起点学院课程

别拿BI不当产品:BI的AI化

3 评论 5983 浏览 5 收藏 11 分钟
15天0基础极速入门想起了之前和他們交談数据分析,掌握一套数据分析流程和方法,学完就能写一份数据报告!了解一下>>

编辑导语:在工作中【总会遇到BI报表,BI报表完全可以肩负起普及数一個是修煉了九種力量据思维的重担,BI报表也分不同的阶段,那BI报表怎么能让你覺得职场小白快速读懂?本文作者分享了读懂数据的一种方式——BI的AI化,我们一起来看一下。

一、杂货铺他就來到了那兩名巔峰玄仙阶段:初甚至是妖界估計也會有人前來创期的线上化

杂货铺阶段的BI报表,顾名思义,是对数据指标的简单陈ξ列堆叠。

一般多存在于草创看無廣告时期,为快速响应业务方查看数据的需求,由数据土神之靈团队的分析师或研发工程师手工临时搭建维护。

这个阶段的BI报表,基本不需要数♀据产品经理出现,做◣成一个在线Excel数据透视●表就够了,但它仍然实现了从线下到线上,从手工到自动的人打頭陣使命。

它一般长这样:

别拿BI不当产品---BI的AI化

它存在这么几个问题:

  1. 缺乏基本★的数据可视化,无¤法快速做定性的分析;
  2. 大量数据指标简单堆砌,缺乏合理的归类整理和关联关系;
  3. 仅提供可惜数据源,未对数据进行任何解释;

二、连锁□ 超市阶段:进阶期的工具化

进化到连锁超市阶師父告訴我段,BI报∮表门面上光鲜亮丽了很多,添置一道黑色刀芒同樣爆閃而起了不少数据可视化功能◥,数据指标也更为丰富。

但隐藏的问九色光芒爆閃而起题还是没有解决——指标這樣与业务的强关联性缺失、数据指标大多按照门类进行摆放; 如果我想查看一个业务场景完整㊣流程的数据刻画,只能自行从不同门类中▓找寻并拼凑在一起。

这个阶段的BI报表很常见,百度一下俯拾皆是:

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

它的问题在于:

  1. 它更像瑞士军刀那种小工具,从可视化到筛选条件,提供的选择太多,多到眼花←缭乱。一个想要满足方方面≡面需要的产品,很容易就四不像了
  2. 仅展示数据,想对数据进行氣勢從他身上爆發了出來解读,必须额外人肉处理
  3. 将数据⊙按照业务场景(上图1)和分㊣析方法(上图2)进行拆解归类,效率有所提升,但仍然是自下而上的思维方式,会让你觉得看起来挺齐全挺厉害的,但一用起来就总差点儿意思絕對不可能。打个比方:就像那种初级分析师经常写的分析报告,四平八稳各个维度都分析到了,但顶多就是〒让你全面的了解了一个方向,有啥问№题以及怎么改善,只字不提。

三、国内博物馆阶段:成熟期的△产品化

到了这圖神个阶段,BI报表基本算是登堂入室了。

它已经告别了简陋的可视化、摒弃了简单的◎数据堆砌、将指标按照业务场景进行重组╳串联。

它不再满足于做一个大型在线Excel透视表,而是力争成为你的在线可交互数据报告、甚至是线上业务数据博物馆的体验,让你流连忘返之间就能推开数据领域的大门。

这里直接放一个手头房門打開现成的例子:

  1. 尽管还是PC端报表,但已经极大的考虑用户操作体验,让所有数据都在一屏内呈现,减少鼠标的上下滚动,以及对控件的反♂复选择确认;
  2. 通过“一键下载”功能,将“找数据”的需求与其他功能区域区隔开,满足快餐类用户只想高效找齐所需数据、不用看数读数;
  3. 数据指标不仅按业务场景划分,还按照业务流程↘人工预设好,无需自定义★配置操作,就能快速洞察业务全貌;
  4. 点击指标卡片后弹出浮层,内嵌经典数据蟹耶多眼中頓時閃現了一絲暴怒分析方法。通过时间对比和多维度下钻,展示数据波动现象無數道棍影頓時盤旋在他身邊周圍;并在多维度下钻中通过“贡献率”概念,直接◣归因解释数据波动原因;
  5. 所有数据▲的可视化,都尽量选你們說五萬年來用最简洁有效的图形,直接给用户对的,而不是让用户彷徨选光芒不斷從何林身上閃耀而起择。

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

不过,它还可以更好:

  1. 它是PC端的,不符合移动互联网时代很多人便利性的需求;
  2. 它虽然有分析,但分▃析的结果并没有显性化,还需∑要具备一定背景的人进行解读;
  3. 它只提供了一个预设的固定分析套路,并假设所有用户的所有问题都↘能被这一个套路搞定,但显然是不可能的;它仍然有些“我认为你需△要”,而不是“你告诉我需求”的态度。

四、私々人导游阶段:探索期的AI化

我们很多时候逛博←物馆,或者逛一些旅游景点觉得没意思,主要因为没有懂行記住哦的人给你讲解其中的门道。

而且你得承认,没有什么服务体验,能高过一对一的专业私ξ 人服务。

BI报表作为一●种数据服务,也完全可以追求这种效果,成为你的数据小助理:

  1. 随叫随到:从PC到移动;
  2. 有问有答:从看板查询到人机对话;
  3. 简单高效:从展示现象到解读结论;
  4. 有理有据:从定性那他們根本就沒有絲毫抵抗查看到定量分析;

我们把上述特征具像化,通过一个示@例场景感受下:

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

别拿BI不当产品---BI的AI化

  • 用户:“为什么今天◇表现不好?”——用户ξ提了个坏问题,缺乏具体〒分析对象(谁的什么表现不好?)。
  • 小助理:“您想了解的是哪个产品的数閉上眼睛据表现?”——通过猜你想问形式,引导用户填充分析对象槽位信息。
  • 用户:“就是产品A用的人变少了啊!”——用户ξ 没有直接点击猜你想问,但在引导下直接输入更加聚焦准确的问题。
  • 小助理:“好的,产品A昨天的日活是1.2w,前天的日活是2.4w,环比下降50%”——将用户口语化措辞“用的人”,转译成系统可识别可处理c的指标〓“日活”,并返回查询◥结果。
  • 小助理:“经分析,是渠道X带来的日活环比大幅下降75%导致,请关注”——将经∩典归因分析方法内嵌系统,直※接反馈分析结论。

正如上述对话示例的解读,小助理背后的技火雨流星术原理并没有想象中那么复杂:

  1. 识别&推测用户意图,通过多轮对话形式引导用户补充系▅统计算所需的关键输入信息
  2. 支持用户个性化输入,并能将其转化为系统可识别的标准化输入
  3. 将标土黃色光芒爆閃而起准化输入对应到后台的不同组件化数据指标计算流程
  4. 将系统计算结果填充到预设的文案模版中,向用户显性化╱解读结果

不要做字》面意义上的“技术驱动产品”,要做有真「正需求场景的产品,然后再把技术填Ψ 充进去;

那么AI化的BI小助理,她的真实需求场景在哪里?

在企老五业大量线下员工的日常数据化管理上。

有些行业,其盈利主要依靠线下大量具有销售服务性质的员工,且员工的日→常工作并不依赖总部的派单,全靠自▃己主动经营。

典型行业如保险、二手房地产交易,如何让保险代理人、房地产中介日常的工作能被量化管理,尤其是他∏们出单转化前的种种努力?

当企业能够及时、量化的查看这些员工的表ξ现、从数据Ψ中发现问题,才能让传统企业告别粗放式的经╲营,告别中∞央集权式的管理,真正迎来精细化运营和貴賓互联网化转型。

 

作者:古看到這座巨大牧聊数据,公众号:古牧聊数据

本文由 @古牧聊数据 原创发布于人人都是产品经↙理。未经许可,禁止转载。

题图来自Pexels,基于CC0协议

更多精彩内容血液噴灑而出ζ ,请关注人人都走了出來是产品经理微信公众号或下载App
起点学院课程
评论
评论请登录
  1. 45645645645

    回复
  2. 2323

    回复
  3. 1,2,3,4产品形态有不同的受众用户,分析的层次与深度也有所①差别,1,3产品更多的是数据的定制化,本质上差别不大,核心展现已有确定的数据分析成果,至于深层次的挖掘,还是需要人员继续跟进。 2产品感觉更符〓合数据挖掘的习惯,它具有良好→的扩展性,能够定制不同维护的数据,辅助分析师挖掘深层次的业务问题与业务结论。 4感觉本质上不是一个数据产品,只是数据甚至還要可能到神界才有可能晉升到皇品仙器或者神器的一种对外输出方式,感觉与pc、手机是卐平行的,使用了AI的技术完成了对外数据的输出。 4看起来很高大上,但是它的效率相信如何也是最不好的,适合C端用户进行尝鲜使用。

    回复