领域软件

数据分析平台

2020-05-08 admin
您是否有这样的困扰

  产品选型的困扰

   ———  
  我想选一个好的 BI 分析平台,应该要注意些什么?

  三七法则                                                                           二八法则
  在一个完整的企业级 BI 项目中,三分产品,七分实施                               20% 的时间做报表,80% 的时间在处理数据 
  产品的因素占到三成,七分要靠产品实施交付落地                                    底层数据处理涉及到数据清洗和治理,数据仓库的搭建
  落地交付的重点在于底层数据仓库的搭建                                                  数据仓库在 BI 项目中就如同人的腰腹核心                                            
  重点关注                                                                           我们的数据
  数据仓库在企业级 BI 项目中如何体现                                                        是产品提供商,也是服务提供商
  数据仓库的构建是否仍然需要依赖经验丰富的架构师                                积极倾听企业数据信息化建设遇到的问题和困难
  BI 产品是否可以快速将业务分析原型提炼出来                                           提供完善的解决方案和问题解决思路
  BI项目的规划
  ——— 
  应该如何规划一个长期的 BI 项目,有何经验可以借鉴?
   IT 信息化的阶段                                                                        数据信息化目标
  IT 信息化包括业务信息化和数据信息化两个阶段                                        明确当前业务重点,数据信息化的支撑价值
  业务信息化包括 ERP、OA、CRM 等系统建设                                             可视化全面呈现企业经营和管理情况
  业务信息化是数据信息化的基础                                                                  关注业务重点,对重点业务进行重点分析
  重点关注                                                                            我们的数据
  业务信息化的完善程度,数据基础是否完善                                                是产品提供商,也是服务提供商
  支撑业务的分析重点,分析思路如何体现                                                    积极倾听企业数据信息化建设遇到的问题和困难
  寻找最容易突破的点进行项目推进                                                               提供完善的解决方案和问题解决思路
  我们以前上过别的 BI 产品,但是最终失败了,下次应该如何避免?
  ——— 
  现状描述                                                                            失败原因                               
  做了很多分析页面,但都不是业务用户最终要想的                                      过度依赖 BI 工具,忽略了“三分产品,七分实施” 这个道理
  业务需求发生调整,底层数据架构无法灵活调整,维护难度大                    开发边做边梳理需求,需求不明确,无法搞定最终用户
  做不到真正的敏捷,业务用户还是需要严重依赖 IT 部门                             底层核心数据仓库构建不合理,缺乏良好架构和设计规范 
  重点关注                                                                            我们的数据
  如何确保分析需求的梳理是用户真正想要的,少返工                                  多年行业积累,快速梳理完整的指标分析体系和分析原型
  业务需求发生调整的时候底层数据结构如何灵活调整                                   高度配置化的数据仓库,业务变化不会影响上层分析模
  IT 部门和业务部门的工作边界如何区分                                                        提供完整的项目解决方案,高度可扩展的产品架构设计
  我对所谓的“敏捷 BI ”和“传统 BI ”很困扰,怎么办? 
  ——— 
  敏捷 BI                                                                                传统 BI
  定位部门和个人级的报表分析工具,注重前端呈现                                        前端可视化呈现不灵活,无法实现快速自助分析
  分析的数据需要有良好的格式,数据规范清晰                                               注重底层数据仓库的架构和设计,依赖 BI 架构师
  反数据仓库化的产品设计,对数据基础质量要求很高                         适合大型企业级的 BI 项目建设 
  重点关注                                                                              我们的数据
  没有任何一个 BI 工具可以做到真正敏捷,有严格使用条件                            具备“敏捷”的前端可视化分析设计特点
  数据处理环节占据 BI 建设 80% 的时间和精力                                                可视化快速设计分析原型,强大的业务梳理能力
  可视化报表呈现占据 BI 建设 20% 的时间和精力                                            丰富的行业指标库和行业案例支撑 

产品特点      

分析模型 

快速构建业务分析模型
• 用两天的时间完成十几个页面,上百个分析图表的搭建
• 无需访问任何外部数据源,快速生成业务模拟数据
• 分析图表可联动、跳转、钻透,直观展现最终效果
• 打开页面直接和业务人员确认需求,快速调整分析模型


数据仓库
高度配置化的数据仓库
•  强大的数据仓库配置功能,无需人工开发和设计数据仓库架构
•  快速设计各种维度和指标,快速关联各类分析模型
•  强大的数据血缘分析,跟踪维度、指标和页面关系
•  清晰的分析主题划分,高度配置化的取数逻辑


指标模板
丰富的业务指标模板
• 丰富的指标分析体系,覆盖通用的财务、供应链和人力分析主题
• 深入行业的各类分析指标,帮助企业构建完整的分析指标体系
• 与用友ERP (U8NC等)底层数据直接打通,快速应用
• 定制化的为企业梳理适用于企业自身的分析指标体系

兼顾敏捷
兼顾敏捷和传统
•  保留传统的数仓架构,支持企业级数仓平台建设
•  高度配置化的操作,快速完成数仓搭建工作,无需手工构建
•  灵活设计、架构合理的主题分析,IT 更加专注于搭建后台数据架构
•  业务用户通过自助式、探索式、敏捷分析快速完成分析报表制作

自助分析
业务友好的自助分析
•  清晰的业务分析主题,多样式的分析图表,各类钻透、跳转和联动设计
•  拖拉拽的自助分析方式,简单易操作,清晰的指标业务含义说明
•  PC端和移动端报表设计分离,让领导只聚焦核心的业务指标
•  强大的权限管理,支持组织、部门、个人等多级数据访问权限