从报表到大数据分析，BI工具如何提高用户体验

报表，每个公司都有的东西吧，财务报表，人力报表，大家都不陌生。

但是，你有一瞬间，有没有觉得，报表可以更进化一点，不然就被淘汰了呢。

大数据时代背景下，商务智能和数据可视化的需求更为强烈，大量的数据分析人员希望使用BI来实现数据可视化，将海量的数据资产转变为直观可视的报表成果，真正将数据提炼为决策者手中可仰赖的利器。

本文将着重从BI用户，即广大业务人员的角度，展现BI对数据处理的完整流程。

01

传统BI与自助BI对比

1.传统BI

传统BI是指融合了数据仓库、在线分析、数据挖掘技术的智能数据处理系统，能够做到将数据转化为有用的信息，进而辅助企业的管理决策。

（1）传统BI的分析流程

 

传统BI需要由业务人员提出需求，再由技术人员针对需求进行报表制作，随后用户经过测试发布完成的报表，而业务场景发生了变更后，需要技术人员帮助更新报表，当业务人员在实际业务场景中发现数据不能满足需求时，则需要业务人员提出新的需求进入新的循环（非良性循环）。

（2）传统BI的优劣势

传统BI的优势很明显，他拥有强大的取数能力，能对接各种系统的数据，能快速处理百万级、千万级数据，并且能安全地实现数据分析/可视化功能。

然而他的劣势同样明显，业务人员往往无法适应如此复杂的取数流程，这就需要培养一支专门取数团队，增加了取数成本，同时他的需求响应速度极慢，整个流程耗时极高，无法满足业务人员灵活多变的取数需求。

在传统BI阶段，业务人员多用来获取定期长期报表，往往无法获得较好的用户体验。

2.自助BI

自助BI是指让业务部门在数据展现、应用层次拥有更高自主能力的数据处理系统，使得数据分析流程更加简单。

（1）自助BI的分析流程

 

在自助BI中，技术人员可以直接对接到多种数据库中，例如DB2、Hadoop等，根据用户权限进行基础表资源分配；业务人员可以通过拖拉拽方式自助完成数据准备环节，并且也可以结合业务需求进行轻量的数据建模和简易的数据处理；

随后业务人员在建成的业务视图、数据集基础上进行自助数据分析，迅速获得商业见解与洞察；最后业务人员可以选择将做好的报表发布给选相关决策人，并且支持快速融入到日常的办公报告中。

（2）自助BI已有功能

在自助BI的分析流程中，与广大业务人员息息相关的环节就是数据准备与分析展现模块。

目前业务人员可以在受权限管控前提下，通过新建业务主题与多种数据集，可以实现多张宽表不同字段的整合，使得数据的提取更具效率。

而多种数据集如自助数据集、可视化数据集、原生SQL数据集又适配了不同需求，对SQL代码掌握程度不一的业务人员，使得业务人员可以灵活选择不同数据集来完成数据准备工作。

在分析展现模块，自助BI提供丰富多样的分析展现手段。即席查询支持制作各种复杂格式报表，简易的操作过程使得业务人员会EXCEL就能制作报表；

业务人员可以借助内置丰富的交互控件和图表组件的自助仪表盘进行业务看板图形化展示；还能在透视分析中进行多维度分析。

例如，当业务人员希望在一张图表内展现分行下属不同地区的辖行存贷款业务办理情况时，BI工具就提供了一整套的解决方案。

首先需要技术人员开通数据权限，因存贷款数据来自不同的宽表，无法直接分析展现。

业务人员可以通过创建自助数据集将若干宽表按照某些字段关联形成一张包含更多字段的大宽表，并且可以对此进行数据预处理，如设置筛选条件，改变数据维度，修改字段类型等。

之后可以使用自助仪表盘在新创建的数据集基础上使用联动、下钻、跳转等交互设计，将若干张做到数据可视化的报表集中展现在同一业务看板中。最后再通过资源发布功能将成果发布在电脑、平板、手机等载体上。

在这个过程中，BI完成了与数据库的直连取数，技术人员完成了系统运维及数据拆分，随后业务人员将直接接触数据，并且在之后的过程中做到了完全自助数据处理。

（3）自助BI的优劣势

自助BI的优势有：

1.使数据回归业务部门，从而做到快速响应业务人员的需求，实现真正的数据闭环；

2.使技术人员减少报表制作需求，更专注于平台的性能、架构等维护和技术的创新与应用，提升平台的服务效率；

3.大大减少实施成本，通过培养业务人员数据分析能力，缩短了报表制作周期，降低了需求成本。

然而随着自助BI的推广，其短板也逐渐暴露，使用量的增加必然伴随着使用效率的降低，更大规模的数据处理、报表查询会拖慢每一次查询的速度，无形中增加了业务人员使用BI的时间成本，降低了用户查询体验。

02

BI的未来展望

在使用过程中，BI也在不断改进及成长，如引入含有即席数据预计算技术的多维数据分析产品等。

在自助BI中，BI系统的SQL查询接口与各数据库直连，业务人员的每一次报表刷新、数据展示都会占用计算、存储空间，使得查询数量的增加拖慢了查询速度。

而引入多维数据分析产品后，将与Hadoop数据库对接，Hadoop计算集群将提供租户资源支持多维数据分析产品构建Cube；如下图，BI工具将对接多维数据分析产品数据仓库，不再直接连接Hadoop数据库。

 

多维数据分析产品通过完全依赖于Hadoop生态，以及预聚合来极大的提高查询速度。预聚合就是通过对需要查询的数据的某维度预先进行聚合，以达到缩减查询数量，加快查询速度的目的。

Cube是多维数据集，是由若干张二维表组成的一个数据“立方体”，一个完整的Cube可以按照不同的角度拆分获得不同的二维表，如下图，在多维数据分析产品中包含时间、地区、管户经理三个维度的数据以“立方体”的形式保存，不同的维度组合成不同的拆分角度。

值得一提的是，之所以对“立方体”打引号是因为一个Cube的维度可以远超三维（一般在30维以下）。

 

多维数据分析产品就是通过Cube这个“立方体”来获取数据的，查询数据的过程其实就是将已经被聚合过、存储在Hbase中的数据调取的过程，因此查询速度会大大加快。

当然Cube的构建过程耗时较多，一般会通过定时任务的方式进行。

可以预见的是，随着技术的进一步成熟，业务人员使用BI取数的耗时会大幅减少，BI能够给用户提供的数据分析、展现的方式则会越来越多，用户将会体验到更加专业高效，快捷便利的BI工具。

你如果要问我BI工具有哪些？我实话实说。

国外Tableau，国内FineBI，其他没得选，这2个就好比BI界的阿里和腾讯，当然，腾讯和阿里也有自己的BI产品，只不过太差了。

你要说它们没有B端基因也不对，阿里云、腾讯云都是可以的，可能就是不擅长这块吧，需要长期的积累。