避免分析师倦怠：如何精简临时请求

商业智能的目标是为利益相关者和战略制定者提供所需的信息，以做出数据驱动的决策。商业智能分析师可以回答有助于指导这些决策的问题，但通常您的组织中会有人需要使用多个数据源进行快速分析，然后将这些发现转化为所有利益相关者（而不仅仅是数据专家）都能理解的可读格式。这就是临时分析的用武之地。

如果管理不善，临时分析可能会是一个令人筋疲力尽的过程。每次对数据的调查都需要时间，而且商业智能分析师通常要同时处理来自利益相关者的多个请求。问题就变成了：我们如何高效、有效地执行临时分析，而又不让我们的分析师筋疲力尽？

拥抱自助式分析，赋能团队成员进行临时分析

临时分析的受益者应该知道如何自己进行一定程度的分析。这并不意味着您的营销人员或人力资源人员需要获得数据科学双学位，但他们应该配备必要的基本工具和协议，以便在不一定需要分析师的情况下获得他们需要的答案。

Easy Agile 的高级洞察分析师 Chris Short 建议使用 Loom 来访问教学视频，这将帮助团队成员更好地理解特定用例的分析。Chris 说：“我们有一个评分机制……如果是一个简单的问题，他们应该能够自己解决。”Chris 还说，对于更复杂的查询，他的团队会构建自定义解决方案，使非分析师仍然可以独立回答他们的问题。

Mentat Analytics 创始人 Ali Bagshomali 同意，赋能用户是减少商业智能分析师工作量的最佳方式，“在高速公路上增加车道并不能有效减少交通拥堵。相反，分析师需要专注于设置，以便从一开始就减少进入其团队的数据请求数量，而不是试图回答尽可能多的请求。仍然用交通比喻来说，目标应该是建立一个更好的公共交通系统。”

Ali 认为，良好的文档和“更好的工具、数据资产以及对非数据团队成员的培训”，将为改进分析中的自助服务铺平道路。

使用工单系统处理临时分析请求

对分析请求进行工单管理对于帮助团队跟踪从初始查询到解决的请求至关重要。如果没有工单，请求可能会丢失、严重延迟甚至重复——这会减慢整个分析流程。单独使用 Slack 频道、私信和电子邮件效率低下，组织性不足，无法有效处理大量请求。

自助式分析和工单系统并非相互排斥。Chris Short 说：“生成的一些内容可以用于自助服务。”互联网公民战略的 Jon Udell 将此描述为“分析的良性循环”，非数据用户提出的问题会促成新的工具，帮助他们和未来的用户自己回答这些问题。

工单管理也是跟踪商业智能团队带宽的好方法，它可以向请求者展示团队当前面临的工作量，并为其他人（包括管理层）提供一些关于其工作量的视角。

培训不同部门的超级用户进行简单的临时分析

并非公司所有非数据团队成员都有能力或时间学习如何进行临时分析。但您应该培训每个部门至少一名超级用户作为“数据英雄”来处理临时分析。

您甚至可以考虑将临时请求完全从商业智能部门转移，并坚持由发起请求的部门处理这些请求。如果选择此路线，您可能希望商业智能团队定期提供培训课程，向感兴趣的非数据用户教授临时分析基础知识。其他培训资源可能包括额外的在线学习机会以及 Reddit 上的信息问答环节。

将预设查询用于临时分析

随着时间的推移，您可能会注意到收到的许多临时请求都相对相似，或者使用相同的数据。创建常见数据查询目录将大大减少您提取数据和运行分析所需的时间和精力。这些预设查询——例如 Metabase SQL 片段——通过允许您根据需要复制、粘贴和编辑查询来简化工作。

如果您想开始构建预设查询数据库，请查看 SQL 备忘单。

数据字典

与创建预设查询目录类似，编译数据字典（元数据转储）可以帮助您快速引用临时分析的不同查询组件。

您可以使用电子表格格式轻松实现此解决方案，其中包含数据库、表、字段、字段描述和数据类型（以及其他）等列，以方便筛选。

与高层领导建立明确的临时分析程序

临时分析的症结通常是缺乏对请求程序的理解或完全忽视。如果请求发送过于频繁，通过错误的渠道发送，或者优先级不准确，它们很容易被放错或丢失，导致商业智能团队不堪重负。

您应该制定清晰易懂的提交请求指南，允许用户在提交前自行确定优先级和复杂性。如果这样做，您还可以将这些请求路由到自助服务门户。

领导层和管理人员应清楚理解这些程序，并必须对其负责，并愿意让其员工也对其负责。

最终思考：临时分析技巧

您能为您的团队和非数据同事做的最好的事情是尽可能地赋能自助服务。这将减少您收到的临时请求量，即使偶尔会有一些复杂查询漏网。除此之外，良好的文档和强大的数据库将帮助您的团队快速轻松地处理请求。