在为用户部署BI工具、确保基础设施到位以及克服企业文化挑战方面，企业面临诸多挑战。下面是帮助确保自助BI工具顺利部署的注意事项。

1. 让员工携手数据专家

IT服务管理提供商ASG Technologies公司产品营销副总裁Rob Perry表示，自助服务分析需要这样一种文化，即不仅应该让所有员工都能访问数据，而且可让没有数据管理经验的员工能够与数据专家携手合作。无论员工是否有数据管理经验，这样做都能让那些不太沉浸在分析中的员工带来新的视角和想法，从而帮助组织摆脱传统的开发方式。

2. 不要让用户单打独斗

让用户自己研究和购买BI工具并不总是一个好主意。

Perry说：“首席数据官团队需要管理工具选项，并提供培训和支持结构，以便用户提高工作效率。”。

通过这种方式，员工可专注于学习如何使用自助BI工具来做事。

3. 创建真理体系

企业应该创建经过良好验证且具有准确性的高质量数据集，并将其视为真理系统。企业还应该定义业务验证流程，该流程可淘汰不符合质量要求的数据。LevaData公司首席技术官Sreeni Iyer表示，在这方面，可考虑在数据管道生命周期早期找到一种方法来淘汰这些数据，从而纠正错误。

根据Tadhg Nagle、Thomas C. Redman和David Sammon的《哈佛商业评论》研究表明，47％的新创建的数据记录至少包含一个严重错误。数据质量不应该是它自己的孤岛，它应该是无处不在的，就像病毒检查器一样，以确保整个企业的数据质量。并且，这应该在分析之前完成。

此外，Talend公司大数据产品营销总监Isabelle Nuage建议，业务部门需要对自己的数据质量负责，因为他们最了解自己的数据。业务部门应该帮助提高数据质量并与IT协作以提高整体数据质量。

4. 不要让完美成为好数据的敌人

在其《高影响力人员分析：2017年成熟度模型》报告中，Deloitte Consulting公司的Bersin指出，没必要等待所有数据都干净可用再采取行动，这样做不可取。

Bersin公司人力资源技术和解决方案提供商战略副总裁Chris Havrilla表示，这里的诀窍在于使用足够好的数据集来采取行动。例如，如果再特定员工数据集中，1000条记录中只有10条似乎不准确或已过期，则仍然可以运行分析。

5. 考虑潜在的文化障碍

LevaData的Iyer说，部署自助BI工具需要平衡围绕数据共享的不同文化视角。一方面，有人认为控制数据会提供动力，这可能导致不愿意共享信息或者会邀请合作伙伴加入流程。在另一方面，人们认为数据应该民主化并寻求实现数据访问。这在总体来看有很多优点，但需要建立明确的数据访问管理机制。

6. 不要着眼在一个工具

管理咨询公司Aspirent首席执行官Andrew Roman Wells说，虽然将所有分析放在一个工具很不错，可实现自动化并保持与数据管理标准一致，但这并不是一个现实的目标。大多数企业都在快速发展，他们需要新的数据和分析来支持不断变化的环境。

Wells称：“并且，这些举措并非千篇一律；它们本质上是非常定制化的。”

7. 看看分析师的工作方式

对于工具，分析师通常非常专一，并且不愿意改变，除非有令人信服的理由和明显的好处，以及更利于企业。客户数据平台提供商Quaero公司首席执行官Naras Eechambadi表示，这意味着，如果数据可导入现有分析工具，分析师可更加轻松有效地使用数据。

如果有必要更换现有工具，那么，成功的关键是改变管理流程以及提供持续支持的深入培训。

Eechambadi说：“令人惊讶的是，我们常常看到有效的分析工具闲置在电脑中，因为决策者和部署者并不真正理解分析师的工作方式。”

8. 不要结合自助BI与传统BI工具

元数据管理工具Octopai的联合创始人兼首席技术官Gal Ziton说道：“你将创建重复的元素，而对这些元素的任何更改都需要进行影响分析。”

提取、转换和加载过程的变更不仅会影响现有的报告系统，还会影响自助BI工具。BI团队需要确保所有报告系统都反映相同的结果。由于存在多个系统和重复元素，对漏洞进行逆向工程将花费大量时间。

9. 从单个部门开始

为每个部门部署自助BI工具，而不是为所有部门部署主要的集中报告工具。只有为企业中每个部门设计数据元素请求，才能实现使用自助BI工具作为主要报告工具。Ziton称：“逐个部门部署BI工具，而不是作为集中式工具部署，这在开始将允许你有效地部署该工具。”

10. 不要使用不相关数据来训练业务用户

请使用来自其企业或部门的数据来训练用户。如果培训师可在培训期间与用户建立相关报告，那就更好了。另外，Olivela的分析主管Dominic Go表示，部署率会较低，用户更有可能使用该工具导出到Excel。Olivela是使用分析来支持儿童事业的奢侈品购物网站。

但是不要指望这样做可解决所有公司的问题。

Go表示：“自助分析是很棒的事情，但这并不意味着部门之间不再需要真正的人际交流，因为数据并非绝对可靠。”