隨著商業智能和大數據價值的不斷深入人心，很多企業都搭建了商業智能平臺，幫助企業利用數據分析企業運行現狀，輔助決策。
傳統的企業BI平臺都是由IT相應——業務提需求的模式運行，企業數據分析的重擔基本都壓在IT部門，隨著企業發展，業務分析需求不斷增加，導致IT部門需求應接不暇，而且由於對業務的不瞭解，在項目進展的過程中，IT往往要和業務反覆溝通需求，然後再開發、測試。
這樣導致IT工作量倍增，疲於響應，業務的需求也無法及時滿足，甚至僵化了IT和業務部門之間的關係
後來新型的自助式BI的概念應運而生，完美地解決了上述問題。自助式BI通過搭建一個數據整合平臺，由IT集中數據管控來進行數據分發，將數據分析的任務從IT轉移到業務人員身上。
一來業務人員能夠靈活使用數據進行分析，探索數據價值，而來IT部門也不用再為無窮無盡的需求犯愁，有了更多時間去聚焦在企業數據底層的梳理，提升企業數據質量，推動企業數字化創新。
很多企業在沒接觸商業智能系統前對它的認識存在誤區，認為商業智能系統就是買個技術買個軟件而已，其實不然，BI不僅僅是一個軟件/平臺，而是一個完整的商業智能解決方案，從前期部署到後續維護，需要考慮各方面因素，比如數據系統後端架構，企業業務需求的適應，實施技術如何融入到內部工作流程等等。
那麼，企業應該如何建設新型自助式BI平臺呢，這裡我拿國內用的比較多的BI工具FineBI為例來講解一下企業構建自助式BI的步驟。
一、底層搭建
企業數據從產生到應用依次經過數據產生、數據存儲與處理、數據應用三個階段，由業務系統產生的數據經過ETL加載到數據倉庫，並在數據倉庫中進一步加工處理後進入BI工具，通過BI工具實現數據分析與可視化展示，FineBI處於企業數據管理的最上層，即數據應用層。
要想頂層應用良好，底層的數據建設尤為重要，因此搭建自助式BI的前提條件就是建設良好的底層數據，故bi系統建設的第一步就是要搭建數據倉庫。數據倉庫的建立，有以下幾個主要方面工作：
①業務數據進行整合
②主數據管理
③元數據管理
④數據質量管理
⑤數據抽取清洗、轉換
⑥數據裝載
⑦分主題建模等，最終支持各級業務人員的數據分析、業務預測、決策。
二、應用部署
系統正式上線使用前，IT人員需要進行一列的系統準備工作，該階段主要任務是完成系統規劃，主要包括平臺的目錄管理、用戶管理、系統管理、安全管理、平臺使用情況監控建設五個部分。
三、需求調研
平臺部署完成後，IT人員要對業務人員數據分析需求進行收集，然後針對目標推廣業務部門所需要的數據體系、權限體系、數據更新體系、運維體系的進行搭建，提供業務人員進行自助分析所需要進行的環境。
由於業務人員對數據的理解不同於IT人員，需求調研的過程容易出現數據需求五花八門，標準不一的情況，所以要建立需求收集規範，規範業務人員的需求內容，降低IT的理解成本。
在系統開放給業務人員使用前，建議由IT人員收集部分業務核心模板需求並與業務人員合作完成核心模板上線。需求表單參考如下：
四、數據準備
經過前面的應用部署和需求調研後，進入數據準備階段，將數據倉庫中的數據加載到BI平臺中，由管理員（一般為IT人員）準備好業務分析需要的數據。
企業數據源眾多，不同部門需要不同的數據，為方便數據管理，要將數據按照業務打包分類，FineBI中就是以業務包的形式來管理數據的。這裡建議將業務包劃為兩種類型的分組：
1）公共分組：用於存放基礎數據或公共數據；
2）部門分組：用於存放部門數據，一個部門一個分組，分組下存放該部門的業務包數據，業務包以業務線命名，方便權限管理
五、權限設置
為了保障數據安全，需要對數據進行權限管理，讓不同部門層級的人只能看到對應權限下的數據。Finebi中權限管理分“權限受體”和“權限項”，權限受體可以部門、角色或用戶為單位，權限項包括人員權限、目錄權限、管理系統、業務包權限。
可以按照角色為單位分配權限，比如建角色一個財務部總監的角色，分配財務數據查看權限，也可以“部門”為單位，比如給銷售部門下的銷售員分配銷售業務包的數據使用權限；還可以以單個用戶為單位分配權限。
經過上面的五個步驟，一個自助式BI平臺就基本搭建完成了，但要想實現業務自助分析，還需要對業務人員進行簡單培訓，學會使用BI工具進行分析，因此企業在選擇BI工具時還需考慮工具的分析性能和操作繁雜度，便於業務人員上手。
關注我，並轉發該文章，私信回覆“BI”，即可獲得FineBI個人永久免費版~
閱讀更多 IT技術管理那些事兒 的文章
