从纸带打孔、到汇编语言、到高级语言，再到各种IDE、各种框架，人们始终在试图屏蔽底层的复杂性与难以理解性，通过归纳、抽象、封装，进而通过点拉拖拽及少量代码来快速完成应用程序的开发。
观远数据产品团队始终将「让IT技术更加贴近业务」作为持续努力的方向，不断降低数据分析的门槛，「自定义报表」就是一个将数据交给业务团队的功能：业务人员依据提前设计好的自定义报表，根据需求，自由进行数据的任何操作，不用关心指标的计算实现，极大提高了整个数据分析链路上各角色的工作效率，让取数、做分析不再是难题。
9月8日，观远数据资深产品经理Layne深度解读了「自定义报表」产品功能，并从“产品”到“实践”，分享了自定义报表的实际应用场景，让我们一起来回顾一下。
1.前世今生：「让IT技术更贴近业务」
BI (Business Intelligence商业智能)的概念，是由全球最专业权威的IT研究咨询公司Gartner Group在1996年首次提出，定义为一类由数据仓库(或数据集市)、查询报表、 数据分析、数据挖掘、数据备份和恢复等部分组成的、以帮助企业决策为目的的技术及其应用。
从传统报表（依赖数据仓库技术的报表式查询系统），到敏捷BI（数据处理能力增强，可视化能力增强），再到智能BI（实现自助式分析应用），在BI演进过程中，数据分析门槛不断降低，亦是观远数据始终践行的方向：以产品化、智能化的方案，让决策更智能。
时至今日，企业BI分析场景仍然在不断演变，观远数据根植于数百个零售分析项目经验，总结出企业BI数据分析体系分层构建方法论：
针对公司高层，需要「全景概览」
通过看板了解公司正在发生什么事，并通过数据呈现经营异常。以核心指标提供重点信息，使其及时掌握公司运营核心动态，驱动中层管理看数据、用数据、解读数据。
针对中层管理，需要「管理分析」
通过管理驾驶舱，了解会员、商品、门店的运营表现，发现经营改善点，对公司关键运营绩效进行管理分析，及时定位管理问题和薄弱环节，为提升业务绩效提供建议，赋能终端门店。
针对执行层，需要「业务监控」
关注进货指标、销售指标、库存指标、费用指标等信息，对终端业务执行过程中的效率进行监控，及时锁定异常，并进行纠偏，为快速决策提供有效依据。
基于以上分析体系，可以拆解出企业BI四大分析场景：
图源：观远数据演示系统
固定报表
固定周期的经营情况的概览，能够快速了解某一业务或者某一模块的表现情况，如：电商平台运营日报，帮助企业中高层或负责人及时掌握数据展现情况。其主要形态为：根据看数需求，将底层的计算结果与上层的报表展示固化，固化体现在：主题、指标、时间周期，如日、周、月报。
图源：观远数据演示系统
场景分析
某**析主题下，主要为管理层服务的驾驶舱看板，内含核心KPI、排名、占比等相关图表对比信息，帮助中高层快速理解当前发生了什么。其主要形态为：根据一定的业务逻辑，设计底层宽表与上层可视化分析，提供一定灵活的筛选条件，但是一旦将场景搭建完成，几乎不再会去做大的调整，如驾驶舱、商品分析、会员分析等有比较明确需求的场景。
图源：观远数据演示系统
敏捷自助分析：有一定技术背景的业务分析师或者数据分析师，能够基于IT/信息部的相关的标准化主题数据，为某分析目的而对相关基础数据重新加工，以得到或者验证分析结论。其主要形态为：用户可以基于清洗好的数据，或者是稳定的三层建模（ODS-DW-DM），自由的进行ADS应用层的数据集构建，从而完成更加复杂和灵活的自助式分析。
图源：观远数据演示系统
半自助分析
这种类型的即席查询在交付物角度基本都是报表需求，旨在通过产品功能和技术手段，让用户能够方便地自助地完成多变的报表开发需求，达成自助取数的目的。
而正是用户取数需求的不明确和多变，以及用户数据库技术的缺失，造成了数据库的性能压力和运维风险，使得需要 “数据库专家细心设计过、预先编制好并做过优化”。此外，数据指标的计算也会在产品层被封装，称为 “语义层”，用户只需要选择需要的指标，不用关心指标的计算实现，既是一种方便，也避免了指标的分支、版本等问题。
其中，半自助分析与敏捷自助分析是四大分析场景里最灵活的场景，且半自助式分析趋势日益凸显。究其本源，伴随着社会数据意识的不断提升，IT技术更加贴近业务，数据分析门槛进一步降低是未来趋势。
BI1.0时代已为「半自助式分析」给出了解决方案，但门槛极高、周期漫长。以传统BI的Ad-hoc功能为例，需要先由数据库专家设计数据模型结构，并在BI系统中，进行多维指标的配置，最终才能交付给用户使用，随着使用的加深，当一个模型解决不了用户问题时，就需要重新进行构建，对于整体决策来说，过程周期十分漫长。而数据决策者受限于分析时效，或进行“拍脑袋”决策，或决策滞后。
数智化时代，需要更加灵活、易用的BI工具。因此，观远数据构建了半自助分析解决方案，用「自定义报表」功能解决数据资产赋能链路长、时效性差，用户自助体验不好等问题：
懂技术的人专注应用数据集于自定义报表的构建，从简单、重复冗杂的开发工作中解放出来；
懂业务的人依据提前设计好的自定义报表，根据业务需求，自由进行维度与指标的组合，而不用关心指标的计算实现，极大提高了整个数据分析链路上各角色的工作效率，让取数、分析不再是难题。
2.功能简介：满足「客户」与「用户」需求
B端产品设计中，「客户」与「用户」是两个关键者：「客户」为产品系统买单，如CTO、CEO等；产品系统的真正「用户」是数据分析师、业务人员，其为「客户」服务。在自定义报表中，报表查看者是客户、报表构建者是用户。不仅要让用户用的舒服，还要让客户有产品感知。
在半自助分析的场景中，观远数据了解到客户真实诉求是：想要有足够灵活的的多维度多指标的组合看板，来发现经营异常原因以及改善点。
基于这个场景，我们向客户提供直接的报表使用窗口，数据部门可以灵活的构建很多用户想要的报表，以及他想勾选的内容，进行一些多维度多指标的一个构建，业务分析师可以直接进行维度和指标的勾选以完成分析诉求；向用户/客户提供简便的配置窗口，能够快速的完成一个报表的配置，交付给用户使用。
在使用层面，自定义报表功能由三个部分组成：
字段勾选
用户可以基于报表创建者设置好的字段窗格中，进行维度和指标的勾选，勾选完成后即会「表格」区域展示分析结果。
用户可以基于筛选结果对字段进行操作得到新的分析结果，主要支持的操作如下：
行维度、列维度、指标可组内排序；
行维度拖动至列维度，形成交叉表。
高级排序与过滤
用户可以对分析结果进行过滤和排序操作。
高级排序：可以基于维度、指标进行相关排序操作；
过滤：基于表格分析结果在表头字段位置进行内容上的过滤。
那么，我们如何构建一张自定义报表？
图源：观远数据演示系统
上图是创建自定义报表的配置窗口，通过简单四步即可创建一张自定义报表：
①窗格创建：可进行字段窗格和文本窗格的创建；
②字段窗格：可以将左侧数据集中的字段拖入到窗格中，以便使用者在仪表板界面进行字段勾选；
③报表窗格：用户勾选字段后，所得结果将在报表区域呈现；
④文本窗格：用户可以在文本窗格中输入相关自定义报表描述、或者指标描述。
3.最佳实践：常态化、便捷、自助
（1）驾驶舱与自定义报表的结合案例
通过观远数据驾驶舱看板发现：品牌整体业绩达成99%，但同比下降23%，存在异常。进一步深入时发现，“自营”渠道发生同比下降10%，可能是业绩下滑的表面原因，当我们看到自营渠道中，华北区域下降，而其他区域表现正常时，就想要基于华北区域的商品、会员销售情况做进一步分分析。
在此情景下，部门负责人和中高层领导需要了解异常原因。在传统 BI 模式下，业务人员需要向IT人员提取数需求，进行指标定义、确认、沟通等一系列步骤，再进行聚合分析。但通过自定义报表，业务分析师就可以很方便的直接进行分析了，而不用反复向IT部同事提出取数需求，在进行组合分析。在此案例中，业务人员通过查看「销售驾驶舱」的四大核心指标及趋势，进一步查看渠道表现，便可定位到异常原因存在于「华北自营渠道」。
（2）智能ETL与自定义报表的最佳实践
除此之外，观远数据提供了智能ETL功能，有技术能力的用户可以通过开放的基础业务数据事实表与维度表，自由的进行加工，得到自己想要的结果数据集，即ADS层数据，更加灵活的满足自己的多维组合分析需求。
构建完成之后，就能够借助自定义报表功能，构建属于自己的日常分析看板。不仅如此还可以借助快捷筛选功能，将自己的分析思路保留下来，就比如刚才演示的内容一样，做逐级排查，而快速精准的定位问题。
（3）直连场景
图源：观远数据演示系统
自定义报表可对接直连数据集，若用户有自建的数据仓库或者数据中台，观远数据可直连对应数据库，以满足不同场景下客户的分析需求。
观远数据始终抱着学习与改进的心态，陪伴客户一同成长。在未来，自定义报表层面还会有更多的迭代优化，对数据导出、报表样式、过滤筛选等各个维度进行提升，希望以通过产品化的方式，真正助力业务决策，让决策更智能。
| 附件下载区： 鼠标左键单击文件进行下载
附件： |
