更为关键的是，它违背了“数据辅助决策”这个基本原则。我们分析数据，本来就是为了更好地支持业务决策。由IT主导的数据建设，无法很好地达到这一目标，因为没有人比业务人员更清楚自己需要什么数据，用什么口径，要如何统计。所以，最好的办法就是业务人员根据自己的需求去分析数据，让数据真正为业务所用，就才是“数据中台”真正的含义。

要如何才能真正做到这一点呢？在这里，先给大家举一个例子。

OA已经是企业中很普遍的一款应用，大家都有了使用的习惯，OA也确实给我们的工作带来了极大的便利，其价值显而易见。但OA为什么能够这么普及呢？一个重要原因是它足够易用！只要你简单操作一下，以后就可以自主使用，根本不需要IT的支持，除非有一些定制化的需求。

那么，BI能不能也像OA一样做到如此普及、易用呢？

这就是我们追求的目标。

要实现这个目标，绝不是靠一个BI工具就能解决的，而必须是一整套的解决方案，必须从基础、手段、机制、保障这几个方面入手。

基础

前面已经说过，大部分企业已经有了数据仓库或者大数据平台，存储在里面的数据只有IT人员知道怎么使用。要想业务人员能够自助分析，首先需要让他知道怎么用这些数据，需要把数据变得易懂易用。通过对表、字段名称进行业务含义翻译，把枯燥的数据翻译成容易理解的业务数据，并且把字段的数据类型、显示格式、维度层次等提前设置好，业务人员用起来就方便多了。通过这种方式，还可以把企业的数据资产化，提升数据价值。

有了数据资产，还需要以可视化的形式展示出来，并且提供精准的搜索功能，让业务人员可以快速地找到。在自助分析过程中遇到问题，需要有专门的渠道随时获取支持。只有解决了这三个基础的问题，业务人员才有可能进行下一步的自助分析。

手段

企业采购的自助分析工具大多只提供“可视化”的功能，缺乏深度、灵活的数据分析能力。即使有一些国外的工具可以提供，也因为使用过于复杂，学习门槛太高而被放弃，业务人员还是喜欢用熟悉的Excel进行本地数据分析，这也是什么自助分析一直无法真正落地的一个重要原因。

既然如此，我们就需要提供多样化的分析手段供用户选择。例如即席查询，主要用于大数据量的清单明细查询，任何字段均可作为筛选条件；提供类似Excel透视表的透视分析，支持超大数据量的查询性能，支持超多维度、甚至维度无法固定的分析场景；还可以提供自助仪表盘，让业务人员通过拖拉拽就可以生成可视化的数据仪表盘，做到所见即所得。

业务人员习惯用Excel，那就提供BI和Excel结合的Excel分析。Excel的分析能力很强大，数据处理也很灵活，但在安全、性能、共享方面有很多不足，我们可以通过BI的功能进行弥补。这样即利用了Excel的优点，又解决了它的问题，真正做到赋能企业一线业务人员，让人人都是数据分析师。