BI人的痛?痛在哪?为什么痛?怎么治?

文 | 商业智能BI相关文章 阅读次数:7,163 次浏览
2022-11-10 9:21:21

BI是未来重要的职业发展方向,本文和大家呈现下BI人的痛苦、思考、探索。

本文由菩提创作。

全文共 6200字,读完需要16分钟~

内容大纲

BI们痛在哪?

BI们为什么痛?

BI们如何破局?

BI人们的痛在哪?

大数据、BI、商业分析师,每个词都炙手可热,一波波铁粉被这神秘力量感召,转行来做数据分析。在数据里摸爬滚打的人,顶着光鲜、靓丽的光环,承受着不为人知的苦。但数据人内心依然涌动着数据驱动商业,数据就是商业的骚动,也怀揣着希望被大家理解的渴望。

BI人的现状如何,这里调研了几位来自互联网公司的BI,都至少从事3年以上,其中不乏7-8年的BI经验或数据团队leader。一起来讲讲他们最痛的3件事!

分析师A

CEO不足够重视数据的价值、BI的价值。

BI的建议不能执行落地。

数据中台无法高效支撑数据分析

分析师B

业务不稳定、迭代快,分析师的分析迭代成本太高。

和ETL的协作难度大,效率低。

BI对业务带来的直接帮助和价值怎么衡量?

分析师C

业务想不清楚需求,也不知道自己要什么,漫无目的提很多数据需求,抱着试数据的态度看数据。

BI给出的观点、意见,业务搁置一旁,不采纳,不实施。

业务为了KPI造口径,造对比区间。而BI在这个过程中,起不到对目标设定/计算方式的客观的决定作用,只能被动按照业务需要去满足。

分析师D

业务经常毫无理由的diss数据错误,数据链路很复杂,有可能是指标定义问题,有可能是系统问题,也有可能是ETL加工出错,不是BI的问题呀。

加班加点的对接低价值的数据,月报十几页,真心怀疑有人看吗?但还要熬夜把数据扣准,废了老命,可能老板只是临时想起来,但我们得半夜起来弄,结果可能老板压根都没看。

业务把你当人肉取数器,总是说你给我弄下这个数据,我要做判断了,辛辛苦苦弄完数,业务说你可以走了,我们还要接着讨论。

分析师E

怎么样能和业务负责人对焦,找对方向,找对问题,聚焦?

怎样能理解商业,并有效的参与业务讨论中,并通过数据推动业务?

分析师F

底层数据脏乱差,想要的数据没有或者不对。

数据口径不一致,数据核对校验工作量大。

需求背后,如何有深层次商业问题的洞察。

分析师G

基础数据支持和分析工作的时间协调困难,取数、报表这样的基础工作占据了大部分时间,部门里很多人都在做这样的工作,没时间做商业分析,分析师的成长缓慢;

分析方向和方案的输出把握不准;

担心分析师的价值不够,害怕未来这个行业被替代或消失;

总结一下BI最痛的3件事,就是:

缺少价值认同感:比如管理层不够重视BI,BI输出的意见不被采纳,无法推动落地,长期被低价值的报表、验数类需求围攻,被视作人肉取数器,无法融入到业务中;

数据生产资料不足,且管理混乱:比如底层数据脏乱差、需要的数据没有、指标定义混乱;

对成长的焦虑:比如成长慢,找不到分析思路和方法,对未来职业发展没有信心;

剖析:BI人为什么那么多痛?

一张图看BI工作的上下游

BI人的痛,BI人员,大数据分析难点,数据分析师难不难,BI人

BI承接上游的需求,明确需求背后的动机后,再对需求拆解,进而形成分析思路,再从下游获取数据,而后输出分析报告,再得到分析价值反馈,很可能还需要追加分析。这其中,任何一个环节不给力,都会对BI形成压力。

1、BI的用户不理解数据或不清楚自己要什么

BI的需求来自CEO、管理层、业务方,每个需求方对数据的认知不一样,商业判断力也不一样。

同样是CEO,财务背景的CEO对数据敏感度高,数据敏感度高导致大佬们不需要BI解读数据,只要BI告诉他客观数据就可以,因为他对数据的解读比BI还厉害。销售出身的CEO有的懂数据,有的一知半解。其他背景的就不好说,管理层受自身过往经验、认知的影响,又身处高位,有自己的判断,且判断不轻易被改变。

如果大佬们不理解数据,中层、一线业务小二们往往更不理解数据,因为很多企业的运作自上而下。

如果有个大佬,每天要和他的团队review数据,那这条线的BI就该笑了,因为他们会被需求方重度依赖,自然也多了机会。

而现实往往比较残酷。经常是大佬们临时想起来要看个/些数,他们也不知道数据背后的流转、逻辑,还把BI当成乙方的角色,心里想着数据不就得按照我想的来。根据菩提的观察,越传统的行业,对数据的认知越处于石器时代。

即使在数据大行其道的今天,依然有些合作伙伴不了解数据。我们和某业务管理团队沟通数据需求,业务老大说,我是传统行业过来的,不懂数据,我提不出需求。

除了需求方不了解数据,同时,需求方可能商业判断力也不太够,没有体系化的思维,不知道业务哪里出问题了,也不知道BI能帮他解决什么,于是变成条件反射,提各种临时、琐碎的需求给BI,口头禅变成你们BI从数据上看看吧。

这时候,BI不管出于什么样的原因,如果无法输出高价值的商业分析,又处在乙方位置,价值感就会油然下降。

进而,求方就会对临时、琐碎的数据需求形成依赖、惯性。因为需求方不知道BI能做什么,BI也没有告诉需求方BI可以做什么,仿佛双方都接受了临时取数的现状。长此以往,对BI来说就很难从沼泽地抽身出来。

这种情况下,BI必然痛,痛在没有价值,痛在对成长焦虑。

2、BI的数据生产资料不足

巧妇难为无米之炊。BI依赖好的数据中台、数据仓库,如果底层数据质量差或者数据缺失,就是BI的灾难。BI如果有10分的时间,可能6分得用在数据获取、清洗、校验上。

BI和ETL的协同一直是常见问题,BI把自己当ETL来用的情况,不少见。

残酷的现实:业务先行,技术为了满足业务需求,忙着搭系统,顾不上数据,甚至都没想起来数据,也没有数据的意识,系统迁移、接口变化未必告知数据,更不要说数据采集、数据规范之类问题。或者业务系统本身就是个半吊子,一部分数据在系统,一部分数据在线下维护。这种情况下,数据集市、数据仓库必然难以满足BI的需求,其实ETL也是被背锅的。

在企业一定的发展阶段,数据建设差,可以理解。因为所有的企业必须先活下来,活下来就需要业务滚起来,资源向业务、向销售倾斜,BI、ETL的人又贵,产出还不直接,导致数据建设迟迟没有进展。

随着企业发展到一定阶段,数据会成为制约企业发展的瓶颈。菩提沟通过的有些企业就面临这样的现状,公司几百号人,没有1个专业做数据的人,又似乎从业务到财务,人人都在看数据。他们再不做数据化的管理,管理边界就无法扩大,团队中人人竭尽洪荒之力从各个系统中,给自己和老板找数据,但各团队的数据从来没对齐过,管理无处下手。

这种情况,一方面取决于管理层怎么看待数据化运营和管理,以及企业长期发展,另一方面也取决于数据团队的战果能不能说服管理层。

底层数据质量差的问题,对于BI个体来说,在短时间内很难改变,我们能改变的只有自己。

3、BI自身:商业分析的意识、思维、方法不够

打铁需要自身硬。自己硬气的话,需求方再不靠谱,底层数据再差,依然能找到自己的价值。

最糟糕的是,被需求方和底层数据同时夹击,自己又无力还招,这种状况持续得不到缓解,就只能越来越越痛。缺少价值感、生产资料不足、对成长焦虑,这3个痛还时常并发。

一起看下,商业分析和临时取数的差别。

BI人的痛,BI人员,大数据分析难点,数据分析师难不难,BI人

商业分析必须站在业务1号位思考,甚至超越业务1号位。

可能有人说,为什么我1个BI可以站在1号位思考?

因为BI独立,不局限于服务业务中的单个角色、单个环节,是第三方视角,不会被业务的各种屁股决定脑袋所牵绊;

因为BI有全局观,业务的上下左右、里里外外都会观察;

因为BI专注某一问题的深入分析,业务被太多问题牵绊,很难有时间、精力去深入的看一个问题。

因为BI在分析领域更专业,很多产品、业务是半路出家,对于数据、市场、用户都一知半解。

当把独立、全局、专注、专业4个因素组合在一起的时候,会产生化学反应,这就是BI的价值。只要BI不把独立、全局、专注、专业4个立身之本丢掉,BI就有价值。

我见过最辉煌的BI团队,即使底层数据一团糟,也不受影响,因为他们的商业分析价值太明显,每个分析项目启动的时候,各路资源都会为他们开道,他们几乎不自己直接去捞底层数据,都是告诉支持团队,他们要什么样的数据,由支持团队帮他们做预处理。他们的大部分时间都花在分析框架的设计、分析过程、分析结论的梳理上。

数据分析和产品一样,以终为始,只有解决问题的分析才有价值,商业价值是企业追逐的,也只有能输出商业分析的分析师,才能长久立足。

这次调研中,蛮惊讶的是,10个人中竟然有2个人提到,觉得分析师未来的成长空间小,岗位会被替代。

我认为,会被替代的是低价值、可以标准化的流水线工作,商业分析需要好的商业洞察、分析框架和逻辑、分析方法,很难被替代。

好的分析师和好的产品经理一样,1人难求。顶级的分析师最重要的特质是商业敏感度、思维方式,看看那些投行里的分析师齁贵齁贵,这种分析师到哪都抢手,做好了,不用担心以后没有机会。

BI受需求方和底层数据的两面夹击,需要有好的内功(商业洞察力、分析能力、沟通能力),一方面理清需求,超越需求(1号位思维),进行问题拆解,一方面从各种渠道获取数据(BI不止从数据仓库拿数据,也要向市场、行业、用户拿数据),而后用系统化的方法去分析、验证,最后产出分析报告。

内功不到位,又被需求和数据源双面夹击,生存和发展当然就难。内功到位,则可以向需求、数据源两个方向都给自己撑开空间。需求和数据源是外因,以一己之力,很难快速改变,只能缓解,练内功才是正解。

BI人的痛,怎么破?

现阶段BI的痛由互联网和数据发展所处的阶段决定。在企业的系统化、数据化越来越普及的时候,互联网和数据越来越成为一种基础设施和思维模式。那个时候,BI的生产资料不足的问题会得到缓解,大量临时取数的基础工作将通过AI的方式得到解决,BI的劳动力也将得到很大的释放,BI将更专注于商业价值的探索。

目前阶段,BI痛是必然,因为企业的系统建设没有将数据准备好,数据还不是系统中标准化的必备模块,自然导致数据获取难,同时无论是管理人员还是一线工作人员,对BI的探索远远不够。

随着企业数字化转型,BI的工作环境会得到改善,尤其企业管理的顶层思维模式会发生变化,会越来越重视数据驱动业务、数据化运营和管理,同时系统中数据模块也将成为业务系统的标配。

数据化转型后,企业对BI的要求会越来越从临时取数转向商业分析,因为大量底层基础工作会被系统完成。这对BI来说即是好事(可以摆脱部分临时取数工作),也是压力(商业分析带来的挑战剧增)。

就目前这个阶段而言,BI想要摆脱由于需求方不靠谱、底层数据不足、自身专业度不够,导致的缺少价值认同、未来职业发展焦虑的困境,需要从组织和个人两个方面来改进。

1.组织层面的策略调整

1)认知

BI所处的困境,会导致人员没有成长,没有成就感和对职业的焦虑,进而导致人员流失。组织上对这点需要有充分的认知。

从组织上去解决BI的问题是重要但不太紧急的事。

有些组织在积极尝试解决,有些组织说了好久,但没有实际行动,也有的组织表达了目前解决不了。

组织上是否去解决BI的困境,和企业的组织架构和数据负责人有很大关系,每个组织都有阶段性的取舍。

2)宣讲

有组织的面向业务、管理层宣讲BI的规划,支持业务的策略,并在其中有策略的渗透BI的职能、定位、案例。很多时候可怕的不是具体问题,是认知。一开始,只是少数人把BI定位成了临时取数,但BI真的只干了临时取数的事,然后就越来越多的人对BI的认知是临时取数。

改变认知,需要一遍遍的去宣讲,并借助某些大型事件,才会扭转。菩提观察了很多BI团队,发现有的BI团队每年定期、不定期都会组织给各业务团队和管理层去讲今年BI的整体规划,结合每条业务线的规划,怎么更好的支持业务的发展。时间点通常会有3个:1)每年业务规划接近尾声;2)业务复盘;3)有重大BI研究发现的时候。在这些场合,结合业务的关注点,把BI的规划销售出去,这必然要求数据团队站得高、看得远,业务团队也不会拿BI当只是取数的团队。

类似宣讲需要多次进行,有仪式感大场合要有,没仪式感的私下沟通也要有。

3)职能保障

A.团队中预留一部分资源用于做商业分析,让大家有机会从日常琐碎的工作中剥离出来。无论是有一部分人只做商业分析,还是每个人都有一定的时间做商业分析,必须保证这部分资源在做商业分析,并且持续不断在优化、迭代。商业分析往往做着做着,发现有更多的问题需要去研究发。

B.对BI的标准化和非标准化、简单和复杂的工作进行区分。能标准化或简单类似报表、取数、简单的异常处理,基础的标准化工作通过产品方式去解决或安排刚入行的BI来处理,复杂的无法标准化的商业分析投重要资源去解决。

C.积极建设数据资产、数据仓库、数据中台,叫什么不重要,重要的是把事情干了,做好BI和ETL的协同。

2.个人策略调整

依赖组织调整,是寄希望于外力,靠自己更重要。

BI个人能做的调整:

1) 清醒的认知自己所处的团队的目标和自己的诉求

比如有的团队1-2年都不会从临时取数的困境中出来,如果这不是自己要的,要么就换个环境,要么自己想办法留出一部分时间做尝试,后者往往很痛苦,但如果成功,就成功突破了自己,也给组织带来了活力。

每个BI都要清楚的认识到,即使干了1万个临时取数,1年、2年后,还是在做临时取数,商业分析上没有任何精进。对有的人来说这是灾难,对有的人来说无所谓,钱到位就行。所以想清楚自己要什么。

2)在商业分析上,突破自我,菩提想到的方法有下面4点。

A.深贴业务

BI要深贴业务,贴的程度要到我们可以比业务还想到前面,比如现在遇到了什么问题,可能可以有哪些尝试。在业务提出单点的数据需求时,BI可以主动反应出业务大图,进而确定分析方案,甚至要主动在业务还没有提出需求前,主动告诉业务BI现在对业务的思考,基于这个思考,下一步会做什么分析,这样才能构建深度的信任和合作关系。

深贴业务需要花时间、精力,不仅要看业务,还要和业务的各个角色保持好关系,参加业务的各种讨论,所以精力有限的情况下,先选择1-2条公司的重点业务,同时自己也有兴趣去跟进的业务,把自己当成业务去看数据,这是做商业分析的底层架构。

想要数据驱动业务,就必须做业务的大脑,如果只是业务的轮子,甚至只是个轮子的维修师,就只能缝缝补补,谈何数据驱动业务。

B.出去跑市场、聊聊客户

深贴的业务,要多出去跑跑市场,看看实际业务运作是什么样的,多跟客户聊聊天,也多观察竞争对手或行业大盘。

商业分析最重要的是商业洞察力,商业洞察力不是在办公室就能有的。只待在办公室里的BI必然缺少商业感。

数据是一种语言,对商业的另一种语言表达,做商业分析需要深刻理解数据这种语言在商业世界里是什么意思,才能把数据转化为商业。

数据也不只是数据库的数据,客户的痛点,行业的发展,业务的思考也是一种数据,BI要把数据库的数据和市场上的数据链接起来,数据分析才能变活。

C.找1-2个关键案例突破

根据业务和自己实际工作情况、兴趣所在,找1-2个点长期跟踪,等待机会,抓住重点案例做商业分析。

我们都有大量的日常基础工作,纵然自己很想转商业分析,也不可能每件事都能做成商业分析,所以要长期观察、找准机会。

找自己相对比较了解且公司的重要业务,并且关系好的业务去准备。

机会除了给有资源的人,也会给有准备的人。

D.结识高手

高手包括业务高手、产品高手、BI高手都可以,榜样的力量无穷大。纵然现实比较苟且,榜样也会给我们打开一扇窗户,从商业洞察、业务思路、逻辑、沟通,各个方面都可以学习。

向高手学习是成长路上的最有效的办法。

最后

到这里,BI痛系列结束。

预祝BI路上的朋友们,成功历劫、飞升上神。

很显然在目前的信息时代,借助类似于FineBI的这些工具,可以让企业加速融入企业数据分析的趋势。备受市场认可的软件其实有很多,选择时必须要结合实际的情况。一般的情况下,都建议选择市面上较主流的产品,比较容易达到好的效果,目前企业数据分析BI软件市场占有率前列的,就是帆软BI软件——FineBI。

BI人的痛,BI人员,大数据分析难点,数据分析师难不难,BI人

FineDataLink更多介绍: https://www.finedatalink.com/

相关内容

申请体验 申请体验

在线客服

电话咨询

技术问题

投诉入口

返回顶部