• 究竟什么是自助式分析？

• 為什么真正的自助式分析難以實現(xiàn)?

沒有任何數(shù)據(jù)工具可以幫助您在公司中實現(xiàn)數(shù)據(jù)素養(yǎng)。但肯定可以確保不會妨礙我們。作為BI工具制造商，很容易反省太多，如何解決所有客戶問題的方法，等等。但事實是，BI商業(yè)智能問題是社會技術(shù)問題，你通常必須同時修復企業(yè)數(shù)據(jù)文化、流程以及BI工具的組合才能解決。

究竟什么是自助式分析？

對于任何人來說，數(shù)據(jù)分析領(lǐng)域的自助服務這個概念很難定義。設(shè)置有人認為“自助服務是一種感覺”，我基本上同意這一點，什么是自助式分析取決于組織對來自其工具的自助服務數(shù)據(jù)的看法。人們信任自助分析的結(jié)果嗎？人們是否愿意在不給分析師發(fā)送電子郵件的情況下獲得他們需要的東西？

自助式分析取決于企業(yè)的背景（他們是否信任數(shù)據(jù)系統(tǒng)中的數(shù)字？）和數(shù)據(jù)成熟度（他們對BI工具感到滿意嗎？）以及業(yè)務用戶的需求（CEO是否為指標消費定下了基調(diào)？）。

所以，是的，當您談論自助服務分析時，企業(yè)環(huán)境很重要。在一家公司中工作的自助服務設(shè)置可能與在另一家公司中工作的自助服務不同。

但我認為比“自助服務是一種感覺”更具體的說法是：自助服務可以被認為是一種業(yè)務成果，它成功地避免了常見的組織失敗狀態(tài)。更具體地說，自助式分析是一種業(yè)務充分由數(shù)據(jù)驅(qū)動的狀態(tài)，但數(shù)據(jù)組織看起來不像是一支由需求到SQL翻譯人員組成的大軍。

具體說明如下：假設(shè)您有一家小公司，你意識到你需要一個數(shù)據(jù)分析團隊，所以你聘請了你的第一位分析師，并使用Google Data Studio或Tableau或其他一些分析平臺。您的分析師為管理層制作報告，幾個月內(nèi)一切都很好。但最終你的分析師無法跟上她從最終用戶那里收到的所有需求，所以你雇傭了第二個分析師，還有第三個、第四個…。然后你的公司成長起來，創(chuàng)建了向不同領(lǐng)導者報告的部門，每個部門都雇傭了自己的分析師，現(xiàn)在你在公司的各個部門都有一群分析師，都在編寫查詢或調(diào)整Excel電子表格，只是試圖跟上你的公司向他們提出的業(yè)務要求。

這些分析師大多是需求到 SQL 的翻譯人員或 Excel 制作師。他們都相對年輕。當然，有些是資深的。但總的來說，他們的職業(yè)發(fā)展并不多。他們中的許多人對自己的工作不滿意，其中有相當一部分人每六個月左右就會流失。您不斷招聘新的分析師以滿足業(yè)務需求，并咬緊牙關(guān)應對不斷流失員工的管理挑戰(zhàn)。

失敗的數(shù)據(jù)驅(qū)動狀態(tài)

請注意，在此方案中，您的公司是數(shù)據(jù)驅(qū)動的。但這是自助式分析應該解決的失敗狀態(tài)。這是一個失敗的狀態(tài)，因為維持一支需求到SQL翻譯人員的隊伍是相當痛苦的。理想情況下，您需要一小群可以為更多數(shù)據(jù)使用者提供服務的數(shù)據(jù)人員。達到這種規(guī)模的唯一方法是擁有某種形式的“自助服務”——也就是說，業(yè)務用戶可以以某種方式獲得他們需要的數(shù)據(jù)，而無需通過分析師。

換句話說，自助式分析作為目標很有價值，因為它增加了數(shù)據(jù)團隊的運營杠桿。你可以用更少的分析師為更多的人服務。這是一個理想的業(yè)務成果。

現(xiàn)在：請注意，我尚未定義自助服務分析平臺在此上下文中應具有哪些功能。請注意，我沒有談論工具，流程，甚至組織結(jié)構(gòu)。所有這些都取決于公司的性質(zhì)。

相反，我通過告訴你它不是什么來描述自助式分析——這是公司數(shù)據(jù)驅(qū)動的失敗狀態(tài)，而是他們只是為解決問題，有 100 名數(shù)據(jù)分析師分布在六個部門編寫 100 行 SQL 查詢。從我的角度來看，沒有自助服務你離那個失敗的狀態(tài)有多遠。

當然還另一種說法，“在一個對數(shù)據(jù)有高需求的數(shù)據(jù)驅(qū)動型公司中，糟糕的數(shù)據(jù)組織往往看起來是一樣的，但工作良好的數(shù)據(jù)組織看起來彼此非常不同”。事實上，具有良好自助服務能力的數(shù)據(jù)驅(qū)動型公司看起來都非常不同。例如，在我認識的一家消費者軟件公司中，該公司報告結(jié)構(gòu)中的許多人都精通SQL，因此他們能夠通過面向SQL的BI工具，精心策劃的數(shù)據(jù)倉庫和一兩個可視化工具的組合來解決自助服務問題。但這放在化妝品公司中是行不通的，因為大多數(shù)員工都不精通SQL，并且更喜歡為他們構(gòu)建儀表板。這兩家公司的自助服務看起來如此不同，而且與第一家公司相比，整體在第二家公司實現(xiàn)自助式分析目標方面效果更好。

為了理解為什么真正的自助式分析很難實現(xiàn)，讓我們談談數(shù)據(jù)采用的路徑曲線。大多數(shù)公司都經(jīng)歷了非常相似的數(shù)據(jù)采用路徑曲線弧線。他們這樣做是因為數(shù)據(jù)使用是由組織文化決定的，組織在獲得數(shù)據(jù)訪問權(quán)限時也會經(jīng)歷類似的文化變化。了解該過程是什么樣子的，將有助于您理解什么是“真正的自助服務”的能力。

一：即席查詢

業(yè)務用戶不可避免地會有臨時數(shù)據(jù)請求。這只是生活中的事實。

如何提供這些查詢在很大程度上取決于您可用的工具。如果您有權(quán)訪問集中式數(shù)據(jù)倉庫，則可能會編寫一些即席 SQL 查詢來生成所需的數(shù)字。

如果您在更“分散”的數(shù)據(jù)環(huán)境中操作，則必須找到正確的數(shù)據(jù)源，獲取所需的數(shù)據(jù)子集，然后在計算機上的任何工具中對其進行分析。這個過程一般需要半小時至半天，循環(huán)往復。

二：靜態(tài)報表和儀表板

最終，隨著越來越多的業(yè)務人員意識到獲取數(shù)據(jù)來支持他們的論點（并且隨著公司復雜性的擴展），數(shù)據(jù)團隊將開始對他們收到的大量請求感到不知所措。然后，數(shù)據(jù)主管開始了明顯的下一步：一個商業(yè)智能解決方案，以擺脫他的團隊的一些請求。

這位數(shù)據(jù)主管開始尋找一種 BI 工具來為這些可預測的指標創(chuàng)建儀表板，以便讓他的團隊騰出時間來處理他們從公司其他部門收到的更多臨時請求。一旦他創(chuàng)建了這些報告，他的數(shù)據(jù)團隊立即開始感到不那么不知所措。

“我們非常高興，”他告訴我們，“產(chǎn)品團隊和營銷團隊都有自己的儀表板，一旦我們設(shè)置了所有內(nèi)容，我們從這兩個團隊收到的請求數(shù)量就會下降。我們現(xiàn)在嘗試在他們每次要求時給他們一份新報告，而不是一直為他們運行臨時查詢。

許多公司很快意識到擁有良好報告功能的重要性。如果他們不采用儀表板解決方案，他們會找到其他方式向決策者提供可預測的數(shù)據(jù)。例如，我們認識的一家小公司使用電子郵件通知和 Slack 通知向其業(yè)務用戶提供及時的指標。關(guān)鍵是數(shù)字是在可重復的、自動的基礎(chǔ)上到達它們的。

最終，新員工和現(xiàn)有操作員都學會了依靠他們的“儀表板”。這將我們帶入下一階段。

三：自助服務

更多的儀表板使用導致更多的數(shù)據(jù)驅(qū)動思維…這反過來又會導致更多的臨時請求！隨著時間的流逝，依靠儀表板的業(yè)務運營商開始采用更復雜的思維形式。他們學會了減少對直覺的依賴，以“讓我們瞄準胡志明市的日本商人高爾夫球手！”或“讓我們投資魚而不是狗！這導致臨時探索性數(shù)據(jù)請求的增加。

數(shù)據(jù)團隊發(fā)現(xiàn)自己再次不堪重負。一些公司已經(jīng)嘗試為其業(yè)務人員進行SQL培訓。其他人則購買了第二波BI工具出售的自助服務敘述。這包括PowerBI的使用范例和Tableau Desktop的拖放界面?！敖o他們這樣的工具，”他們認為，“他們將能夠幫助自己獲得所需的答案，而不會給數(shù)據(jù)團隊帶來瓶頸。

這兩種方法都有問題，但最大的問題是它們經(jīng)常導致指標混亂：?不同的業(yè)務用戶可能會意外地在他們的分析中引入微妙不同的指標定義。

這些不一致往往導致溝通不暢，或者更糟糕的是，導致行政層面的判斷失誤。

路徑：過去和現(xiàn)在

我們在這里要說的是，這個路徑是普遍的，出現(xiàn)路徑是因為數(shù)據(jù)驅(qū)動思維是一種習得的組織行為。?它在整個公司文化中緩慢傳播。

大多數(shù)人并不是天生受數(shù)據(jù)驅(qū)動的。他們必須學習它，就像他們學習閱讀或?qū)懽饕粯?。然而，在一個足夠大的公司里，你會發(fā)現(xiàn)某些人的思維自然是數(shù)據(jù)驅(qū)動的;其他從一開始就似乎是數(shù)據(jù)驅(qū)動的組織可能來自數(shù)據(jù)成熟的組織，因此尋求繼續(xù)他們習慣的做法。

從這個角度來看，您在團隊中構(gòu)建的數(shù)據(jù)功能將對數(shù)據(jù)驅(qū)動思維在組織中的傳播產(chǎn)生影響。您擁有的數(shù)據(jù)能力越多，就越有可能使用數(shù)據(jù)來推進他們的論點。您建立的數(shù)據(jù)能力越多，您就越能為公司文化中數(shù)據(jù)驅(qū)動型人員提供傳播思維方式的杠桿作用。

因此，您的數(shù)據(jù)團隊必須完成的工作量隨著數(shù)據(jù)驅(qū)動思維在公司中的傳播而線性增加！該循環(huán)如下所示：

結(jié)果是，如果一切順利，您的數(shù)據(jù)團隊將發(fā)現(xiàn)自己被一波臨時請求所淹沒。您將尋求此問題的解決方案。您會發(fā)現(xiàn)儀表板和自動報告會為您爭取一些時間。

但最終，隨著您的組織從報告轉(zhuǎn)向見解再到預測，您將不得不正面解決這個問題。

這條路徑不應該讓我們感到驚訝。即使花少量時間查看行業(yè)會議、數(shù)據(jù)思想領(lǐng)導力文章或供應商的營銷材料，您也會發(fā)現(xiàn)這些專業(yè)人士中的許多人都癡迷于將自助式分析作為最終目標。這是一個可以理解的愿望，因為數(shù)據(jù)驅(qū)動的決策經(jīng)常成為數(shù)據(jù)團隊的瓶頸。同樣需要明確的是：大多數(shù)公司在這方面都沒有成功。真正的自助式分析是一項艱巨的挑戰(zhàn)。

立即解決自助式分析問題

今天的情況有何不同？是否有可能比前幾代BI工具做得更好？您可能會猜到我們對此的看法：與“第二波”BI 工具不同，我們認為：

• 中央數(shù)據(jù)倉庫的數(shù)據(jù)建模是解決方案空間的一部分：在建模層中定義一次業(yè)務定義，然后將這些模型打包用于自助服務。通過這種方式，您可以獲得自助式分析的所有好處，而不會遇到定義不明確、不一致的指標定義問題。

• 解決方案空間的另一部分是分析即代碼。我們認為，您應該將軟件工程最佳實踐應用于商業(yè)智能：將分析和報告邏輯定義為代碼，將它們通過基于 Git 的審查過程，確保自動測試通過，然后部署到生產(chǎn)環(huán)境。這樣，您就可以確切地知道何時、何地以及誰對儀表板進行了更改。您的分析輸出受到嚴格控制，業(yè)務用戶可以非常自信地使用數(shù)據(jù)。

據(jù)我們所知，采用這種方法的唯一自助服務bi工具是新版的Metabase、Looker和Holistics。然而，我們期待更多的工具能夠相應地進行調(diào)整，特別是如果這些想法在實踐中證明了它們的價值。

這種方法最終會勝出嗎？我們愿意這么認為。我們認為，這種做法有許多優(yōu)點。但是，我們無法知道這種新范式會出現(xiàn)哪些問題。我們將不得不等待幾年才能看到