“数据中台”这个新名词近几年很火，各种解释铺天盖地，这里就不再赘述。但是，无论哪种解释，你都会发现它们都强调一个点：数据中心不是指一个具体的产品，而是一套解决“企业如何善用数据”问题的“机制”。

对于有一定信息基础和数据沉淀的企业，内部可能已经搭建了各种分析系统。只是这些系统是分批搭建的，有明显的“烟囱式”结构。系统相互独立，数据无法通信。在这种情况下，建立数据仓库或大数据平台，统一数据采集、处理和存储，然后将数据或数据服务能力提供给上层应用。这种方法确实可以解决“烟囱”问题，也是企业常用的做法。

在这种情况下，数据中心应该怎么做？

问题在于，无论是数据仓库还是大数据平台，建设都是由IT团队主导，业务部门不参与。分析数据的能力也是IT人员根据自己的想法打造的。作为一线业务人员，只能被动接受，提出任何需求。久而久之，业务人员已经形成了一种习惯，不会要求提高自己的数据分析能力。而且，业务人员只能在IT设定的框架下进行“有限”的分析，这是典型的“基于项目”的BI应用方式。

本来，这不是什么大问题。反正大家都来了这么多年，虽然它的弊端众所周知：效率太低！而且，类似的需求不断重复，数据利用率不够。

更关键的是，它违背了“数据辅助决策”的基本原则。我们分析数据以更好地支持业务决策。IT主导的数据建设无法很好地实现这一目标，因为没有人比业务人员更清楚自己需要什么数据、什么口径、如何统计。因此，最好的方式是业务人员根据自己的需要对数据进行分析，让数据真正为业务所用。这才是“数据中心”的真正含义。

我们如何才能真正做到这一点？在这里，我给你举个例子。

OA已经是企业中非常普遍的应用，大家都有使用的习惯。OA确实给我们的工作带来了极大的便利，其价值是显而易见的。但为什么OA如此受欢迎？一个重要的原因是它易于使用！只要做一个简单的操作，以后就可以独立使用，完全不需要IT的支持，除非有一些定制化的需求。

那么，BI 能像 OA 一样流行和易用吗？

这就是我们所追求的。

要实现这个目标，绝不能靠一个BI工具来解决，而必须是一套完整的解决方案，必须从基础、手段、机制、保障入手。

根据

如前所述，大多数企业已经拥有数据仓库或大数据平台，只有IT人员知道如何使用其中存储的数据。业务人员要能够进行自助分析，首先要知道如何使用数据，还要让数据易于理解和使用。通过翻译表名和字段名的业务含义，将枯燥的数据翻译成通俗易懂的业务数据，并提前设置好字段数据类型、显示格式、维度级别等，方便业务人员采用。这样，企业的数据也可以被资本化，数据的价值得以提升。

对于数据资产，还需要以可视化的形式展示，并提供精准的搜索功能，以便业务人员快速找到。如果您在自助分析过程中遇到问题，您需要一个专门的渠道随时获得支持。只有解决了这三个基本问题，业务人员才能进行下一步的自助分析。

方法

企业购买的自助分析工具大多只提供“可视化”功能，缺乏深入灵活的数据分析能力。即使有一些国外的工具可以提供，也因为使用起来太复杂，学习门槛太高而被放弃。业务人员仍然喜欢使用熟悉的 Excel 进行本地数据分析。

在这种情况下，我们需要提供多种分析方法供用户选择。例如，即席查询主要用于大数据量的详细查询，任何字段都可以作为过滤条件；提供类似于Excel数据透视表的数据透视分析，支持大数据量的查询性能，支持超多维，甚至无法固定的维度。分析场景；还可以提供自助仪表盘，让业务人员通过拖拽的方式生成可视化的数据仪表盘，所见即所得。

商务人士习惯使用 Excel，然后提供结合 BI 和 Excel 的 Excel 分析。Excel 具有强大的分析能力和灵活的数据处理能力，但在安全性、性能和共享方面存在很多不足，我们可以通过 BI 功能来弥补。这既发挥了Excel的优势，又解决了它的问题，真正为企业一线业务人员赋能，让每个人都成为数据分析师。

还有很多其他的分析方法，企业可以根据实际需要提供给业务人员。但有一点要记住：它必须是真正有用的，否则它只能是一个装饰品。

机制

如果说自助分析的依据和手段是“标本兼治”，那么机制就是“治本”。企业要想业务人员真正使用数据，更重要的是要有一个机制，能够充分调动业务人员的积极性，营造全员数据分析的氛围。通过提供分析商店，我们可以实现这一目标。

分析商店就像手机上的应用商店，可以传播出色的分析。用户可以很容易地看到哪些是最流行和最优秀的分析，也可以搜索到想要的分析。用户可以进行社交互动，对分析、应用程序、问题等进行点赞和评论。

这些分析结果可以沉淀形成企业的知识资产，避免日后重复开发。通过与社区分享经验，新手无需从头开始进行自助分析。

我们还可以分析用户行为数据，这将有助于制定和推广运营策略，进一步提高分析商店的活跃度。

保证

自助分析要想进一步普及，还需要提供安全性、稳定性和性能保障。数据安全至关重要，任何提供分析的数据都必须是可控的，为不同的用户和角色控制不同的访问权限，直至字段和行级别。同时，还需要提供灵活的数据脱敏功能，防止敏感信息泄露。

如果流量巨大，支持集群扩容，分散压力，保证系统稳定。当处理的数据量达到一定规模并出现卡顿时，缓存加速等技术手段也可以提高系统的性能。

以上四项措施解决了“如何用好数据”的问题，也是观远BI为普及BI应用而推出的“企业自助分析解决方案”，也是“如何用好数据”的理念。数据中心”。事实上，对于企业，尤其是业务人员来说，他们并不关心什么是数据仓库、大数据平台或数据中台。他们关心的是如何真正利用数据，让数据真正辅助一线业务决策，从而提高企业的市场竞争力。如果我们能提供一套解决方案，让BI像OA一样在企业中流行和好用，那么离这个目标也不远了，你觉得呢？