452019.12.05 10:21:50字數 2,030閱讀 12,656
記得我剛畢業那年，父母一直讓我報考統計局，畢竟對於一名剛剛畢業的數學系應屆生來說，鐵飯碗的工作無疑是最好的選擇。但是當我進入系統之後才發現，枯燥無味的工作根本提不起我的興趣，升職加薪也不會落到我的頭上，於是我總是想着出去看看外面的世界。
大約過了2年，當時網上的數據分析剛開始火起來，雖然跟我所學的專業毫不相關，但是直覺告訴我這是一個風口。於是我開始拿出空閒時間瞭解和學習數據分析，在學習了大約兩個月後，我決定裸辭了穩定的工作，進入一家互聯網公司做業務分析員。
後來一邊工作一邊學習，跳槽了2、3次，慢慢開始從業務員做到了數據分析師、數據挖掘師等等，我的工資也從原來的3k漲到了3w，成爲了公司數據部門的leader。
數據問題頻出，掌握好工具很重要
一開始做數據分析的時候，當然也犯了很多小白的錯誤：
不知道如何分析有價值的數據，不明白什麼纔是有價值的數據，領導不重視、同事不認可，最終變成了取數機器。
當初我每天的工作就是取數做報表，業務要拿什麼數據、什麼指標、什麼報表，我就要寫代碼幫他們做個模板出來，日復一日，比之前的統計工作還要枯燥無味。
我幾次都跟領導反映，領導都搖頭說沒辦法，公司業務部門不會sql、不會取數，他們的需求只能讓我們數據部門完成。IT部門本來工作就多，還要爲業務取數服務，我提出讓業務人員自己學會取數分析，解放一下我們IT的人力，領導卻說學習成本太大，業務部門不會答應。
除了應對業務部門，我們IT部門內部的矛盾也是日益嚴重：
我們數據組覺得數據倉庫裏的數據口徑太混亂了，而且當初是直接用的hive計算資源，取數速度實在是太慢了，不能支持大數據量，所以我們提出能不能換成性能更強的關係型數據庫。
IT底層組卻說公司用的數據倉庫版本太老舊，很多數據只能做底層的ETL處理，所以只能簡單做一層數據清洗給我們用，屬於歷史遺留問題，很難辦。
除了IT和業務上的矛盾，還有一個最大的問題就是個人的數據分析能力：
在我當初做數據分析的時候，用的是Excel的數據透視表，但一旦面對大量的數據和複雜表格，根本就搞不定，做出來的可視化也很醜，沒什麼價值。後來學R語言又比較複雜，於是就想着有沒有更加簡單、功能強大的BI工具來代替。
於是我嘗試了powerbi、FineBI這些工具，你會發現BI工具纔是數據分析路上最必不可少的！
因爲BI工具是完全按照數據分析的流程來設計的，先是數據處理、整理清洗，再到數據建模，最後數據可視化，展現圖表，用圖來講故事，發掘問題影響決策。這些工具之間的差別也很大，經過不斷嘗試，我選擇了FineBI一直到現在，至於原因且聽我慢慢講來。
一、數據整合+數據處理，解放IT
因爲數據口徑的問題，我們與數據底層部門沒少發生矛盾，後來引入了FineBI之後，把數據源徹底打通，各個業務部門的數據都統一放入數據庫，通過FineBI的ETL數據處理功能進行數據指標的梳理與清洗，IT底層人員的工作量大大減少。
而且FineBI不僅能夠支持關係型數據庫，而且還支持Oracle、SQLServer、MySQL等數據庫，以及其他各種主流多維數據庫，它採用的是自己的分佈式連接方案，取數速度比以前快上不止一個等級。
此外，FineBI的ETL能力很讓我意外，不僅是因爲可以實現數據清洗，比如添加數據指標，而且操作十分簡單，IT和業務都只需要簡單的鼠標拖拽就能完成，數據合併、聚合、過濾、分組等等根本不需要編程基礎，甚至比Excel還簡單。
二、取數不必學sql，業務也能自主分析
以前業務總是苦於太依賴於IT，一旦分析需求有變化就要重新返工IT，而IT根本難以應付。而當引進了FineBI之後，業務人員現在可以自己進行取數分析了，完全剝離了IT的束縛實現了自助分析，效率自然是提高了好幾倍。
FineBI實現自助分析的方法是通過自助數據集的方式，相當於一個數據容器，IT將清洗好的數據放入數據集中，如果業務覺得基礎數據不滿意，或者是需要進行跨表聯用，就可以自主建立數據集，自己進行數據的加工處理。
這個過程當然也是通過鼠標點擊來實現，不需要學習sql等編程，十分適合業務人員。
三、多維分析+數據可視化，實現BI展示
數據分析師是否能夠得到有價值的結果，除了要求自己的業務思維與數據思維之外，BI工具的分析功能也是很重要的因素。FineBI除了擁有豐富的可視化圖表之外，還可以製作出炫酷的dashboard，在領導面前展示自己的分析結果，事半功倍。
最重要的，是我們可以利用FineBI的聯動、下鑽、跳轉等OLAP分析操作功能，結合業務思維，實現有價值的數據分析，而不是流於表面的拉表作圖。
比如分析銷售情況，我們可以用FineBI做出上圖，先整體看當前這一階段或這一時間段的銷售目標完成情況。然後根據銷售趨勢圖進行同比、環比分析，內部趨勢跟自己之前的數據比較，外部趨勢跟同行業其他企業的數據比較。
分析完宏觀趨勢之後，進行下鑽切片分析：去對比區域店鋪的情況，看找哪個區域店鋪銷售問題，同樣也會對比區域店鋪的銷售同期環期。依次類推會下鑽到品類、再到具體的單品。最後結合資源配置情況，找到異常數據的原因，提供最終的建議結果。
總結
數據分析之路漫漫，一個能真正解決你的問題的BI軟件，纔是最棒的工具；而一個能被自己得心應手的使用，並能提高自己能力的，纔是最適合自己的工具。
197人點贊
