“数据中台”这个新词最近几年炒得火热,各种解释铺天盖地,在这里无需赘述。但是,不管哪种解释,你会发现他们都强调一个观点:数据中台并不是指具体某一个产品,而是一套“机制”,解决的是“企业如何用好数据”的问题。

对于有一定信息化基础和数据沉淀的企业来说,内部可能已经建设好各种分析系统。只不过这些系统是分批建设的,存在明显的“烟囱式”架构。系统之间相互独立,数据也无法打通。这种情况下通过建设数据仓库或者大数据平台进行统一的数据采集、处理和存储,然后把数据或者数据服务的能力统一提供给上层的应用使用。这种方式的确可以解决“烟囱式”的问题,也是企业普遍的做法。

既然如此,还要数据中台做什么呢?

问题就在于不管是数据仓库,还是大数据平台,都是由IT团队主导建设的,业务部门并不参与其中。数据的分析能力也是IT人员按照自己的想法进行建设,作为一线的业务人员只能被动地接受,有什么需求提出来就是了。久而久之,业务人员已经形成习惯,不会去要求提升自己的数据分析能力。而且,业务人员只能在IT设定好的框架下做“有限”的分析,是典型的“项目型”BI应用方式。

本来这也没什么大问题,反正这么多年大家都是这么过来的,虽然它的弊端众所周知:效率太低了!而且相似需求不断重复,数据利用率也不够。

更为关键的是,它违背了“数据辅助决策”这个基本原则。我们分析数据,本来就是为了更好地支持业务决策。由IT主导的数据建设,无法很好地达到这一目标,因为没有人比业务人员更清楚自己需要什么数据,用什么口径,要如何统计。所以,好的办法就是业务人员根据自己的需求去分析数据,让数据真正为业务所用,就才是“数据中台”真正的含义。

要如何才能真正做到这一点呢?在这里,先给大家举一个例子。

OA已经是企业中很普遍的一款应用,大家都有了使用的习惯,OA也确实给我们的工作带来了极大的便利,其价值显而易见。但OA为什么能够这么普及呢?一个重要原因是它足够易用!只要你简单操作一下,以后就可以自主使用,根本不需要IT的支持,除非有一些定制化的需求。

那么,BI能不能也像OA一样做到如此普及、易用呢?

这就是我们追求的目标。

要实现这个目标,绝不是靠一个BI工具就能解决的,而必须是一整套的解决方案,必须从数据目录、分析工具、应用商店、运营保障这几个方面入手。

 ●数据目录●

前面已经说过,大部分企业已经有了数据仓库或者大数据平台,存储在里面的数据只有IT人员知道怎么使用。要想业务人员能够自助分析,首先需要提供数据目录让他知道怎么用这些数据,需要把数据变得易懂易用。通过对表、字段名称进行业务含义翻译,把枯燥的数据翻译成容易理解的业务数据,并且把字段的数据类型、显示格式、维度层次等提前设置好,业务人员用起来就方便多了。通过这种方式,还可以把企业的数据资产化,提升数据价值。

有了数据目录,还需要以可视化的形式展示出来,并且提供精准的搜索功能,让业务人员可以快速地找到。在自助分析过程中遇到问题,需要有专门的渠道随时获取支持。只有解决了这三个问题,业务人员才有可能进行下一步的自助分析。

●分析工具●

企业采购的自助分析工具大多只提供“可视化”的功能,缺乏深度、灵活的数据分析能力。即使有一些国外的工具可以提供,也因为使用过于复杂,学习门槛太高而被放弃,业务人员还是喜欢用熟悉的Excel进行本地数据分析,这也是什么自助分析一直无法真正落地的一个重要原因。

既然如此,我们就需要提供多样化的分析工具供用户选择。例如即席查询,主要用于大数据量的清单明细查询,任何字段均可作为筛选条件;提供类似Excel透视表的透视分析,支持超大数据量的查询性能,支持超多维度、甚至维度无法固定的分析场景;还可以提供自助仪表盘,让业务人员通过拖拉拽就可以生成可视化的数据仪表盘,做到所见即所得。

业务人员习惯用Excel,那就提供BI和Excel结合的Excel分析。Excel的分析能力很强大,数据处理也很灵活,但在安全、性能、共享方面有很多不足,我们可以通过BI的功能进行弥补。这样即利用了Excel的优点,又解决了它的问题,真正做到赋能企业一线业务人员,让人人都是数据分析师。

其它的分析工具还有很多,企业可以根据实际需要提供给业务人员使用。但有一点要记住:一定要真正可落地的,真正能用起来的,否则只能是摆设。

●应用商店●

一个企业要想让业务人员真正把数据用起来,更为重要的是要有一套机制,可以充分调动业务人员的积极性,营造全员数据分析的氛围。通过提供应用商店,我们可以实现这个目标。

应用商店使优秀的分析成果得到传播,用户能很方便的看到哪些是最热门、最优秀的分析,也能通过搜索,找到想要的分析。用户之间可以进行社交互动,对分析、应用、问题等进行点赞、评论。

这些分析成果可以沉淀下来,形成企业的知识资产,避免以后重复性的开发。通过社区分享经验,新手进行自助分析也无需从零开始。

我们还可以分析用户的行为数据,这些数据将帮助制定与推广运营策略,进一步提升应用商店的活跃度。

●运营保障●

自助分析想要进一步推广普及,还需要提供安全、稳定、性能等方面的运营保障。数据安全至关重要,任何提供分析的数据都必须是可控的,可以针对不同的用户和角色控制不同的访问权限,而且可以精细到字段级和行级。同时,还需要提供灵活的数据脱敏,防止敏感的信息泄露。

如果访问量巨大,支持通过集群扩展来分散压力,保证系统的稳定。当处理的数据量达到一定规模发生卡顿时,通过缓存加速等技术手段也可以提高系统的性能。

以上四个方面的措施解决“企业如何用好数据”的问题,也是Smartbi为普及BI应用所推出的“企业自助分析解决方案”,同时也是“数据中台”的理念。其实,对于企业特别是业务人员来说,他们并不关心什么是数据仓库、大数据平台或者数据中台,他们关心的是如何真正把数据用起来,让数据真正做到辅助一线业务决策,从而提高企业的市场竞争力。如果我们可以提供一套解决方案,让BI像OA一样在企业中普及、易用,那么离这个目标也不远了,你们说是吗?