如今，自助式BI产品已成为全球各个行业关注的焦点，其中一个重要原因在于，自助式BI允许企业业务部门在不依赖IT的情况下完成日常的数据分析工作。对此，知名研究机构Gartner认为，到2019年，使用自助式BI产品的用户将超过专业的数据分析人员。
与此同时，Gartner也表示，企业在实施自助式分析服务计划之前，必须拥有合格的数据管理能力。Gartner的这一担忧表明，尽管自助式BI产品在灵活性、易用性上有着先天优势，但数据管理问题是目前企业应用这一技术的最大挑战。
部署自助式BI之前需要考虑的问题
相信许多企业已经将自助式BI产品加入到了“购物清单”中，其很多优秀特性，包括部署灵活、操作简单、探索式分析等，让不管是新手还是专家都可以轻松完成分析工作。但令人惊讶的是，尽管许多用户早已使用自助式BI产品，但他们可能并没有真正理解“自助式”这一概念。
Gartner副总裁Rita Sallam对此表示，“数据准备过程是商业智能产品或其他高级分析平台用户所面临的最耗时，也是最困难的挑战之一。”总体来说，在部署自助式BI产品之前，企业需要仔细斟酌以下问题。
问题1：对于数据质量问题，自助式BI产品并没有直接的解决方案。在某些情况下，如果企业内部的数据环境非常复杂，自助式BI产品可能无法提供“一条龙”式的服务，这时候需要企业单独部署数据准备工具。
问题2：自助式的商业智能的确能够帮助企业获取业务洞察，但对于规模较大的企业而言，不同部门之间所创建的数据模型和指标是不同的，如果每个业务部门都“掌管”着自己的数据，企业有可能会面临数据安全问题，或失去对数据的控制权。
问题3：长期以来，数据质量一直是企业最为关心但仍旧无法彻底解决的问题。特别是对于拥有多个业务部门的大型企业而言，只有通过实施合理的数据管理战略（包括角色、责任、数据所有权、策略和程序）才能保证数据质量。如果没有制定好相关策略，企业一定会面临数据质量差的风险，导致分析结果出现偏差。在文章《数据治理是商业智能成功的关键》中，作者认为，实施可靠的数据管理策略可以有效提高BI投资的ROI。
问题4：大数据和物联网的快速发展，让数据源、数据类型和数据量都发生了巨大变化。企业内的网络环境越来越复杂，也让数据管理面临着不小的挑战。总之，数据管理的难度正在随时时间不断增加。
问题5：从数据分析层面来说，自助式BI提供的灵活性是企业希望得到的，但在数据管理上，这种自由度未必是件好事。企业必须对业务人员访问数据的权限进行限制，否则可能会对整个分析项目产生很大的危害。
不重视数据管理可能带来的后果
数据模型可能具有缺陷，不符合业务逻辑或指标不可用
错误的分析决策
缺乏单个版本的真实数据
审核数据失败
错误的报告，降低可信度
合规失败，面临监管处罚
分析和BI系统维护成为噩梦
严重的数据安全问题
通过对自助式BI产品的企业用户进行调研，以下功能很有必要
可定制的数据管理功能
轻松将数据迁移或导出到其他数据仓库
准确报告数据时间滞后问题
基于访问的单循环验证
基于权限和基于角色的数据访问
为认可的数据源提供水印
版本控制
清晰显示数据日志
基于分析报告进行协同
BI的未来成功取决于数据质量和数据管理
作者：DataHunter小数
链接：https://www.jianshu.com/p/4b38238ad54c
随时随地看视频
