1. 概述
1.1 目的
完成推广阶段后，一部分公司员工已经对 BI 的价值和功能有了一个初步的了解，要让这些业务人员真正能够充分使用 BI ，还需要进行不断的复习和回顾；
另外还有很多没有接触过 BI 的新员工，则需要为其提供可持续学习的路径以及咨询问题的途径。
本节讲述了如何使用帆软推荐的方法来提升员工能力，使其能够在 FineBI 中充分发掘数据的价值。
1.2 学习方案
我们提供了系统的教育方案，提高其部门和团队的「数据分析素养」。
学习方案分为「BI学习途径」、「提升数据分析素养途径」、「问题解决途径」，如下图所示：
2. BI 学习途径
2.1 系统性学习
对于刚开始学习 BI 的员工，可以通过系统性的学习了解 BI 使用完整流程，做出自己的第一张仪表板。
详情参见：FineBI 学习路径
2.2 问答式学习
对于已掌握 BI 使用完整流程的员工，如果需要了解 BI 在各个步骤更多的功能，可以通过
查阅FineBI视频学习、BI使用问题汇总来快速定位适用自己业务场景的功能并加以学习。
关键词搜索在帮助文档找到所需内容：
3. 提升数据分析素养途径
人们需要的基础技能是数据分析素养，即探索和理解数据并使用数据进行交流的能力。提升员工的数据素养是BI能在公司稳定推广使用，发挥价值的基础条件。
3.1 学习数据分析方法
对于没有接触过数据分析的员工来说，也许一下子不能够快速的培养起数据分析意识，这时可以通过先学习一些已有的分析模型初识数据分析并尝试应用在自己的业务中。
FineBI 推出部分数据分析模型实现方法，帮助用户更好的使用 BI 进行数据分析。
更多内容详情参见：常用数据分析模型与方法
比如您所在的公司是一家销售企业，业务员工可以利用 RFM 模型对用户价值进行分层，筛选高价值客户：
通过波士顿矩阵了解销售商品市场信息：
3.2 学习数据分析思路
1）怎样才能有数据分析思路？这是数据分析人最先需要解决的问题。
我们提供了数据分析基本思路以及多维度分析法等理论知识，以此培养用户的数据素养。
2）在有了一些理论知识后，如何处理已有的数据、从哪些角度进行分析、如何进行数据指标的拆解，建立自己的指标体系，达到分析目的，可以参考：数据分析指标拆解方法。
3.3 了解并进行数据可视化实践
在有了一定数据分析思维后，如何将思路通过可视化图形展示出来呢？
可视化指南 为用户提供可视化设计流程、评分标准、应用场景实践并推荐好书供用户参考。
4. 问题解决途径
在学习使用 BI 的过程中难免会遇到无法解决的问题，需要为其提供可咨询问题解决方式的途径；
4.1内部学习交流群
建议公司内部可以建立一个交流学习群。日常可以在群里咨询问题、分享优秀作品，也可以定期发起学习交流会，共同探讨问题、分享技巧。由此可以促进大家共同成长，一起做出更好的服务于公司业务的报表。
4.2 帆软社区问答
个人学习过程中，如果遇到解决不了的问题，可以在社区问答提出问题，寻求他人的帮助。寻求帮助之余，如果看到他人的困惑在自己解答的范围内，也可以伸出援手为其解答，在帮助他人的同时，赚取 F 币。
4.3 技术支持服务
通过上述途径依旧无法解决的问题，可以寻求帆软技术支持支援。
可通过以下方式寻求服务：
详细接入说明可参见：技术支持服务.docx
注：初次接入技术支持服务，需要通过身份验证，确定其所属公司为帆软的合作客户。
