Программа построения и продвижения аналитики Self-service FineBI

1. Обзор

1.1 Цель бизнеса

Как промоутер аналитики Self-service FineBI, вы сможете изучить этот документ, чтобы понять, что вашей организации нужно встроить в процесс продвижения, чтобы помочь в продвижении аналитики Self-service.

1.2 Построение аналитической модели Self-service

1.2.1 В чем ценность аналитической модели Self-service?

Самая большая ценность аналитической модели Self-service - это максимальное использование данных с помощью таланта в работе с данными.

1.2.2 Как строится модель анализа самопомощи?

Модель аналитики Self-service состоит из трех частей: 1) системы данных 2) системы талантов 3) системы процессов, которая образует замкнутый цикл между этими двумя системами.

Система данных является первой, система талантов - второй, а система процессов работает постоянно, что позволяет добиться Self-service при анализе и повысить ценность данных.

1.3 Аналитическая работа в режиме Self-service

Успешный анализ условий Self-service предприятия:

1) Создание аналитической системы Self-service (создание системы данных, системы талантов и системы процессов)

2) Поощрять использование аналитики самопомощи с помощью административных и ценностных средств.

2. Создание аналитической системы Self-service FineBI

Необходимо создать аналитическую систему самопомощи:

1) Хорошо подготовьтесь, чтобы понять текущие болевые точки аналитического подхода и ландшафт данных

2） Создать масштабируемую систему Public Data и систему разрешений в FineBI на основе существующих данных.

3) Развитие талантов с учетом готовности среды (распределение обучения по разным направлениям для ИТ и бизнеса)

Только после этого система будет официально запущена.

图片1.png

Если рассматривать создание и продвижение аналитики Self-service как проект, то жизненный цикл можно разделить на этап подготовки, этап планирования системы, этап продвижения системы и этап стабильного использования.

Далее подробно рассказывается о том, как создать аналитическую систему Self-service.

2.1 Создание систем данных

Система данных разработана таким образом, чтобы максимально упростить использование данных, находящихся в сфере действия системы.

Он состоит из создания "Системы хранилища данных", а затем "Системы Public Data", дополненной "Системой распределения и контроля разрешений", чтобы реализовать полную систему данных.

Знакомство с процессом строительства

1) Определите масштабы бизнес-процесса и контрагентов бизнес-подразделения

(2) Исследование требований бизнес-анализа: включая бизнес-процессы, исторический анализ, сценарии анализа в соответствии с требуемыми измерениями, показателями, гранулярностью, а в будущем может быть проведен анализ данных

3) Проверка качества данных: какие данные доступны в настоящее время и каково их качество

Объединение системы индикаторов: в соответствии с исследованием эталонной системы индикаторов объединить индикаторы и определить правила обработки очистки данных

(4) Подтверждение и итерация системы индикаторов: совместно с бизнесом, эксплуатацией и обслуживанием и другими заинтересованными сторонами подтвердить систему индикаторов и правила очистки и обработки данных до унификации

(5) Развитие системы данных: в соответствии с фактической ситуацией развития количества складов и развития системы общественных данных

(6) Распределение данных и исследование разрешений: в том же модуле бизнес-партнеры и ИТ-специалисты на основе схемы распределения данных обсуждают и подтверждают требования к разрешениям.

Распределение данных права дизайн: права дизайн в соответствии с потребностями, может относиться к отделу, роль, индивидуальные три перспективы

(7) Разработка прав на распространение данных: разработка системы прав на основе дизайна прав, установление правил эксплуатации и обслуживания на последующем этапе.

Содержание системы открытых данных и системы разрешений описано ниже.

2.1.1 Государственные системы данных

Система общедоступных данных разработана таким образом, чтобы обеспечить иерархическую поддержку таблиц данных и принцип "разделяй и властвуй".

В соответствии с реальной ситуацией при построении вышеуказанных данных данные будут разделены на три отдельных независимых слоя в следующем порядке: 1) исходный слой 2) базовый слой 3) слой анализа

Raw Layer: размещает конкретные измерения и таблицы фактов без значительной обработки данных.
Базовый слой: Поместите большой широкий стол, полученный после обработки стола, в исходный слой.
Слой анализа: размещает сводные таблицы, полученные после обработки таблиц базового слоя. Модуль " Банк-розница

xx Пример:

Исходя из вышеизложенных принципов, данные будут разделены на различные папки в BI; единое управление папками как единым целым позволит обеспечить готовность и безопасность данных.

Два основных принципа управления папками:

Подотчетность Public Data

(1) К каждой папке при необходимости прикрепляются администраторы данных: обычно это сотрудники ИТ-отдела на "сыром" уровне, аналитики данных департамента на базовом уровне и бизнес-персонал департамента на аналитическом уровне;

2) Администраторы гарантируют качество своих Public Data, включая, помимо прочего, отсутствие дублирования таблиц данных, правильную логику индикаторов и постоянный уровень качества данных;

(3) Официальный и уникальный экспорт Public Data, данные, выпущенные менеджером Public Data, являются единственными официальными данными соответствующего модуля.

Иерархия использования данных

1) Разные группы пользователей имеют разные права на просмотр и использование данных;

(2) Требования по доступу к данным и их изменению не должны обрабатываться на более высоком уровне, т.е. пользователи аналитического слоя, которым нужны данные, должны направлять свои требования администратору открытых данных в базовом слое, а не администратору исходного слоя на более высоком уровне.

2.1.2 Система авторизации

Поддержка различных систем разрешений, соответствующих различным потребностям.

Общие сценарии настройки разрешений разделены на два блока:

Сценарии управления данными: 1) предоставление административных прав другим лицам; 2) управление правами на Public Data.
Сценарии использования данных: 1) просмотр всех строк и столбцов таблицы; 2) просмотр некоторых строк таблицы; 3) просмотр некоторых столбцов таблицы; 4) просмотр некоторых строк и столбцов таблицы.

2.2 Создание системы талантов

2.2.1 Классификация талантов

В системе Self-service аналитика будет разделена на три категории талантов: талант разработки базовых данных, талант продуктов данных / операций, талант Self-service аналитика

1) Талант в области разработки данных

Привлечены из ИТ-отдела, работают на уровне компании; разбираются в данных и технологиях, не разбираются в бизнесе; опираясь на бизнес-домены/отделы, изначально способны обеспечить высокую доступность базовых данных единого калибра, впоследствии создают промежуточное ПО для данных, промежуточное ПО для ИИ, способствуют цифровой интеллектуальной трансформации предприятия, расширяют возможности развития предприятия.

2) Работа с данными/продуктовые таланты

Могут быть выходцами из бизнеса/IT-департамента, работающими на уровне отдела; разбираются в данных и бизнесе, не обязательно в технологиях; полагаются на анализ данных для выявления бизнес-проблем и улучшения бизнес-процессов или для поиска нового бизнеса, что, в свою очередь, приводит к созданию продуктов бизнес-данных или потоков бизнес-данных.

3) Талант аналитика самопомощи

Как правило, из бизнес-подразделения, работающие на индивидуальном уровне; разбираются в бизнесе и соответствующих бизнес-данных, обычно не владеют техническими навыками; полагаются на анализ данных для поддержки индивидуального/командного развития бизнеса с целью формирования замкнутого цикла, основанного на данных, способны оптимизировать бизнес-процессы.

2.2.2 Идеи обучения талантов

Путь развития бизнеса: основы бизнеса для углубления понимания данных/аналитики данных

Бизнес-персонал -> Младшие таланты в области аналитики Self-service -> Старшие таланты в области аналитики Self-service -> Менеджер по продуктам данных/менеджер по операциям с данными

Путь развития ИТ: основы технологий для углубления понимания бизнеса

Разработчики -> Таланты продвинутого Self-service в аналитике -> Менеджер по продуктам данных/менеджер по операциям с данными

Дифференциация и развитие талантов, как показано на рисунке ниже:

2.3 Создание технологических систем

Бизнес-система генерирует данные, данные попадают в базу данных в соответствии с правилами, после оптимизации очистки/обработки данных, они становятся основными данными, которые можно использовать, информационный персонал распределяет данные соответствующему бизнес-персоналу для самостоятельного анализа в соответствии со строгим контролем полномочий, а бизнес-персонал направляет бизнес-процесс для оптимизации изменений или добавления новых бизнес-действий в процессе анализа, который генерирует новые данные и выполняет их. В то же время использование данных бизнесом также обнаружит, что нормативные проблемы данных побуждают информацию и бизнес друг друга к созданию более стандартизированных правил данных, тем самым делая данные более эффективными; этот процесс делает данные жизненными.

2.3.1 Состав технологической системы

Как показано на рисунке ниже, система номерного процесса включает в себя такие компоненты процесса, как децентрализация данных, отчетность по требованиям и деловая активность:

Децентрализация данных и отчетность по запросам - это процесс движения данных от бизнес-систем -> центра обработки данных -> ИТ/информационного персонала -> бизнес-персонала; контроль движения данных вверх и вниз является основным содержанием этого процесса.

2.3.2 Пример процесса выполнения данных

На примере процесса обработки данных в фармацевтической компании.

3. продвижение анализов Self-service FineBI

Продвижение аналитики в режиме Self-service - это два направления, ориентированное на ценность и административное исследование ценности данных.

Долговечность модели аналитики Self-service в организации должна свидетельствовать о том, что организация нашла соответствие между аналитикой Self-service и бизнес-приложениями и изучила ценность данных.

3.1 Ценностный подход

Ориентированность на ценности: начинается с добровольности и заканчивается ценностью

3.1.1 Приводные процессы

Поиск целевой аудитории для анализа данных -> Целевая поддержка и обучение -> Презентация от точки к точке

1) Поиск объекта претензий для анализа данных

① Категория 1: Самостоятельный анализ стандартных объектов

Определите бизнес-подразделения с гибкими внутренними операциями, часто ситуативными операциями и нефиксированными бизнес-процессами.
Общение с руководителями целевых подразделений для достижения консенсуса
Подразделение ищет сотрудников, обладающих знаниями в области анализа данных, а также готовых

②Тип 2: Объекты, чьи текущие аналитические потребности не могут быть удовлетворены

Выявление отделов с неудовлетворенными или не удовлетворенными внутренними потребностями в бизнес-анализе
Общение с руководителями целевых подразделений для достижения консенсуса
Подразделение ищет сотрудников, обладающих знаниями в области анализа данных, а также готовых

2) Целевая поддержка и обучение по принципу "равный равному

① Обратившись в отдел бизнеса, проведите исследование бизнеса и спроса.

② Подготовьте систему данных Self-service для отдела на основе результатов исследования.

③Углубленное взаимное обучение пользователей семян в отделе для достижения уровня Self-service аналитических талантов/аналитиков данных

④Руководство и помощь в достижении цели анализа данных для поддержки деловой активности

⑤ Ценность модели аналитики Self-service и ценность данных признается сотрудниками и руководителями

3) Точечное покрытие

①Организуйте обучение, позвольте пользователям семян представить себя, практический анализ случая для обучения, с личной точки зрения, чтобы способствовать ценности данных и Self-service ценности

② Создайте стимулы или другие механизмы, чтобы мотивировать пользователей к обучению и изучению ценности данных в краткосрочной перспективе.

3.1.2 Часто используемые инструменты

Предоставление доступа к онлайн-материалам SailSoft для самостоятельного изучения
Организация обучения и тренингов на добровольной основе
Дезагрегирование бизнес-метрик (инициирование бизнеса)
Практические бизнес-сценарии для создания тренингов, направленных на решение болевых точек бизнеса
Обмен результатами внутренних приложений (производители)
Соответствующие знания Руководство по вкладам и управление

3.2 Административный диск

Драйв руководителя: начиная с администрации, заканчивая ценностями

3.2.1 Приводные процессы

Поиск целевой аудитории для анализа данных -> Целевая поддержка и обучение -> Презентация от точки к точке

1) Поиск объекта претензий для анализа данных

① Заручитесь поддержкой руководителей, которые могут контролировать бизнес-подразделения.

② Ищите бизнес-подразделения с гибкими внутренними операциями, часто ситуативными операциями, и бизнес-процессами, которые не являются фиксированными.

(iii) Выбор подходящих семеноводческих секторов среди целевых секторов в качестве пилотных секторов

④Определите пользователей семян в бизнес-подразделении на основе ежедневной работы сотрудников и анализа данных.