編輯導(dǎo)語：數(shù)據(jù)化運營是一個近年來興起的概念，它在運營的基礎(chǔ)上，提出了以數(shù)據(jù)驅(qū)動決策的口號。在數(shù)據(jù)化運營中，一系列傳統(tǒng)BI無法根治的問題和商業(yè)環(huán)境的迫切需求也讓自助式BI應(yīng)運而生。本篇文章中，作者系統(tǒng)地分析了企業(yè)數(shù)據(jù)化運營中使用自助BI產(chǎn)品的原因，推薦對數(shù)據(jù)化運營感興趣的朋友們閱讀。

一、什么是BI產(chǎn)品

百度百科上BI的定義是：商業(yè)智能（Business Intelligence，簡稱：BI），指用現(xiàn)代數(shù)據(jù)倉庫技術(shù)、線上分析處理技術(shù)、數(shù)據(jù)挖掘和數(shù)據(jù)展現(xiàn)技術(shù)進行數(shù)據(jù)分析以實現(xiàn)商業(yè)價值。

BI產(chǎn)品則是將上述過程流程化的平臺化產(chǎn)品，在降低數(shù)據(jù)獲取、分析成本方面，契合中臺的思想，因此也是作為數(shù)據(jù)中臺解決方案的重要模塊。

二、企業(yè)數(shù)據(jù)化運營面臨的問題

對于產(chǎn)品&業(yè)務(wù)：

• 產(chǎn)品迭代、運營活動需要各種數(shù)據(jù)分析支持，數(shù)據(jù)調(diào)取依賴數(shù)據(jù)開發(fā)排期長、響應(yīng)慢，需求完成決策時效性可能已經(jīng)過去，緊急需求求爺爺告奶奶；
• SQL取數(shù)門檻高，多數(shù)業(yè)務(wù)人員無SQL能力；
• 數(shù)據(jù)可視化報表需要數(shù)據(jù)、接口、前端多工種支持，一個報表上線要一兩周。

對于開發(fā)：

• 需要有人專門對接非固定的SQL取數(shù)工作，重復(fù)、枯燥，干不了多久就離職了；
• 每天都在各種取數(shù)據(jù)、做報表，忙成狗，還是不是來個緊急需求，或者需求排期久了被投訴；
• 感覺每個報表前端都長得差不多，還要不斷重復(fù)開發(fā)可視化報表，心累。

三、BI產(chǎn)品的解決思路

BI產(chǎn)品以自助式、配置化的產(chǎn)品理念，通過數(shù)據(jù)資產(chǎn)建設(shè)和產(chǎn)品拖拽式分析、可視化配置能力，人人都可數(shù)據(jù)分析。

• 無SQL業(yè)務(wù)人員自助取數(shù)的問題，取數(shù)不求人；
• 數(shù)據(jù)開發(fā)人力釋放，可以有更多的資源投身數(shù)倉模型的建設(shè)，提高模型覆蓋度；
• 可視化看板自助配置，業(yè)務(wù)可以基于數(shù)據(jù)模型快速搭建看板，無需接口和前端開發(fā)。

四、自研還是外采，這是一個問題

1. BI行業(yè)現(xiàn)狀

成熟的商業(yè)化的BI產(chǎn)品國內(nèi)外都有很多，按照業(yè)務(wù)場景和主要賣點可以分為：傳統(tǒng)型BI、用戶行為分析、基于云服務(wù)的SAAS化BI產(chǎn)品。

1）傳統(tǒng)BI

Tableau、帆軟BI、永洪BI、BDP、億信華辰、觀遠數(shù)據(jù)。

2）用戶行為分析

從埋點采集到用戶行為分析的全流程解決方案，從全埋點或無埋點切入，主要有神策數(shù)據(jù)、GrowingIO、諸葛IO等，還有部分垂直于游戲或廣告投放領(lǐng)域的分析產(chǎn)品如TrackingIO。

3）SAAS化BI產(chǎn)品

基于云服務(wù)之上的BI分析工具，核心產(chǎn)品是云上資源，BI產(chǎn)品作為增值產(chǎn)品或服務(wù)。如阿里云的QuickBI，華為云、騰訊云、百度云、移動云等，都有相應(yīng)的搭售產(chǎn)品。

2.自研或外采

外采還是自主研發(fā)這是每個BI產(chǎn)品誕生時都要經(jīng)歷的靈魂拷問，首先要回答老板，外部已有那么多成熟的產(chǎn)品，我們要不要從0-1開始，自己做的價值是什么？這兩種方案對比如下：

采購價格上，以阿里云Quick為例，一個300人的團隊一年的費用大概在40W，帆軟價格比較親民，可以買斷付費，基本功能在30W左右（外加每年服務(wù)費、跨版本升級費用、擴展功能費用等）。

總結(jié)一下如何選擇的要點：

• 公司管理層，對數(shù)據(jù)團隊人力投入的支持，比較新做一款BI產(chǎn)品需要較長周期和較多人力，短期內(nèi)外采肯定是見效最快的；
• 公司對外采的態(tài)度，有些公司有自研情結(jié)，只要能解決自己業(yè)務(wù)問題，都可以考慮自研，不愛買別人的；
• 數(shù)據(jù)平臺研發(fā)團隊的人力現(xiàn)狀，產(chǎn)品、研發(fā)的人力和能力能否Cover住BI產(chǎn)品的需求；
• 公司規(guī)模主要是看數(shù)據(jù)用數(shù)據(jù)的人數(shù)，這是個參考值，一般1000人以下的團隊外采性價比是最高的，當然如果管理層看的比較長遠愿意投入，這個值就不作參考了。

五、BI產(chǎn)品核心功能架構(gòu)

敏捷BI工具的標配流程是數(shù)據(jù)建模、拖拽分析、可視化呈現(xiàn)、系統(tǒng)管理等功能模塊，隨著基礎(chǔ)看數(shù)據(jù)的需求滿足后，業(yè)務(wù)會有更多增強分析、以及從人找數(shù)到數(shù)找人的預(yù)警、推送需求。同時，對于數(shù)據(jù)生產(chǎn)者，要持續(xù)降本增效，因此圍繞數(shù)據(jù)血緣看板生命周期相關(guān)的數(shù)據(jù)治理流程，在自研產(chǎn)品中也要考慮進去。

1. BI系統(tǒng)架構(gòu)

1）數(shù)據(jù)源

從系統(tǒng)架構(gòu)層級看，BI系統(tǒng)最底層是數(shù)據(jù)接入層，數(shù)據(jù)源是原材料，否則工具做的再好也是巧婦難為無米之炊，要支持接入常用關(guān)系型數(shù)據(jù)庫，以及數(shù)據(jù)倉庫的數(shù)據(jù)源。

2）數(shù)據(jù)模型

數(shù)據(jù)接入后，在數(shù)據(jù)模型層，做表之間的關(guān)聯(lián)、字段邏輯處理、元數(shù)據(jù)信息維護，形成模型資產(chǎn)，把模型主題、層級分門別類管理好，方面業(yè)務(wù)快速找到目標數(shù)據(jù)源，同事需要做好模型權(quán)限、字段、行值權(quán)限管控，技術(shù)層面要把不同數(shù)據(jù)源集成到OLAP查詢引擎，提升即席查詢效率。

3）分析層

無SQL拖拽分析，業(yè)務(wù)基于數(shù)據(jù)模型，可以直接選擇維度、度量、過濾條件后，直接進行數(shù)據(jù)查詢，同時封裝可視化圖表組件，做結(jié)果的可視化展示。對于需要固化的分析結(jié)果，可以將圖表保存至Dashboard，且可以對圖表系列顏色、數(shù)據(jù)標簽、篩選條件等進行設(shè)置。

4）輸出層

主要包括Dashboard輸出、將看板以iframe方式嵌入其他平臺、數(shù)據(jù)推送&預(yù)警，以及可視化大屏。將可視化能力直接在系統(tǒng)內(nèi)應(yīng)用或跨系統(tǒng)復(fù)用。

2.產(chǎn)品功能框架

1）數(shù)據(jù)模型

主要提供數(shù)據(jù)源接入、數(shù)據(jù)源管理、數(shù)據(jù)建模能力。

2）自助分析

支持拖拽式分析，同時可以作為通用能力，對接數(shù)倉數(shù)據(jù)源、指標平臺指標等，隨著版本迭代，圖表類型要不斷擴展，從基礎(chǔ)的表格、折線圖、餅圖、柱狀圖，到復(fù)雜的地圖、?；鶊D等，數(shù)據(jù)分析能力不斷增強，預(yù)測、歸因分析等。

3）Dashboard

可視化報表創(chuàng)建、管理。

4）可視化大屏

大屏模式，提供常用模板快速搭建大屏。

5）系統(tǒng)管理

用戶權(quán)限管理，某一用戶有哪些資源（看板、數(shù)據(jù)集等）權(quán)限、看板/數(shù)據(jù)集管理(用戶范圍、使用情況、生命周期)。

六、總結(jié)

數(shù)據(jù)化管理、數(shù)據(jù)驅(qū)動運營的時代，企業(yè)數(shù)據(jù)分析需求呈井噴式增長，傳統(tǒng)的數(shù)據(jù)獲取流程業(yè)務(wù)人員直接觸達數(shù)據(jù)的成本高，一般依賴于數(shù)據(jù)團隊，由數(shù)據(jù)開發(fā)或數(shù)據(jù)產(chǎn)品支撐日常的數(shù)據(jù)調(diào)取以及報表監(jiān)控需求，受限于數(shù)據(jù)團隊的人力，數(shù)據(jù)響應(yīng)時效性差，而智能BI產(chǎn)品以自助式的產(chǎn)品理念，讓人人都可以進行數(shù)據(jù)獲取、數(shù)據(jù)分析、可視化圖表配置，大大提升數(shù)據(jù)化運營的效率。

因此，不管是外采還是自研，對于追求數(shù)據(jù)驅(qū)動的企業(yè)，都需要一款BI產(chǎn)品。

#專欄作家#

數(shù)據(jù)干飯人，微信號公眾號：數(shù)據(jù)干飯人，人人都是產(chǎn)品經(jīng)理專欄作家。專注數(shù)據(jù)中臺產(chǎn)品領(lǐng)域，覆蓋開發(fā)套件，數(shù)據(jù)資產(chǎn)與數(shù)據(jù)治理，BI與數(shù)據(jù)可視化，精準營銷平臺等數(shù)據(jù)產(chǎn)品。擅長大數(shù)據(jù)解決方案規(guī)劃與產(chǎn)品方案設(shè)計。

本文原創(chuàng)發(fā)布于人人都是產(chǎn)品經(jīng)理，未經(jīng)作者許可，禁止轉(zhuǎn)載。

題圖來自Unsplash，基于CC0協(xié)議