日常要跟数据打交道的朋友们好～上篇文章，古牧君通过举例，澄清了数据产品的重点应该在产品而非数据，同时也指出BI报表完全可以肩负起普及数据思维的重担。本篇文章，古牧君将在简单回顾BI报表的不同阶段后，给出普及数据思维、让广大小白学会看数据读数据的一种方案——BI的AI化
杂货铺阶段：初创期的线上化
杂货铺阶段的BI报表，顾名思义，是对数据指标的简单陈列堆叠。一般多存在于草创时期，为快速响应业务方查看数据的需求，由数据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，从手工到自动的使命
它一般长这样：
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，仅提供数据源，未对数据进行任何解释
连锁超市阶段：进阶期的工具化
进化到连锁超市阶段，BI报表门面上光鲜亮丽了很多，添置了不少数据可视化功能，数据指标也更为丰富。但隐藏的问题还是没有解决——指标与业务的强关联性缺失——数据指标大多按照门类进行摆放， 但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：
它的问题在于：
1，它更像瑞士**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。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
国内博物馆阶段：成熟期的产品化
到了这个阶段，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，内嵌经典数据分析方法。通过时间对比和多维度下钻，展示数据波动现象；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择
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
私人导游阶段：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：
用户：“为什么今天表现不好？”——用户提了个坏问题，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
（想了解更多对话机器人的常识？欢迎移步古牧君挚友，鸡翅姐的这篇文章《Let's Chatbot》）
是不是还算有点儿激动人心？不过稍等片刻冷静想想，这是否又是一次技术的自我表达？在上篇文章中我们一再强调，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现，从数据中发现问题，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互联网化转型
以上就是古牧君对BI的一些小想法，如果恰好激起你的共鸣，欢迎来公众号后台留言。回见了您内
干货还没看过瘾？戳传送门：
别拿BI不当产品：数据产品的重点在产品而非数据
实战案例演示，年薪50w+的数据能力什么样？古牧君职业路径经验分享：分析师、策略产品经理、数据产品经理
