分析報告界面對分析程序的影響

在分析領域，分析師花費大量時間在分析產品上運行報告。 每個分析產品的報告方法略有不同。 一些分析產品從更多的空白畫布開始，需要分析師拖入數據元素來進行分析。 其他人則允許分析師將數據導入電子表格。 有些需要使用 SQL。 有些提供報告模板，允許分析師用事件和屬性填寫空白。 雖然沒有任何分析報告界面一定比另一個更好，但重要的是組織選擇最適合其組織及其數據消費者的界面。 報告界面可能會對整個分析程序產生相應的影響。 在這篇文章中，我將概述我見過的一些分析報告界面以及它們如何影響分析交付模型和程序。

自由格式報告

最流行的分析報告界面之一是我所說的自由格式報告。 在此報告界面中，分析師會看到一個空白畫布，並且可以拖動或選擇指標和維度。 隨著數據元素被添加到畫布中，數據採用包含列和行的表格的形式。 這種方法被 Tableau 等 BI 工具和 Adob​​e 和 Google Analytics 等數字分析產品推廣。

自由格式報告界面的好處是您可以完全控制要分析的數據結構。 您可以創建多個細分級別，並且通常可以添加過濾器以按維度值縮小數據范圍。 電力分析師喜歡這個模型，因為它提供了很大的自由度，並且能夠在不了解 SQL 的情況下進行一些高級查詢。

規範性報告

另一個分析報告界面是規範性報告。 該模型為正在進行的分析類型提供了一個框架，並允許分析師輸入運行報告所需的項目。 我喜歡將此模型視為一種“填空”的報告方法。 每種報告類型都知道需要哪種類型的指標、事件或維度/屬性，並允許分析師從符合條件的選項中進行選擇以創建報告。

這種方法在某些方面可能會受到限制，但它也可以防止分析師由於其結構而犯太多錯誤。

電子表格導入

無論分析領域有多先進，總會有人只想在電子表格中進行分析。 許多分析產品提供了將數據下載或導出到電子表格的方式，以便分析師可以根據需要操作那裡的數據。 電子表格，尤其是 Microsoft Excel，往往是分析師的最低公分母。 但是，使用電子表格的缺點之一是它們更難以共享、協作並且可能存在版本控制問題。

SQL/R/Python

那些自詡為“數據科學家”的人通常更喜歡通過 SQL 或 R 或​​ Python 等報告語言分析數據。 這些編程接口和語言提供了很大的靈活性，可用於進行自定義和高級分析。 儘管如今越來越多的數據消費者正在學習這些語言，但它們仍然難以擴展，尤其是在大型企業中。

報告界面的影響

因此，在進行分析的所有選擇中，組織應該如何為他們選擇正確的選擇？ 像往常一樣，沒有一個正確的答案，但以下將提供一些事項供您在選擇時考慮。 此外，重要的是要記住，許多組織需要為不同的內部受眾使用不止一個。

數據消費者類型

大多數組織都有不同類型的數據消費者。 通常有一個核心分析團隊每天進行分析，還有其他一些更隨意的數據用戶。 臨時數據用戶可能包括高管或企業內部偶爾需要查看數據以告知其決策的人員。 後者的一個例子可能是希望查看他們管理的產品的每週或每月網站視圖的產品所有者。

核心分析團隊的報告需求將比普通用戶高得多。 核心分析團隊可能希望進行多次數據細分並按多個維度/屬性過濾數據。 對他們來說，擁有自由格式的報告界面或使用編程語言可能是最合適的選擇。 但是對於那些偶爾進行分析的人來說，這些高級報告界面通常會令人生畏或不知所措。 管理人員可能只想從 BI 工具中查看高級儀表板。

了解每個內部數據消費者的技能水平並確保為每個人提供有利於其需求和能力的報告界面非常重要。 我看到許多組織嘗試使用“一刀切”的方法並迫使所有數據消費者使用相同的分析報告界面而失敗。 在這些情況下，更高級的核心分析團隊通常會假設所有數據消費者都可以掌握對臨時數據消費者來說過於復雜或過於混亂的報告界面。 即使為更多新手數據消費者設計了更高級的報告界面，後者也發現很難在不需要幫助的情況下深入研究數據並找到他們需要的答案。 我本人曾嘗試在高級報告界面上培訓臨時數據消費者，結果卻發現他們難以學習。 在這些情況下，我發現提供針對數據消費者受眾量身定制的多個分析報告界面更有幫助。

分析交付模型

在分析領域，有多種模型可用於進行分析。 一些組織使用集中式模型，其中數據消費者提交分析請求，分析由集中式團隊完成。 其他組織嘗試使用分散的方法，期望每個人都進行自己的分析（通常稱為數據民主化）。 還有一些混合方法利用集中式模型進行某些類型的分析，並利用分散式方法進行其他分析（您可以在此處聽到有關此主題的演講）。 每種方法都有利有弊，這是另一種情況，不同的方法對不同的組織來說會更好或更壞。

但我看到的一件事是，報告模型中的錯誤會對分析交付模型產生負面影響。 例如，假設 Acme Corp 作為一個組織，選擇使用去中心化模型進行分析。 但與此同時，他們決定對自由形式的分析報告界面進行標準化。 隨著時間的推移，他們發現許多臨時數據消費者難以理解其實施中的數據以及如何報告這些數據。 慢慢地，核心分析團隊開始收到電子郵件和尋求幫助。 起初，他們可以跟上並嘗試進行額外的培訓，但很快他們意識到數據消費者無法自助服務，並且請求的數量變得不堪重負。 在這種情況下，我多次看到，報告界面和數據消費者之間顯然存在不匹配，這種不匹配破壞了整體分析交付模型。 這就是為什麼我認為分析報告界面和分析交付模型之間存在直接而重要的關係。

尋找甜蜜點

在我幫助組織進行分析的 20 年中，我很少發現一個界面適用於所有數據消費者類型和所有分析交付模型。 我在針對臨時數據消費者的分析產品培訓方面看到了有限的成功，因為如果您不經常使用工具，則很難學習。 我認為最好的組織會花時間了解他們的企業文化、不同類型數據消費者的技能，並使用兩者來選擇他們的分析報告界面和分析交付模型。 我與組織進行了許多研討會和培訓，以幫助他們發現哪些界面和模型最適合他們。 我還鼓勵組織定期為不同的數據消費者類型嘗試新的報告界面，看看是否有人“點擊”他們比他們當前使用的更多。 在 Amplitude，我們試圖為臨時數據消費者提供易於使用的報告界面，我們為在某些組織中每天有數百人自助服務這一事實感到自豪。 這就是為什麼我們為分析團隊創建了簡單的方法來利用其他分析供應商（谷歌和 Adob​​e）完成的工作將數據發送到 Amplitude，以便他們查看我們的報告界面是否可以補充核心分析團隊使用的內容。

歸根結底，所有組織都希望有效地使用數據並減少將數據轉化為洞察力所需的時間。 為不同的數據消費者選擇正確的分析報告界面是提高分析程序整體價值的重要一步。