從紙帶打孔、到匯編語言、到高級語言，再到各種IDE、各種框架，人們始終在試圖屏蔽底層的復雜性與難以理解性，通過歸納、抽象、封裝，進而通過點拉拖拽及少量代碼來快速完成應用程序的開發。

觀遠數據產品團隊始終將「讓IT技術更加貼近業務」作為持續努力的方向，不斷降低數據分析的門檻，「自定義報表」就是一個將數據交給業務團隊的功能：業務人員依據提前設計好的自定義報表，根據需求，自由進行數據的任何操作，不用關心指標的計算實現，極大提高了整個數據分析鏈路上各角色的工作效率，讓取數、做分析不再是難題。

9月8日，觀遠數據資深產品經理Layne深度解讀了「自定義報表」產品功能，并從“產品”到“實踐”，分享了自定義報表的實際應用場景，讓我們一起來回顧一下。 

1.前世今生：「讓IT技術更貼近業務」

BI (Business Intelligence商業智能)的概念，是由全球最專業權威的IT研究咨詢公司Gartner Group在1996年首次提出，定義為一類由數據倉庫(或數據集市)、查詢報表、 數據分析、數據挖掘、數據備份和恢復等部分組成的、以幫助企業決策為目的的技術及其應用。

從傳統報表（依賴數據倉庫技術的報表式查詢系統），到敏捷BI（數據處理能力增強，可視化能力增強），再到智能BI（實現自助式分析應用），在BI演進過程中，數據分析門檻不斷降低，亦是觀遠數據始終踐行的方向：以產品化、智能化的方案，讓決策更智能。

時至今日，企業BI分析場景仍然在不斷演變，觀遠數據根植于數百個零售分析項目經驗，總結出企業BI數據分析體系分層構建方法論： 

針對公司高層，需要「全景概覽」

通過看板了解公司正在發生什么事，并通過數據呈現經營異常。以核心指標提供重點信息，使其及時掌握公司運營核心動態，驅動中層管理看數據、用數據、解讀數據。

針對中層管理，需要「管理分析」

通過管理駕駛艙，了解會員、商品、門店的運營表現，發現經營改善點，對公司關鍵運營績效進行管理分析，及時定位管理問題和薄弱環節，為提升業務績效提供建議，賦能終端門店。

針對執行層，需要「業務監控」

關注進貨指標、銷售指標、庫存指標、費用指標等信息，對終端業務執行過程中的效率進行監控，及時鎖定異常，并進行糾偏，為快速決策提供有效依據。 

基于以上分析體系，可以拆解出企業BI四大分析場景： 

圖源：觀遠數據演示系統

固定報表

固定周期的經營情況的概覽，能夠快速了解某一業務或者某一模塊的表現情況，如：電商平臺運營日報，幫助企業中高層或負責人及時掌握數據展現情況。其主要形態為：根據看數需求，將底層的計算結果與上層的報表展示固化，固化體現在：主題、指標、時間周期，如日、周、月報。 

圖源：觀遠數據演示系統

場景分析

某**析主題下，主要為管理層服務的駕駛艙看板，內含核心KPI、排名、占比等相關圖表對比信息，幫助中高層快速理解當前發生了什么。其主要形態為：根據一定的業務邏輯，設計底層寬表與上層可視化分析，提供一定靈活的篩選條件，但是一旦將場景搭建完成，幾乎不再會去做大的調整，如駕駛艙、商品分析、會員分析等有比較明確需求的場景。

圖源：觀遠數據演示系統

敏捷自助分析：有一定技術背景的業務分析師或者數據分析師，能夠基于IT/信息部的相關的標準化主題數據，為某分析目的而對相關基礎數據重新加工，以得到或者驗證分析結論。其主要形態為：用戶可以基于清洗好的數據，或者是穩定的三層建模（ODS-DW-DM），自由的進行ADS應用層的數據集構建，從而完成更加復雜和靈活的自助式分析。 

半自助分析

這種類型的即席查詢在交付物角度基本都是報表需求，旨在通過產品功能和技術手段，讓用戶能夠方便地自助地完成多變的報表開發需求，達成自助取數的目的。

而正是用戶取數需求的不明確和多變，以及用戶數據庫技術的缺失，造成了數據庫的性能壓力和運維風險，使得需要 “數據庫專家細心設計過、預先編制好并做過優化”。此外，數據指標的計算也會在產品層被封裝，稱為 “語義層”，用戶只需要選擇需要的指標，不用關心指標的計算實現，既是一種方便，也避免了指標的分支、版本等問題。 

其中，半自助分析與敏捷自助分析是四大分析場景里最靈活的場景，且半自助式分析趨勢日益凸顯。究其本源，伴隨著社會數據意識的不斷提升，IT技術更加貼近業務，數據分析門檻進一步降低是未來趨勢。 

BI1.0時代已為「半自助式分析」給出了解決方案，但門檻極高、周期漫長。以傳統BI的Ad-hoc功能為例，需要先由數據庫專家設計數據模型結構，并在BI系統中，進行多維指標的配置，最終才能交付給用戶使用，隨著使用的加深，當一個模型解決不了用戶問題時，就需要重新進行構建，對于整體決策來說，過程周期十分漫長。而數據決策者受限于分析時效，或進行“拍腦袋”決策，或決策滯后。

數智化時代，需要更加靈活、易用的BI工具。因此，觀遠數據構建了半自助分析解決方案，用「自定義報表」功能解決數據資產賦能鏈路長、時效性差，用戶自助體驗不好等問題：

• 懂技術的人專注應用數據集于自定義報表的構建，從簡單、重復冗雜的開發工作中解放出來；

• 懂業務的人依據提前設計好的自定義報表，根據業務需求，自由進行維度與指標的組合，而不用關心指標的計算實現，極大提高了整個數據分析鏈路上各角色的工作效率，讓取數、分析不再是難題。 

2.功能簡介：滿足「客戶」與「用戶」需求 

B端產品設計中，「客戶」與「用戶」是兩個關鍵者：「客戶」為產品系統買單，如CTO、CEO等；產品系統的真正「用戶」是數據分析師、業務人員，其為「客戶」服務。在自定義報表中，報表查看者是客戶、報表構建者是用戶。不僅要讓用戶用的舒服，還要讓客戶有產品感知。

在半自助分析的場景中，觀遠數據了解到客戶真實訴求是：想要有足夠靈活的的多維度多指標的組合看板，來發現經營異常原因以及改善點。

基于這個場景，我們向客戶提供直接的報表使用窗口，數據部門可以靈活的構建很多用戶想要的報表，以及他想勾選的內容，進行一些多維度多指標的一個構建，業務分析師可以直接進行維度和指標的勾選以完成分析訴求；向用戶/客戶提供簡便的配置窗口，能夠快速的完成一個報表的配置，交付給用戶使用。

在使用層面，自定義報表功能由三個部分組成：

字段勾選

用戶可以基于報表創建者設置好的字段窗格中，進行維度和指標的勾選，勾選完成后即會「表格」區域展示分析結果。

用戶可以基于篩選結果對字段進行操作得到新的分析結果，主要支持的操作如下：

• 行維度、列維度、指標可組內排序；

• 行維度拖動至列維度，形成交叉表。

高級排序與過濾

用戶可以對分析結果進行過濾和排序操作。

• 高級排序：可以基于維度、指標進行相關排序操作；

• 過濾：基于表格分析結果在表頭字段位置進行內容上的過濾。

那么，我們如何構建一張自定義報表？ 

圖源：觀遠數據演示系統

上圖是創建自定義報表的配置窗口，通過簡單四步即可創建一張自定義報表：

①窗格創建：可進行字段窗格和文本窗格的創建；

②字段窗格：可以將左側數據集中的字段拖入到窗格中，以便使用者在儀表板界面進行字段勾選；

③報表窗格：用戶勾選字段后，所得結果將在報表區域呈現；

④文本窗格：用戶可以在文本窗格中輸入相關自定義報表描述、或者指標描述。

3.最佳實踐：常態化、便捷、自助

（1）駕駛艙與自定義報表的結合案例

通過觀遠數據駕駛艙看板發現：品牌整體業績達成99%，但同比下降23%，存在異常。進一步深入時發現，“自營”渠道發生同比下降10%，可能是業績下滑的表面原因，當我們看到自營渠道中，華北區域下降，而其他區域表現正常時，就想要基于華北區域的商品、會員銷售情況做進一步分分析。

在此情景下，部門負責人和中高層領導需要了解異常原因。在傳統 BI 模式下，業務人員需要向IT人員提取數需求，進行指標定義、確認、溝通等一系列步驟，再進行聚合分析。但通過自定義報表，業務分析師就可以很方便的直接進行分析了，而不用反復向IT部同事提出取數需求，在進行組合分析。在此案例中，業務人員通過查看「銷售駕駛艙」的四大核心指標及趨勢，進一步查看渠道表現，便可定位到異常原因存在于「華北自營渠道」。

（2）智能ETL與自定義報表的最佳實踐

除此之外，觀遠數據提供了智能ETL功能，有技術能力的用戶可以通過開放的基礎業務數據事實表與維度表，自由的進行加工，得到自己想要的結果數據集，即ADS層數據，更加靈活的滿足自己的多維組合分析需求。

構建完成之后，就能夠借助自定義報表功能，構建屬于自己的日常分析看板。不僅如此還可以借助快捷篩選功能，將自己的分析思路保留下來，就比如剛才演示的內容一樣，做逐級排查，而快速精準的定位問題。

（3）直連場景

圖源：觀遠數據演示系統

自定義報表可對接直連數據集，若用戶有自建的數據倉庫或者數據中臺，觀遠數據可直連對應數據庫，以滿足不同場景下客戶的分析需求。

觀遠數據始終抱著學習與改進的心態，陪伴客戶一同成長。在未來，自定義報表層面還會有更多的迭代優化，對數據導出、報表樣式、過濾篩選等各個維度進行提升，希望以通過產品化的方式，真正助力業務決策，讓決策更智能。