如今，自助式BI產品已成為全球各個行業關注的焦點，其中一個重要原因在於，自助式BI允許企業業務部門在不依賴IT的情況下完成日常的數據分析工作。對此，知名研究機構Gartner認為，到2019年，使用自助式BI產品的用戶將超過專業的數據分析人員。
與此同時，Gartner也表示，企業在實施自助式分析服務計劃之前，必須擁有合格的數據管理能力。Gartner的這一擔憂表明，儘管自助式BI產品在靈活性、易用性上有著先天優勢，但數據管理問題是目前企業應用這一技術的最大挑戰。
部署自助式BI之前需要考慮的問題
相信許多企業已經將自助式BI產品加入到了“購物清單”中，其很多優秀特性，包括部署靈活、操作簡單、探索式分析等，讓不管是新手還是專家都可以輕鬆完成分析工作。但令人驚訝的是，儘管許多用戶早已使用自助式BI產品，但他們可能並沒有真正理解“自助式”這一概念。
Gartner副總裁Rita Sallam對此表示，“數據準備過程是商業智能產品或其他高級分析平臺用戶所面臨的最耗時，也是最困難的挑戰之一。”總體來說，在部署自助式BI產品之前，企業需要仔細斟酌以下問題。
問題1：對於數據質量問題，自助式BI產品並沒有直接的解決方案。在某些情況下，如果企業內部的數據環境非常複雜，自助式BI產品可能無法提供“一條龍”式的服務，這時候需要企業單獨部署數據準備工具。
問題2：自助式的商業智能的確能夠幫助企業獲取業務洞察，但對於規模較大的企業而言，不同部門之間所創建的數據模型和指標是不同的，如果每個業務部門都“掌管”著自己的數據，企業有可能會面臨數據安全問題，或失去對數據的控制權。
問題3：長期以來，數據質量一直是企業最為關心但仍舊無法徹底解決的問題。特別是對於擁有多個業務部門的大型企業而言，只有通過實施合理的數據管理戰略（包括角色、責任、數據所有權、策略和程序）才能保證數據質量。如果沒有制定好相關策略，企業一定會面臨數據質量差的風險，導致分析結果出現偏差。在文章《數據治理是商業智能成功的關鍵》中，作者認為，實施可靠的數據管理策略可以有效提高BI投資的ROI。
問題4：大數據和物聯網的快速發展，讓數據源、數據類型和數據量都發生了巨大變化。企業內的網絡環境越來越複雜，也讓數據管理面臨著不小的挑戰。總之，數據管理的難度正在隨時時間不斷增加。
問題5：從數據分析層面來說，自助式BI提供的靈活性是企業希望得到的，但在數據管理上，這種自由度未必是件好事。企業必須對業務人員訪問數據的權限進行限制，否則可能會對整個分析項目產生很大的危害。
不重視數據管理可能帶來的後果
- 數據模型可能具有缺陷，不符合業務邏輯或指標不可用
- 錯誤的分析決策
- 缺乏單個版本的真實數據
- 審核數據失敗
- 錯誤的報告，降低可信度
- 合規失敗，面臨監管處罰
- 分析和BI系統維護成為噩夢
- 嚴重的數據安全問題
通過對自助式BI產品的企業用戶進行調研，以下功能很有必要
- 可定製的數據管理功能
- 輕鬆將數據遷移或導出到其他數據倉庫
- 準確報告數據時間滯後問題
- 基於訪問的單循環驗證
- 基於權限和基於角色的數據訪問
- 為認可的數據源提供水印
- 版本控制
- 清晰顯示數據日誌
- 基於分析報告進行協同
- BI的未來成功取決於數據質量和數據管理
閱讀更多 DataHunter 的文章
