作者：天善特邀专家 钟轶
一个分析者，有着流浪者的灵魂。数据行业从业近12年，专注于大数据，数据分析和数据行业应用。致力于各类BI，客户画像，数据分析挖掘。
通常的经济增长模式分为两种：一种是数量型增长，依靠增加资本投入拉动；另一种是效率型增长，依靠技术创新拉动。由于边际收益递减的规律，依靠资源投入的数量型增长会逐渐停滞，而依靠技术创新的效率型增长不会碰到边际收益递减的问题，未来的增长将从资本驱动的数量型增长转向技术驱动的效率型增长。
效率型增长需要精细化的运营，面对瞬息万变的市场，日益膨胀的数据量和数据维度，业务人员必须更多地获得自己的业务数据，或剥丝抽茧，或大浪淘沙，从海量数据中快速获取有价值的洞察，而自助BI契合这一需求，并将逐渐被越来越多的分析人员所接收。
自助BI与传统BI：
传统BI：通常指企业内部大而全的统一报表或分析平台，代表性的老牌BI工具厂商如 IBM的COGNOS，ORACLE的OBIEE，SAP的BO，MSTR等均包含丰富的功能模块，比较适合于打造一体化的大而全的统一平台。
传统BI一般面向IT研发人员，他们多集中在企业的技术部门，传统BI的打造方式基本如下图所示：
传统BI的特点如下：
部署开发周期较长，需进行整体的架构设计，各个模块均需进行技术开发。
报表较刚性固定，多为固定的周期性的监控类报表或上送特定管理部门的固定格式报表
开发新需求耗时长
IT部门负担较重
自助BI：面向的是不具备IT背景的业务分析人员，与传统BI相比，它更灵活且易于使用，而且一定程度上摆脱了对IT部门的依赖，自助BI的出现意味着BI分析正在从“IT主导的报表模式”向“业务主导的自助分析模式”转变。
自助BI通常的应用场景如下图所示：
自助BI特点如下：
提供便于业务人员使用的交互分析可视化界面
支持多种数据源，不仅是IT提供的，还包括其他零散的EXCEL,CSV线下数据源
可以承载更多更细的数据，并可快速响应用户的探索需求
可以在内部分享和查看报表
面向业务人员的自助BI工具的最主要优势：当我们在面对一个个具体的业务问题时，例如：什么原因导致了销售额下降，业务何时发生的变化，可能是哪些因素造成的…这类问题是BI探索的核心，解决它们需要的不仅仅是提供一个数字，还需要解释背后的商业原因。由于数据库和查询技术的进步，在自助BI的帮助下，业务人员可以凭借自己的业务专业知识，对各种可能的情况进行探索，最终得出结论。如果按照传统BI的方式，向IT部门提出数据或分析需求，由技术人员实现，解决问题的时间可能延长到数周甚至数月，早已错过了最佳窗口期。
业务人员的分析需求不断增加，如果完全依赖于传统BI，分析所需的时间和流程越来越长，无法满足需求，用户需要在控制和敏捷之间找到一个新的平衡，然后自助BI出现了，由于自助式BI的出现，未来对传统BI的需求增长很可能会放缓或停滞，但不代表传统BI的时代将完全结束，传统BI在某些方面仍有优势：
传统BI可以稳定的为企业提供日常报表，具备实现复杂运算的能力
对于一个企业来讲，如果全部采用自助分析，很可能没有一个部门拥有全部数据控制权，即无法看到数据全貌，从而错过关键信息。
业务人员通常不了解数据准备的复杂性和错误所涉及的风险，如果没有统一部门管理的数据治理，他们可能使用错误的数据，得出错误的结论。事实上，良好的数据治理很重要，例如，如果多个业务用户正在创建自己的报表和仪表盘，那么数据的民主化可能带来分析混乱的风险。
自助BI与EXCEL：
EXCEL用户在以下场景会受到限制：
需要对包含多个工作表或数据库的混合数据源进行分析时
多人同时对一张电子表格进行维护和协作时
数据记录条数达到上限或字段维度超过上限时
当使用复杂的公式降低了查询性能时
需要交互式分析和数据探索时
需要定时自动更新时
虽然EXCEL和自助BI都可以使用表格和图表，但在实际应用中，它们在不同的场合中仍将扮演不同的角色，而自助BI虽然可以满足以上功能，但却很难真正取而代之。价值因素，安装成本，易用性等都是需要考虑的因素，EXCEL毕竟拥有庞大的基础用户群。
自助BI与Python&R：
Python&R通常是具有IT背景和编程知识的技术人员掌握的技能，这类编程语言可以独立完成数据分析的整个流程，并且除常规探索分析外还可使用高级的统计学数据挖掘模型，但是对比自助BI，它们缺少友好的可视化界面进行探索分析，相比之下，自助BI界面化的操作更容易掌握，而且也能胜任大部分的分析，目前TABLEAU,POWERBI这类自助BI工具都可以封装集成Python与R的常用数据挖掘模型进行直接调用，如决策树，聚类，预测等以加强分析能力，未来的趋势将很可能是工具和语言的融合。
下篇预告：自助BI如何实施，一般会碰到哪些问题？会有哪些经验和心得？
