|
在信息化、SaaS化、移动化和智能化集中爆发的今天，为了更适用于中大型企业和金融客户，Smartbi基于金融等行业的最佳实践进行了分析总结和相关功能研发，从而实现帮助企业客户构建“数尽其用、人尽其才”的数据化运营能力与文化！
下面我们先从BI发展趋势、BI的进化、现代化BI几个方面来讲述BI的背景，然后再从设计宗旨、设计精髓以及对客户三种角色的划分等方面来了解Smartbi产品对现代化BI的设计思路！
一、背景趋势1、发展趋势：企业越来越需要数据分析 中国的企业和全球的企业都在同时经历信息化、SaaS化、移动化和智能化，不同的是在中国这四化更加集中爆发。而支撑这四化变革的、或者四化变革反映出来的都是数据，5G时代万物互联，经营流程数据（结构化）、操作过程数据（非结构化）、设备采集数据（时序数据）将在四化合一的大背景下产生得越来越多、越来越快，因此定位在“数据生态”金字塔顶端的数据分析，也将迎来更多的需求、更多的挑战！
企业的数据分析，除了受益于Excel，其次就是BI产品。BI作为核心的数据分析技术，正在各行各岗加速渗透。30年来，BI被更多的行业所认知（尤其是数据驱动业务的金融）、被更多的企业所接受。通常来说，BI在企业内部的普及率越高，其业务和管理的收益也越高。那么BI如何进化才能满足普及率的发展需要呢？
2、BI的进化：现代化BI正在步入舞台 显然依赖项目方式运作的传统BI难以满足灵活变化的需求，当来自各个部门的数据分析需求大肆增长时，传统BI普遍暴露流程瓶颈、重复建设、工具复杂等关键问题
传统BI是项目式运作因而效率较低，BI工具继续进化，目前呈现出三种状态，现代化BI正步入舞台。现代化BI主要是自助BI+智能BI，它更倾向于赋能于运营，将数据分析与日常管理无缝结合在一起。
现代化BI的优势类似于私家车时代的我们，可以随时随地享受交通工具的服务（数据分析的价值），而不用等待“专业司机”。
3、现代化BI：敏捷的数据能力快速应变 随着自助程度地提高，BI的服务响应时间越来越快，普及度不断扩大。现代化BI降低使用门槛，也能更快的满足需求！
过去一个分析需求从提出到解决，往往需要几个月，自助BI出现后，需求的响应时间可能只需要几天或是几个小时，在未来2-5年，智能BI 将会将此缩短为几分钟甚至几秒。
同时，使用数据分析的人群也在不断扩大，原来传统BI需要IT人员主导，只有领导或是管理人员查阅报表\KPI，BI的普及率较低；现在自助BI基于可视化的探索平台让业务人员可以进行探索性数据分析，智能BI通过增强分析如机器学习\自然语言查询再次提高BI的普及率！
现代BI以敏捷的数据处理和分析能力，实现快速应变。而现代BI的主要变化是： l 可以直接使用数据，而并非一定要使用已建模的数据。 l 现代BI 是自包含平台，都有内置存储与自服务数据准备功能 l 分析手段会远比以往丰富，具有增强数据发现、可视化探索、分析仪表盘等等。 l 一般都有共享协作功能，与开放的API接口
二、设计思路 为了满足数据化运营的需要，企业发展到现代BI是不可避免的历史阶段，那Smartbi 产品是怎样理解自助BI，怎样融合智能BI呢？
下面我们从设计宗旨、设计精髓以及对客户三种角色的划分等方面来了解Smartbi产品对现代化BI的设计思路！
1、设计宗旨：数尽其用、人尽其才 《中共中央 国务院关于构建更加完善的要素市场化配置体制机制的意见》4月9日公布。“将数据作为一种新型生产要素，充分发挥数据对其他要素效率的倍增作用！
“数尽其用、人尽其才”中的数表示为系统的数据、加工的数据、线下的表格数据；人可以划分为内外部IT人员、数据分析师、普通业务人员、业务领导。
“数尽其用、人尽其才”是指企业全员都能实现能充分发挥数据的价值，从而实现全员BI。Smartbi 产品的设计宗旨就是帮助企业客户构建“数尽其用、人尽其才”的数据化运营能力与文化！
企业要达到“数尽其用、人尽其才”的数据化运营，需要明确： l 数据的数量和质量是成为要素的前提 (基础条件) ！ l 数据通过分析和使用才能发挥倍增作用(成为要素)！ l 数据要素的分析依赖工具和技术，更依赖人才！
2、解决问题：因地制宜、融会贯通 企业要达到“数尽其用、人尽其才”，在设计思路上，直接照搬现代化BI的架构是不可行的，因为现实中自助BI遇到了很多实际问题： 问题1：IT和业务如何协作，如何管控数据权限和提供数据服务？ 问题2：业务分析师应该参与到数据处理的环节中吗? 问题3：已经建设好的数据仓库/数据中台，如何结合到这个架构？ 问题4：有什么办法让业务分析师愿意用BI平台，而非导出Excel给他们？ 问题5：千篇一律的数据可视化工具，好像也并不实用！ 问题6：开放自助分析后，系统的压力陡然增加……
“数尽其用、人尽其才”是Smartbi的终极理想。为了解决这些问题，我们因地制宜，融会贯通；我们还认为不应该将自助无限放大，反而应当在“数据资源”的有力管控下，充分发挥三类角色的分工协作价值！
3、设计精髓：强力管控、全员自助 强管控是满足IT的管理和协同功能，从数据管理的角度，IT部门有几种管控的手段和工具，从服务层面也能提高效率和效果，具体体现在： l 以安全的方式开放数据资源目录，分析师可自由发现可用数据，但必须在线申请授权 l 数据资源的增加、修改等变更，可以利用元数据预告给受影响的分析师。 l 关于平台运营和数据资源的通知可以在消息中心及时发出，并提醒给每个用户。 l 提供社区化的在线问答交流，经验可分享可沉淀可搜索。
全自助匹配各种操作习惯和使用场景，从数据分析的角度，我们推荐业务分析师使用不同类型的功能，因为单一工具从来不能满足全场景的需求（走路、骑车、开车）。
4、三种角色：各司其职，紧密配合
上图为Smartbi产品的三角色分层架构功能图，根据图形具体内容来说，三种角色分别为业务分析师、数据工程师和平台管理员，他们各司其职，紧密配合： l 业务分析师主要是从事数据搜集、整理、分析，并依据数据做出研究、评估和预测的专业人员。他们以获取数据资源和分析数据为根本。 l 数据工程师负责数据资源的准备，对业务分析师提供支持和帮助。他们以数据资源的管控和服务为根本。 l 平台管理员负责基础软件环境，保障系统的可知、可用和可控。他们以平台功能和性能的可用性为根本
此篇文章我们主要讲述Smartbi“数尽其用、人尽其才”设计思路，后面我们还会继续延续这个思路，给大家剖析Smartbi产品如何在“数据资源”的有力管控下，如何充分发挥三种角色的分工协作价值，敬请期待！
| 
