FineBI自助分析建设与推广方案- FineBI帮助文档 FineBI帮助文档

文档创建者：April陶

历史版本：15

最近更新：9tskIrGE 于 2024-03-20

1. 概述

1.1 业务目的

作为FineBI自助分析的推广者，能够通过学习此文档了解企业在推广过程需要构建哪些内容来辅助自助分析推广。

1.2 自助分析模式的建设

1.2.1自助分析模式的价值是什么？

自助分析模式最大的价值是通过数据人才将数据的价值最大化。

1.2.2 自助分析模式如何构建？

自助分析模式由 3 部分内容构成：1）数据体系 2）人才体系 3）将这两个体系形成闭环的流程体系。

数据体系为先，人才体系其后，流程体系贯穿始终，实现自助分析放大数据价值。

1.3 自助分析推广

成功实现企业自助分析条件：

1）建设自助分析体系（构建数据体系、人才体系、流程体系）

2）通过行政手段和价值驱动手段推广自助分析的使用。

2. 建设FineBI自助分析体系

建设自助分析体系需要：

1）做好充足的前期准备，了解当前分析方式痛点和数据情况

2）根据现有数据情况在FineBI构建可扩展的公共数据体系&权限体系

3）在环境准备好的前提下进行人才培养（分布针对IT和业务做不同方向的培养）

之后才能将系统正式上线。

图片1.png

将自助分析的建设与推广当做一个项目来看，可以将其生命周期分为准备阶段、系统规划阶段、系统推广阶段、稳定使用阶段

接下来详细介绍如何建设自助分析体系。

2.1 建设数据体系

数据体系是为了实现体系范围下的数据使用便捷最大化。

由先建立「数仓体系」，再建立「公共数据体系」组成，辅以「权限分发与管控体系」实现完整的数据体系。

建设流程介绍

1）确定业务流程范围&业务部门对接人

2）业务分析需求调研：包含业务流程、历史分析、分析场景下所需维度、指标、粒度以及将来可能做的数据分析

3）数据质量梳理：当前可提供什么数据，提供的数据质量如何

指标体系梳理：依据调研参考指标体系框架梳理指标并确定数据清洗加工规则

4）指标体系确认与迭代：与业务、运维等干系人共同确认指标体系以及数据清洗&加工规则直到统一

5）数据体系开发：根据实际情况进行数仓开发&公共数据体系开发

6）数据分发&权限调研：同模块业务对接人&IT基于数据分发框架讨论确认权限需求

数据分发权限设计：依据需求进行权限设计，可参考部门、角色、个人三个角度

7）数据分发权限开发：依据权限设计进行权限体系开发，设定后期运维规则

下面介绍公共数据体系和权限体系的内容。

2.1.1 公共数据体系

公共数据体系是为了实现数据表分层支撑，分而治之。

根据上述建设中的实际情况将数据数据依次分为三个单独独立层级：1）原始层 2）基础层 3）分析层

原始层：放置具体的维度表和事实表，没有经过过多的数据加工。
基础层：放置经过原始层内的表加工，得到的大宽表。
分析层：放置经过基础层内的表加工，得到的汇总表。银行-零售模

xx实例：

根据上述原则在BI中将数据进行划分为不同的文件夹；以文件夹为单位进行统一管理确保数据的准备性与安全性。

文件夹管理两大原则：

公共数据责任制

1）每个文件夹按需分配数据管理员，通常原始层管理员为 IT 人员、基础层为部门数据分析师、分析层为部门业务人员；

2）管理员为自己的公共数据质量兜底，包括但不限于无重复数据表、指标逻辑正确、数据口径一致等；

3）公共数据官方唯一出口，公共数据管理员所发布的数据为对应模块的唯一官方数据。

数据使用层级制

1）不同使用人群具备的数据查看&使用权限不同；

2）数据获取&变更需求不得越级处理，即分析层用户需要数据必须向基础层公共数据管理员提需求，不可越级向原始层管理员提需求。

2.1.2 权限体系

不同需求下对应的不同权限体系支撑。

常见权限配置场景分为两块：

数据管理场景：1）赋予他人管理权限；2）管理公共数据权限。
数据使用场景：1）表的所有行列查看；2）表的部分行查看；3）表的部分列查看；4）表的部分行列查看。

2.2 建设人才体系

2.2.1 人才分类

在自助分析体系中将人才分为三类：底层数据开发人才、数据产品/运营人才、自助分析人才

1）底层数据开发人才

来源于IT部门，服务于公司级别；精通数据&技术，不精通业务；依托业务域/部门，初期能提供统一口径的高可用底层数据，后期构建数据中台，AI中台，推动企业数字智能化转型，为企业发展赋能。

2）数据运营/产品人才

可来源业务/IT部门，服务于部门级别；精通数据&业务，不一定精通技术；依托数据分析发现业务问题并完善业务流程或者指导探索新的业务，进而形成业务数据产品或者业务数据流。

3）自助分析人才

一般来源于业务部门，服务于个人级别；精通业务以及相关业务数据，一般不精通技术；依托数据分析支撑个人/团队业务开展形成数据驱动闭环，能优化业务流程。

2.2.2 人才培养思路

业务发展路径：业务基础加深数据/数据分析理解

业务人员 -> 初级自助分析人才 -> 高级自助分析人才 -> 数据产品经理/数据运营经理

IT 发展路径：技术基础加深业务理解

开发人员 -> 高级自助分析人才 -> 数据产品经理/数据运营经理

人才差异化培养，如下图所示：

2.3 建设流程体系

业务系统产生数据，数据根据规则进入数据库，经过底层数据分析人才清洗/处理优化之后，变成能够使用的基础数据，信息人员根据严格的权限管控将数据分发到对应的业务人员进行自助分析，而业务人员在分析过程中，会指导业务过程优化改变或者新增业务动作，产生新的数据又进行周而复始的循环使用；同时业务自己使用数据也会发现数据的规范性问题促使信息和业务互相构建更规范的数据规则，从而使数据的更加有效；流程让数据具备生命。

2.3.1流程体系构成

数流程体系有数据下放、需求上报及业务活动等流程构成，如下图所示：

而数据下放和需求上报是数据由业务系统->数据中心->IT/信息人员->业务人员手中的流转过程；数据上下流转的管控是流程核心内容。

2.3.2 数据运转流程案例

某医药企业数据运转流程案例。

3. 推广FineBI自助分析

自助分析推广是价值驱动+行政驱动双管齐下的数据价值探索。

自助分析模式在企业内长存必定是该企业已经找到了自助分析与业务应用的契合点，已经探索到了数据的价值。

3.1 价值驱动

价值驱动：始于自愿，终于价值

3.1.1 驱动过程

寻找数据分析诉求对象 -> 点对点针对性支撑与培养-> 点现身说法覆盖面

1）寻找数据分析诉求对象

①第一类：自助分析标准对象

找寻内部业务灵活多变、常有临时性业务、业务流程未固定的业务部门
与目标业务部门领导沟通，达成共识
业务部门寻找有数据分析基础以及有意愿的员工

②第二类：当前分析诉求无法满足对象

找寻内部业务分析需求得不到满足或者响应不及时的部门
与目标业务部门领导沟通，达成共识
业务部门寻找有数据分析基础以及有意愿的员工

2）点对点针对性支撑与培养

①面向点业务部门，做好业务调研与需求调研

②根据调研结果为该部门准备自助分析数据体系

③点对点深入培养部门内的种子用户，使其达到自助分析人才/数据分析师水准

④引导并协助实现数据分析支撑业务活动的目标

⑤自助分析模式价值&数据价值获得员工以及领导认可

3）点现身说法覆盖面

①组织培训，让种子用户现身说法，实际分析案例来培训，从个人角度宣扬数据价值与自助分析价值

②短期内建立奖励机制或其他机制来激励用户学习并探索数据价值

3.1.2 常用手段

提供帆软线上资料自学途径
组织培训学习自愿参加
业务指标拆解（业务发起）
业务实际场景制作培训，解决业务痛点
内部应用成果分享（制作者）
相关知识沉淀引导与管理

3.2 行政驱动

行政驱动：始于行政，终于价值

3.2.1 驱动过程