为什么部署自助BI如此困难？从理论上来讲，自助BI应该是你所有问题的答案。但很多企业最终都还是失望，数据让他们不堪重负，而仍然缺乏有用的信息，他们无法获得洞察力。并且，这还导致数据混乱且无序。

当企业开始使用自助BI工具时，他们通常会遇到以下情况：

1. 他们会评估并购买自助BI工具，在企业范围内部署，但大多数企业很快会恢复到使用电子表格。
2. 小部分企业团体自己获取自助BI工具并取得成功；但其他人则继续使用现有的报告或表格。
3. 很多人在企业范围使用自助BI工具；然而，他们在孤岛中运行。因此，每个业务部门都在生成自己的数字，而与其他业务部门不同

在第一和第二种情况中，人们会继续使用电子表格，从而导致出现数据影子系统，也被称为spreadmarts。在第三种情况中，自助BI工具产生影子系统。在所有这些情况中，完全是混乱且无序的状态。

选择正确的自助服务工具

在评估自助BI工具时，这里的目标是为企业选择合适的工具，但人们往往偏向于“放之四海而皆准”的工具。这种做法的缺陷是，企业用户并非完全相同，他们有着不同的分析需求和分析技能。然而，在选择工具时的假设是，每个用户都是超级用户，他们想要创建自己的仪表板、数据可视化和报告。而事实却完全相反：大多数用户需要利用数据来完成工作，而不是被数据利用。

分析包含四种类型：描述性、诊断性、预测性和规范性。还有不同的业务分析角色：临时信息消费者、业务分析师、数据分析师、数据工程师和数据科学家。

最主要的分析需求是描述性分析，这使企业用户可检查企业已发生的事情或者当前的趋势。这是临时信息消费者所需要的分析类型，这些用户不希望创建仪表板，但想要能够过滤和深入查看现有仪表板、可视化或报告中的数据。在这里，如果在他们前面放置带有空白屏幕的数据发现工具，一定会让他们不堪重负，回归到电子表格。

数据发现工具有时间和地点。对于自助BI，数据发现工具最适合用于由业务或数据分析师执行的诊断分析。他们的工作是分析数据以及为自己和他人创建仪表板、数据可视化和报告。预测性和规范性分析则是针对数据工程师和数据科学家，他们不仅需要自助BI工具，还需要统计应用程序和数据准备工具。

在选择自助BI工具前，应根据分析需求和技能分析用户群租。通过这种分析，你应该能够选出正确的工具和分析环境，以支持和鼓励广泛使用自助服务BI，并避免购买最终大家都无法使用的工具。

转变业务和IT角色

传统上来看，企业用户通常是使用企业应用程序或由IT开发的自定义BI应用程序中的报告和仪表板。由于这种嵌入式报告永远不够用，并且无法访问企业的多个应用程序，IT团队最终会发现自己积压越来越多的BI仪表板。这种积压令人沮丧，并容易使企业受到自助BI工具供应商营销炒作的影响–他们的销售宣传称“不再需要IT”。这会从IT做所有BI工作转变为业务部门完成所有BI工作；这也不利于业务。

为了成功实现自助服务部署，新方法是业务部门和IT建立合作伙伴关系。IT的职责是创建和管理企业应用程序和数据仓库的数据主干，并创建临时信息消费者需要的描述性分析。而业务和数据分析师的职责是利用IT的数据主干创建和发布诊断分析。数据工程师和数据科学家在创建和发布预测性和规范性模型时也将使用数据主干。

实施数据管理

最后，无论自助BI工具如何构建，跨业务部门共享的仪表板和报表都将需要数据管理。业务指标或关键性能指标（KPI）是基于选择数据、过滤数据和应用业务算法的业务规则而创建。 如果企业想要打破数据孤岛，则需要对KPI定义达成一致，然后应用在仪表板和报告中。 只有当企业建立好数据治理，并成为企业公认的业务实践的一部分时，才会打成这种协议。

为了成功部署自助服务BI，企业需要遵循本文讨论的三个原则。这里的重点不是选择推动自助服务成功的工具，而是关注策略、流程和政治。