定义现代化的数据分析最佳实践（一）

数据蕴含的无限价值已经被大家所认可，数据和分析也是数字业务成功的关键。在Garnter的相关报告中也多次提到：未来企业应该向数据驱动型公司迈进，创建数据素养计划目前是一个高度优先事项。但如何通过建设数据“基建”充分发挥价值企业却还在不断摸索中。数据和分析日益成为业务战略的主要驱动力，完全融入企业的日常工作之中，数据驱动的业务战略和信息产品也具备了前所未有的发展潜力。不少企业已经引入数据分析做为实现数据价值的关键，但我们发现许多企业在搭建数据分析应用时缺乏顶层视野，缺乏“数据思维”，主要问题有几点：

• 没有整体规划，数据、系统的堆叠，上量后系统容易崩溃
• 数据分析跟不上业务变化、不同场景不同角色的个性化需求
• 如何让数据分析与其他产品、工具协同工作

在《HENGSHI SENSE 4.0 发布，前所未有的敏捷分析管道》一文中，我们也曾提到过许多数据分析和数据平台发展的关键趋势。趋势和问题并存，处理这些数据分析难题往往需要更系统的思路，才能搭建起商业分析成功路径，享受由数据带来的持久的价值。

本文内容部分源于《定义现代化的数据分析最佳实践》白皮书，希望能对大家有所帮助。文末附上该白皮书完整版本获取方式。

Analytics Blueprint

商业分析成功实践蓝图

准确定义现代化的分析能力体系

敏捷性｜Agile is the key

敏捷的定义

业务方或者分析人员能够灵活的定义分析指标，并在分析探索过程中可以随需应变的临时新增、修改、删除指标模型，修改的结果会直接影响到最后的仪表盘或者数据 API，而整个过程对数据层面完全“无感”。这里的完全无感的意思是，没有任何中间实体表的生成，也没有任何中间计算需要发生。

敏捷最终不仅体现在业务的效率上，更是体现在工作的本质上。只有这样，才真正让业务人员在“分析”数据。拖拽一个仪表盘不是分析，这是搭建可视化的看板，分析是细致的研究、迭代和决定什么数据的口径能够准确反映业务的关键状况，并以此作为 KPI 进行追踪。没有敏捷，是无法真正进行分析的。

敏捷还体现在分析的起点尽量靠近原始数据、明细数据、业务数据，更大的原始粒度决定了分析的视角是足够宽泛的，能够容纳足够的变化度和探索空间。

缺失的后果

不够敏捷首先是局限为 IT 或者数据团队需要去准备数据，这里的沟通成本在于 IT 岗位和业务场景还是有不小的鸿沟；同时还特指数据的成本，包括了对业务预设场景的计算成本、中间生成的结果表的存储成