Beawolf - Fotolia.
如何让自助BI工具部署变得不那么痛苦
自助式BI对组织中的每个人来说都是一个巨大的变化。专家Rick Sherman提出了三条可以让事情变得简单的原则。
为什么自助式BI非得这么疼吗?理论上，它应该能解决你所有的问题。但很多企业都以失望告终。他们有太多的数据，却又缺乏有用的信息。他们无法获得洞见。这会导致数据混乱和混乱。
当企业开始第一次尝试使用自助BI工具时，他们通常会发现自己处于以下场景之一:
- 他们评估BI工具并购买一个用于企业范围的部署，但大多数业务用户很快就会恢复使用电子表格。
- 小团体的商业用户自己获得自助BI工具，享受成功;然而，其他人继续使用他们现有的报表或电子表格。
- 整个企业的许多业务用户都使用自助BI工具;然而,他们在筒仓。因此，每个业务单元生成自己的编号，与其他业务单元的编号不同。
在场景一和场景二中，人们继续使用电子表格，从而创建数据影子系统，也称为spreadmarts。在场景三中，自助BI工具生成影子系统。在所有的场景中，它都是完全的混乱和无政府状态。
选择正确的自助服务工具
当评估自助BI工具时，目标是选择最好的对于企业来说，但通常倾向于通用工具。这种方法的缺陷在于业务用户并不都是相同的。他们有不同的分析需求和分析技巧。然而，选择工具时假定每个业务人员都是想创建自己的仪表板、数据可视化和报告的高级用户。恰恰相反:大多数业务用户需要消费数据要做工作，而不是被大火吞噬通过它。
分析有四种类型:描述性分析、诊断性分析、预测性分析和说明性分析。并且有不同的业务分析角色:休闲信息消费者、业务分析师、数据分析师、数据工程师和数据科学家。
压倒性的分析需求是描述性分析，这使商业用户能够检查发生的事情或业务中的趋势。这是休闲信息消费者需要的分析类型。这些用户不希望创建仪表板，但希望能够从现有仪表板，可视化或报告中过滤并深入到数据中。将数据发现工具与其中面前的空白屏幕放在前面是压倒性的最紧密方式，并将它们发送回电子表格。
在选择自助服务BI工具之前，就分析需求和技能而分析您的客户细分。
数据发现工具总有其存在的时间和空间。自助BI的最佳位置是由业务或数据分析师执行诊断分析。他们的工作是分析数据，如果启用，为他们自己和其他人创建仪表板、可视化和报告。预测性和规范性分析是数据工程师和数据科学家的职责范围，他们不仅需要自助BI工具，还需要统计应用程序和数据准备工具。
前选择自助BI工具，在分析需求和技能方面分析您的客户细分。通过这种分割，您应该能够设置正确的工具和分析环境，以启用和鼓励广泛使用自助服务BI - 并避免购买工具，没有任何一个目标。
转换业务和IT角色
传统上，BusinessPeople使用嵌入在其企业应用程序或其自定义BI应用程序中的报告和仪表板。由于嵌入式报告永远不够，并且不访问企业的多个应用程序，因此IT组在越来越多的BI仪表板中找到自己。这座积压令人沮丧，使业务易于自助服务BI工具供应商的营销炒作，其销售投票说“不需要”。这从它开始所有的双人都在做所有双人工作的业务;既不利益业务。
启用成功的自助部署的新公式是建立业务和IT伙伴关系。IT的角色是创建和管理企业应用程序的数据主干和数据仓库，并创建临时信息消费者需要的描述性分析。业务和数据分析师的角色是创建和发布诊断分析，利用IT的数据骨干。数据工程师和数据科学家在创建和发布预测性和规范性模型时也将使用数据主干。
实现数据治理
最后，无论如何构建自助BI工具，跨业务组共享的指示板和报告绝对需要数据治理。业务指标或关键性能指标(kpi)基于选择数据、筛选数据和应用业务算法的业务规则创建。如果企业希望超越数据竖井，就需要就KPI定义达成一致，然后将它们应用于仪表板和报告中。当建立数据治理并成为企业公认的业务实践的一部分时，就可以达成此协议。
