編輯導語：在工作中總會遇到BI報表，BI報表完全可以肩負起普及數據思維的重擔，BI報表也分不同的階段，那BI報表怎麼能讓職場小白快速讀懂？本文作者分享了讀懂數據的一種方式——BI的AI化，我們一起來看一下。
雜貨鋪階段的BI報表，顧名思義，是對數據指標的簡單陳列堆疊。
一般多存在於草創時期，為快速響應業務方查看數據的需求，由數據團隊的分析師或研發工程師手工臨時搭建維護。
這個階段的BI報表，基本不需要數據產品經理出現，做成一個在線Excel數據透視表就夠了，但它仍然實現了從線下到線上，從手工到自動的使命。
它一般長這樣：
它存在這麼幾個問題：
- 缺乏基本的數據可視化，無法快速做定性的分析；
- 大量數據指標簡單堆砌，缺乏合理的歸類整理和關聯關係；
- 僅提供數據源，未對數據進行任何解釋；
進化到連鎖超市階段，BI報表門面上光鮮亮麗了很多，添置了不少數據可視化功能，數據指標也更為豐富。
但隱藏的問題還是沒有解決——指標與業務的強關聯性缺失、數據指標大多按照門類進行擺放； 如果我想查看一個業務場景完整流程的數據刻畫，只能自行從不同門類中找尋並拼湊在一起。
這個階段的BI報表很常見，百度一下俯拾皆是：
它的問題在於：
- 它更像瑞士軍刀那種小工具，從可視化到篩選條件，提供的選擇太多，多到眼花繚亂。一個想要滿足方方面面需要的產品，很容易就四不像了
- 僅展示數據，想對數據進行解讀，必須額外人肉處理
- 將數據按照業務場景（上圖1）和分析方法（上圖2）進行拆解歸類，效率有所提升，但仍然是自下而上的思維方式，會讓你覺得看起來挺齊全挺厲害的，但一用起來就總差點兒意思。打個比方：就像那種初級分析師經常寫的分析報告，四平八穩各個維度都分析到了，但頂多就是讓你全面的瞭解了一個方向，有啥問題以及怎麼改善，隻字不提。
到了這個階段，BI報表基本算是登堂入室了。
它已經告別了簡陋的可視化、摒棄了簡單的數據堆砌、將指標按照業務場景進行重組串聯。
它不再滿足於做一個大型在線Excel透視表，而是力爭成為你的在線可交互數據報告、甚至是線上業務數據博物館的體驗，讓你流連忘返之間就能推開數據領域的大門。
這裏直接放一個手頭現成的例子：
- 儘管還是PC端報表，但已經極大的考慮用户操作體驗，讓所有數據都在一屏內呈現，減少鼠標的上下滾動，以及對控件的反覆選擇確認；
- 通過“一鍵下載”功能，將“找數據”的需求與其他功能區域區隔開，滿足快餐類用户只想高效找齊所需數據、不用看數讀數；
- 數據指標不僅按業務場景劃分，還按照業務流程人工預設好，無需自定義配置操作，就能快速洞察業務全貌；
- 點擊指標卡片後彈出浮層，內嵌經典數據分析方法。通過時間對比和多維度下鑽，展示數據波動現象；並在多維度下鑽中通過“貢獻率”概念，直接歸因解釋數據波動原因；
- 所有數據的可視化，都儘量選用最簡潔有效的圖形，直接給用户對的，而不是讓用户彷徨選擇。
不過，它還可以更好：
- 它是PC端的，不符合移動互聯網時代很多人便利性的需求；
- 它雖然有分析，但分析的結果並沒有顯性化，還需要具備一定背景的人進行解讀；
- 它只提供了一個預設的固定分析套路，並假設所有用户的所有問題都能被這一個套路搞定，但顯然是不可能的；它仍然有些“我認為你需要”，而不是“你告訴我需求”的態度。
我們很多時候逛博物館，或者逛一些旅遊景點覺得沒意思，主要因為沒有懂行的人給你講解其中的門道。
而且你得承認，沒有什麼服務體驗，能高過一對一的專業私人服務。
BI報表作為一種數據服務，也完全可以追求這種效果，成為你的數據小助理：
- 隨叫隨到：從PC到移動；
- 有問有答：從看板查詢到人機對話；
- 簡單高效：從展示現象到解讀結論；
- 有理有據：從定性查看到定量分析；
我們把上述特徵具像化，通過一個示例場景感受下：
- 用户：“為什麼今天表現不好？”——用户提了個壞問題，缺乏具體分析對象（誰的什麼表現不好？）。
- 小助理：“您想了解的是哪個產品的數據表現？”——通過猜你想問形式，引導用户填充分析對象槽位信息。
- 用户：“就是產品A用的人變少了啊！”——用户沒有直接點擊猜你想問，但在引導下直接輸入更加聚焦準確的問題。
- 小助理：“好的，產品A昨天的日活是1.2w，前天的日活是2.4w，環比下降50%”——將用户口語化措辭“用的人”，轉譯成系統可識別可處理的指標“日活”，並返回查詢結果。
- 小助理：“經分析，是渠道X帶來的日活環比大幅下降75%導致，請關注”——將經典歸因分析方法內嵌系統，直接反饋分析結論。
正如上述對話示例的解讀，小助理背後的技術原理並沒有想象中那麼複雜：
- 識別&推測用户意圖，通過多輪對話形式引導用户補充系統計算所需的關鍵輸入信息
- 支持用户個性化輸入，並能將其轉化為系統可識別的標準化輸入
- 將標準化輸入對應到後台的不同組件化數據指標計算流程
- 將系統計算結果填充到預設的文案模版中，向用户顯性化解讀結果
不要做字面意義上的“技術驅動產品”，要做有真正需求場景的產品，然後再把技術填充進去；
那麼AI化的BI小助理，她的真實需求場景在哪裏？
在企業大量線下員工的日常數據化管理上。
有些行業，其盈利主要依靠線下大量具有銷售服務性質的員工，且員工的日常工作並不依賴總部的派單，全靠自己主動經營。
典型行業如保險、二手房地產交易，如何讓保險代理人、房地產中介日常的工作能被量化管理，尤其是他們出單轉化前的種種努力？
當企業能夠及時、量化的查看這些員工的表現、從數據中發現問題，才能讓傳統企業告別粗放式的經營，告別中央集權式的管理，真正迎來精細化運營和互聯網化轉型。
作者：古牧聊數據，公眾號：古牧聊數據
本文由 @古牧聊數據 原創發佈於人人都是產品經理。未經許可，禁止轉載。
題圖來自Pexels，基於CC0協議