企业需要在快速变化的经济条件下保持敏捷，而自助服务分析功能可以帮助企业实现这种灵活性。

然而，单靠投资于易于使用的商业智能平台，无法实现成功的自助分析。

在最近由数据管理供应商Alation主持的网络研讨会上，专家小组表示，成功的自助分析还要求对数据素养进行组织投资，并对数据驱动的决策做出文化承诺。

不断变化的形势

COVID-19疫情引发了前所未有的变革步伐，而乌克兰的战争只会增加经济的不确定性。

在2020年以前，企业可以通过季度甚至年度计划来度过难关，并且可以利用过去的表现来很好地了解即将发生的事情。例如，如果企业的销售额通常在夏季或假日季节激增，但在一年中的另一个时间下降，则该组织可以合理地预期这种情况会再次发生。

同时，如果企业有供应商及时交付所需货物，则可以合理地期望这些供应商继续可靠。

然而，疫情改变了这一切。

失业率飙升，任何季节性销售模式不复存在。由于旅行受到限制，对某些商品的意外需求激增导致货架空置，供应链也被摧毁。

为了应对变化的惊人速度，很多企业转向分析。预测建模使他们能够预测不同的场景，最坏的情况、最好的情况以及介于两者之间的任何情况，这使他们能够为即将发生的变化做好准备。

最终，有些企业不仅可在疫情的动荡初期幸存下来，而且随着大流行的发展而蓬勃发展。

Tableau公司首席数据官Wendy Turner-Williams说：“你可以回看过去两年，企业必须以敏捷、快速的方式转变其模式，以变得更加数字化以及应对COVID疫情。企业、业务部门，个人、分析师、首席执行官都需要在正确的时间使用数据来回答正确的问题。考虑到市场上正在发生的所有事情，他们都需要保持敏捷。”

Alation公司的解决方案营销总监Myles Suer补充说，由于疫情对数字化的突然需求，首席信息官至关重要。

他表示：“首席信息官在过去两年中一直是英雄。他们保持一切正常运行，而他们过去从未计划以今天需要的方式运行。COVID确实是一个加速点。”

现在，由于俄罗斯与乌克兰的战争导致油价飙升和东欧供应中断，面对再次出现的经济动荡，企业需要数据驱动的决策来应对。

但是，并不只是分析能够带来敏捷性。

实时或近乎实时的决策使企业变得敏捷，这意味着让一线员工而不仅仅是高管人员能够做出影响业务的决策。

这意味着企业需要采用自助分析技术，并灌输一种促进自助分析的文化。

承诺

几十年来，分析一直是企业中数据专家从事的领域。

如果员工想要报告、仪表板或模型来作出他们的决策，他们需要向IT团队提交工单并等待开发和交付该数据资产。根据组织的不同，该过程可能需要几天时间。但这也可能是几周甚至几个月的时间。

在疫情发生前，这可能就足够了。

但在瞬息万变的情况下，基于几周前数据的报告、仪表板或模型可能已经过时。在瞬息万变的环境中，员工需要轻松、快速地访问数据，并能够快速将数据转化为洞察力。

他们需要自助式分析。

凯捷首席数据架构师Steve Jones说：“数据过去只是报告发生的事情，现在，我们正在研究推动业务成果的数据。自助服务现在是企业根据数据自行控制和推动决策。这是对受保护、受保护、过度一致的数据的文化变革。”

为了实现自助式分析，企业显然需要正确的技术。大多数最流行的BI平台（例如 Microsoft Power BI、Tableau和Qlik）使用户无需了解代码或只需要最低限度的编码技能即可处理数据。

它们还使开发人员能够将数据集和分析资产嵌入到员工使用的日常工作流程中，例如CRM和ERP系统，这样员工就可以拥有可用的数据和见解，而无需去找寻它们。

并且，很多平台甚至会将见解推送给员工，以便他们可以在情况变化时近乎实时地采取行动和做出反应。

但是，正如正确的技术对自助分析至关重要一样，正确的文化也很重要。

如果企业为员工提供工具但不授权他们做出决策，并不会真正实现自助分析，因此也没有最大限度地提高其敏捷性。

同样，企业为员工提供BI平台但没有提供足够的平台使用培训和数据素养培训（即从数据中获得有意义的见解的能力），也没有最大限度地提高其敏捷性。

Turner-Williams说：“为了拥有数据文化，你必须具备数据素养。你要有技术，有战略，有业务流程，但还有劳动力，需要在数据方面对劳动力进行教育，以便他们获得收益。”

然而，咨询公司NewVantage Partners的创始人兼首席执行官Randy Bean表示，建立数据文化是一个需要时间的演变。

他指出，在NewVantage对财富1000强高管的调查中，只有约四分之一的受访者表示他们创建了数据驱动的组织，不到20%的受访者表示他们已经创建了数据文化。

Bean称：“我坚信文化的重要性。数据是跨组织流动的资产，要实现数据驱动，企业必须从根本上改变他们的运营方式。对于已经存在了几代的组织来说，这并不容易。成为数据驱动不仅仅是一个目的地——这是一个持续的旅程。”

必要的工具

除了为自助式分析而设计的BI平台外，数据目录也是使员工能够做出数据驱动型决策的关键。

数据目录是数据集和资产（例如报告、仪表板和模型）的有组织的中心，数据用户和分析师可以在其中搜索和查找完成工作所需的数据，并且数据管理员可以在其中设置数据集和数据资产的参数以确保组织信息的隐私和安全。

这些参数（本质上是数据治理）具有双重目的，使企业遵守政府法规，同时使员工能够自信地使用数据。

Jones称：“自助分析的首要需求是记录数据是什么以及它在哪里。你必须记录数据，以便人们可以搜索并找到它。而且它必须放在上下文中，因为这就是使它可用的原因。”

当然，培训是自助分析成功的另一个关键。

Turner-Williams引用Forrester Research的一项研究指出，如果他们的企业投资于数据素养培训，则超过90%的员工对自己的角色感到满意。

她表示：“对数据素养的投资是关键。数据素养是市场的一个差异化因素。它在不断变化，所以如果你不投资于提高对这些变化的认识，那么你的企业就没有文化可言，你只是有部署平台。文化是持续的，一个旅程。”

最后，根据专家组的说法，成功的自助分析需要分散的分析模型。

虽然数据本身应该是集中的，可以由数据管理员治理和管理，但分析（查询、分析和得出见解）需要分散，摆脱向数据团队提交请求的旧式方法和等待开发报告、仪表板和模型。

Jones称：“我们正处于一个过渡点，目的地是分散的。企业需要控制数据以推动竞争优势。数据现在具有价值并且正在推动结果，但未来是分散的，因为每个决策都需要数据。”