編輯導語：數據化運營是一個近年來興起的概念，它在運營的基礎上，提出了以數據驅動決策的口號。在數據化運營中，一系列傳統BI無法根治的問題和商業環境的迫切需求也讓自助式BI應運而生。本篇文章中，作者系統地分析了企業數據化運營中使用自助BI產品的原因，推薦對數據化運營感興趣的朋友們閱讀。

一、什么是BI產品

百度百科上BI的定義是：商業智能（Business Intelligence，簡稱：BI），指用現代數據倉庫技術、線上分析處理技術、數據挖掘和數據展現技術進行數據分析以實現商業價值。

BI產品則是將上述過程流程化的平臺化產品，在降低數據獲取、分析成本方面，契合中臺的思想，因此也是作為數據中臺解決方案的重要模塊。

二、企業數據化運營面臨的問題

對于產品&業務：

• 產品迭代、運營活動需要各種數據分析支持，數據調取依賴數據開發排期長、響應慢，需求完成決策時效性可能已經過去，緊急需求求爺爺告奶奶；
• SQL取數門檻高，多數業務人員無SQL能力；
• 數據可視化報表需要數據、接口、前端多工種支持，一個報表上線要一兩周。

對于開發：

• 需要有人專門對接非固定的SQL取數工作，重復、枯燥，干不了多久就離職了；
• 每天都在各種取數據、做報表，忙成狗，還是不是來個緊急需求，或者需求排期久了被投訴；
• 感覺每個報表前端都長得差不多，還要不斷重復開發可視化報表，心累。

三、BI產品的解決思路

BI產品以自助式、配置化的產品理念，通過數據資產建設和產品拖拽式分析、可視化配置能力，人人都可數據分析。

• 無SQL業務人員自助取數的問題，取數不求人；
• 數據開發人力釋放，可以有更多的資源投身數倉模型的建設，提高模型覆蓋度；
• 可視化看板自助配置，業務可以基于數據模型快速搭建看板，無需接口和前端開發。

四、自研還是外采，這是一個問題

1. BI行業現狀

成熟的商業化的BI產品國內外都有很多，按照業務場景和主要賣點可以分為：傳統型BI、用戶行為分析、基于云服務的SAAS化BI產品。

1）傳統BI

Tableau、帆軟BI、永洪BI、BDP、億信華辰、觀遠數據。

2）用戶行為分析

從埋點采集到用戶行為分析的全流程解決方案，從全埋點或無埋點切入，主要有神策數據、GrowingIO、諸葛IO等，還有部分垂直于游戲或廣告投放領域的分析產品如TrackingIO。

3）SAAS化BI產品

基于云服務之上的BI分析工具，核心產品是云上資源，BI產品作為增值產品或服務。如阿里云的QuickBI，華為云、騰訊云、百度云、移動云等，都有相應的搭售產品。

2.自研或外采

外采還是自主研發這是每個BI產品誕生時都要經歷的靈魂拷問，首先要回答老板，外部已有那么多成熟的產品，我們要不要從0-1開始，自己做的價值是什么？這兩種方案對比如下：

采購價格上，以阿里云Quick為例，一個300人的團隊一年的費用大概在40W，帆軟價格比較親民，可以買斷付費，基本功能在30W左右（外加每年服務費、跨版本升級費用、擴展功能費用等）。

總結一下如何選擇的要點：

• 公司管理層，對數據團隊人力投入的支持，比較新做一款BI產品需要較長周期和較多人力，短期內外采肯定是見效最快的；
• 公司對外采的態度，有些公司有自研情結，只要能解決自己業務問題，都可以考慮自研，不愛買別人的；
• 數據平臺研發團隊的人力現狀，產品、研發的人力和能力能否Cover住BI產品的需求；
• 公司規模主要是看數據用數據的人數，這是個參考值，一般1000人以下的團隊外采性價比是最高的，當然如果管理層看的比較長遠愿意投入，這個值就不作參考了。

五、BI產品核心功能架構

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

1）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。

2）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，同事需要做好模型權限、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。

3）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。

4）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。

2.產品功能框架

1）數據模型

主要提供數據源接入、數據源管理、數據建模能力。

2）自助分析

支持拖拽式分析，同時可以作為通用能力，對接數倉數據源、指標平臺指標等，隨著版本迭代，圖表類型要不斷擴展，從基礎的表格、折線圖、餅圖、柱狀圖，到復雜的地圖、?；鶊D等，數據分析能力不斷增強，預測、歸因分析等。

3）Dashboard

可視化報表創建、管理。

4）可視化大屏

大屏模式，提供常用模板快速搭建大屏。

5）系統管理

用戶權限管理，某一用戶有哪些資源（看板、數據集等）權限、看板/數據集管理(用戶范圍、使用情況、生命周期)。

六、總結

數據化管理、數據驅動運營的時代，企業數據分析需求呈井噴式增長，傳統的數據獲取流程業務人員直接觸達數據的成本高，一般依賴于數據團隊，由數據開發或數據產品支撐日常的數據調取以及報表監控需求，受限于數據團隊的人力，數據響應時效性差，而智能BI產品以自助式的產品理念，讓人人都可以進行數據獲取、數據分析、可視化圖表配置，大大提升數據化運營的效率。

因此，不管是外采還是自研，對于追求數據驅動的企業，都需要一款BI產品。

#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