BI是实现企业数据化运营的最有效手段,从数据到决策,BI技术的进步正在减少人工投入和提升普及度。

 

从发展阶段来看,BI经历了“以报表为核心的IT响应式服务”、“以宽表为核心的自助可视化分析”和“以指标为核心的可视化分析、增强分析”三阶段。

 

不同的BI阶段解决了当时企业数据化运营面临问题,企业对数据化运营的思考和践行也同时促进了BI的发展。

 

本次,我们就详细了解了BI发展不同阶段运行模式及遇到的问题。

 

 

以报表为核心的IT响应式服务

 

 

 

开始的时候,BI是以报表为核心的IT响应式服务:

 

决策管理者和业务人员提出用报表等来展示经营管理数据的需求;接着IT响应需求,进行需求沟通、数据处理加工、报表开发等主体工作;最后决策管理者和业务人员对开发完成的报表等进行验收和使用。

 

 

但是,随着企业业务发展、数据规模和多样性的增长,报表模式出现很多问题,影响了分析的及时性和数据的可信性,也让开发成本和维护成本居高不下。

 

 

1

需求响应慢,报表不灵活

无法敏捷分析

 

报表是由IT按需开发,不够灵活,当有新的报表需求时,也许只是增加了某个分析维度,都只能向IT求助;并且需求从提出、确认、开发再到验收,周期长,尤其当需求一多,IT疲于应付,无法及时响应,满足不了敏捷分析的需求。

 

 

 

2

报表数据口径不一致

导致数据不可信

 

因为信息不互通,存在报表孤岛,我们常听到决策者抱怨说,想查看一个简单的业务数据,却发现不同的部门提供报表中的同一指标对应的数据不一样。比如CEO发现运营部、产品部等在不同的报表里面对于【新增用户数】这个指标以不同的业务逻辑来定义,因此导致数据不一致。

 

 

这种情况的频繁发生,用户也开始怀疑自己的数据,对数据质量的信心下降,对数据使用的效率下降,决策者和业务用户的信任也下降了。

 

 

3

报表重复开发、报表债等

导致成本高

 

对于IT来说,由于存在报表孤岛、不够灵活且管理混乱现象,导致报表一直被重复开发,IT疲于应付,开发成本更高。

 

同时,每个报表都对应一系列后台的ETL处理、数据集,IT也不敢随便更新删除,因此报表越来越多,长期运行遗留的报表债,让报表状态未知、混乱,难以更新维护。

 

比如某企业去年做了几百张报表,仅过了一年就发现因为没有更新,可用的报表不到三分之一。

 

 

 

以宽表为核心的自助可视化分析

 

 

 

“以宽表为核心的自助可视化分析”阶段的到来,解决了第一阶段的报表开发中,报表数据和展现完全耦合在一起的问题。通过构建宽表,让报表和数据集解耦,解决数据应变能力不灵活、分析不敏捷的问题。

 

在这一阶段主要是通过各种数据集功能以宽表的模式建设分析主题,业务人员进行可视化分析和报告。

 

 

业务人员如有报表/分析需求,自己就可以通过简单的拖拽勾选等操作进行自助可视化分析,提高了开发效率,让IT把工作重心放在数据方面。对于一些简单的数据加工需求,用户可以先基于宽表中已有的字段进行组合加工,甚至业务用户在分析时能一键生成同环比之类的时间计算字段。

 

宽表的再加工能力增加了数据的应变能力、通过业务自助可视化分析提高了用户敏捷分析的能力。目前市面上大部分的BI产品都处在这一阶段。

 

但是,我们发现宽表模式还是报表需求驱动,对指标没有完整的统一规划和管理,会出现以下问题:

 

 

1

宽表孤岛让宽表爆炸、混乱

导致分析效率下降

 

当数据消费的主体为不懂“表”的业务用户,他们分析使用时难以定位需要的指标在哪些数据集或表中,只能构建新的数据集。随着报表需求的持续性增长,让宽表数量爆炸、状态混乱,业务用户愈加难选,如此循环,分析效率降低。

 

2

仍存在数据重复加工

和数据口径不一致的问题

 

宽表分散且管理混乱,哪个宽表有哪些指标都比较模糊,如有数据加工需求,不知是否存在相似,仍会进行重复开发。和报表类似,每个宽表后端也对应一系列的ETL数据处理,不敢随便更新删除,开发和维护成本越来越高。

 

此外,数据口径不一致的问题也还是存在。在之前的“以报表为核心的IT响应式服务”阶段,数据口径存在报表层面的不统一,现在是宽表层面不统一。在宽表开发的过程中,没有统一规划,可能导致同一个指标数据口径在不同的宽表里面不一致,让数据不可信。

 

 

3

复杂的再加工让数据变得更难

导致数据无法及时分析

 

复杂的再加工关系也让数据变更难以跟踪。IT修复了某个数据问题后,发现下游的分析结果并没有显示修复成功。因为宽表之间复杂的再加工关系,IT花费了大量的时间去寻找原因,不仅增加了维护成本,业务人员也不能实现及时的数据分析。

 

 

由此可见,如果想为数据分析提供正确、一致的高质量可信数据,我们必须对指标进行统一的规划从而形成标准的指标体系。这就是BI的下一阶段——以指标为核心的可视化分析、增强分析。

 

 

以指标为核心的可视化分析、增强分析

 

 

 

为了解决这些问题,企业进行了为期数年的大幅提高公司数据质量的改革,而改革的核心就是以指标为核心构建指标体系

 

 

1

IT为主体构建指标体系

 

在以指标为核心的初始阶段,是以IT为主体来构建指标体系的。

 

IT对指标进行了一系列的梳理、规划、处理、创建,构建了完整统一标准的指标体系,并存储在指标库中。统一的指标库相当于在上游数据和下游消费之间搭建了桥梁,不仅IT能够灵活地进行数据变更,同时将一致且正确的数据提供给各种下游消费者进行可视化分析

 

 

当业务有新的指标需求时,IT先去指标库中搜索是否已经存在类似指标,已有指标无需重复构建;部分指标IT可以基于已有指标计算得出;剩余指标IT再根据业务需求进行定义、取数、计算、存储等操作,从而解决了重复加工和数据口径不一致的问题

 

 

以上以IT为主体的指标体系构建,只是指标为核心模式的第一阶段。这一阶段为数据消费者分析数据提供了统一有保证的数据,但也存在对管理需求响应不及时的问题:

 

业务提出指标需求,但并不直接参与指标体系的构建操作,指标的定义、加工等主体工作都是IT来完成,IT需和业务反复沟通确认指标的含义、描述、口径等信息,再进行加工处理,效率低下,周期长。

 

 

2

业务和IT最佳协同构建指标体系

 

因此,就出现了指标模式的第二阶段,这一阶段的核心是让业务直接参与指标体系构建:

 

业务和IT基于平台配合定义基础指标,业务进行指标的定义、业务属性、口径等,IT进行指标技术上的加工实现,两者各尽所能,相得益彰,平台的依托可以直接进行需求澄清,沟通效率高、数据解读准确。

 

业务还可以基于已有的指标进行再加工,生成计算指标,无须每个指标都让IT开发实现,提高了需求响应的及时性。

 

 

这种以业务和IT最佳协同的指标模式,打造了自增长的指标体系,实现企业数据资产的沉淀!

 

目前最具有代表性的产品就是:Smartbi V10.5——以指标为核心的ABI平台。

 

 

Smartbi提供以指标为核心的ABI平台

帮助企业沉淀资产

 

 

 

思迈特软件提供以指标为核心的一站式ABI平台Smartbi,帮助企业建立以数据为依托、业务为中心、指标体系为管理抓手的数据化运营体系。

 

以指标为核心的一站式ABI平台Smartbi建设思路包括:基于客户顶层视角的指标梳理、以指标为核心的ABI平台承接指标落地和应用、标准化交付服务。

 

 

指标梳理

我们以客户顶层视角分析业务需求,分级梳理出满足管理和经营需求指标体系,同时基于分析模型或者行业经验,实现迭代完善。

指标管理

依托Smartbi平台指标管理功能,可一体化完成指标的落地,为用户提供统一可信高质量数据;同时通过IT和业务的最佳协同来打造自增长的指标体系,解决以IT为主体构建时管理需求响应不及时的问题,沉淀企业数据资产。

指标应用

一体化的ABI平台可以很轻松地实现指标的应用,同时强大的增强分析功能也能扩展指标应用的广度和深度。

实施标准化

通过一套跟产品紧耦合的实施方法论,在实施中实现标准化交付,帮助企业降低技术门槛和成本,保障项目高效落地。

Smartbi以指标为核心的一站式ABI平台不仅帮助企业统一数据口径,解决重复开发问题,降低了IT开发和维护成本,为决策管理者和业务人员提供高质量、可信任的数据。同时,通过业务和IT的最佳协同,解决以IT为主体构建指标体系时管理需求响应不及时的问题,帮助企业打造自增长指标体系,沉淀企业数据资产。

 

是不是听起来很心动?还有更多关于 指标管理的解读 和 基于指标为核心的ABI平台构建思路,我们在下期内容为您揭晓,敬请关注!