避免分析师倦怠：如何简化临时请求

商业智能（BI）的目标是为利益相关者和战略家提供他们做出数据驱动型决策所需的信息。BI 分析师可以回答一些有助于指导这些决策的问题，但通常您组织中的某个人需要使用多个数据源执行快速分析，然后将这些发现转化为所有利益相关者都能理解（不仅仅是懂数据的人）的可读格式。这就是即席分析的用武之地。

如果管理不当，即席分析可能会成为一个令人筋疲力尽的过程。每一次对数据的调查都需要时间，而 BI 分析师通常需要同时处理来自利益相关者的多个请求。问题于是就变成了：我们如何才能高效、有效地进行即席分析，而又不让我们的分析师精疲力尽？

拥抱自助服务分析，赋能团队成员进行即席分析

即席分析的受益者应该能够自己执行一定程度的分析。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专业，但他们应该配备必要的工具和协议，以便在不一定需要分析师参与的情况下获得他们所需答案。

Easy Agile 的高级洞察分析师 Chris Short 建议使用 Loom 来访问教程视频，这些视频将帮助团队成员更好地理解特定用例的分析。“我们有一个评分机制……如果是一个简单的问题，他们应该能够自助解决。” Chris 还说，对于更复杂的查询，他的团队构建了定制解决方案，让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，用户赋能是减少 BI 分析师流量的最佳方法。“向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事情，以便首先减少进入他们团队的数据请求量，而不是试图回答尽可能多的请求。遵循交通类比，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“为非数据团队成员提供更好的工具、数据资产和培训”将为改善分析中的自助服务铺平道路。

使用工单系统处理即席分析请求

对分析请求进行工单处理对于帮助团队跟踪从初始询问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。单独使用 Slack 频道、DM 和电子邮件效率不高，组织性也不够，无法有效处理大量请求。

自助服务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，互联网公民策略的作者，将此描述为分析的“良性循环”，非数据用户提出的问题会影响新的工具，这些工具可以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 BI 团队工作量的好方法，向请求者展示团队当前面临的请求量，并为其他人（包括管理层）提供对其工作量的了解。

培训不同部门的超级用户进行简单的即席分析

您公司非数据团队的并非所有成员都有能力或时间学习如何进行即席分析。但是，您应该从每个部门至少培训一位超级用户作为“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从 BI 部门转移出去，并坚持要求这些请求由发起部门处理。如果您走这条路，您可能希望您的 BI 团队提供定期的培训课程，教授有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 上的信息性问答环节。

使用预设查询进行即席分析

随着时间的推移，您可能会注意到许多收到的即席请求都相对相似，或者使用了相同的数据。创建一个常用数据查询目录将大大减少您花费在提取数据和运行分析上的时间和精力。这些预设查询——例如Metabase SQL 代码片段——通过允许您复制、粘贴和编辑查询即可简化操作。

如果您想开始构建您的预设查询数据库，请查看 SQL 备忘录。

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）可以让您快速引用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）列，以便更轻松地进行筛选。

与高层领导建立清晰的即席分析程序

即席分析的弊端往往是缺乏对请求程序的理解，或者完全忽视请求程序。如果请求发送得太频繁、通过错误的渠道，或者优先级不准确，它们很容易被放错位置或丢失，导致 BI 团队不堪重负。

您应该有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。如果您这样做，您也可以将这些请求路由到自助服务门户。

领导和管理人员应清楚了解这些程序，并必须对其负责，也必须愿意让其员工对其负责。

最终想法：即席分析技巧

您可以为您的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溜进来。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。