自助服务分析推动发展。

这是分析供应商ThoughtSpot赞助的《哈佛商业评论》2020年报告的一项重要发现，其中72%的受访者的企业为员工提供自助分析工具，并委托他们做出数据驱动决策，他们表示看到生产力提高。

1月12日，《哈佛商业评论》和 ThoughtSpot发布了他们之前关于自助服务分析的研究的后续报告。

受COVID-19疫情影响，数据驱动的决策可能从未像现在这样重要。在瞬息万变的情况下，迅速采取行动和做出反应的能力至关重要，无论是对于与病毒作斗争的医疗机构、试图保护其公民安全的政府部门，还是试图在前所未有的经济波动中生存和发展的企业。

同时，现代自助分析能力使一线员工能够根据可信数据和见解做出明智的决策，从而使医疗保健组织、政府机构和企业更具优势–比那些依赖直觉和缓慢移动的集中式分析程序的人。

《哈佛商业评论》和ThoughtSpot在他们的后续报告《Empowering the New Decision Makers to Act with Modern Self-Service Analytics》，深入探讨了为什么需要现代自助分析平台，以在疫情造成的环境中实现数据驱动决策，以及为什么将某些能力与正确的组织文化相结合是成功的自助服务分析的关键要素。

根据该报告显示，为更多用户提供现代自助服务能力的重要性仅次于数据质量，以取得分析成功。同时，缺乏有效的人员变革管理是最大的障碍，而不是技术本身。

最近，ThoughtSpot公司首席数据战略官兼The Data Chief Podcast主持人Cindi Howson讨论了该报告的一些发现。

此外，她还谈到了自助分析的演变、成功的自助分析可以为企业带来哪些好处、为什么数据素养是关键以及如何实现，以及了解数据驱动决策重要性的企业的共同特征是什么。

如果我们回到5到10年前，自助分析功能的目标受众是什么人？

Cindi Howson：这个范围很广。十年前，对于IT专业人员来说，自助服务实际上就是自助服务，而五到七年前，目标受众是数据分析师，他们可能是IT专业人员或可能参与业务。对于数据专业人士来说，自助分析非常重要。

快进到2022年1月。自助分析功能的目标受众是什么？

Howson：当我与我们的客户交谈时，他们会使用“真正的自助服务”这个说法。我认为业界使用自助服务这个词已经有一段时间，但真正的自助服务让非数据专业人士和非分析师（真正的业务用户）能够提出自己的问题。

自助分析平台必须具备哪些基本功能才能使那些真正的业务用户能够在不涉及数据专业人员的情况下查询和分析数据？

Howson：关键要素是搜索、自然语言处理 (NLP) 和人工智能驱动的见解。另一个大趋势是云数据平台的兴起，其中数据是实时的，可以在不移动数据的情况下访问数据。在过去几年中，关于数据的来源和新鲜程度的关键要素已经发生变化，查询和分析由NLP提供支持。

假设最终用户接受了适当的培训，现代自助服务分析平台可以使最终用户做到以前无法做到的事情吗？

Howson：他们可以用自己的语言提出自己的问题。你提到了培训，我要谨慎一些。这个行业对技术培训太过重视，而不太重视业务语言-这就是我们所说的数据流畅性，也就是有些人所说的数据素养。自助服务平台允许用户提出新问题或查找现有内容。如果你想知道为什么这如此重要，那是因为一切的节奏都已经发生变化。

在COVID-19疫情影响下，人们被迫对其数据平台进行现代化改造，并做出数据驱动的决策。基于直觉的供应链很紧张。如果供应商被封锁，或者集装箱停在海岸外，企业需要能够从不同的供应商处采购。我提到过的趋势之一是人员分析的兴起。我们以前从来不需要知道哪些员工接种了疫苗，或者谁获得了医疗设备。这些是两年前没有被问到的问题，更不用说五到十年前。

当企业为最终用户提供自助分析工具，并使他们能够做出数据驱动的决策时，结果是什么？

Howson：这会带来更高的收入、更高的收入增长和更高的盈利能力。然后，你可以查看每个职能部门，并看到运营效率的提高，以及员工敬业度和快乐度的提高，这在“大辞职”期间非常重要。如果你是采购人员或呼叫中心接线员，客户对你大喊大叫，而你能够说，“别担心，我可以更快地从不同的供应商处为您提供该产品。”或者， “我们的A产品缺货，但B产品是合理的替代品。”如果一线决策者或呼叫中心接线员可以这样回答，他们更有可能留下来。因此，员工敬业度也更高。

企业是否做了足够的工作让员工做出数据驱动的决策？

Howson：没有。该报告强调，对于技术、数据和分析专业人士来说，改变技术要容易得多，改变文化和人要困难得多，但这表明改变文化和人是多么重要。根据该报告，44%的人表示缺乏对人员变更管理的关注是自助分析的最大障碍。这告诉你，你不能只是将一项闪亮的新技术扔在那里并假设它会起作用。你必须关注人员变更管理和文化。

除了人员变更管理之外，还有什么阻碍企业采用自助式分析？

Howson：从历史上看，自助分析可能很难在本地环境中部署。在云计算环境中没有什么问题。但现在已经变得更容易部署。

但是缺乏意识和市场混乱是障碍。我认为，现在发生的事情是，有些供应商说他们可以做 NLP，但是搜索和NLP之间存在差异，在Snowflake或Google BigQuery等实时云数据仓库上进行搜索和NLP之间存在差异。如果你只是在小数据集上进行搜索，那没有帮助，这就是有些供应商所做的，所以我认为那里存在混淆。这就是区别。通过搜索，企业真正开始进行SKU级别的分析，而这正是价值所在。

前面您提到数据流畅性/数据素养，缺乏数据流畅性是自助分析的障碍吗？

Howson：绝对是。但我不想说这是一个障碍。这是先有鸡还是先有蛋的问题。这就像学习如何阅读一样。要教别人阅读，你必须先给他们书，但不要给他们《荷马史诗》或《奥德赛》。给他们一些更容易开始的东西。这就是自助服务分析的关键所在。你想教他们业务语言而不是难用的工具，这是显著的区别。该行业过于重视教授难以使用的工具，而没有教授术语在业务环境中的含义。有些人可能会说他们不想启用自助式分析，因为他们的员工无法熟练使用数据，但如果他们没有办法阅读、练习和询问数据，他们就永远不会培养这种能力.

一种开始的方式，一种最好的做法，是在实时仪表板为他们提供实时分析，而不是静态仪表板。也许他们正在查看特定品牌本月与上个月的销售额。给他们关键指标，然后让他们深入探索。给他们一些熟悉的东西，然后让他们钻取、过滤、排序，然后问下一个问题。

当为业务用户提供自助分析工具来做出数据驱动的决策时，企业是否还需要数据专业人员？

Howson：联合组织化模型是两全其美的做法。为了规模经济而集中，为了领域专业知识而分散。你让领域人员利用公共数据，并关注原因。如果你考虑规范分析的层级：描述性、诊断性、预测性，这可让领域人员专注于原因、诊断和预测。你希望中心团队做的事情，实际上可让他们重新享受工作的乐趣，因为他们没有在做重复性任务，而是提供数据，启用新的数据源，专注于数据质量，并致力于更高层次的分析。

我们的一些客户，在衡量进入中心团队的工单时，发现常规问题减少，而更高级别的问题增加。

您能否列举从部署自助服务分析策略受益的企业？

Howson：Medtronic是一个有趣的组织。他们的动力之一是他们看到了他们在IT上的花费，而不是在实际交付医疗设备上的花费。就技术而言，自助服务分析使他们能够事半功倍。我认为这是他们技术的核心部分。Medtronic代表着你在文化中想要的东西，他们是创新的，互相信任，而且这实际上是关于赋予所有决策者权力，尤其是一线决策者。中心团队不存在IT处于象牙塔中的“我们与他们”的思维模式。

您说Medtronic代表了您在文化中想要的东西，那么，启用自助服务分析的组织是否与不支持的组织有着不同的典型特征？

Howson：我经常说技术和文化是同一枚硬币的两个方面。当我们看传统技术组合时，我们看到的是一种害怕失败、满足于自满和规避风险的文化。如果你看看拥有现代技术堆栈的人，他们可能还拥有创新文化、追求卓越，并且他们拥有竞争激烈的商业环境。

云计算确实实现了现代化，整个生态系统的集成现在比以往任何时候都更有可能，但是，领先者和落后者之间的差距已经扩大。你不能一直满足于足够好，否则你最终会过时。如果你回到10年前，数据是可选的，但在数字世界中，数据是唯一能让你了解正在发生的事情的东西。在某种程度上，最聪明的人才能够生存，也就是分析领导者。每个人都得到了信息，但落后者却无计可施。