睿治

智能数据治理平台

睿治作为国内功能最全的数据治理产品之一,入选IDC企业数据治理实施部署指南。同时,在IDC发布的《中国数据治理市场份额,2022》报告中,蝉联数据治理解决方案市场份额第一。

报表和专业BI有什么区别?

时间:2022-04-27来源:坏小孩浏览数:119

业务系统做好业务操作和数据采集的支持;数据处理平台,如数据湖、数据仓库等,则将各个业务系统的数据进行汇总、存储和加工处理;BI等数据分析平台,则作为数据分析的应用顶层,越发快捷、灵活、专业、智能。

导言

在企业内部运营中,各业务部门如果想获取数据,除了找IT部门的“表哥表姐”们“导表儿”,还有其他两大数据获取方式:

一是从各业务系统如ERP自带的报表模块(后续简称“报表模块”)看数。业务人员登陆业务系统,可以在“报表模块”看到数据明细和统计汇总结果,系统功能包括多维查询、报表导出,有的还附加类似“驾驶舱仪表盘”的展示。(图1-2)

二是基于数据仓库的专业BI用数。经过BI平台授权后,业务人员和管理者,可以在BI平台中看到多业务数据的统计结果、直观的图表等。BI通常还附带自助分析的功能(图3)。常见的BI产品如Power BI,Tableau等,还有很多公司使用自研BI。

“做报表,做BI”是数据团队的最常见工作。面对“报表模块”和“专业BI”,不知道作为企业内数据团队的一员的你,是否也常常遇到如下问题:

业务提问:

ERP等业务系统已经自带报表功能,为什么还要上BI?

我们加班加点上了那么多系统、做了那么多张表,为什么大领导还是不满意?

报表模块和BI都能看数据,它们的区别在哪里,对用户交付的价值有什么不同?

报表模块通常是IT团队来开发承建,那BI谁来主导?

两者如何相互配合?

下面基于笔者的实践经验,对“报表模块和专业BI”的区别和联系进行总结;在此基础上,谈一谈数据团队如何根据企业数据化现状抓住主要矛盾,做好报表和BI建设,最终实现价值交付。

图1:业务系统的报表模块——某CRM系统的统计报表模块

图2:业务系统的报表模块——某资产管理系统的可视化报表模块

图3:专业的BI

01、报表模块和专业BI的区别和联系

ERP的报表模块和专业BI两者还是有很大不同,主要集中在3个方面:

使用受众和价值不同:

报表模块通常面向执行层的一线业务人员,用来解决业务性问题,例如财务记账、销售填报、客户录入等固定模板的业务统计。

但BI更多是面向数据分析人员、业务管理人员、决策层管理人员,甚至利益相关方(如面向参观者的展示),重点解决业务分析、决策分析、动态展示的问题。

使用灵活度不同:

报表模块是通常是写死的、静态的;

但BI是相对灵活的、可变的。

具体来说,通常报表模块是固定报表,数据需要导出到excel中再进行二次加工,即便是图2的功能,图形展示也无法随需而变。

但BI上的数据分析和呈现,灵活度高、自主性高,通常可以通过拖拽、下钻、联动,自助生成千变万化的报表和图表。

数据覆盖范围不同:

报表模块的数据通常仅限于本业务系统的相关数据,但时效性强,数据直接,准确度较高;

BI却通常是基于数仓的,通过访问和抽取“多个”业务系统的数据,把这些数据汇聚起来,按照一定的业务分析主题,进行业务分析模型的建设和可视化分析报表的开发,从而实现跨系统、跨板块数据的联动和打通。

此时,支持企业管理者了解全局信息、监控高度汇总的 KPI 指标、分析跨业务、跨组织、跨区域的多维度分析就变得更佳容易。

BI数据时效性通常差一些,在ETL过程中对数据完整性准确性也有一定考验。

但“报表模块”和专业BI还有很多共同特点和千丝万缕的联系:

两者都是基于业务领域所产生的数据,用于业务结果查看、业务数据分析。

特别是,很多“高级”的业务系统自带的“报表模块”,从外观和功能,越来越像BI了(图2)。

专业BI的时效性和准确度也大大增强。

ERP是“业务数据化”的过程,将业务通过数据的形式记录下来,达到了数据沉淀的效果。

BI是“数据业务化”的过程,在ERP收集原始数据的基础上应用业务决策分析。

综上,ERP报表模块和专业BI,二者相辅相成;定位不同,不能互相取代。

02、报表模块和专业BI的建设适配

那么,数据团队作为“数据资产”的看门人,如何充分发挥报表模块和BI的作用,响应业务需求,做好高价值输出呢?笔者总结了一套“BI数据建设的阶段适配工具卡” 帮助大家定位当前现状、抓住主要矛盾、明确发力点。

BI数据建设的阶段适配工具卡

阶段1:信息化建设启动期,“让数据飞一会儿”

组织在信息化建设初期,各个ERP系统从0到1搭建,主要矛盾是实现“数据资产的原始积累”。大量业务刚刚开始进行数字化采集,大部分数据记录沉淀于线下,数据质量无法保障。此时,BI建设要稍微“缓一缓”。

若BI需求在业务系统建设之前就提出,那么BI建设会非常费力,因为巧妇难为无米之炊。这时候数据团队可以着手三个事情:一是,数据团队尽可能躬身参与到系统建设开发过程中,深入了解业务流、数据流、数据资产情况,至少报表模块的开发应该重点关注(下一部分会重点提);此外,对公司/部门的当前技术架构和未来技术架构规划有充分了解,对BI现状和未来规划有判断。二是,通过专业方法论梳理数据字典、着手引导业务梳理指标体系、从业务视角建立指标模型;三是基于已有的报表模块和线下数据来支持一些核心业务指标的分析,先满足业务“看见”的需求。

阶段2:信息化建设整合期,“基于数据打通的业务分析故事”

这个期间,大量系统已经上线,各业务领域数据已经得到一定程度的积累,主要矛盾转变为“实现数据的整合和打通”,业务对数据的需求也变得越来越多。此时,数仓和BI建设也逐渐成为一个“硬性刚需”。

数据团队在此阶段也需要做三方面事情:一是把核心业务系统数据逐步入仓,做整合;二是加大对数据治理的重视,体系化设计数据模型;三是基于1-2个跨流程和跨业务的场景,满足高层领导的“分析需求”,形成“成功故事”。

阶段3:信息化建设升级期,“数据说话成为习惯”

到了第三阶段,业务系统运行平稳,企业数据平台也日渐成熟,主要矛盾为“提升数据分析时效性,开发基于数据的智能场景应用”,此时各业务数据意识和能力都相当不错,开始深挖数据价值,进行精细化管理,并与AI结合进行预测决策支持等。

这时候,业务系统的报表模块已经是可有可无的存在,数据团队更佳重视辅助业务开展基于BI的场景应用:一是打造大数据平台,更多引入多维数据源包括外部数据,扎实数据底座;二是数据治理也迈入常态化运营,数据质量有较好保障机制;三是BI应用普及,业务自行开展多维自助分析,数据团队从“授之以鱼”变为“授之以渔”。

这里做个补充说明:不同阶段中,关键举措中发力点的“数据治理”部分,通常却是个“瘸腿工作”,即很多组织的信息化建设迈入了第三阶段,大数据平台也上了,数据分析场景很多,但依然被数据质量问题反复困扰。其实,“数据治理”从BI建设和数仓建设入手,数据团队牵头以“用”促“治”也是个非常好思路,什么时候开始重视都不晚。

03、BI团队和系统建设团队的配合

在开篇也提到,其实在企业内部实操中,报表模块的承建团队通常为IT部门的系统开发团队;BI的建设运营通常为IT部门的数据团队,或业务部门的数据团队。那么系统开发团队和数据团队如何配合,共同为业务交付价值?笔者也总结了一个“配合清单”,希望能给大家一些启发。

数据团队与系统团队配合清单

04、小结

随着中台理论的深入人心,业务系统的“报表模块”逐渐呈现一个“轻量化”的趋势。专业的工具做专业的事儿:业务系统做好业务操作和数据采集的支持;数据处理平台,如数据湖、数据仓库等,则将各个业务系统的数据进行汇总、存储和加工处理;BI等数据分析平台,则作为数据分析的应用顶层,越发快捷、灵活、专业、智能。

企业数字化转型是一个长期工作,数据团队和系统团队都是其中的主力军。在数据赋能的过程中,各位数据团队的小伙伴,一定要摒弃“表哥表姐”的搬砖思维,从信息化建设成熟度、业务价值贡献等全局视角思考,与系统团队打好配合,一定会有不一样的收获。

(部分内容来源网络,如有侵权请联系删除)
立即申请数据分析/数据治理产品免费试用 我要试用
customer

在线咨询