观远数据敏捷BI，零代码实现数据分析，高效响应复杂多变的业务需求

BI(Business Intelligence)概念提出于1958年，由Gartner在1996年首次明确。在BI诞生之前，企业经营数据一直处于被忽视的状态，经营决策依赖于经验，而经验会因时、因地、因情景产生不可预估的波动，依赖于经验的决策往往伴随着巨大的风险。

如何沉淀企业日常经营中积累的大量数据，助力企业做出理性决策？BI应运而生，其在诞生后的几十年里，已成为大型企业商务决策中不可或缺的工具，使公司决策从凭经验到有据可依，降低经营风险。

但伴随着数据的指数级爆炸增长，传统BI的「弊病」也逐渐显露出来：

• 开发效率低下
  传统BI的报表制作是由业务部门提交到IT部门，IT人员根据分析需求进行建模，业务人员查看分析结果报表，流程繁琐冗长，难以应对复杂多变的业务需求。
• IT部门负担重
  用新的维度分析或者产生了新的需求，需要IT人员重新建模开发，IT部门陷在“简单、重复、冗余”的开发工作中。
• 分析不灵活
  制作出的报表是相对静态的，仅能查看结果，不能实现灵活交互分析。
• 开发部署周期长
  BI项目部署开发周期往往需要几个月的开发时间，面对日新月异的商业环境，委实不够“敏捷”。

如何打破IT技术的桎梏，高效响应复杂多变的业务需求？

较之传统BI，观远数据的产品具备快速部署、零代码低门槛、灵活协同、自动预警、交互式分析等显著优势，灵活敏捷，让业务真正用起来。

1.快速部署，高效响应

市场环境迅速且加速变化，企业必须具备更快速的反应速度。通过观远数据智能分析平台，业务人员拖拉拽即可实现数据分析，业务需求得到高效响应；此外，观远数据提供开箱即用的SaaS BI产品，极大程度地缩短了部署周期；用户无需高性能设备，即可轻松且高效地在线处理大体量数据。

（1）零代码实现数据分析，高效响应业务需求

观远数据绕开了传统BI下繁琐冗杂的沟通流程，通过简单易用的图形化操作界面，大幅降低学习与技术的门槛，令业务人员能够自主依据业务需求，进行数据分析，大幅提高了整个数据分析链路上各角色的工作效率，实现业务需求的高效响应。

其开创的Smart ETL能够让不懂代码的业务人员自己上手整理并清洗数据，通过拖拉拽方式与配置选项，实现行列与字段的转换、筛选与清洗等；除此之外，还能让用户穿透数据血缘，看到每一个看板、ETL、数据集之间的关联，数据分析的全流程都在尽在掌握。

（2）开箱即用的产品，快速部署

传统BI项目落地周期以3个月、6个月为单位，而观远数据通过开箱即用的SaaS BI产品，缩短了1/3～1/5的项目上线时间，令原本需要几个月落地的项目在一个月甚至短短3周实现上线，适应快速变化的业务速度。

其推出的Atlas云应用市场，将丰富的行业实践经验抽象沉淀为AI+BI云应用，让用户能够在线挑选贴合行业实际场景的数据应用，从数据连接到分析指标的逻辑，再到可视化分析看板，都可以通过下载一个应用，快速上线，助力企业快速深度挖掘商业数据价值。

此外，用户无需下载安装客户端，即可以web方式在线进行数据分析；其云原生的技术架构也令用户可以绕开硬件设备的局限，实现优秀的数据计算性能和水平扩展能力。

（3）十亿级数据，秒级响应

从Excel、报表系统到传统BI，企业数据分析工具进化的同时，背后需要支持的数据承载量也在以更快的速度一路攀升。以一家连锁零售企业为例，如果门店有2000家，在售SKU有5000个，一天单店单品库存数据量就达到了1000万，一周就可能破亿。

观远数据可以轻松处理数百万行数据，提供2种连接数据的方式：直连和数据抽取（Guan-Index），当数据量较大时，可以通过Guan-Index进行数据抽取，提高效率；

而当数据量达到千万行及以上量级时，借由观远数据的“极速分析引擎”黑科技功能，即可确保用户在亿级、十亿级数据集的基础上还能做丝滑的拖拽式数据分析和动态查询，真正做到亿级数据，秒级响应。

2.灵活协同，沉浸式体验

观远数据在服务大量企业客户时发现，业务部门与技术团队存在错配：业务部门基于业务逻辑结合分析成果做出决策与判断，缺乏技术应用能力；而技术团队主导数据的架构设计与数据处理，很难快速响应业务增长分析诉求。各部门在数据分析层面联动性差，企业在实际应用中难以感受到「数据赋能」的价值。

如何打破部门之间的沟通障碍，实现高效协同？

（1）颠覆团队协同流程，告别割裂的合作

传统BI工具中，数据开发角色和分析角色往往要进入不同的客户端，制作看板与使用看板的角色是独立的，但使用观远数据则不再是如此割裂的状态，数据开发角色与数据分析角色直接应用同一个产品，体验不再割裂。

通过观远数据Universe平台，数据工程师可以准备好数据让业务人员在Galaxy平台进行使用分析，而业务人员制作完成的SmartETL处理逻辑也可再回流至Universe平台，无需进行冗余的导出、导入操作；此外，观远数据提供“反馈填报”的功能，用户可以对数据分析看板进行反馈，实现信息的流动与协作的畅通。

（2）灵活权限设计，避免数据安全风险

观远数据通过功能权限控制、资源权限控制、数据权限控制等多个角度进行精细化的权限管理，自定义多种角色，高效灵活分配不同员工以不同的权限，实现了千人千面的数据查看，能够让团队协作更加灵活，同时也能避免数据安全风险。

（3）多终端体验优秀，实现随时随地的数据分析

观远数据的仪表板具有出色的报告功能，并可通过数据大屏、移动端、web端进行多终端实时展示，并针对不同不同分辨率提供自适应。其推出「移动轻应用」与「移动端数据门户」功能，令数据分析突破时空的限制；其推出「数据大屏」功能，实时监测企业数据，实现更直观的决策场景。优秀的多终端体验，助力企业随时随地掌握经营数据，为即时业务分析和日常业务处理提供指导。

3.自动运维，数据追人

伴随着数据量级的日益庞大，依靠人力无法完成真正的精细化运营，企业必须考虑如何减少人工的繁琐重复的工作，将经验总结成规律沉淀到系统里，实现「自动化」。

观远数据提供云巡检与订阅预警功能，令企业实现自动化运维与智能预警，大大提高工作效率，实现潜在风险的及时排查。

（1）订阅与预警：，从「人看数据」到「数据追人」

观远数据的订阅与预警功能，基于数据集创建预警规则，可以轻松做到行级别的差异化预警设置，并支持集成钉钉、企业微信、飞书等移动OA应用。当数据出现异常时，无论用户是否在办公设备前，都将第一时间自动收到数据报告或数据预警信息，更早、更快做出应对。

（2）云巡检：在线自动化监控与诊断

观远数据提供基于云服务的高可用部署方案、云巡检服务，助力企业提前进行潜在风险的定位与及时解决，全面掌握现场情况，轻松进行调度，大大提高巡检管理工作效率。

• 监控：通过在线监控系统日志数据，可定时自动化监控系统运行情况与资源使用情况等，告别人工操作。
• 诊断：针对监控情况能够将专业建议自动形成可视化报告，指导用户进行改善与优化。

4.于数据海洋中，望见「增长粒子」

更快速、更灵活、更简单、更自动......我们有无数个形容词，以形容产品的「敏捷」，是对海量数据的秒级响应，是令项目快速上线，是令异常自动预警，更是打破IT与业务的沟壑，令业务需求能够得到快速回应。

但不止于此，数字化最终目的驶向唯一的终点——「增长」。从流量经济到效率经济，企业怎样感受到经营神经末梢的变化，在数据的海洋里看到不一样的增长机会，从不确定性中找到增长的确定性？

传统BI围绕着「报表」，数据展现即是「终点」。而现在，我们不仅需要看到报表呈现的事实，更要不断向下挖掘、深入分析、提前预测、采取决策，令企业不仅能知道「What」，还能随时随地知道「Why」与「How」。

What

可视化分析，直观呈现数据意义

观远数据提供丰富多样的可视化组件，用户可通过应用市场选择可视化插件，实现海量可视化图表的扩展和使用。

用户无需编程，只需简单拖拉拽，即可根据业务需求轻松创建不同类型的可视化图表，快速完成兼具直观和美观的即席数据展示，自助式数据探索能力可帮助企业直观理解并找到数据内在规律。

简单几类图表展示，是难以满足复杂的商业分析需求的。观远数据不仅提供大量可视化类型，还能够让企业根据自身的品牌视觉规范来设置企业专属的icon等，满足企业文化建设的需要，充分考虑到用户需求的个性化、多样性。

Why

交互式分析，深入挖掘背后动因

数据的展示只是数据分析的基础，想要根据寻找数据呈现的结果背后的原因，必须要能够实现交互。

观远数据支持通过跳转、联动、钻取等交互方式进行数据透视，定位问题，探寻数据内在规律，对结果进行追根溯源的分析，指导经营决策。

以Lily商务时装为例，其已和观远数据合作了三年，从店长到导购，都在通过移动端的数据分析看板，以每小时为单位去发现所负责区域的数据指标变化。

例如，服装行业里比较经典的258黄金点，下午2点、5点和晚上8点，不同的点如果指标没有完成，就可以通过数据分析及时追踪是哪些原因导致，客流、橱窗摆设还是服务问题。找到问题之后，就可以通过及时人为干预抓住其中的增长机会。

How

提前预测，智能决策

人工总结出来的经验未必是最优解，当数据量足够大时，我们就有机会依靠机器学习，通过精准计算得出一个比人工经验分析更精准的方案。

观远数据与联合利华、百威亚太、沃尔玛等企业合作，在在供应链与需求分析预测等方面进行了前沿实践。并且还独家推出AI小助手，能够基于数据与算法模型，实现多个场景的预测，从而指导计划生产与管理。

在与沃尔玛的实践中，我们发现24节气是个有意思的变量，比如芒果在雨水后、惊蛰前会达到一个上架到稳定销售的高峰，那么通过节气这样一个凝结了古人智慧的时间分割，输入给模型去学习果蔬的产品周期，将其经过处理后加入模型，发现该模型对于上下架期间的准确性综合提升超过2%。

结语

数字化时代正在加速到来，商业智能将广泛普及，以数据驱动决策将成为企业的常态。

如何理解敏捷BI的价值？

过去十年里，BI行业的演进存在两个关键趋势：从IT到业务，从报表到决策。面对日新月异的市场环境，数据之庞杂、需求之多变，我们需要重新定义BI产品，构建快速迭代、精细管理、灵活拓展的数字化基础设施，令产品价值真正回归到业务部门，赋能业务增长，成为企业制胜未来的关键。