自助式 BI：定义、特点、优势和工具！

如今，在传统的商业智能（BI）环境中，执行数据分析服务的IT 部门和数据专家需要处理不断增长的数据量、数据的异构性和大量的数据管理技术，同时需要满足业务用户对数据驱动洞察力不断增长的需求。即使应用敏捷方法在短冲刺中集成、管理和交付数据，在大多数情况下，分配的团队也无法及时提供所需的洞察力。当这种情况在您的企业经常发生时，您应该考虑实施自助式数据分析。

在本文中，我们将研究自助式数据分析的功能和优势，以及它如何为您的业务带来改变。

01 自助式数据分析的本质

自助式数据分析也叫自助商业智能（self-service BI）是一组经过批准和支持的流程、架构和工具，使业务用户能够在不依赖 IT 和数据分析团队的情况下完成他们的数据管理和分析任务。对于传统的数据分析系统，业务用户的决策是基于 IT 专家和数据分析团队策划的报告和仪表板。如果缺少必要的信息，用户会提出请求，专门的团队会从那里开始处理。首先，他们收集需求，包括需要什么数据、应该如何处理和可视化、应该多久提供一次分析、信息刷新率应该是多少等等。然后，技术团队识别数据源并收集、汇总、建模和交付数据以供分析。当报告准备好时，用户审核通过或提出进一步的更改请求。过程虽然很复杂，但这个过程是大多数面向数据的公司日常工作的一部分。当对 IT 和数据分析团队的请求变得如此频繁以至于大量请求积压时，就会出现问题。这就需要一种新的商业智能方法——自助式 BI，它可以对所有参与数据相关流程的人以及整个公司产生巨大的影响。自助式 BI 不是传统商业智能的替代品，而是一种补充能力，允许业务用户与数据交互并自行执行分析任务，而不管他们的技术专长如何。

02 传统商业智能与自助式 BI

	传统商业智能	自助式 BI
关键驱动因素	由 IT 和数据分析团队准备的高质量报告和仪表板。 高度控制的技术环境、数据管理实践、数据访问等。	运营分析的启用（实时数据驱动的决策）。 IT 团队和业务用户都对洞察的质量负责。 业务用户可以在 IT 团队和数据专家设置的限制范围内自由处理数据。 IT 团队从单调的报告任务中解放出来，专注于数据管理和治理活动。
挑战和限制	IT 资源短缺和业务用户需求的不断增加导致的瓶颈。 高度控制的环境，业务用户没有实验自由。 数据素养水平低	由于缺乏数据治理和数据管理流程设置不当，分析结果会受到影响。 业务用户缺乏所需的技能或不愿使用数据。 受众更多，存在数据安全风险。

03 自助式BI的用户要求

一般来讲，自助式数据分析需要配置两个用户组，我们姑且称其为标准用户和高级用户。标准用户：主要使用 BI 洞察力的用户。高级用户：为内部和外部使用生成新的 BI 洞察力的高级用户。然而，最近越来越多的业务用户正在变得熟练并获得数据素养，因此这两个群体之间的界限正在变得模糊。

标准用户	高级用户
通过过滤、分组、聚合、排序等自定义报表和仪表板输出。 共享数据 运行引导式临时分析 搜索数据	从预建的报告/仪表板模板修改现有的报告和仪表板（添加新的数据源、新的计算等） 创建新的数据模型 创建新的可视化 运行 ETL/ELT 执行支持 AI 的高级数据分析（数据挖掘、预测建模等） 将 BI 洞察嵌入到应用程序等中。

04 自助式 BI 的主要特点

从功能上看，自助式BI软件与传统 BI 系统的部分功能是重叠的。因此，我们主要看看自助式 BI 有哪些与众不同的特点，以使其成为补充传统 BI 软件功能的理想解决方案。

1、数据源连接器每个 BI 系统的基石是一个分析数据存储库，它集中和维护数据以供进一步处理。企业数据‍仓库就是干这个的。有时它可能由数据集市补充，以简化特定用户组的报告。但是，整合到数据仓库中的数据可能不足以满足业务用户的需求，其粒度或完整性不足。在传统的 BI 场景中，IT 团队必须使用所需的数据源构建集成点，这会减慢流程。反过来，自助式 BI 解决方案解决了数据源连接器集的问题。这样，业务用户可以自己快速访问新信息并实时做出明智的决策。

2、增强的分析能力AI 和 ML 功能的结合有助于自动化许多数据管理和分析活动，从数据质量管理到数据可视化，由 IT 专家和数据分析团队在传统 BI 环境中执行。尽管对于刚开始 BI 之旅的公司来说，这似乎过于超前，但增强分析功能已经在大多数自助式 BI 平台中实施，并已成为大多数公司的关键差异化因素。

3、直观的用户界面支持自然语言查询和生成、直观导航等的图形拖放用户界面是自助式 BI 解决方案的必备元素。它的价值在于为业务用户提供全面的功能集来管理数据集、运行分析、创建仪表板等。

4、丰富的报表功能虽然一些业务用户迫不及待地想开始探索公司数据并构建自己的图表和图形，但其他人可能会对自助式 BI 软件感到讨厌，他们可能不愿意自己动手，更喜欢乐享其成。这就是为什么自助式 BI 解决方案也应该提供可定制的报告和仪表板模板的原因。在这种情况下，用户可以简单地选择一个合适的模板，根据他们的角色进行配置，选择自动数据更新的刷新间隔，并设置自动报告或仪表板发送时间和模式（通过电子邮件、URL、嵌入、移动应用等）。

5、语义数据目录语义数据目录可帮助 BI 消费者使用熟悉的业务术语（客户、潜在客户、销售等）自主查找相关信息。拥有不断更新和管理良好的语义数据目录有助于确保整个公司的所有业务用户都能获得一致的公司信息视图，并且可以有效地协作。

6、协作能力自助式 BI 软件不仅应使其用户能够访问和处理数据，还应与同事分享发现的见解。自助式 BI 软件通过内容共享和嵌入（计划的和临时的）、基于角色的内容编辑、报警和报告更新/更改/等通知来支持此功能。

05 自助式 BI 的优势

除了获得传统 BI 系统固有的优势外，自助式 BI 软件采用者还可以期望看到：

1、缩短洞察时间 只要有足够的人力资源来开展相关活动，并且 IT 专家可以与业务用户密切合作，传统的 BI 解决方案就很好。如果不是这种情况，任务积压以及糟糕的分析和报告是不可避免的。借助自助式 BI 软件，业务用户可以在需要时获得洞察力并及时采取行动，而无需第三方参与。

2、减少对 IT 团队的依赖 自助式 BI 是业务用户和 IT 团队的双赢解决方案。前者可以在与数据相关的活动中更加自给自足，而后者可以停止运行单调的分析和报告并专注于其他任务——管理数据、数据处理、数据建模等。 

3、提高数据素养

传统的 BI 系统由数据分析师和技术人员运行，这会阻止业务用户在上下文中建立读取、写入和通信数据的能力。相反，自助式 BI 激励业务用户积极参与数据分析工作流程，从而提高数据素养，根据 Gartner 的年度首席数据官调查，到 2023 年，数据素养将成为推动业务价值的关键。

06 市场上顶级的自助式 BI 平台

1、Microsoft Power BI

100 多个数据源连接器 自助数据准备 增强的分析能力，包括智能叙述、异常检测、文本、情绪和图像分析等。 自然语言处理能力 数据安全，包括数据加密、行级和工作区级安全等。 预构建和自定义视觉效果 嵌入式分析和报告  适用于 Windows、iOS 和 Android 的本机移动 BI 应用程序 提供免费版本 按用户和按容量许可 在 Azure 云中作为 SaaS 选项提供，在 Power BI 报表服务器中作为本地选项提供

2、 Tableau

90 多个数据源连接器 自动化数据管理和增强分析（人工智能驱动的预测、假设情景规划等） 可视化分析和数据讲故事能力 直观的仪表板创建（拖放、向下钻取、NLP 等） 全面的身份验证和授权机制、行级安全性等。 嵌入式分析和报告 提供适用于 Android 和 iOS 的移动版本 提供免费试用 基于角色的许可 云和本地部署选项

3、Qlik Sense

数百个数据源连接器

搜索和会话分析

人工智能辅助数据管理、分析和可视化

各种协作选项（个人空间、具有用户控制的共享空间、托管空间、内容共同开发）

适用于 iOS 和 Android 的 Web 客户端和本机应用程序。

嵌入式分析和报告

行级和列级数据安全

部署灵活性（本地、任何主要云提供商、多云或混合）

提供免费试用

按用户和按容量许可

07 自助式 BI 失败的原因？ 

自助式数据分析理想很丰满，现实很骨感。我们看到尽管一些企业，引入了自助式BI工具，但在实际业务中基本没有使用起来。究其原因，主要包括两个方面： 

1、缺少数据治理策略 只有在不损害数据价值、质量和安全性的情况下，自助式 BI 才能发挥作用。为了向业务用户授予数据访问权限并仍然保持对数据管理和分析工作流程的高数据质量和整体控制，公司需要对其数据治理策略进行全面修订。否则，他们将面临以下风险： 由于不同的数据管理和分析方法，数据不一致，或对一个问题有多个答案。 重复工作，来自不同业务部门的团队使用相同的数据集执行数据管理活动（收集、转换、清理等）。 数据质量差（数据不完整、数据错误不明等），导致决策失误。 由于缺乏精细的数据访问控制、数据滥用、敏感数据暴露等导致的数据安全漏洞。

BI 去中心化，各部门相互独立运作，同时遵守不同的政策和标准，使用不同的软件等。

2、来自业务用户的抵制 如果业务团队将时间投入其中，自助式 BI 就可以发挥作用。然而，自助服务的能力并不总是让人期待，因为业务用户过于习惯于由专业的团队准备的好的分析模板和数据报告，或者因为他们的技能不足而感到焦虑。为了降低这种风险，我们建议遵循以下做法：

从规划阶段就让所有利益相关者和用户参与到自助式 BI 实施项目中。

为用户培训和入职投入时间和资源，因为即使该软件提供了直观的用户界面，最终用户仍然需要一些时间来熟悉它。

寻找强大的业务赞助商来领导自助式 BI 实施，业务用户可以在出现问题时查看或求助。

08 构建敏捷的自助式数据分析

在探索自助式 BI 的概念及其承诺时，人们可能会认为该解决方案拥有所有答案，是应对所有 BI 挑战的灵丹妙药。然而，从上面可以清楚地看出，采用者在获得实际收益的过程中可能会面临许多障碍。最后，我们将与您分享一组确保自助式 BI 成功的最佳实践： 选型——为您的业务用户提供一套精心挑选的工具来访问和操作数据。 培训——通过培训计划和对新用户的坚实支持来弥合数据素养差距，创建一个协作环境，让您的员工成为自助式 BI 的倡导者。 治理——以鼓励人们接受 BI 功能的方式建立和维护对数据管理和分析工作流的控制。

让自助式 BI 成为一种进化，而不是革命——你不能强迫人们使用自助式 BI，但你可以小心地引导他们欣赏和逐步采用自助式 BI。