关于bi:业务需求复杂多变IT部门应接不暇自定义报表来帮您

37次阅读

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:

窗格创立 :可进行字段窗格和文本窗格的创立;
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;
报表窗格 :用户勾选字段后,所得后果将在报表区域出现;
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

正文完
 0