说到自服务分析工具，我们先看一个例子。

美国在线市场和广告公司E.B. Lane想要制定客户策略，更好地和客户交流。这必然要在公司文化中引入数据分析。但它又不想聘请一个专门的数据分析团队，最后，它使用了自服务分析工具。

E.B. Lane的数字战略总监Shailesh Ghimire表示，只采用自服务分析工具是不够的。管理者还需要理解数据的价值。只有这样，才能让数据驱动决策。E.B. Lane在三年前开始使用Tableau软件公司的工具，现在整个公司正在逐渐实现数据驱动。

Ghimire表示：“这套系统给我们带来了数据文化。处理客户数据的时候，我们不再犹豫，因为我们有工具在手，知道该怎么做。数据文化已经渗透到我们公司中，给了我们足够的信心。”

对于数据科学，很多公司都面临着这样的困境：对数据分析有着刚性的需求，但又无力聘请优秀的数据科学家。诸如E.B. Lane这样的公司解决这个难题的办法之一就是采用自服务分析工具。不需要数据科学家，用户自己就可以通过工具来处理数据，发现商机。

自服务分析工具

数据人才缺失的状况持续了很多年，也一直受到关注。美国一家商务智能和分析软件公司Lavastorm最近做了一项调查，该调查包含了来自各行各业的425名分析师、管理者和业务分析师，十月份发布的调查结果显示，83%的人认为数据分析对业务至关重要，65%的人表示他们无力聘请数据分析人员。

Lavastorm调查结果

Lavastorm负责产品市场的副总裁John Joseph表示：“很多组织都买进了分析工具，并作为首选工具使用。但大部分人认为他们技术知识不足。”

一些受访者表示，技术知识不足是影响组织数据驱动决策的主要原因，领导者往往因此质疑数据分析结果的重要性。这个问题是市场公司的一块心病，现在又面临着激烈的竞争，而它们在数据驱动决策的竞争面前并没有丰富的数据经验。

因此，组织青睐自服务分析工具。部署的时候可能需要专业人士，但是运行和应用，业务人员完全可以搞定，不需要任何数据分析技巧。一些自服务分析工具的供应商，包括Lavastorm, Tableau, Qliktech和Logi都在研发新的软件。通过该软件，用户不需要写代码，可以直接收集各种来源的数据，将信息可视化。

美国数据公司SIGMA负责商务智能和数字分析的总监Andrew Lucyszyn去年也部署了Tableau软件。他认为自服务工具最大的好处就是能够把数据给到最需要它的人的手里。

“有了自服务分析工具，数据不在局限于IT部门，会真正到使用数据者的手里。”这些人可能就是战略团队的一员，或者就是创意总监。

Lucyszyn认为，同样的功能，老一代的分析工具也能实现，不过它需要专门的数据科学家，而且耗时更长。现在，业务用户不需要再等待分析人员输入查询指令，调出结果，而是可以直接分析，这就大大节省了时间。市场人员可以自己做渠道分析、市场细分和其他研究。

数据科学家

当然，自服务工具也不是万能的，这还取决于市场公司需要的分析水平，完全依赖于自助服务当然是行不通的。因此，数据科学家短时间内不会被取代。

Joseph表示，很多组织还是需要数据科学家的。至少，制定数据管理政策，划分IT部门和业务部门人员分配还需要数据科学家。但是，对于没有找到合适的数据人员，或者不需要深度分析的组织来说，自服务分析工具不失为一个不错的选择。