|BI&数据分析平台产品发展趋势( 二 )

数据应用的深度的增加可以从两个角度理解：

数据覆盖人员层次的纵深增加。一开始数据只能提供给高级管理者，作为企业的重要决策参考使用；数据门槛降低后，数据可以渗透到一线员工的具体工作中，让更多人形成分析-行动-反馈的正循环；
数据在决策过程的覆盖率增加。数据在组织中的主要用途是减少决策的不确定性，提升决策质量。在决策链路或推理过程的诸多论证步骤中，得到的数据支撑越多越有力，决策的可靠性就会越高，最后决策的效果就会越好。

虽然去IT部门中心化的开发方式提升了业务数据需求的实现速度，帮助现代BI平台产品在市场竞争中获胜。
但各个部门独立进行数据准备和分析，缺乏统一的管理。在数据应用规模增大后，导致了数据的重复开发、数据口径不一致等诸多问题。
这些问题已经超出了BI平台本身产品的范围，更多的是组织结构、流程和数据管理的问题，建设企业级的数据中台是目前业界用于解决上述问题的方案，在此就不展开阐述了。
2. 自然语言查询
虽然现代BI平台已经让数据分析门槛下降了很多，但仍然存在一定的学习成本。用户需要具备一定的数据分析思路和方法，理解现代BI平台多维数据模型，掌握BI平台的界面逻辑和交互方式。
NLP技术的发展和对用户场景的理解，让BI平台开始尝试开发通过自然语言进行数据查询的功能。
用户只需要提出数据问题， BI平台就可以根据已知的数据，为用户提供可视化的数据分析结果，供用户进行进一步的决策使用。 BI平台会真正成为个人专属的数据分析师，随时解答用户的数据问题。
主流数据分析平台都已经开始尝试这方面的探索，比如Tableau的Ask Data ， PowerBI的Q&A功能等。
二、数据分析能力的持续增强
看数据只是业务数据应用的第一步，通过数据分析发现潜在问题、洞察机会，最后获得业务增长才是最终目的。
1. 静态报表
传统BI阶段， BI平台只能提供静态的基础报表工具。所有的报表要在需求沟通的阶段都明确好数据内容，在报表开发时写死到程序里。
这个阶段的报表，只能起到描述业务的作用，即告诉业务人员，当前业务的状态是什么样的。
当然，业务人员可以事先在报表需求中固化一些常规分析套路。但如果业务在使用过程中有更多的需求，哪怕只是对进行一个之前没有考虑到的维度细分，也只能再次给IT部门提需求进行数据分析或报表修改，排期开发后才能得到结果。
这种数据获取效率节奏，让组织无法快速响应市场变化，进行充分的数据化决策。
2. 数据探索
除了前面提到的降低数据使用门槛，现代BI的另一个优势，是为用户提供了交互式的数据探索功能。
业务人员可以在现代BI的多维数据模型（Cube）基础上，通过符合直觉的软件界面交互，快速进行数据的探索和可视化分析。
业务人员可以查看宏观的指标数据，再根据需要对指标进行细分下钻，在多个指标之间进行对比，利用现代BI的可视化图表功能，从数据中产生洞察。
在数据探索功能的支持下，业务人员的数据分析思路可以在第一时间落地，完成数据分析过程中的猜想和验证，加快了业务获取数据的效率。
在数据探索产品中，所谓的报表搭建只是在探索过程中固化下来的一个常用的分析思路。业务人员可以根据业务目标的变化，对业务理解的深入和分析思路的完善，不断调整和新建报表，达到数据应用效率的最大化。
数据探索功能可以让数据在组织内部更高效的流转起来。业务人员可以在现代BI中按照自己的分析思路，搭建一份完整的数据分析报告，并利用平台的分享功能在组织内部进行分发，达到信息同步和沟通的目的。