適合企業自身發展階段的BI，才是真正好用的BI。近日，在「敏捷·創變——2024觀遠數據智能決策峰會暨產品發布會」現場，水滴數據應用產品負責人代志偉以《從被動到主動，BI助力業務快速迭代》為主題，介紹水滴集團BI四個建設階段，以及如何通過BI，化被動為主動，降低綜合運營成本，助力業務快速迭代。
蠻荒時代：粗獷的數據合作，被動的產運研
水滴公司創立之初，我們稱之為蠻荒時代，公司發展迅速，對數據的需求巨大，然而缺乏一個強大的BI系統來支持這些需求，導致數據合作模式顯得原始和粗獷。
從業務團隊來看，數據生產流程需要先提出需求，再進入產研的需求隊列，與其他業務需求競爭優先級，然后才能開始開發。在這個過程中，業務團隊只能等待，并且需要不斷催促產研團隊，自己無法進行下一步的工作。這個過程不僅漫長，而且耗費了大量的人力資源。由于是定制化開發，還導致了另一個問題。一旦數據上線，就成為了固定的監控指標，難以進行進一步分析，極大地限制了數據在整個鏈路上價值的最大化。
從產研團隊的角度來看，他們需要應對眾多業務方的需求。每個業務方的需求都會進入需求隊列，然后按順序安排處理和研發上線。在這個過程中，產研團隊不僅要應對業務方的不斷催促，還要面對源源不斷的新需求。這導致產研團隊承受著巨大的壓力，并且為了滿足這些需求，當時僅數據團隊的產研人員就接近一百人，這對公司來說是一個相當高的人力成本支出。
接下來，分享一個關于我們投放獲客場景的數據報表案例。這個報表包含一些基本指標和柱狀圖，下方還有表格和折線圖。那么，當時開發這樣一個報表需要多長時間。
首先，從業務提出需求到與產研團隊溝通，明確每個指標的含義、口徑和業務期望的展示樣式，這個過程大約需要兩天。產品團隊在溝通需求后，還需進行原型設計和產品需求文檔（PRD）的編寫，這又需要額外的兩天。接著是內審、外審和需求排期，這往往是耗時最長的階段，因為需要與其他眾多業務需求一起排隊等待處理。
評審和排期完成后，才進入開發階段。從數據倉庫的開發到前端和后端的開發，再到測試、上線和驗收，這個過程又需要大約10余天。因此，整個需求實現過程將近40天，這還不包括可能出現的問題，一旦有問題，需求可能會進一步延遲。大家可以看到，即使是一個簡單的需求，也會消耗大量的產研資源，并且對業務迭代非常不利。在這個階段，無論是產研團隊還是業務團隊，都處于極其被動的狀態。
探索期：外采Tableau與自研BI的兩個“坑”
在遇到一系列問題后，我們開始思考如何最大化產研團隊的價值。在探索的過程中，我們經歷了許多挑戰，也踩了不少“坑”。
第一個“坑”來源于Tableau的引入。2019年，我們引入了Tableau，但由于引入過程過于倉促，引發了一系列的影響。首先，Tableau的學習成本非常高，作為一款國外產品，在國內的兼容性并不理想，與許多國內用戶的使用習慣不符。因此公司內部很多業務團隊很難用起來，也不愿意使用。其次，Tableau在國內的本地化服務還不夠好，我們經常在使用過程中遇到問題，卻找不到人幫助解決，只能依靠自己摸索。此外，Tableau還存在一些性能瓶頸和功能不支持的問題。最終引入一年后，使用Tableau的人數依然很少，這促使我們做出了另一個決定，自主研發BI系統。
然而，自研BI系統讓我們掉到了一個新的“坑”里。大家應該都了解，觀遠在BI產品上投入了巨大的研發成本。我們想自研BI系統也一樣，當時需要整個產研團隊來全力支持。但對于公司而言，數據團隊本已忙于應對業務需求，再加上自研BI的任務，資源更是捉襟見肘。
其次，我們的BI團隊是臨時組建的，還缺乏經驗，導致自研BI項目的推進速度非常慢。由于項目進展緩慢，迭代功能不完善，業務人員也不愿意使用，常常試用一次后就放棄了。這樣兜兜轉轉，最終又回到了傳統的提需求模式。最終研發團隊既要處理業務需求，又要投入自研BI，結果兩邊都沒有取得預期成果。這個過程對整個產研團隊來說是一段非常迷茫的時期。
現代化：化被動需求為主動分析
目前，公司已有超過5000名員工使用觀遠BI，占總人數的80%以上。這段“化被動需求為主動分析”的BI運營歷程，值得和大家分享。
剛剛提到，自研BI的進展并不順利，同時公司也在高速發展，對數據團隊又提出了新的要求。于是，重新考慮了第三方BI解決方案。有了前兩次踩坑的經驗，這次對BI進行了深入而廣泛的調研。我們試用了市面上所有的主流BI產品，并且不僅自己深度試用，還推薦給有數據能力的合作方業務團隊，讓他們一起試用。每周定期討論，收集反饋意見，并進行深入對比，最終選擇了觀遠BI。
現在看來，當初選擇觀遠BI是一個非常明智的決定。為了避免重蹈Tableau的覆轍，我們采取了多種運營措施，決心將觀遠BI推廣至全公司。
第一，定期為用戶提供深度培訓。我們與觀遠合作，為用戶設計了一系列從基礎到高級的課程，并將這些課程納入新員工的入職流程。每位新員工都必須參加BI培訓，并通過考核后才能正式上崗。
第二，從各個業務線和團隊中尋找對數據感興趣、愿意了解BI的用戶，將他們培養成種子用戶，并提供一對一的輔導。然后，讓他們作為BI的代言人，在各自的團隊中幫助推廣BI。
第三，針對公司的關鍵業務場景開發了模板，例如管理駕駛艙等，讓業務團隊直觀地看到BI的能力和強大之處。通過實際的應用案例，為業務團隊展示BI的實際價值，進一步促進了觀遠BI在整個組織中的接受和使用。
正是由于觀遠BI的引入，我們和業務的合作模式完全得到了重構，真正實現了數據組織的去中心化。在新的合作模式下，業務團隊在遇到數據問題時，首先會自行判斷問題的性質。如果業務團隊認為問題可以自行解決，會直接登錄觀遠BI，創建數據集并進行自主分析，最終做出業務決策。
如果無法自行解決的復雜問題，才會聯系產研團隊。產研團隊會根據需求生成數據模型表，并將其交付給業務團隊。之后，業務團隊依然會使用觀遠BI來創建數據集，繼續進行業務分析和決策。
在這種模式下，產研團隊與業務團隊的合作方式得到了優化。由于大多數業務問題都屬于簡單問題，極大地提升了合作效率，使得整個數據處理和決策過程更加高效和敏捷。讓我來分享幾個案例，展示使用觀遠BI后的變化。
4天完成外呼場景報表，業務自主分析率達95%
首先是外呼場景的案例。這是一個外呼部門的數據報表，包含了一些固定指標、折線圖和表格。這套報表，從需求提出到數據驗收，整個開發過程僅用了4天時間，而且全部由外呼產品團隊自行完成。與之前的投放需求相比，這一過程的效率提升了近10倍。
對于業務部門來說，這種變化意味著已經擺脫了對產研團隊的依賴，實現了需求的解耦和一定程度的自主性。效率的提升帶來了快速的業務迭代，業務決策的效率也因此提高了近10倍。
此外，我們還體驗到了觀遠BI的高靈活性。以前，定制化開發的投放需求一旦確定，指標就無法更改。現在，業務團隊可以輕松復制報表并進行自主分析。如果發現指標異常，可以迅速采取行動，找出數據變化的原因。
實際上，目前公司的絕大多數報表都是由用戶自助完成的，自助率超過了95%。數據團隊的主要任務已經轉變為數據底層的維護和模型表的開發，這標志著數據管理和分析工作已經邁向了一個新的階段。
觀遠BI × 飛書，主動預警保障業務發展
接下來分享觀遠BI與飛書結合的一個實際應用。截圖示例展示了在飛書中接收到的一張報表推送。這張報表是關于智能短信場景的，原本它是在BI平臺上構建的，業務團隊需要登錄BI系統來查看這些報表和監控數據指標的變化。
由于業務團隊常常忙于業務，有時會忽略這些指標，一旦這些指標出現異常，可能會給業務帶來重大損失。我們產研團隊發現這個問題后，迅速意識到可以通過調用飛書的接口，將報表直接推送到飛書中，以便業務團隊能夠及時感知并降低潛在的業務損失。這正是觀遠BI的強項，讓我們幾乎零成本完成了這項接入工作，并且獲得了業務團隊的一致好評。
在這個過程中，我們沒有產生任何額外的開發成本，就提升了效率。正如之前提到的，產研團隊之前在人力資源上的消耗非常大，但在這種新模式下，產研團隊成本在之前的基礎上大幅下降。
正是由于效率的提升，現在產研團隊不再需要處理日常的業務需求，有了更多的可能性去探索新的領域，比如數據安全和數據治理。我們也希望未來能與觀遠BI一起，在數據安全和數據治理方面進行更多的建設和合作。
觀遠BI聯動BPM，提升資產管理效率
第三個案例是關于BI與BPM（業務流程管理）聯動的實際應用。在公司內部，大家可能都經歷過申請資源時的繁瑣流程。水滴也一樣，隨著企業的發展和數據資產的積累，數據看板和數據集等數據資產大量增加，目前有五千個數據看板和八千個數據集。如果業務人員想要查看某個報表，需要在這些龐大的數據資產中找到自己需要的，這不僅極其困難，而且非常耗時耗力。即使找到BP，也可能不清楚具體要找誰。
因此，我們與觀遠合作，將BI、BPM和飛書三者進行了整合。現在，如果業務人員想要找到自己的數據集或相關數據資產，只需根據數據資產的屬性和所屬的組織架構，就能輕松找到所需的數據資產，并一鍵發起申請。觀遠BI會調用BPM發起申請流程，BPM再將申請流程推送到飛書中。對于審批者來說，在飛書中只需查看一個卡片，點擊確認按鈕即可一鍵完成審批。
BI與BPM的聯動不僅為節省了大量的資源，也提升了用戶的使用體驗，同時大幅降低了數據團隊對數據資產管理的難度。所以這個功能一上線，公司用戶就一致給予了好評。
智能化：探尋智能生成數據與報表
展望未來，智能化無疑是未來發展的核心主題。這兩年，隨著ChatGPT等的迅速崛起，AI技術與應用如同雨后春筍般涌現。水滴公司在這一領域也進行了深入探索，包括自主研發的AI智能外呼機器人和保險行業大模型，同時在數據應用方面也有所嘗試。
我們期待與觀遠一起進一步探索BI的更多可能性，尤其是在指標與BI的結合方面，這對于解決水滴公司目前面臨的數據口徑不一致等問題至關重要。引入指標后，可以基于這些指標進行智能論述和智能搭建等工作。我們的理想目標是，未來業務團隊不再需要關心數據的整個處理過程，用戶不再需要自己搭建數據集、數據達標或自助分析，而是只需通過向BI系統提出詢問和簡單描述，BI系統就能夠自動生成數據和報表。我們期待與觀遠攜手，共同構建一個更加智能的BI系統。
【免責聲明】【廣告】本文僅代表作者本人觀點，與和訊網無關。和訊網站對文中陳述、觀點判斷保持中立，不對所包含內容的準確性、可靠性或完整性提供任何明示或暗示的保證。請讀者僅作參考，并請自行承擔全部責任。郵箱：news_center@staff.hexun.com
最新評論