数据分析人员如何摆脱中“表哥表姐”的命运

如果你点进来看这篇文章，估计已经被这个问题困扰，自然也知道这里的“表哥表姐”指的什么，没错，那就是工作中每天都和报表打交道的苦逼青年。做报表，说好听点是数据分析，是商业智能；说现实点，就是整一堆数据，搭一堆模板，最后出一堆固定格式的报表。这些连图表都没一张的报表要称之为数据分析，恐怕连自己都不好意思。然而，在这样日复一日的机械工作中，“表哥表姐”的青春就被耗掉了，根本没有体会到用数据分析获得数据洞察并创造商业价值的成就感。
到底要如何才能摆脱“表哥表姐”的命运呢？

成因篇
要回答这个问题让我们先来分析一下是什么让对于数据分析满怀抱负的热血小青年最终沦为“表哥表姐”的？
第一是传统商业智能流程造成的。
有大量数据需要分析的企业一般都有商业智能，即所谓的BI（Business Intelligence），百度百科上的定义是这样说的“用数据仓库技术、联机分析处理、数据挖掘和数据展现技术进行数据分析以实现商业价值”。这一串词是神马东东？别说一个业务人员听不懂，就连我这个十几年的数据老鸟都觉得费力。好吧，数据仓库、联机分析都是技术手段。
感觉到了吧，传统商业智能的技术门槛其实是很高的。底层有复杂的数据架构和数据建模，中间又累又搞脑子的ETL，上层有需要数学功底的挖掘算法和艺术设计以及沟通细胞的可视化展现技术，过程中还用到大量代码和工具，这些东西作为技术小白的业务用户学起来是十分困难的。
更为关键的传统商业智能的流程就是这样设计的，以IT为中心的预定义报表平台。那业务人员干啥？业务人员不可能不分析，但所谓的分析就是一起Excel一起high。要是把Excel用到极致、玩到奔溃也搞不定怎么办？就只能把需求提给专业的IT人员进行预定义报表开发了，之后往往需要通过数周到数月的等待才能拿到一份不置可否的报表，接下去因为数据源头受限，可以做的进一步分析也十分有限。
在区块链“去中心化”理论风靡的今天，传统商业智能的中心化设计思想真是显得弱爆了，不但在为企业创造价值问题上难以自圆其说，还造成了数据可获得性、开发效率低下、“表哥表姐”等问题。
第二是普通报表工具又慢限制又多，专业工具学习又难学又难用。
Excel是业务团队中大多数“表哥表姐”的必备工具，一个神存在，其灵活性无人可及，易用性高山仰止。但是如果你用的多，也一定会知道在很多场景下，它真的不够。比如大数据量、多数据接口、复杂数据处理、数据刷新问题、权限控制问题、可视化展现效果、数据交互能力、数据安全性等等。其中最最头疼的是性能问题，vlookup这样的计算在10万条数据就很慢了，很多时候甚至会把电脑跑崩。而10万条数据，对于数据分析而言，实在是很小的数据量。用Excel做报表，尽管可以搭建模板，但是整理原始数据这类的工作，还是每次都要重复，最后做一张常规的周期性报表动辄数小时的工作量也十分平常。
因此，对于数据分析和报表工作来说专业工具确实是需要的，那大多数传统的专业工具又是怎样的呢？
不知道你没有用过BO、Cogos、BIEE、BW那个年代的报表工具，反正我使用的第一个工具Crystal Report——BI1.0产品，是挣扎了几个月才刚刚学会做几张简单报表的。 之后每次想到要用这么难用的工具，心里都十分抗拒，要不是Excel在某些场景上实在无能为力，真心是不想再去碰。后来当接触到BO——BI2.0时代的报表领导工具，现在看来也很难用的工具时，已经觉得挺好用了。然而我用BO是因为当时我在一家BI公司，本来就已经具备了SQL的基础，对于一个没有任何SQL基础的用户来说，要用会BO也是不容易的。
这些专业报表工具给普通业务用户设置的学习障碍几乎是难以逾越的。在我认识的数百位不具IT背景的业务人员中，会SQL或者会使用专业的传统BI工具的人员应该不到百分之五。
那是不是只能继续和Excel相爱相杀，把“表哥表姐”进行到底呢？
第三是企业“报表”文化造成的。
我第一次意识到这件事是在一家MNC公司进行“中国一共有多少报表”的调查。当时统计下来，这家公司总在中国区域总共有一千多张报表，是的，你没有听错。当时对于这个巨大的数字，我也吃了一惊，于是展开了深入的访谈。
很多“表哥表姐”表示他们每个人手头负责着1-10张报表，这些报表有日报、周报、月报、季报、年报，大多格式固定，制作流程固定，但很多重复性工作总也免不了。报表中有些是他们接手这个岗位工作的时候就被交接到的，是日常工作的一部分，据说是他们的前任的前任的前任就已经开始做了。但到底现在是谁在看，看什么，反馈如何他们也不确定，只知道每次按照邮件设定好的名单发给一堆人就是了。还有一些报表则是他们上任以后，某一次领导突发奇想要求的，一旦开始做了，就停不下来了。
至于报表的样式，对于那些老的报表来说是历史遗留，不敢去改的（也许是领导要求的？）。新的报表，为了满足所有人需要，也不敢拉下每一条细节的数据，顶多是前面加一些表格统计给领导看罢了。
一张销售主题的报表，因为频率不同、范围不同、样式不同、粒度不同、KPI多几个少几个、维度多几个少几个，最后多至上百个版本。企业里铺天盖地同类型报表，出了这些报表，还要解释各个报表的差异是如何造成的，于是乎比对数据又成了另一些“表哥表姐”的工作。
我很想问一句，不这样玩会死吗？为什么开始的时候大家都抱怨的，到后来都妥协了呢？ 这一切已经上升到了企业文化的层面了吗？

解法篇
好吧，解铃还须系铃人。要摆脱“表哥表姐”的命运也需要通过从以上三方面共同施力。
第一，要将传统商业智能以IT为中心的预定义报表平台统治的局面转变为现代商业智能以业务人员为中心的自助式数据分析局面。
所谓自助式数据分析主要是指业务人员能够自主、敏捷的通过一些数据分析工具满足自己分析的需求。参与数据分析的人员不再是“表哥表姐”，而是真正的分析师；数据分析更不再是少数IT的专利，而是包括管理者在内的全员参与。一个企业，如果管理者不能率先认同数据驱动的价值，身先士卒的开展自助式数据分析文化建设，整个企业是无法转型成功的。
相较于传统BI的评价标准——“数据仓库建立的如何？”“报表是否按时准确？”，现代商业智能的评价标准主要是“分析效率是否提升？”“业务问题是否得到解释？”“数据价值是否被挖掘出来？” 这些标准就和价值大大的挂上了钩。
第二，降低专业分析工具学习和使用的门槛。
我一直以为软件工具不断迭代升级的意义在于让原本各种专业甚至需要编程才能做的事情更简单的实现，终有一天连技术小白都能轻松使用。近年来，手机和移动应用大多奔着这个方向前进，取得了巨大的成功。那么数据分析工具为什么不可以？
伴随着现代BI的推进，目前市场上已经有大量的自助式分析工具，其中的代表如可视化分析领域的Tableau；外部数据采集领域的八爪鱼；数据准备领域的Alteryx；数据挖掘领域的Knime。这些产品的共同特征是无需任何技术背景，不需要代码，用鼠标点点拖拖，或者进行简单的配置就能完成分析。自助分析最初从数据可视化领域开始，目前已经扩展至各个数据分析环节。一个没有任何技术背景的业务用户，只要通过简单的学习，就可以使用这些工具完成整个分析过程。
有了简单易用的工具，制作报表的效率会大大提升，业务人员就可以用跟多时间进行真正的数据分析，用数据产生价值了。
第三，建立企业良好的数据分析文化人人有责。
想要摆脱“表哥表姐”的命运，一味的抱怨和等待没有用，幻想着老板明天会幡然醒悟，开始倡导真正的数据分析文化也不可能。文化的形成本来就是一个众人拾柴火焰高的过程。
当你在抱怨的时候，有没有认真的调查过天天让你痛苦的这些报表到底做给谁看？他们为什么要看？到底想看什么？怎么看最好？是否敢于对这些报表进行大型手术，让它们价值回归而不是为了做报表而做报表？
当你在等待的时候，有没有了解最新的数据分析技术已经不是十年前的落后工具时代，完全可以通过简单的自学就成为数据分析大牛。
当你在幻想的时候，有没有想过让老板看一些眼睛一亮的可视化分析作品，了解什么是真正有价值的分析。如果你能每天让他看这样好的分析作品的话，应该没有几个老板还会执着于看那些和工具一样老旧的传统报表吧。

展望篇
其实，自助式数据分析早都不是什么新鲜事。在国外和国内一些数据驱动文化先进的企业，自助式数据分析早已普及。整个数据界都开始往人工智能分析阶段发展了。目前分析师正在分析和总结的种种数据异常和异常原因，未来这些事交给人工智能，也许做的更快更好。这两年市场上已经出现了一些智能分析工具，只要将数据导入，挖掘算法一键完成，还有一些着眼于异常问题发现和异常原因分析的工具也如雨后春笋一般冒出。真心期待这些数据黑科技产品可以尽快完善和商用起来。
有人说自助式数据分析如果让一些传统BI人员失业，未来人工智能岂不是要让所有数据分析师都失业吗？如果你有这个疑问，那不妨想想拍照的例子，数码相机取代了胶卷相机，手机取代了数码相机，但手机有让摄影师失业吗？也可以想想算账的例子，计算器取代了算盘，Excel取代了计算器，但Excel有让会计失业吗？人类文明进步向来如此，当一个老旧的技术被革新的时候，人们就可以更高效的处理原来费时费力的事情，腾出精力做更有价值的事情了。在数据这个领域，一旦常规分析的工作被人工智能取代了，业务人员就可以花更多的时间设计应用和解决方案，让数据的价值真正实现出来。
扯得有点远，以上是关于未来智能分析阶段展望。回归现实，企业中的“表哥表姐“们，如果现在还不为正在发生的自助式数据分析革命做准备，倒是真的有必要担心一下即将到来的失业问题。因为世界也总是如此，一方面还在抱怨昨日的落后，一方面已经追不上今日的潮流了。