FineBI7.0指标+AI智启数据普惠新时代.docxVIP

FineBIv7.0

指标+AI，智启数据普惠新时代

目录

1.数字化建设的再观察

2.FineBIv7.0场景落地价值

3.基于指标的ChatBI能力升级

CHAPTER

CHAPTER1

数字化建设的再观察

以往数据分析路径的必然困局

“数据表≠可消费指标”

①数据口径不一致

领导不开心：不同团队重复加工指标，数据口径不一致问题严重，影响业务决策

②业务上手成本高

业务不开心：找不到数据，跨表计算搞不定，超长数据加工，复杂计算搞不明白。

③数据运维成本高

IT不开心：业务嫌可用数据少，不断要求IT增加更多表，部分业务使用超大宽表、更新时间长。

市场的下一阶段：AI数据普惠

对于数据质量的要求更高，扩展到更多用户（30%走向100%）

数据的可用性是否会进一步下降？

战略/经营层数据串联业务与管理的实质载体是“指标”

战略/经营层

管理层依赖清晰的指标体系

管理层依赖清晰的指标体系洞察整体经营

“企业各个部门加起来制定了100多个指标，根本看不到业务重点和实际问题分布”

管理层需要口径统一的指标数据做出决策

管理层需要口径统一的指标数据做出决策

“上午某个业务说好得不行，下午风控说业务在变差。”“老板现在最头疼的问题就是：业务给出的数据结论对不上。”

我们历史做了很多指标，都是不断响应业务和管理层需求

我们历史做了很多指标，都是不断响应业务和管理层需求开发的，但是实际在用的只有10%，因为管理在更新，所以关注的指标和口径是经常性要调整

数据建设应当

数据建设应当通过指标与企业管理耦合

I

IT

不服务业务分析的指标往往失去意义IT梳理了1800个指标

不服务业务分析的指标往往失去意义

IT梳理了1800个指标，但是业务往往用不上

“那一轮我们建了指标文档，有定义、有维度、有描述，但没说从哪个表取、怎么算。”“你建了指标，但是和数据路径不打通，业务就是不会持续用。”

业务层-问题来源于业务，光靠数据团队“一腔热血”无法搞定-

业务层

不仅看数据，也要看数据的含义与来源业务状态的分析依赖规范的指标为依据我们现在每个业务部门每月要给CEO汇报100多页的PPT，CEO一个月

不仅看数据，也要看数据的含义与来源

业务状态的分析依赖规范的指标为依据

我们现在每个业务部门每月要给CEO汇报100多页的PPT，CEO一个月总共要看1000多页，想基于数据分析问题本就很艰难；且CRM部门往往引用财务部门的指标数据二次处理得到分析结论，但两个部门的口径未经对齐，CEO追溯问题时，各个部门负责人各说各话，数据分析成为语言艺术间的PK。

“我想看个数，我不知道这个数怎么算的，就只能拉群问人。”“我想看到数的时候，能直接看懂是什么业务意思。”

传统数仓/数据中台与BI工具的使用模式

基于表进行分析串联

贵整体成本高?开发任务繁重，人力资源消耗大?模型大量冗余，存算资源消耗大缺

贵整体成本高

?开发任务繁重，人力资源消耗大

?模型大量冗余，存算资源消耗大

缺分析不灵活

?分析维度固化，不能灵活探查

?分析粒度固化，不能任意下钻

乱口径不一致

?一个指标，多种口径

?同一口径，多种名称

?反复的口径沟通、验证与修改

?需求响应与变更经历漫长的排期等待

数据开发平台/数据中台/数仓BI工具

数据开发平台/数据中台/数仓

宽维度表维度表事实表事实表数据集各类汇总表报表

宽维度表

维度表

事实表

事实表

数据集

各类汇总表

业务系统数据

宽事实表

日志数据数据集更大的宽表报表

日志数据

数据集

更大的宽表

宽事实表

第三方数据

维度表宽事实表更大的宽表数据集报表3

DW层ADS层数据集报表

DW层

ADS层

数据集

报表

IT团队主导业务团队主导

IT团队主导

数据资产整合指标定义与发布洞察分析业务改善业务可发展生产数据财务数据企业需要一个以指标为核心与消费层紧密结合的平台

数据资产整合

指标定义与发布

洞察分析

业务改善

业务

可发展

生产数据

财务数据

》》》指标是串联企业经营分析平台的核心

》》

》

指标是串联企业经营分析平台的核心

基于业务经营的改善

对应调整管理指标及分析内容

销售数据

销售数据

业务业务业务