标签：简单 形式 数据分析师 统一 选择 这就是我 Smartbi 条件 无法
对于有一定信息化基础和数据沉淀的企业来说，内部可能已经建设好各种分析系统。只不过这些系统是分批建设的，存在明显的“烟囱式”架构。系统之间相互独立，数据也无法打通。这种情况下通过建设数据仓库或者大数据平台进行统一的数据采集、处理和存储，然后把数据或者数据服务的能力统一提供给上层的应用使用。这种方式的确可以解决“烟囱式”的问题，也是企业普遍的做法。
既然如此，还要数据中台做什么呢？
问题就在于不管是数据仓库，还是大数据平台，都是由IT团队主导建设的，业务部门并不参与其中。数据的分析能力也是IT人员按照自己的想法进行建设，作为一线的业务人员只能被动地接受，有什么需求提出来就是了。久而久之，业务人员已经形成习惯，不会去要求提升自己的数据分析能力。而且，业务人员只能在IT设定好的框架下做“有限”的分析，是典型的“项目型”BI应用方式。
本来这也没什么大问题，反正这么多年大家都是这么过来的，虽然它的弊端众所周知：效率太低了！而且相似需求不断重复，数据利用率也不够。
更为关键的是，它违背了“数据辅助决策”这个基本原则。我们分析数据，本来就是为了更好地支持业务决策。由IT主导的数据建设，无法很好地达到这一目标，因为没有人比业务人员更清楚自己需要什么数据，用什么口径，要如何统计。所以，最好的办法就是业务人员根据自己的需求去分析数据，让数据真正为业务所用，这才是“数据中台”真正的含义。
要如何才能真正做到这一点呢？在这里，先给大家举一个例子。
OA已经是企业中很普遍的一款应用，大家都有了使用的习惯，OA也确实给我们的工作带来了极大的便利，其价值显而易见。但OA为什么能够这么普及呢？一个重要原因是它足够易用！只要你简单操作一下，以后就可以自主使用，根本不需要IT的支持，除非有一些定制化的需求。
那么，BI能不能也像OA一样做到如此普及、易用呢？
这就是我们追求的目标。
要实现这个目标，绝不是靠一个BI工具就能解决的，而必须是一整套的解决方案，必须从基础、手段、机制、保障这几个方面入手。
基础
前面已经说过，大部分企业已经有了数据仓库或者大数据平台，存储在里面的数据只有IT人员知道怎么使用。要想业务人员能够自助分析，首先需要让他知道怎么用这些数据，需要把数据变得易懂易用。通过对表、字段名称进行业务含义翻译，把枯燥的数据翻译成容易理解的业务数据，并且把字段的数据类型、显示格式、维度层次等提前设置好，业务人员用起来就方便多了。通过这种方式，还可以把企业的数据资产化，提升数据价值。
有了数据资产，还需要以可视化的形式展示出来，并且提供精准的搜索功能，让业务人员可以快速地找到。在自助分析过程中遇到问题，需要有专门的渠道随时获取支持。只有解决了这三个基础的问题，业务人员才有可能进行下一步的自助分析。
手段
企业采购的自助分析工具大多只提供“可视化”的功能，缺乏深度、灵活的数据分析能力。即使有一些国外的工具可以提供，也因为使用过于复杂，学习门槛太高而被放弃，业务人员还是喜欢用熟悉的Excel进行本地数据分析，这也是什么自助分析一直无法真正落地的一个重要原因。
既然如此，我们就需要提供多样化的分析手段供用户选择。例如即席查询，主要用于大数据量的清单明细查询，任何字段均可作为筛选条件；提供类似Excel透视表的透视分析，支持超大数据量的查询性能，支持超多维度、甚至维度无法固定的分析场景；还可以提供自助仪表盘，让业务人员通过拖拉拽就可以生成可视化的数据仪表盘，做到所见即所得。
业务人员习惯用Excel，那就提供BI和Excel结合的Excel分析。Excel的分析能力很强大，数据处理也很灵活，但在安全、性能、共享方面有很多不足，我们可以通过BI的功能进行弥补。这样即利用了Excel的优点，又解决了它的问题，真正做到赋能企业一线业务人员，让人人都是数据分析师。
其它的分析手段还有很多，企业可以根据实际需要提供给业务人员使用。但有一点要记住：一定要真正可落地的，真正能用起来的，否则只能是摆设。
机制
如果说自助分析的基础和手段是“治标”，那么机制就是“治本”。一个企业要想让业务人员真正把数据用起来，更为重要的是要有一套机制，可以充分调动业务人员的积极性，营造全员数据分析的氛围。通过提供分析商店，我们可以实现这个目标。
分析商店如同手机上的应用商店，使优秀的分析成果得到传播。用户能很方便的看到哪些是最热门、最优秀的分析，也能通过搜索，找到想要的分析。用户之间可以进行社交互动，对分析、应用、问题等进行点赞、评论。
这些分析成果可以沉淀下来，形成企业的知识资产，避免以后重复性的开发。通过社区分享经验，新手进行自助分析也无需从零开始。
我们还可以分析用户的行为数据，这些数据将帮助制定与推广运营策略，进一步提升分析商店的活跃度。
保障
自助分析想要进一步推广普及，还需要提供安全、稳定、性能等方面的保障。数据安全至关重要，任何提供分析的数据都必须是可控的，可以针对不同的用户和角色控制不同的访问权限，而且可以精细到字段级和行级。同时，还需要提供灵活的数据脱敏，防止敏感的信息泄露。
如果访问量巨大，支持通过集群扩展来分散压力，保证系统的稳定。当处理的数据量达到一定规模发生卡顿时，通过缓存加速等技术手段也可以提高系统的性能。
以上四个方面的措施解决“企业如何用好数据”的问题，也是Smartbi为普及BI应用所推出的“企业自助分析解决方案”，同时也是“数据中台”的理念。其实，对于企业特别是业务人员来说，他们并不关心什么是数据仓库、大数据平台或者数据中台，他们关心的是如何真正把数据用起来，让数据真正做到辅助一线业务决策，从而提高企业的市场竞争力。如果我们可以提供一套解决方案，让BI像OA一样在企业中普及、易用，那么离这个目标也不远了，你们说是吗？
标签：简单 形式 数据分析师 统一 选择 这就是我 Smartbi 条件 无法
原文地址：https://blog.51cto.com/14787048/2527916
