首先，自助取數(shù)平臺(tái)很難買到。
也就是，你很難找到符合你企業(yè)要求的通用產(chǎn)品，諸如BAT等企業(yè)內(nèi)部的自助取數(shù)工具，一般也是自研的，為什么?
一是自助取數(shù)是個(gè)極度重視數(shù)據(jù)處理的工具，
不僅需要一張可視化的皮，更需要依據(jù)企業(yè)現(xiàn)狀提供數(shù)據(jù)解決方案，也就是數(shù)據(jù)和功能緊耦合，很多功能需要根據(jù)數(shù)據(jù)的特點(diǎn)量身定做。
比如，我這個(gè)企業(yè)有個(gè)上百億記錄的HBASE指標(biāo)庫，自助取數(shù)產(chǎn)品需要基于這個(gè)引擎進(jìn)行，如何抉擇?
二是BI產(chǎn)品越往上走越垂直，
到達(dá)客戶操作一層，操控更加難以抽象，報(bào)表可視化可能業(yè)界已經(jīng)有些操作的規(guī)則，無非是選擇維度和指標(biāo)，但取數(shù)到底怎么個(gè)取法并沒有固定的套路，它又寫又讀又查詢又分析的，一個(gè)字：復(fù)雜。
三是自助取數(shù)受企業(yè)的業(yè)務(wù)特點(diǎn)影響太大了，
有些企業(yè)，以清單級(jí)的關(guān)聯(lián)取數(shù)為主，有些企業(yè)，以復(fù)雜的匯總分析取數(shù)為主，有些企業(yè)，取數(shù)邏輯簡單，但查詢的速度要求卻很高，不同的業(yè)務(wù)需求對(duì)于自助取數(shù)引擎要求可能很大不同，只有基于企業(yè)的特點(diǎn)才能得到一個(gè)妥協(xié)的方案。
四是自助取數(shù)迭代要求偏高，
企業(yè)的數(shù)據(jù)和分析變換萬千，取數(shù)要素也必然隨之要不停更新，這個(gè)工具顯然要持續(xù)運(yùn)營的，而產(chǎn)品化的東西，感覺很難跟上。
話說，淘寶魔方本質(zhì)上也是個(gè)自助取數(shù)平臺(tái)，但這個(gè)能買得到嗎?它其實(shí)也很難抽象成通用的產(chǎn)品，只適合電商，甚至只適合淘寶。
其實(shí)可以類比，為什么這么多行業(yè)分別需要建立自己的C R M系統(tǒng)，市面上不是有很多C R M產(chǎn)品嗎，自助取數(shù)道理跟它一樣，沒有包打天下的C R M，也就沒有包打天下的取數(shù)工具，況且，數(shù)據(jù)的維度組合無限，而CRM好歹功能算是有限。
BI自助取數(shù)要么自研，要么定制開發(fā)，很難奢望能有一個(gè)通用產(chǎn)品能真正符合要求，這由其特點(diǎn)決定。
其次，務(wù)必做好自助取數(shù)的可行性判斷。
自助取數(shù)很能完全替代人，想想也不可能，比如市場(chǎng)綜合分析人員冒出的那種海闊天空的分析取數(shù)要求，在取數(shù)的時(shí)候涉及復(fù)雜的關(guān)聯(lián)、跟蹤等操作，自助取數(shù)很難支撐，即使勉強(qiáng)支撐，也會(huì)導(dǎo)致功能的極其復(fù)雜，帶來體驗(yàn)的極度下降。
取數(shù)有個(gè)特點(diǎn)，越偏向管理，越難取，規(guī)則越無法抽象，比如一般取數(shù)的難度排名如下：老大-領(lǐng)導(dǎo)-主管-分析-營銷-執(zhí)行，原因很簡單，層級(jí)越高，人的自主性越大，越不可捉摸，如果老大怎么想的規(guī)律被你抓到了，就不要玩了。
因此，自助取數(shù)實(shí)際只能解決部分問題，到底有沒有價(jià)值，值不值得做，這就需要事先進(jìn)行客觀的評(píng)估。
幸好，一個(gè)企業(yè)的取數(shù)，往往簡單通用類的取數(shù)還是占據(jù)了大部，這為特定企業(yè)自助取數(shù)工具的成功奠定了基礎(chǔ)，比如某些運(yùn)營商，一線簡單的營銷清單類取數(shù)，規(guī)則比較簡單，且占到總?cè)?shù)量的60%到80%，而大多時(shí)候，這些取數(shù)還是在靠IT支撐人員寫一個(gè)個(gè)腳本在取，效率可想而知，這讓自助取數(shù)工具有了用武之地。
因此，自助取數(shù)也是有點(diǎn)時(shí)勢(shì)造英雄的感覺，不在那個(gè)行業(yè)，沒有那個(gè)條件，就不要輕易上馬一個(gè)自助取數(shù)項(xiàng)目。
第三，做好自助取數(shù)需求的分析，這決定了工具的成敗。
自助取數(shù)的需求分析是很艱難的工作，有兩項(xiàng)最為重要的工作，一是數(shù)據(jù)需求分析，二是功能分析。
針對(duì)數(shù)據(jù)進(jìn)行分析，需要對(duì)歷史的取數(shù)工單進(jìn)行系統(tǒng)分析，至少能得出以下結(jié)論，字段屬性的排名并作取舍，模型的分析并作取舍，要做到這個(gè)，需要對(duì)于企業(yè)的業(yè)務(wù)和數(shù)據(jù)有全局而深入的理解。
本質(zhì)上，自助取數(shù)是面向業(yè)務(wù)的，不是一個(gè)純技術(shù)活，這也是自助取數(shù)很難產(chǎn)品化的原因。
有一點(diǎn)特別要提，理論上做一張大寬表是體驗(yàn)最好的，但由于維度的限制，這是不可能的，因此，數(shù)據(jù)建模師就很重要了，設(shè)計(jì)需要達(dá)到很高的性價(jià)比，為了符合取數(shù)的特點(diǎn)，甚至需要全新打造一套新的取數(shù)數(shù)據(jù)模型。
功能則需要調(diào)研，類似于設(shè)計(jì)產(chǎn)品，必須到一線中去了解需要哪些功能，怎么設(shè)計(jì)最好的配置方式，如何方便的找到相關(guān)模型、如何做好業(yè)務(wù)和數(shù)據(jù)的映射、如何方便的進(jìn)行關(guān)聯(lián)、如何方便的選擇屬性、如何方便的進(jìn)行在線分析、如何方便的調(diào)度和監(jiān)控、如何方便的導(dǎo)入導(dǎo)出數(shù)據(jù)、如何與現(xiàn)有的取數(shù)流程進(jìn)行自動(dòng)銜接、如何進(jìn)行SQL解析、是否需要打造一個(gè)取數(shù)社區(qū)等等。
下圖是一張系統(tǒng)架構(gòu)的示例，供參考。
最后就是要做出高保真設(shè)計(jì)，讓業(yè)務(wù)人員試用，一定要簡單簡單再簡單。最好不要培訓(xùn)也會(huì)配，你可以設(shè)計(jì)成4步法或者5步法，步數(shù)越多，則會(huì)大幅增加工具的使用門檻，比如：
第一步，基本信息填寫：
填寫取數(shù)的基本信息，包括業(yè)務(wù)目的、業(yè)務(wù)口徑等信息。
第二步，選取合適的取數(shù)模型：
可以通過標(biāo)簽及搜索的方式從取數(shù)模型庫中選取合適的模型。
第三步，取數(shù)模型配置：
對(duì)取數(shù)模型的配置主要包括三個(gè)方面，一是對(duì)模型輸出結(jié)果的勾選，二是業(yè)務(wù)篩選條件的配置，三是外部數(shù)據(jù)的配置，允許導(dǎo)入外部數(shù)據(jù)，以及對(duì)取數(shù)結(jié)果進(jìn)行特殊剔除等。
第四步，模型間組合(可選)：
選擇兩個(gè)以上的模型，可以通過拖拽的方式對(duì)模型進(jìn)行自由組合。
第五步，取數(shù)任務(wù)執(zhí)行：
配置完數(shù)據(jù)的地域和時(shí)間范圍之后即可提交取數(shù)。
第四，運(yùn)營是臨門一腳，業(yè)務(wù)人員不是一張白紙。
取數(shù)作為企業(yè)的一項(xiàng)基礎(chǔ)工作，傳統(tǒng)取數(shù)的方式和流程已經(jīng)成為套路，自助取數(shù)工具作為一種新的支撐手段，是對(duì)傳統(tǒng)方式的挑戰(zhàn)，即使產(chǎn)品再好，也需要做好內(nèi)部的運(yùn)營推廣。
曾經(jīng)將研發(fā)的自助取數(shù)叫作取數(shù)機(jī)器人，強(qiáng)調(diào)了其自動(dòng)化的特性，宣傳口號(hào)是“完全自助，永遠(yuǎn)在線，極簡操控，知識(shí)共享”。
事實(shí)上，很多企業(yè)業(yè)務(wù)人員提出取數(shù)需求的代價(jià)并不高，取數(shù)也是企業(yè)的一項(xiàng)剛性成本投入，要改變流程和習(xí)慣并不容易，這就更考驗(yàn)產(chǎn)品的能力。
況且自助取數(shù)與一般的企業(yè)內(nèi)生產(chǎn)系統(tǒng)不同，其并不是必需的，人工取數(shù)是它最大的競爭對(duì)手，需要接受業(yè)務(wù)人員的最挑剔眼光。
即使做過很多企業(yè)內(nèi)部推廣，還是有不少一線單位沒有使用，究其原因，一是工具還沒好到一定程度，二是缺乏持續(xù)的運(yùn)營推廣，三是企業(yè)人工取數(shù)成本太低，如果搞個(gè)虛擬結(jié)算估計(jì)會(huì)好很多，呵呵。
第五，不同企業(yè)效果可能不同，但成功還是可期。
當(dāng)然，運(yùn)營的效果還是要數(shù)據(jù)說話，說啥都是虛的，可以看到，后續(xù)自助的比例穩(wěn)定在50%左右。不少企業(yè)能做到80%以上，也是令人非常羨慕的。
同時(shí)發(fā)現(xiàn)，一旦自助取數(shù)被投入實(shí)用，往往會(huì)大幅激發(fā)潛在取數(shù)需求，這對(duì)于公司是好事，說明原有的靠人工取數(shù)的方式已經(jīng)抑制了大量的數(shù)據(jù)需求，信息技術(shù)的確是生產(chǎn)力，它讓我們分析的成本、迭代的成本間接降低了。
自助取數(shù)的速度依賴于使用的技術(shù)引擎和取數(shù)復(fù)雜度，一般可以達(dá)到小時(shí)或半小時(shí)，這個(gè)已經(jīng)遠(yuǎn)遠(yuǎn)低于傳統(tǒng)的按天的人工取數(shù)周期了。
同時(shí)，自助取數(shù)的永遠(yuǎn)在線、口徑的標(biāo)準(zhǔn)化、知識(shí)傳承及很少出錯(cuò)也是其天然的優(yōu)勢(shì)。
第六，給用戶足夠的自主權(quán)。
自助取數(shù)最大的變數(shù)是業(yè)務(wù)，業(yè)務(wù)會(huì)帶來數(shù)據(jù)模型的快速變化，因此需要最大可能的提供一線用戶的模型自主權(quán)，因此，即使項(xiàng)目前期做了大量的數(shù)據(jù)調(diào)研，也務(wù)必能夠讓一線人員能夠自行定制模型表，這也是一種開放化的思維。
實(shí)際上，自助取數(shù)演變到現(xiàn)在，一線專業(yè)人員自行開發(fā)配置的模型已經(jīng)占到了60%以上。因此，我們需要做這個(gè)發(fā)動(dòng)機(jī)，一旦自助取數(shù)工具能夠啟動(dòng)，也許，星星之火，就能燎原了。
當(dāng)然，自助取數(shù)工具還有大量的問題，需要去持續(xù)解決。
自助取數(shù)強(qiáng)調(diào)關(guān)聯(lián)查詢的實(shí)時(shí)分析能力，原來的自助取數(shù)工具，是基于IOE的，這個(gè)性能的瓶頸顯然是很難解決的，包括在線、實(shí)時(shí)等計(jì)算分析能力，這給用戶的體驗(yàn)造成了極大的困惑，對(duì)于自助取數(shù)，平均半個(gè)小時(shí)顯然也太長了。
因此很羨慕BAT，其較傳統(tǒng)企業(yè)，通過技術(shù)自主創(chuàng)新，還是能領(lǐng)先一步，諸如淘寶魔方這種所見即所得的取數(shù)方式，正是我們孜孜以求的，而這個(gè)靠購買產(chǎn)品的方式，顯然很難。
當(dāng)然，如果有廠家能解決前面我提到的問題，也許真的能打造出通用的PaaS取數(shù)平臺(tái)也不一定，但相信肯定是一體化解決方案，而不是輕量級(jí)的一個(gè)工具。
由此想到了大數(shù)據(jù)，最近也在考慮MPP等數(shù)據(jù)庫替代方案，比如GBASE、EXDATA啥的應(yīng)該更好一點(diǎn)，但顯然無法達(dá)到實(shí)時(shí)水平，也許IMPALA/SPARK等也可以嘗試一下，無論如何，如果自助取數(shù)能移植到大數(shù)據(jù)平臺(tái)上，還是能推動(dòng)企業(yè)數(shù)據(jù)生產(chǎn)力的大幅提升。
要承認(rèn)，當(dāng)前自助取數(shù)工具對(duì)于清單級(jí)的取數(shù)也許支撐的還可以，但對(duì)于匯總分析類的取數(shù)支撐難度就上了一個(gè)量級(jí)，因?yàn)橐坏┓治霰砀裉珡?fù)雜，自助配置復(fù)雜度也將達(dá)到一個(gè)量級(jí)，這就失去了自助的意義。
也許，并不存在完美的自助取數(shù)，直接開放最終數(shù)據(jù)給業(yè)務(wù)人員，可能才是終極解決之道，再牛逼的工具或產(chǎn)品，在無邊的數(shù)據(jù)形式面前，也需要妥協(xié)。
大數(shù)據(jù)時(shí)代，機(jī)會(huì)無處不在，自助取數(shù)還是要繼續(xù)加油!
轉(zhuǎn)型的最終目的 -提質(zhì)降本增效
分享到微信 ×
打開微信，點(diǎn)擊底部的“發(fā)現(xiàn)”，
使用“掃一掃”即可將網(wǎng)頁分享至朋友圈。