自助式分析使企业能够实现数据驱动，尽管缺乏训练有素的数据科学家和数据分析师。

数据科学家的短缺情况已经持续多年。

截至 2020 年，咨询公司 QuantHub 报告称，对数据科学家的需求超过可用供应量 ，差距是250000。而那是在 COVID-19疫情爆发前，以前没有使用分析来为决策提供信息的企业意识到商业智能在应对经济不确定性时的重要性。

数据科学家不仅供不应求，而且价格昂贵。根据美国劳工统计局的数据，截至 2021 年 5 月，数据科学家的平均工资刚刚超过 100000 美元。

很多企业没有办法聘请高薪数据科学家和数据分析师团队来构建报告、模型和仪表板以及分析数据，作为替代方案，他们很多已转向自助式分析。

12月8日，Dresner Advisory Services公司的研究助理Elizabeth Espinoza在Dresner主办的虚拟会议Real Business Intelligence上表示：“人才可用性是商业智能面临的最大挑战之一，自助式分析可以帮助解决一些压力，否则这些压力会传递给BI专家。”

自助式分析是一种数据和分析方法，它为业务用户提供工具，使他们能够执行很多数据管理和数据分析任务，否则这些任务将由现在供不应求的数据科学家和数据分析师完成。

选择自助式分析的企业通常拥有数据专家（IT 人员）来实施和监督其组织的分析操作。他们为最终用户设置易于使用的 BI 平台，使他们能够安全、自信地处理数据并做出数据知情决策。

但是，开始使用自助式分析并不容易。

虽然其目的是通过易于使用的工具使业务用户能够访问分析，但潜在的复杂性可能会决定自助式分析操作的成功与失败。

根据Espinoza和她在Real Business Intelligence的共同小组成员表示，成功的关键是为最终用户提供工具、企业领导者的承诺以及涵盖不同部门内高级用户的适当培训。

工具

如果没有专为自助服务使用而设计的 BI 平台，自助式分析就不会存在。

虽然设置平台以及管理和准备数据可能需要数据科学家或数据工程师的技能（特别是R和Python等编码语言的知识），但鉴于业务用户很少了解代码，这里需要支持数据探索和分析的低代码/无代码功能。

很多BI平台都是为自助服务使用而设计的，包括微软的Tableau、Qlik和Power BI，它们已经存在很长时间。来自最新初创供应商包括ThoughtSpot和Sigma Computing。

但是，自助式分析需要的不仅仅是一个易于使用的 BI 平台。

特别是，数据目录是自助式分析的关键推动因素。

数据目录充当企业的数据产品（例如模型、报表和仪表板）的库。

这是可以对数据产品进行分类和整理的地方，以便最终用户轻松找到它们，从而为决策提供信息。系统管理员还可以在其中设置数据治理框架，其中包括访问控制，同时保护企业免受数据滥用，并使业务用户能够自信地处理数据。

Dorel Juvenile公司数据分析经理Jonathan Sharr说：“你需要有非常好的文档和数据目录，自助式分析的一部分在于治理、安全性和访问权限如何设置，以及谁能够将新内容投入生产。”Dorel Juvenile是一家儿童推车和汽车座椅等产品的制造商。

Espinoza指出，然而，安全性和支持之间的平衡是管理自助式分析的关键方面。

她表示：“自助式分析和数据治理之间的平衡非常重要。你想确保你使用的数据源是可靠的。数据目录是非常有用的工具，可帮助用户了解他们正在使用的数据。”

专门从事数据目录的供应商包括Alation，Collibra和Informatica。

承诺

除了为最终用户提供适当的工具之外，自助式分析还需要企业的承诺。如果企业部署BI平台并设置数据目录但什么都不做或者提供工具但没有其他支持，这样注定会失败。

企业绩效管理软件供应商Prophix的首席客户创新官Susan Gershman表示，因此，来自高层的支持对于自助式分析的成功至关重要。

她说：“支持和参与非常重要。”

她继续说，高层展示支持的一种方法是让高级领导者将BI构建到他们的演示文稿中。在那里，高级领导者可以向其他潜在用户展示自助式分析的好处。

Gershman 称：“将自助式分析加入到董事会演示中，查看一些分析，查看图表或仪表板，然后在那里钻取。从顶部开始，使用它，它将更有可能在整个组织中被采用和使用。它将是成为人们工作和思考的一部分。”

同样，Sharr指出，由最高管理层支持的自助式分析方法也很重要。如果没有领导层的承诺，业务用户的支持就不太可能。

在Sharr熟悉的一家企业中，一位高级领导定期与员工举行会议。在每次会议期间，他都使用组织的 BI 平台讨论关键绩效指标，以展示自助式分析如何推动业务决策。

Sharr说：“自上而下是关键。在我工作过的所有企业中，自助式分析必须是一个自上而下的功能。如果高级领导层鼓励并使用工具，很快就会得到支持。你能做的最好的事情就是让你的领导者不只是谈论分析，而是去做。然后你很快就会看到员工开始使用。

培训

在部署好正确的工具，并且企业领导层致力于数据文化，接下来培训就是关键。

该培训不仅包括教授业务分析师如何使用其组织的BI平台和数据目录，还包括教授数据素养。数据素养是从数据中获得有意义的见解的能力。

根据The Data Lodge首席执行官兼创始人Valerie Logan的说法，数据素养培训应该包括蓝图，使数据素养成为数据文化的一部分，而不是一项单独的技能，并包括研讨会，让最终用户在学习时参与，随着最终用户越来越熟悉数据，部门内的数据领导者也可以参与，以提供实践帮助。这个培训还应该适当鼓励用户，增强他们的信心。

与Logan一样，Sharr强调了任命数据领导者的重要性，他们能够在部门层面发挥领导作用。

他表示：“找到高级用户，超级用户，并真正利用他们，让他们能够向周围的人传播信息和培训。这是 IT 人员无法传播信息并进行额外培训的地方。”

Sharr补充说，培训（包括数据素养和BI工具的使用）应该尽快进行，无论企业刚刚开始采用数据文化，还是新员工就职于已致力于自助式分析的企业。

Gershman指出，在过渡到数据文化时，克服对自助式分析的阻力是一项挑战。对于习惯于以某种方式完成工作的员工来说，变革是不舒服的，而变革管理是一个过程。

因此，沟通是培训周期的关键部分。

Gershman 称：“获得支持并让人们意识到自助式分析确实会随着时间的推移提高效率，这需要时间。但当人们开始看到自助式分析的好处时，这是非常令人兴奋的时刻。”

她补充说，随着业务用户接受其企业采用自助服务分析，培训可以直接整合到平台中，以指导最终用户越来越熟悉BI工具。

Gershman称：“一旦他们开始自给自足，效率就会提高。”