数据产品:为什么企业数据化运营离不开自助BI产品?

0 评论 5303 浏览 6 收藏 11 分钟

编辑导语:数据化运营是一个近年来兴起的概念,它在运营的基础上,提出了以数据驱动决策的口号。在数据化运营中,一系列传统BI无法根治的问题和商业环境的迫切需求也让自助式BI应运而生。本篇文章中,作者系统地分析了企业数据化运营中使用自助BI产品的原因,推荐对数据化运营感兴趣的朋友们阅读。

一、什么是BI产品

百度百科上BI的定义是:商业智能(Business Intelligence,简称:BI),指用现代数据仓库技术、线上分析处理技术、数据挖掘和数据展现技术进行数据分析以实现商业价值。

BI产品则是将上述过程流程化的平台化产品,在降低数据获取、分析成本方面,契合中台的思想,因此也是作为数据中台解决方案的重要模块。

二、企业数据化运营面临的问题

对于产品&业务:

  • 产品迭代、运营活动需要各种数据分析支持,数据调取依赖数据开发排期长、响应慢,需求完成决策时效性可能已经过去,紧急需求求爷爷告奶奶;
  • SQL取数门槛高,多数业务人员无SQL能力;
  • 数据可视化报表需要数据、接口、前端多工种支持,一个报表上线要一两周。

对于开发:

  • 需要有人专门对接非固定的SQL取数工作,重复、枯燥,干不了多久就离职了;
  • 每天都在各种取数据、做报表,忙成狗,还是不是来个紧急需求,或者需求排期久了被投诉;
  • 感觉每个报表前端都长得差不多,还要不断重复开发可视化报表,心累。

三、BI产品的解决思路

BI产品以自助式、配置化的产品理念,通过数据资产建设和产品拖拽式分析、可视化配置能力,人人都可数据分析。

  • 无SQL业务人员自助取数的问题,取数不求人;
  • 数据开发人力释放,可以有更多的资源投身数仓模型的建设,提高模型覆盖度;
  • 可视化看板自助配置,业务可以基于数据模型快速搭建看板,无需接口和前端开发。

四、自研还是外采,这是一个问题

1. BI行业现状

成熟的商业化的BI产品国内外都有很多,按照业务场景和主要卖点可以分为:传统型BI、用户行为分析、基于云服务的SAAS化BI产品。

1)传统BI

Tableau、帆软BI、永洪BI、BDP、亿信华辰、观远数据。

2)用户行为分析

从埋点采集到用户行为分析的全流程解决方案,从全埋点或无埋点切入,主要有神策数据、GrowingIO、诸葛IO等,还有部分垂直于游戏或广告投放领域的分析产品如TrackingIO。

3)SAAS化BI产品

基于云服务之上的BI分析工具,核心产品是云上资源,BI产品作为增值产品或服务。如阿里云的QuickBI,华为云、腾讯云、百度云、移动云等,都有相应的搭售产品。

2.自研或外采

外采还是自主研发这是每个BI产品诞生时都要经历的灵魂拷问,首先要回答老板,外部已有那么多成熟的产品,我们要不要从0-1开始,自己做的价值是什么?这两种方案对比如下:

采购价格上,以阿里云Quick为例,一个300人的团队一年的费用大概在40W,帆软价格比较亲民,可以买断付费,基本功能在30W左右(外加每年服务费、跨版本升级费用、扩展功能费用等)。

总结一下如何选择的要点:

  • 公司管理层,对数据团队人力投入的支持,比较新做一款BI产品需要较长周期和较多人力,短期内外采肯定是见效最快的;
  • 公司对外采的态度,有些公司有自研情结,只要能解决自己业务问题,都可以考虑自研,不爱买别人的;
  • 数据平台研发团队的人力现状,产品、研发的人力和能力能否Cover住BI产品的需求;
  • 公司规模主要是看数据用数据的人数,这是个参考值,一般1000人以下的团队外采性价比是最高的,当然如果管理层看的比较长远愿意投入,这个值就不作参考了。

五、BI产品核心功能架构

敏捷BI工具的标配流程是数据建模、拖拽分析、可视化呈现、系统管理等功能模块,随着基础看数据的需求满足后,业务会有更多增强分析、以及从人找数到数找人的预警、推送需求。同时,对于数据生产者,要持续降本增效,因此围绕数据血缘看板生命周期相关的数据治理流程,在自研产品中也要考虑进去。

1. BI系统架构

1)数据源

从系统架构层级看,BI系统最底层是数据接入层,数据源是原材料,否则工具做的再好也是巧妇难为无米之炊,要支持接入常用关系型数据库,以及数据仓库的数据源。

2)数据模型

数据接入后,在数据模型层,做表之间的关联、字段逻辑处理、元数据信息维护,形成模型资产,把模型主题、层级分门别类管理好,方面业务快速找到目标数据源,同事需要做好模型权限、字段、行值权限管控,技术层面要把不同数据源集成到OLAP查询引擎,提升即席查询效率。

3)分析层

无SQL拖拽分析,业务基于数据模型,可以直接选择维度、度量、过滤条件后,直接进行数据查询,同时封装可视化图表组件,做结果的可视化展示。对于需要固化的分析结果,可以将图表保存至Dashboard,且可以对图表系列颜色、数据标签、筛选条件等进行设置。

4)输出层

主要包括Dashboard输出、将看板以iframe方式嵌入其他平台、数据推送&预警,以及可视化大屏。将可视化能力直接在系统内应用或跨系统复用。

2.产品功能框架

1)数据模型

主要提供数据源接入、数据源管理、数据建模能力。

2)自助分析

支持拖拽式分析,同时可以作为通用能力,对接数仓数据源、指标平台指标等,随着版本迭代,图表类型要不断扩展,从基础的表格、折线图、饼图、柱状图,到复杂的地图、桑基图等,数据分析能力不断增强,预测、归因分析等。

3)Dashboard

可视化报表创建、管理。

4)可视化大屏

大屏模式,提供常用模板快速搭建大屏。

5)系统管理

用户权限管理,某一用户有哪些资源(看板、数据集等)权限、看板/数据集管理(用户范围、使用情况、生命周期)。

六、总结

数据化管理、数据驱动运营的时代,企业数据分析需求呈井喷式增长,传统的数据获取流程业务人员直接触达数据的成本高,一般依赖于数据团队,由数据开发或数据产品支撑日常的数据调取以及报表监控需求,受限于数据团队的人力,数据响应时效性差,而智能BI产品以自助式的产品理念,让人人都可以进行数据获取、数据分析、可视化图表配置,大大提升数据化运营的效率。

因此,不管是外采还是自研,对于追求数据驱动的企业,都需要一款BI产品。

#专栏作家#

数据干饭人,微信号公众号:数据干饭人,人人都是产品经理专栏作家。专注数据中台产品领域,覆盖开发套件,数据资产与数据治理,BI与数据可视化,精准营销平台等数据产品。擅长大数据解决方案规划与产品方案设计。

本文原创发布于人人都是产品经理,未经作者许可,禁止转载。

题图来自Unsplash,基于CC0协议

给作者打赏,鼓励TA抓紧创作!
1人打赏
更多精彩内容,请关注人人都是产品经理微信公众号或下载App
评论
评论请登录
  1. 目前还没评论,等你发挥!