開局一張圖

日常要跟數據打交道的朋友們好~上篇文章，古牧君通過舉例，澄清了數據產品的重點應該在產品而非數據，同時也指出BI報表完全可以肩負起普及數據思維的重擔。

本篇文章，古牧君將在簡單回顧BI報表的不同階段后，給出普及數據思維、讓廣大小白學會看數據讀數據的一種方案——BI的AI化

01

雜貨鋪階段：初創期的線上化

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。一般多存在于草創時期，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：

它存在這么幾個問題：

1，缺乏基本的數據可視化，無法快速做定性的分析

2，大量數據指標簡單堆砌，缺乏合理的歸類整理和關聯關系

3，僅提供數據源，未對數據進行任何解釋

02?

連鎖超市階段：進階期的工具化

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并拼湊在一起。

這個階段的BI報表很常見，百度一下俯拾皆是：

它的問題在于：

1，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

2，僅展示數據，想對數據進行解讀，必須額外人肉處理

3，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了解了一個方向，有啥問題以及怎么改善，只字不提

03?

國內博物館階段：成熟期的產品化

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。它不再滿足于做一個大型在線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

這里直接放一個手頭現成的例子：

1，盡管還是PC端報表，但已經極大的考慮用戶操作體驗，讓所有數據都在一屏內呈現，減少鼠標的上下滾動，以及對控件的反復選擇確認

2，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，滿足快餐類用戶只想高效找齊所需數據、不用看數讀數

3，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

4，點擊指標卡片后彈出浮層，內嵌經典數據分析方法。通過時間對比和多維度下鉆，展示數據波動現象；并在多維度下鉆中通過“貢獻率”概念，直接歸因解釋數據波動原因

5，所有數據的可視化，都盡量選用最簡潔有效的圖形，直接給用戶對的，而不是讓用戶彷徨選擇

不過，它還可以更好：

1，它是PC端的，不符合移動互聯網時代很多人便利性的需求

2，它雖然有分析，但分析的結果并沒有顯性化，還需要具備一定背景的人進行解讀

3，它只提供了一個預設的固定分析套路，并假設所有用戶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

04

私人導游階段：探索期的AI化

我們很多時候逛博物館，或者逛一些旅游景點覺得沒意思，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，沒有什么服務體驗，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：

1，隨叫隨到——從PC到移動

2，有問有答——從看板查詢到人機對話

3，簡單高效——從展示現象到解讀結論

4，有理有據——從定性查看到定量分析

我們把上述特征具像化，通過一個示例場景感受下：

用戶：“為什么今天表現不好？”——用戶提了個壞問題，缺乏具體分析對象（誰的什么表現不好？）

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，引導用戶填充分析對象槽位信息

用戶：“就是產品A用的人變少了啊！”——用戶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%”——將用戶口語化措辭“用的人”，轉譯成系統可識別可處理的指標“日活”，并返回查詢結果

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，小助理背后的技術原理并沒有想象中那么復雜：

1，識別&推測用戶意圖，通過多輪對話形式引導用戶補充系統計算所需的關鍵輸入信息

2，支持用戶個性化輸入，并能將其轉化為系統可識別的標準化輸入

3，將標準化輸入對應到后臺的不同組件化數據指標計算流程

4，將系統計算結果填充到預設的文案模版中，向用戶顯性化解讀結果

是不是還算有點兒激動人心？不過稍等片刻冷靜想想，這是否又是一次技術的自我表達？在上篇文章中我們一再強調，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，然后再把技術填充進去。那么AI化的BI小助理，她的真實需求場景在哪里？

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，且員工的日常工作并不依賴總部的派單，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。

以上就是古牧君對BI的一些小想法，如果恰好激起你的共鳴，歡迎留言。

↘好文推薦：

少有人走過的路：分析->策略->產品

數據產品經理：埋點的設計、管理與應用

騰訊面經 | 數據從業者的一次“典型”面試

點個“在看”吧

總結

以上是生活随笔為你收集整理的别拿BI不当产品（下）BI的AI化的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。