度的Sugar已經(jīng)實現(xiàn)了的。

3. 人找數(shù)到數(shù)找人的能力構建

對于業(yè)務人員來說，他們更希望只關注業(yè)務，最好能有專門的數(shù)據(jù)分析幫他進行數(shù)據(jù)分析，告訴他有什么問題，該怎么做就可以了?；跇I(yè)務設定的預警規(guī)則+智能的歸因分析+IM的信息推送，當業(yè)務異常時，直接告訴業(yè)務，有問題了，哪里有問題，他該怎么做。

#專欄作家#

數(shù)據(jù)干飯人，微信號公眾號：數(shù)據(jù)干飯人，人人都是產(chǎn)品經(jīng)理專欄作家。專注數(shù)據(jù)中臺產(chǎn)品領域，覆蓋開發(fā)套件，數(shù)據(jù)資產(chǎn)與數(shù)據(jù)治理，BI與數(shù)據(jù)可視化，精準營銷平臺等數(shù)據(jù)產(chǎn)品。擅長大數(shù)據(jù)解決方案規(guī)劃與產(chǎn)品方案設計。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協(xié)議。