BI的痛在哪？BI怎么才能破局？

1、研究结论：BI最痛的3件事

1）缺少价值认同感：比如管理层不够重视BI，BI输出的意见不被采纳，无法推动落地，长期被低价值的报表、验数类需求围攻，被视作人肉取数器，无法融入到业务中；

2）数据生产资料不足，且管理混乱：比如底层数据脏乱差、需要的数据没有、指标定义混乱；

3）对成长的焦虑：比如成长慢，找不到分析思路和方法，对未来职业发展没有信心；

2、做BI最痛的3件事之BI原声由于部分用户原声高度重叠，所以只展示有代表性的原声。
分析师A
1）CEO不足够重视数据的价值、BI的价值。2.BI的建议不能执行落地。3.数据中台无法高效支撑数据分析。
分析师B
1）业务不稳定、迭代快，分析师的分析迭代成本太高。2.和ETL的协作难度大，效率低。3.BI对业务带来的直接帮助和价值怎么衡量？
分析师C
1）业务想不清楚需求，也不知道自己要什么，漫无目的提很多数据需求，抱着试数据的态度看数据。
2）BI给出的观点、意见，业务搁置一旁，不采纳，不实施。
3）业务为了KPI造口径，造对比区间。而BI在这个过程中，起不到对目标设定/计算方式的客观的决定作用，只能被动按照业务需要去满足。
分析师D
1）业务经常毫无理由的diss数据错误，数据链路很复杂，有可能是指标定义问题，有可能是系统问题，也有可能是ETL加工出错，不是BI的问题呀。
2）加班加点的对接低价值的数据，月报十几页，真心怀疑有人看吗？但还要熬夜把数据扣准，废了老命，可能老板只是临时想起来，但我们得半夜起来弄，结果可能老板压根都没看。
3）业务把你当人肉取数器，总是说你给我弄下这个数据，我要做判断了，辛辛苦苦弄完数，业务说你可以走了，我们还要接着讨论。
分析师E
1）怎么样能和业务负责人对焦，找对方向，找对问题，聚焦？
2）怎样能理解商业，并有效的参与业务讨论中，并通过数据推动业务？
分析师F
1）底层数据脏乱差，想要的数据没有或者不对。2.数据口径不一致，数据核对校验工作量大。3.需求背后，如何有深层次商业问题的洞察。
分析师G
1）基础数据支持和分析工作的时间协调困难，取数、报表这样的基础工作占据了大部分时间，部门里很多人都在做这样的工作，没时间做商业分析，分析师的成长缓慢；2）分析方向和方案的输出把握不准；3.担心分析师的价值不够，害怕未来这个行业被替代或消失；
3、一张图看BI工作的上下游

BI承接上游的需求，明确需求背后的动机后，再对需求拆解，进而形成分析思路，再从下游获取数据，而后输出分析报告，再得到分析价值反馈，很可能还需要追加分析。

这其中，任何一个环节不给力，都会对BI形成压力。

4、BI的用户:不理解数据或不清楚自己要什么

BI的需求来自CEO、管理层、业务方，每个需求方对数据的认知不一样，商业判断力也不一样。同样是CEO，财务背景的CEO对数据敏感度高，数据敏感度高导致大佬们不需要BI解读数据，只要BI告诉他客观数据就可以，因为他对数据的解读比BI还厉害。销售出身的CEO有的懂数据，有的一知半解。其他背景的就不好说，管理层受自身过往经验、认知的影响，又身处高位，有自己的判断，且判断不轻易被改变。如果大佬们不理解数据，中层、一线业务小二们往往更不理解数据，因为很多企业的运作自上而下。如果有个大佬，每天要和他的团队review数据，那这条线的BI就该笑了，因为他们会被需求方重度依赖，自然也多了机会。

而现实往往比较残酷。经常是大佬们临时想起来要看个/些数，他们也不知道数据背后的流转、逻辑，还把BI当成乙方的角色，心里想着数据不就得按照我想的来。根据菩提的观察，越传统的行业，对数据的认知越处于石器时代。即使在数据大行其道的今天，依然有些合作伙伴不了解数据。我们和某业务管理团队沟通数据需求，业务老大说，我是传统行业过来的，不懂数据，我提不出需求。除了需求方不了解数据，同时，需求方可能商业判断力也不太够，没有体系化的思维，不知道业务哪里出问题了，也不知道BI能帮他解决什么，于是变成条件反射，提各种临时、琐碎的需求给BI，口头禅变成你们BI从数据上看看吧。这时候，BI不管出于什么样的原因，如果无法输出高价值的商业分析，又处在乙方位置，价值感就会油然下降。进而，需求方就会对临时、琐碎的数据需求形成依赖、惯性。因为需求方不知道BI能做什么，BI也没有告诉需求方BI可以做什么，仿佛双方都接受了临时取数的现状。长此以往，对BI来说就很难从沼泽地抽身出来。这种情况下，BI必然痛，痛在没有价值，痛在对成长焦虑。

5、BI的数据生产资料不足

巧妇难为无米之炊。BI依赖好的数据中台、数据仓库，如果底层数据质量差或者数据缺失，就是BI的灾难。BI如果有10分的时间，可能6分得用在数据获取、清洗、校验上。 BI和ETL的协同一直是常见问题，BI把自己当ETL来用的情况，不少见。残酷的现实：业务先行，技术为了满足业务需求，忙着搭系统，顾不上数据，甚至都没想起来数据，也没有数据的意识，系统迁移、接口变化未必告知数据，更不要说数据采集、数据规范之类问题。或者业务系统本身就是个半吊子，一部分数据在系统，一部分数据在线下维护。这种情况下，数据集市、数据仓库必然难以满足BI的需求，其实ETL也是被背锅的。

在企业一定的发展阶段，数据建设差，可以理解。因为所有的企业必须先活下来，活下来就需要业务滚起来，资源向业务、向销售倾斜，BI、ETL的人又贵，产出还不直接，导致数据建设迟迟没有进展。随着企业发展到一定阶段，数据会成为制约企业发展的瓶颈。菩提沟通过的有些企业就面临这样的现状，公司几百号人，没有1个专业做数据的人，又似乎从业务到财务，人人都在看数据。他们再不做数据化的管理，管理边界就无法扩大，团队中人人竭尽洪荒之力从各个系统中，给自己和老板找数据，但各团队的数据从来没对齐过，管理无处下手。这种情况，一方面取决于管理层怎么看待数据化运营和管理，以及企业长期发展，另一方面也取决于数据团队的战果能不能说服管理层。底层数据质量差的问题，对于BI个体来说，在短时间内很难改变，我们能改变的只有自己。

6、BI自身：商业分析的意识、思维、方法不够

打铁需要自身硬。自己硬气的话，需求方再不靠谱，底层数据再差，依然能找到自己的价值。最糟糕的是，被需求方和底层数据同时夹击，自己又无力还招，这种状况持续得不到缓解，就只能越来越越痛。缺少价值感、生产资料不足、对成长焦虑，这3个痛还时常并发。

有人觉得分析师未来的成长空间小，岗位会被替代。菩提的理解：会被替代的是低价值、可以标准化的流水线工作，商业分析需要好的商业洞察、分析框架和逻辑、分析方法，很难被替代。
好的分析师和好的产品经理一样，1人难求。顶级的分析师最重要的特质是商业敏感度、思维方式，看看那些投行里的分析师齁贵齁贵，这种分析师到哪都抢手，做好了，不用担心以后没有机会。少些焦虑，把能量放在思考、学习上，提升分析质量是关键、王道。信心和价值要靠自己赚回来。
BI受需求方和底层数据的两面夹击，需要有好的内功（商业洞察力、分析能力、沟通能力），一方面理清需求，超越需求（1号位思维），进行问题拆解，一方面从各种渠道获取数据（BI不止从数据仓库拿数据，也要向市场、行业、用户拿数据），而后用系统化的方法去分析、验证，最后产出分析报告。内功不到位，又被需求和数据源双面夹击，生存和发展当然就难。内功到位，则可以向需求、数据源两个方向都给自己撑开空间。需求和数据源是外因，以一己之力，很难快速改变，只能缓解，练内功才是正解。

7、对BI破局的小结：

互联网和数据发展阶段，决定了BI现在的痛无法避免。

缓解这种痛需要组织和自己的努力。

组织上：

1）为BI努力，构造好的氛围，包括理解大家的痛苦

2）巧借各种场合向业务、管理层宣讲BI的规划、职能定位

3）职能上保障BI在商业分析上的投入；

个人努力：

1）清醒的认识到1万个临时取数也换不来商业分析的能力

2）深贴业务，做业务的大脑，不是维修师、预警器

3）多跑市场&客户，立体了解业务，提高商业判断力；

4）找1-2个机会点突破，尝试商业分析；