共计 3731 个字符，预计需要花费 10 分钟才能阅读完成。
从纸带打孔、到汇编语言、到高级语言，再到各种 IDE、各种框架，人们始终在试图屏蔽底层的复杂性与难以了解性，通过演绎、形象、封装，进而通过点拉拖拽及大量代码来疾速实现应用程序的开发。
观远数据产品团队始终将「让 IT 技术更加贴近业务」作为继续致力的方向，一直升高数据分析的门槛，「自定义报表」就是一个将数据交给业务团队的性能：业务人员根据提前设计好的自定义报表，依据需要，自在进行数据的任何操作，不必关怀指标的计算实现，极大进步了整个数据分析链路上各角色的工作效率，让取数、做剖析不再是难题。
9 月 8 日，观远数据资深产品经理 Layne 深度解读了「自定义报表」产品性能，并从“产品”到“实际”，分享了自定义报表的理论利用场景，让咱们一起来回顾一下。
前世今生：「让 IT 技术更贴近业务」
BI (Business Intelligence 商业智能)的概念，是由寰球最业余权威的 IT 钻研征询公司 Gartner Group 在 1996 年首次提出，定义为一类由数据仓库(或数据集市)、查问报表、数据分析、数据挖掘、数据备份和复原等局部组成的、以帮忙企业决策为目标的技术及其利用。
从传统报表（依赖数据仓库技术的报表式查问零碎），到麻利 BI（数据处理能力加强，可视化能力加强），再到智能 BI（实现自助式剖析利用），在 BI 演进过程中，数据分析门槛一直升高，亦是观远数据始终践行的方向：以产品化、智能化的计划，让决策更智能。
时至今日，企业 BI 剖析场景依然在一直演变，观远数据根植于数百个批发剖析我的项目教训，总结出企业 BI 数据分析体系分层构建方法论：
- 针对公司高层，须要「全景概览」
通过看板理解公司正在产生什么事，并通过数据出现经营异样。以外围指标提供重点信息，使其及时把握公司经营外围动静，驱动中层治理看数据、用数据、解读数据。
- 针对中层治理，须要「治理剖析」
通过治理驾驶舱，理解会员、商品、门店的经营体现，发现经营改善点，对公司要害经营绩效进行治理剖析，及时定位治理问题和薄弱环节，为晋升业务绩效提供倡议，赋能终端门店。
- 针对执行层，须要「业务监控」
关注进货指标、销售指标、库存指标、费用指标等信息，对终端业务执行过程中的效率进行监控，及时锁定异样，并进行纠偏，为疾速决策提供无效根据。
基于以上剖析体系，能够拆解出企业 BI 四大剖析场景：
图源：观远数据演示零碎
固定报表
固定周期的经营状况的概览，可能疾速理解某一业务或者某一模块的体现状况，如：电商平台经营日报，帮忙企业中高层或负责人及时把握数据展示状况。其次要状态为：依据看数需要，将底层的计算结果与下层的报表展现固化，固化体现在：主题、指标、工夫周期，如日、周、月报。
图源：观远数据演示零碎
场景剖析
某一剖析主题下，次要为管理层服务的驾驶舱看板，内含外围 KPI、排名、占比等相干图表比照信息，帮忙中高层疾速了解以后产生了什么。其次要状态为：依据肯定的业务逻辑，设计底层宽表与下层可视化剖析，提供肯定灵便的筛选条件，然而一旦将场景搭建实现，简直不再会去做大的调整，如驾驶舱、商品剖析、会员剖析等有比拟明确需要的场景。
图源：观远数据演示零碎
麻利自助剖析：有肯定技术背景的业务分析师或者数据分析师，可能基于 IT/ 信息部的相干的标准化主题数据，为某剖析目标而对相干根底数据从新加工，以失去或者验证剖析论断。其次要状态为：用户能够基于荡涤好的数据，或者是稳固的三层建模（ODS-DW-DM），自在的进行 ADS 应用层的数据集构建，从而实现更加简单和灵便的自助式剖析。
图源：观远数据演示零碎
半自助剖析
这种类型的即席查问在交付物角度根本都是报表需要，旨在通过产品性能和技术手段，让用户可能不便地自助地实现多变的报表开发需要，达成自助取数的目标。
而正是用户取数需要的不明确和多变，以及用户数据库技术的缺失，造成了数据库的性能压力和运维危险，使得须要“数据库专家仔细设计过、事后编制好并做过优化”。此外，数据指标的计算也会在产品层被封装，称为“语义层”，用户只须要抉择须要的指标，不必关怀指标的计算实现，既是一种不便，也防止了指标的分支、版本等问题。
其中，半自助剖析与麻利自助剖析是四大剖析场景里最灵便的场景，且半自助式剖析趋势日益凸显。究其根源，随同着社会数据意识的一直晋升，IT 技术更加贴近业务，数据分析门槛进一步升高是将来趋势。
BI1.0 时代已为「半自助式剖析」给出了解决方案，但门槛极高、周期漫长。以传统 BI 的 Ad-hoc 性能为例，须要先由数据库专家设计数据模型构造，并在 BI 零碎中，进行多维指标的配置，最终能力交付给用户应用，随着应用的加深，当一个模型解决不了用户问题时，就须要从新进行构建，对于整体决策来说，过程周期非常漫长。而数据决策者受限于剖析时效，或进行“拍脑袋”决策，或决策滞后。
数智化时代，须要更加灵便、易用的 BI 工具。因而，观远数据构建了半自助剖析解决方案，用「自定义报表」性能解决数据资产赋能链路长、时效性差，用户自助体验不好等问题：
懂技术的人专一利用数据集于自定义报表的构建，从简略、反复繁杂的开发工作中解放出来；
懂业务的人根据提前设计好的自定义报表，依据业务需要，自在进行维度与指标的组合，而不必关怀指标的计算实现，极大进步了整个数据分析链路上各角色的工作效率，让取数、剖析不再是难题。
性能简介：满足「客户」与「用户」需要
B 端产品设计中，「客户」与「用户」是两个要害者：「客户」为产品零碎买单，如 CTO、CEO 等；产品零碎的真正「用户」是数据分析师、业务人员，其为「客户」服务。在自定义报表中，报表查看者是客户、报表构建者是用户。不仅要让用户用的难受，还要让客户有产品感知。
在半自助剖析的场景中，观远数据理解到客户实在诉求是：想要有足够灵便的的多维度多指标的组合看板，来发现经营异样起因以及改善点。
基于这个场景，咱们向客户提供间接的报表应用窗口，数据部门能够灵便的构建很多用户想要的报表，以及他想勾选的内容，进行一些多维度多指标的一个构建，业务分析师能够间接进行维度和指标的勾选以实现剖析诉求；向用户 / 客户提供简便的配置窗口，可能疾速的实现一个报表的配置，交付给用户应用。
在应用层面，自定义报表性能由三个局部组成：
字段勾选
用户能够基于报表创建者设置好的字段窗格中，进行维度和指标的勾选，勾选实现后即会「表格」区域展现剖析后果。
字段配置
用户能够基于筛选后果对字段进行操作失去新的剖析后果，次要反对的操作如下：
行维度、列维度、指标可组内排序；
行维度拖动至列维度，造成穿插表。
高级排序与过滤
用户能够对剖析后果进行过滤和排序操作。
高级排序：能够基于维度、指标进行相干排序操作；
过滤：基于表格剖析后果在表头字段地位进行内容上的过滤。
那么，咱们如何构建一张自定义报表？
图源：观远数据演示零碎
上图是创立自定义报表的配置窗口，通过简略四步即可创立一张自定义报表：
①窗格创立 ：可进行字段窗格和文本窗格的创立；
② 字段窗格 ：能够将左侧数据集中的字段拖入到窗格中，以便使用者在仪表板界面进行字段勾选；
③ 报表窗格 ：用户勾选字段后，所得后果将在报表区域出现；
④ 文本窗格：用户能够在文本窗格中输出相干自定义报表形容、或者指标形容。
最佳实际：常态化、便捷、自助
（1）驾驶舱与自定义报表的联合案例
通过观远数据驾驶舱看板发现：品牌整体业绩达成 99%，但同比降落 23%，存在异样。进一步深刻时发现，“自营”渠道产生同比降落 10%，可能是业绩下滑的外表起因，当咱们看到自营渠道中，华北区域降落，而其余区域体现失常时，就想要基于华北区域的商品、会员销售状况做进一步分剖析。
在此情景下，部门负责人和中高层领导须要理解异样起因。在传统 BI 模式下，业务人员须要向 IT 人员提取数需要，进行指标定义、确认、沟通等一系列步骤，再进行聚合剖析。但通过自定义报表，业务分析师就能够很不便的间接进行剖析了，而不必重复向 IT 部共事提出取数需要，在进行组合分析。在此案例中，业务人员通过查看「销售驾驶舱」的四大外围指标及趋势，进一步查看渠道体现，便可定位到异样起因存在于「华北自营渠道」。
（2）智能 ETL 与自定义报表的最佳实际
除此之外，观远数据提供了智能 ETL 性能，有技术能力的用户能够通过凋谢的根底业务数据事实表与维度表，自在的进行加工，失去本人想要的后果数据集，即 ADS 层数据，更加灵便的满足本人的多维组合分析需要。
构建实现之后，就可能借助自定义报表性能，构建属于本人的日常剖析看板。不仅如此还能够借助快捷筛选性能，将本人的剖析思路保留下来，就比方方才演示的内容一样，做逐级排查，而疾速精准的定位问题。
（3）直连场景
图源：观远数据演示零碎
自定义报表可对接直连数据集，若用户有自建的数据仓库或者数据中台，观远数据可直连对应数据库，以满足不同场景下客户的剖析需要。
观远数据始终抱着学习与改良的心态，陪伴客户一起成长。在将来，自定义报表层面还会有更多的迭代优化，对数据导出、报表款式、过滤筛选等各个维度进行晋升，心愿以通过产品化的形式，真正助力业务决策，让决策更智能。
数智研究所·玩转产品系列直播正在炽热进行中，9 月 22 日 19:00，玩转产品直播第二期《随时随地掌控数据，企业的“手机数据助手”如何构建？》开启
