什么是自助式 BI 以及如何正确使用

自助式商业智能或 BI 已在许多组织的待办事项列表中出现了很长一段时间。

然而，自助式 BI 作为一种工具，可以让非技术背景的用户获得业务发展的洞察力，但在实际实施时却让许多组织感到失望。

失败的故事比比皆是，公司从未得到自助式 BI 最初承诺的东西。 这让业务线用户可以从 IT 中解放出来，创建强大而准确的报告来推动业务增长。

在此博客中，您将了解自助式 BI 究竟是什么、组织为何会失败，以及您的公司应采取哪些步骤来实施成功的自助式 BI 解决方案。

什么是自助式 BI？

自助式 BI 定义

自助式 BI 通常被定义为一种 BI 形式，它使用简单易用的 BI 工具，允许非精通技术的业务用户（销售、财务、营销或 HR）直接访问数据并自行探索.

自助式 BI 不同于 IT 或 BI 部门作为集中功能拥有的传统 BI。 在传统方法中，是这些团队负责一切。 他们准备所需的数据、存储和保护数据、构建数据模型、创建查询，并在收集最终用户的需求后为他们构建可视化。

自助式 BI 的概念与数据民主化密切相关，数据民主化侧重于让组织中的每个人都可以访问和使用数据。 最终目的是在组织层面产生更多洞察力并推动更好的业务决策。

自助式 BI 的主要优势

• 更快获得洞察力——将控制权转移给最终用户意味着跳过传统 BI 流程中耗时的阶段。 在自助式 BI 中，最终用户无需等待数天甚至数周，直到他们的报告在获得启发和批准后最终上线。 当意识到需要更多视觉效果时，他们也不必处理繁琐的变更请求管理过程。 这是因为他们可以即时切割、调整和添加数据，以发现重要的趋势、模式或异常。
• 提高运营效率——通过让业务用户具备全面的领域知识，可以在临时基础上执行他们自己的数据分析，自助式 BI 可以产生更优质的洞察力，同时让 IT 或 BI 团队从处理与数据相关的日常任务中解放出来。 相反，这些团队可以专注于更难的问题，例如设置数据管道以在正确的时间将清理和转换的数据传送到正确的目的地，以及维护重要的数据治理流程。
• 降低成本——除了优化 IT 和 BI 功能以节省时间和成本外，许多自助式 BI 采用者更进一步。 他们为主题专家提供执行高级数据分析的知识和工具。 换句话说，他们培养了知道如何生成对业务至关重要的 ML 驱动的预测的公民数据科学家。 由于数据科学人才的价格很高，这种投资可能是数据驱动公司所能做出的最好的投资之一。

自助式 BI 工具的核心功能

为了实现上述自助式 BI 的强大优势，自助式 BI 工具应具有以下基本功能：

• 数据连接器支持自助式 BI 工具与数据库、CRM、ERP、营销分析、财务软件以及其他本地和云系统集成，以最有效的方式满足分析需求。
• 广泛的报告功能，从具有可自定义设置的书本质量罐头报告到临时深入分析，同时允许用户安排分发或将结果划分为不同受众的子集。
• 直观的拖放或基于单击的界面，允许用户选择数据字段和视觉效果并将它们拖放到报告画布中以进行探索和讲故事。
• 数据可视化模板可简化根据用户偏好和需求创建仪表板的过程。

许多组织通过数据科学和机器学习方面的功能丰富其自助式 BI，从而将其提升到一个新的水平。 增强分析平台使用户能够发现更多数据、评估未表征的数据集并创建假设情景。 通过这种方式，企业可以尽快对其不断变化的需求做出反应，从而实现最大的灵活性。

为什么组织在自助式 BI 上会失败

1. 不切实际的期望

一个刚开始向新手用户扔数据的组织正面临着报告质量差的严重风险。 如果这些具有不同资格的用户在没有首先学习报告的基础知识的情况下得到没有被误解的数据，那将是非常幸运的。

例如，一个快乐的用户创建他们的第一个历史时期总销售额报告可能最终得到平均数字而不是 SUM，而对各种度量的默认聚合一无所知。 或者相反，他们可以提交夸大的数字。 当需要以不同的粒度级别显示加权平均值时，还存在数据不一致的风险，这可能会影响加权平​​均值。

再进一步，非超级用户可能会对支持他们最初信念的随意分析感到满意。 未经培训的用户不一定会意识到确认或挑剔偏见陷阱，尤其是在面临解释某种模式的压力时。

2. 报告混乱

自助式 BI 并不意味着零 IT 参与。 让用户在没有 IT 管理的情况下玩弄数据通常会导致报告无政府状态。

如果没有治理，可能会有来自不同用户的冗余报告在孤岛中工作并提供相同的分析，或者来自不同用户的报告分析相同的指标但使用不同的过滤器，从而提供相互冲突的结果。 来自不同部门的报告可以依赖于数量、价值或时间的不同命名约定，或者使用相同的术语但不一定相同的定义。 同一个数据库的多个版本，永远无法修复的数据库中的错误，只使用一次的对象的创建......这个列表是无穷无尽的。

治理不是数据驱动的组织在自助服务领域可以抵制的东西。 无论公司多么希望让用户免于进行自己的分析，仍然需要 IT 参与以保持高数据质量和一致性。

3. 缺乏采用

事实是，并不是每个人都喜欢努力工作。 大多数业务用户只想要一个简单的仪表板来为他们提供数字。 然而，有价值的洞察往往存在于超越普通业务绩效分析的更深层次。

另一个可能阻碍高效自助式 BI 的心理因素是拒绝改变。 对于许多处于自助式 BI 之旅的早期阶段的组织来说，看到沮丧的业务用户返回 BI 或 IT 请求报告的情况并不少见，就像他们在过去的美好时光中所做的那样。 较旧的方法更安全。

不友好的自助式 BI 环境设置也可能是一个问题。 对于 IT 或 BI 团队来说，似乎是一种易于使用的工具来收集和提炼结果，但对于没有技术技能的临时用户来说，这些功能可能具有压倒性和令人沮丧的功能。 数据透视表和电子表格可能很乏味，但用户在遇到困难时很快就会恢复使用它们。

ITRex 关于如何成功实施自助式 BI 的 10 条提示

以下是 ITRex 在为小型企业和大型公司（包括为拥有 300 万业务用户的世界领先零售商）构建高效自助式 BI 工具的经验中的基本要点列表（在此处阅读有关此项目的更多信息）：

1. 设置您的自助式 BI 策略

您首先需要定义您希望通过自助式 BI 实现的目标，无论是减少延迟报告还是在组织范围内提供数据访问都很简单。 自助服务对不同的人来说可能意味着任何事情，所以你应该清楚你的项目。 尽早了解实施规模、用户类型、他们的技术熟练程度以及您对可交付成果的期望也很重要。

2. 让所有利益相关者参与整个项目

您应该围绕您的利益相关者在数据中寻找什么以及他们与数据相关的成功指标是什么。 采访他们以收集他们的功能、可用性、用户体验和其他输入。 然后在你迭代时不断地向他们征求反馈。 除了确保构建相关的自助式 BI 工具外，您还将让利益相关者拥有主人翁感并提高他们的参与度。

3. 让 IT 部门参与进来

这也是必不可少的。 您的 IT 拥有关于您的数据环境、现有数据源、数据治理控制和数据访问管理的所有信息。 他们将帮助您选择或构建一个自助式 BI 解决方案，该解决方案在用户访问和新数据源集成方面易于维护、监控和管理。

4. 建立健全的治理

自助式 BI 治理包括以下内容：

数据治理政策和程序，以确保您的数据是一致的、完整的、完整的、准确的和最新的。 在这里，您需要制定更广泛的数据管理策略，并在主数据和元数据管理方面采用领先实践作为其中的一部分

• 管理业务指标以在您的自助式 BI 环境中统一定义它们并排除任何偏差
• 报告治理以设定质量验证程序
• 数据安全性，用于定义谁可以访问您的自助 BI 中的哪些数据并建立数据沿袭

5. 选择合适的工具

没有一刀切的策略。 您的用户有不同的需求和技能，您的工具应该可以准确地满足这些需求和技能。 您可能需要平衡灵活性和复杂性，以允许您的用户提出新问题，同时保持自力更生。 定制的自助式 BI 解决方案将使其更容易实现。

6. 建立单一的事实来源

单一事实来源作为解决方案架构的一部分实施，以支持基于相同数据的决策。 为此，公司建立了一个数据仓库或其他类型的中央存储库，提供来自多个来源的所有数据的 360 度视图，并使数据访问、分析、丰富和保护更加简单和高效。 这是值得的投资。

7. 教育用户

必须为最终用户提供三种类型的培训计划：1. 数据分析和可视化，2) 加入数据和构建数据模型的基础知识，以及 3) 持续的点对点培训。

8. 建立社区

如果您建立一个卓越中心或在 Slack 或 Teams 上拥有一个专家社区，这将有很大帮助，以便您的最终用户知道去哪里填补知识空白。

9. 考虑将 BI 专家嵌入业务部门

他们将通过增加没有分析背景的用户对数据的访问并根据需要提供监督以提高报告质量来帮助推动参与。

10.从小处着手

选择一个有限的环境来启动您的自助式 BI 项目并使用敏捷方法从那里构建。 这样，您将在扩大规模之前及早解决问题。

如果您考虑开始自助式 BI 之旅，请放弃 ITRex 团队。 凭借他们久经考验的方法，我们将帮助您避免常见的陷阱，同时使您的项目取得成功。

最初于 2022 年 8 月 10 日在 https://itrexgroup.com 上发布。