中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

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

大數據時代，幾乎每個企業都在追求數字化轉型、數據化管理，上到公司管理層戰略目標制定，下到一線業務同學的項目復盤匯報、甚至產品經理和開發的需求溝通，都需要數據的支撐，從過去的拍腦袋的定性決策，轉向一切用數據說話的定量決策。從而，帶來數據獲取和分析需求爆發式的增長。

一、數據分析的主要痛點

1. 日常臨時取數分析

業務團隊：數據獲取門檻高，一線業務人員難以直接接觸數據源，業務數據獲取高度依賴數據團隊，數據人力、排期跟不上，數據響應周期長，影響數據使用。

數據團隊：臨時取數消耗數據開發精力，影響數據基建，業務不滿意，出力不討好。

2. 固化可視化報表

對于一些固定的主題式經營分析報表，需要建設可視化平臺讓業務直接交互式分析決策，甚至一些后臺產品都需要提供數據可視化統計分析能力，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，前后端、數據開發人力成本高，響應慢，一個需求至少1周開發資源，并且對于一些業務端的開發，并不具備專業的可視化開發能力，需要從0開始，學習成本高。

二、自助BI產品的破局思路

1. 自助BI產品理念

自助BI產品理念是自助，通過產品上的低代碼、拖拽式、可視化能力構建，讓一線業務可以接觸數據，進行自助式的分析，人人都可數據分析，取數不求人。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小時休息一下繼續吃。

2. 自助BI是數據化運營的必備產品

數據分析的產品形態有定制化的可視化開發平臺，用戶行為分析，以及自助BI。隨著數據化轉型的不斷深入，企業數據化管理流程和人才體系被逐步培養起來。BI產品的不斷迭代和完善，已經可以逐步替代定制化開發，例如一些商業化的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。

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

相反，如果選擇自助BI產品，只是數據模型的擴展、數據分析能力的增強。雖然企業每個階段的痛點和問題各不相同，但智能BI決策分析產品，才是決策分析類數據產品最終的歸宿。

三、自助BI產品功能架構

敏捷BI工具的標配流程是數據建模、拖拽分析、可視化呈現、系統管理等功能模塊，隨著基礎看數據的需求滿足后，業務會有更多增強分析、以及從人找數到數找人的預警、推送需求。

同時，對于數據生產者，要持續降本增效，因此圍繞數據血緣看板生命周期相關的數據治理流程，在自研產品中也要考慮進去。

1. BI系統架構

數據源：從系統架構層級看，BI系統最底層是數據接入層，數據源是原材料，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據庫，以及數據倉庫的數據源。

數據模型：數據接入后，在數據模型層，做表之間的關聯、字段邏輯處理、元數據信息維護，形成模型資產，把模型主題、層級分門別類管理好，方面業務快速找到目標數據源，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據源集成到OLAP查詢引擎，提升即席查詢效率。

分析層：無SQL拖拽分析，業務基于數據模型，可以直接選擇維度、度量、過濾條件后，直接進行數據查詢，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、數據標簽、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、數據推送&預警，以及可視化大屏。將可視化能力直接在系統內應用或跨系統復用。

自助BI行業來說，成熟的商業化產品非常多，傳統的BI分析如帆軟BI、BDP、Tableau、永洪BI、億信華辰等，云廠商阿里quickBI、網易有數、火山引擎智能數據洞察等，在產品細節功能設計的時候，可以注冊賬號去試用體驗即可。

四、自助BI產品從0到1的踩過的一些坑

1. 數據集資產是根基

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

所以，在企業內部推動BI項目時，要聯動數據資產建設者(數倉開發等)，去提供可以給業務去使用的流量、訂單、會員等數據模型，讓用戶體會到，自己取數也很簡單，而且更快。

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

2. 自助分析要足夠自助

曾經，BI項目組中，產品和研發一直圍繞一個到底自助分析模塊應不應該支持模型關聯的問題爭執不休。開發的觀點是應該像QuickBI一樣，將所有的建模過程在數據集創建中進行，自助分析僅做可視化配置。

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

最初上線時，把自助分析模型關聯以及計算字段處理的功能做了灰度隱藏，業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AdhocSQL 取數的低代碼、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產品的核心競爭力

業務發展早期為了更快的使用起來會外采商業化BI產品，畢竟自研的周期還是比較久的。當業務已經使用了商業化的產品，雖然經過業務發展以及老板的決策說，我們是時候自己搞一個BI產品了。

那么，說服業務去遷移還是比較困難的，畢竟他們已經有了很多的報表積累，沒有優勢，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勢。例如，外采BI一般是采用數據庫連接的方式，進行后續分析，多數BI產品對數據全鏈路追蹤能力是缺失的，或者僅限于系統內部的數據集、看板、圖表之間的關系。

而自研產品可以具備的優勢是從數據源生產加工全流程，到最終的應用，可以做到全鏈路的數據追蹤，針對不使用的報表進行一鍵下線，打通系統內部的數據治理工具，做到加工過程的任務資源釋放，實現降本增效。

五、BI產品的發展趨勢

1. 靈活的可視化配置能力持續完善

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需求，圍繞這一目標，需要看現有的BI產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

傳統的BI產品主要解決了用戶查數據的問題，BI產品和其他定制化或者用戶行為分析類的產品主要的劣勢在于缺少分析思路的沉淀，需要業務人員具有分析目標和分析思路。

融入AI分析能力，可以幫助業務更高效的進行數據分析，例如當GMV指標波動異常時，利用基尼系數的算法模型，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已經實現了的。

3. 人找數到數找人的能力構建

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

#專欄作家#

數據干飯人，微信號公眾號：數據干飯人，人人都是產品經理專欄作家。專注數據中臺產品領域，覆蓋開發套件，數據資產與數據治理，BI與數據可視化，精準營銷平臺等數據產品。擅長大數據解決方案規劃與產品方案設計。

本文原創發布于人人都是產品經理，未經作者許可，禁止轉載。

題圖來自Unsplash，基于CC0協議。