小張大學畢業之后去了一家大公司，這家大公司有很多的業務數據，整個業務已經運行了十幾二十年，在全國有幾十家的分支機構、代理商，公司內的大大小小的業務系統有十幾個，小張進去之后他直接的領導給他分配了很多的內容，其中有一項是很簡單的工作是做日報。怎么做呢？首先需要從各個系統里面把數據打出來、經銷商的業務系統、自己的CRM、銷售管理系統、財務系統拿到各種各樣的業務數據，把這些數據匯集起來進行簡單的整理、梳理，梳理完之后把它形成各種各樣的圖表，并且把這個圖表放到Excel或者PPT里面拿去給領導做匯報。

所以他的日常工作就是：早上到公司就開始處理數據，處理完數據之后形成各種各樣的圖表放到PPT里面，晚上9點下班之前把所有的數據報告全發出去。

過了一段時間之后他開始困惑，“我是來做數據相關的工作的，確實現在每天進行的工作也都是數據相關的工作：做很多數據的處理、做很多數據的收集、清洗、整理、形成對應的圖表，但是分析的工作在哪里？”小張發現他沒有分析的工作，所有的都是領導說“你幫我看某一個業務指標、怎么計算一個業務指標”，這些都是固定的流程。我們把它稱為“表哥表妹”的一天。

“表哥”“表妹”的一天

小張的工作其實和很多人的工作內容完全一致，這也是當前企業內的實際情況。有以下幾個典型特點：

1、數據采集難；企業有自己的業務數據匯總系統，由于每個業務系統的成熟度不同，所以里面的數據因為版本的變化會有很多數據的格式。有些字段沒有、有些字段有，數據情況復雜。甚至有些企業統計的數據還都是人工填報的，所以要把這些數據搜集起來異常困難。

2、數據處理難；因為數據的質量有問題，所以需要去做大量的數據清洗工作，等到把這些數據補充完整之后，才能再拿它去進行數據分析。

3、重復勞動非常多；為什么要重復勞動呢？剛才講了小張每一天都要做日報、每周做周報、每月做月報、每季做季報，但是這些報告只是數據表，時間變了其他的東西都沒有變，但是他依然要做大量的重復勞動。

4、分析結果分享難；小張可能需要通過郵件的方式跟領導做匯報跟其他的同事做分享，大家討論的內容也沒有辦法留存，所以分享的過程也會變麻煩。

企業數據處理現狀

公司業務系統有很多，每個業務系統可能還有不同的版本。比如我們之前遇到的客戶全國有7-8個生產基地，每個基地都有自己的生產管理系統，每個基地的生產管理系統版本基本上都不一樣，所以這是企業內的特點。

對于IT人員，因為所有的系統每個地方都不一樣，要把這些數據全部匯聚起來就會變的非常困難，所以“我也很無奈”。

對于公司的“表哥表妹”們，要拿到這些數據也很困難，最后生生把“表哥表妹”逼成了程序員。

針對業務需求變化，可能每天都會有新的市場想法，會有各種各樣的營銷活動，營銷活動的數據拿到之后，我希望立刻看到業務對應的報表或者數據報表，這些只能問后端的數據人員要。

對于數據人員，他要應付很多重復的工作，同時還要應付業務部門時刻變化的分析需求，因為人手少根本來不及，所以你先等一等，是IT人員應對前端業務需求的常態。

即使最后我的每一個業務都讓后面的數據部門幫我做了分析，但是仍然很難把幾個月以來的數據分析全部串起來，做一個匯總之后做接下來幾個月的預測，這個對于原來企業來講是非常滯后的。

國外可視化產品發展現狀

了解了國內的現狀，我們看一下國外現在是怎么做的。

國外其實目前針對企業數據可視化的領域大致來講大概是兩大類的產品：

1、實時的業務看板；主要解決的是我剛才講的“表哥表妹”最痛苦的事情，他們把每一天重復性的數據統計的工作把它變成實時的業務看板，當業務部門有了一個新的業務需求之后，把它做成這樣實時dashboard，所有的數據全部是實時更新的，也就意味著動一份的數據報表只要做一次，以后所有的內容全都是更新的，領導要看實時的看，不用再問我要對應的東西。

2、探索式的商業智能；這里引入一個新的概念叫做探索式分析，國外數據的基礎比國內要好，他們現在走的要比國內快很多，快在什么地方呢？就是在探索式的商業智能，接下來我們對這個概念作個詳細拓展。

探索式分析詳解

目前企業內的數據需求以驗證式分析為主，比如我想要知道本月利潤與本月成本的對比關系，會把這個需求交給數據分析員，然后他針對我們的需求輸出眾多數據報表。這個過程是我必須首先有個想法，有了想法之后再通過數據做驗證。驗證式的分析對數據的質量有很高的要求，因為我們需要看到最終的結果，如果說數據質量有問題，通過標準的模型可能得到一個錯誤的結果，所以分析師來講要做很多前期基礎工作。

那么探索式的分析呢？探索式的分析在企業中是很模糊的，我并不清楚從這些數據里面找到什么樣的規律、找到什么樣的模型、它們之間是什么關系，它可以通過數據本身呈現出來的內容通過可視化的方法察看這些數據，我們才能夠知道這背后的邏輯和數據之間的關聯，這是我們稱之為探索式分析。

探索式分析通常能夠讓分析人員走到業務部門之前，可能在業務部門發現這個問題之前就告訴他們“你這個地方出問題了”探索式的分析和驗證式的分析我們一般把它稱之為企業數據分析的一陰一陽，只有陰陽協調了企業內的數據分析才能走上正軌。

探索式分析應該在企業內處于什么位置？大家看到圖中灰色的部分，這部分叫做傳統的企業數據流程，業務場景中采集數據，進行數據的ETL，處理完之后有標準的算法模型產生對應的數據可視化結果或者對應的數據層，這是現有很多企業做的標準數據流程。

在這個流程之上其實缺少一個環節是什么？我有一個問題，算法模型和機器學習這些東西是從哪兒來的？很多分析師可能會講，這是我們針對公司內的業務去做的一些經驗的總結，但是這個東西是后法，實際上是先有想法然后再去做總結。在這個過程中我們遺失掉了數據本身蘊含的信息，所以國外現在提出的探索式分析的概念是在這個位置。

也就是說我們從數據最初的地方把數據拿進來，讓數據告訴我們它里面含有什么樣的信息，我們有了這些信息之后去改進算法、改進模型、改進分析的觀測角度和指標，然后再反過來發展業務。

在這個地方還要提一下，在很多可視化的效果里面，經常會用一些3D的效果。我舉個最簡單的例子，當我們把一個標準的餅圖變成一個3D立體的效果，誰能夠告訴我這個餅圖還能不能判斷的更準確一些？當我們把一個垂直的餅圖放平之后或者放45度角的時候是完全沒有辦法判斷角度和面積的，所以不要迷信3D圖形。

如果從實用角度看很多時候2D才能真正解決問題，但是3D圖形有3D圖形的用處。當圖形的繪制者知道他自己的圖形將要拿出去做宣傳的時候，他一定會首先選用3D圖形，因為更好看、更炫、更酷，那個東西才更吸引眼球，為什么會吸引眼球呢？他需要花大量的時間，比2D圖形更多的時間去做判斷，這是我告訴大家為什么人喜歡炫酷的原因，不是因為它真的好看，而是你要花更多時間理解它的意思。

我們回到企業內部這個東西要讓老板做決策，千萬不要給老板看各種各樣詭異3D圖形，老板肯定看很久還不知道你要表達什么意思，2D圖形在企業內足夠解決問題。

剛才講了數據的類型、數據的關系、視覺處理的依據。有了視覺處理的依據之后我們需要進行圖表的選擇，很多分析師做圖表選擇的時候都會犯一些錯誤，因為不同的圖表所表達的含義是不一樣的，有些可以用于進行數據的比較和對比，有些可以用于察看數據的組成，有些可以用于察看數據得分析情況。當然我列的并不全，有了這些之后我們才能夠對數據做我們所說的探索式分析。

國內企業怎么做數據分析與數據可視化？

說了這么多之后，我們回過頭來看，當前中國的企業需要一款什么樣的產品去幫助企業完成企業內的數據分析，數據可視化的工作呢？

這里可以推薦億信華辰的各類工具，如果你想專門研究數據可視化這里可以推薦---酷屏。