避免分析师倦怠：如何精简即席请求

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种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。这就是即席分析的作用所在。

如果管理不善，即席分析可能会是一个耗费精力的过程。每次对数据的调查都需要时间，而且商业智能分析师常常要同时处理来自利益相关者的多项请求。问题因此变为：我们如何高效、有效地执行即席分析，同时又不会让我们的分析师筋疲力尽？

采纳自助式分析，赋能团队成员进行即席分析

即席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双修数据科学，而是他们应该配备必要的基础工具和协议，以便在不一定需要分析师参与的情况下获得他们所需的答案。

Easy Agile 的高级洞察分析师 Chris Short 建议使用 Loom 访问教学视频，这将帮助团队成员更好地理解他们特定用例的分析。“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 还表示，对于更复杂的查询，他的团队会构建自定义解决方案，使非分析师也能独立回答他们的问题。

Mentat Analytics 的创始人 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，“给高速公路增加车道并不是减少交通的好方法。相反，分析师需要专注于设置好一切，以便从一开始就减少数据请求进入他们的团队，而不是试图尽可能多地回答请求。沿用交通类比，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。

对即席分析请求使用工单系统

工单分析请求对于帮助团队跟踪从初始咨询到解决的请求至关重要。没有工单，请求可能会丢失、严重延迟甚至重复——从而减慢整个分析流程。如果单独使用，Slack 频道、私信和电子邮件在处理大量请求时，既不高效也不够有组织性。

自助式分析和工单系统并非相互排斥。“一些生成的内容可以用于自助服务，”Chris Short 说。Jon Udell（来自 Strategies for Internet Citizens）将此描述为“分析的良性循环”，其中非数据用户提出的问题促进了新工具的开发，这些工具帮助他们和未来的用户自己回答这些问题。

工单系统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）提供对其工作量的了解。

培训来自不同部门的资深用户进行简单的即席分析

并非您公司所有非数据团队的成员都有能力或时间学习如何执行即席分析。但您应该为每个部门至少培训一名资深用户作为“数据英雄”，来处理即席分析。

您甚至可以考虑将即席请求完全转离商业智能部门，并坚持由发起请求的部门自行处理。如果您选择这条路线，您的商业智能团队可能需要定期提供培训课程，教授感兴趣的非数据用户即席分析基础知识。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。

将预设查询用于即席分析

随着时间的推移，您可能会发现收到的许多即席请求都相对相似，或者使用相同的数据。为常见数据查询创建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 代码片段——通过允许您根据需要复制、粘贴和编辑查询来简化工作。

如果您想开始构建自己的预设查询数据库，请查看 SQL 速查表。

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）可以帮助您快速查阅即席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，以便于筛选。

与高层领导建立明确的即席分析流程

即席分析的症结所在，往往是对请求流程缺乏理解或完全忽视。如果请求发送过于频繁、通过错误渠道或优先级不准确，它们很容易被放错位置或丢失，导致商业智能团队不堪重负。

您应该制定清晰易懂的请求提交指南，允许用户在提交前自行确定优先级和复杂性。如果您这样做，您也将能够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流程，并必须对其负责，也愿意要求其员工遵守这些流程。

总结：即席分析技巧

您能为团队和非数据同事做的最好的事情，就是尽可能地赋能自助服务。这将减少您收到的即席请求量，即使偶尔会有一些复杂的查询漏掉。除此之外，良好的文档和健壮的数据库将帮助您的团队快速轻松地处理请求。