1、研究結論：BI最痛的3件事
1）缺少價值認同感：比如管理層不夠重視BI，BI輸出的意見不被采納，無法推動落地，長期被低價值的報表、驗數類需求圍攻，被視作人肉取數器，無法融入到業務中；
2）數據生產資料不足，且管理混亂：比如底層數據臟亂差、需要的數據沒有、指標定義混亂；
3）對成長的焦慮：比如成長慢，找不到分析思路和方法，對未來職業發展沒有信心；
2、做BI最痛的3件事之BI原聲由于部分用戶原聲高度重疊，所以只展示有代表性的原聲。?
分析師A
1）CEO不足夠重視數據的價值、BI的價值。2.BI的建議不能執行落地。3.數據中臺無法高效支撐。?
分析師B
1）業務不穩定、迭代快，分析師的分析迭代成本太高。2.和ETL的協作難度大，效率低。3.BI對業務帶來的直接幫助和價值怎么衡量？?
分析師C
1）業務想不清楚需求，也不知道自己要什么，漫無目的提很多數據需求，抱著試數據的態度看數據。
2）BI給出的觀點、意見，業務擱置一旁，不采納，不實施。
3）業務為了KPI造口徑，造對比區間。而BI在這個過程中，起不到對目標設定/計算方式的客觀的決定作用，只能被動按照業務需要去滿足。?
分析師D
1）業務經常毫無理由的diss數據錯誤，數據鏈路很復雜，有可能是指標定義問題，有可能是系統問題，也有可能是ETL加工出錯，不是BI的問題呀。
2）加班加點的對接低價值的數據，月報十幾頁，真心懷疑有人看嗎？但還要熬夜把數據扣準，廢了老命，可能老板只是臨時想起來，但我們得半夜起來弄，結果可能老板壓根都沒看。
3）業務把你當人肉取數器，總是說你給我弄下這個數據，我要做判斷了，辛辛苦苦弄完數，業務說你可以走了，我們還要接著討論。?
分析師E
1）怎么樣能和業務負責人對焦，找對方向，找對問題，聚焦？
2）怎樣能理解商業，并有效的參與業務討論中，并通過數據推動業務？?
分析師F
1）底層數據臟亂差，想要的數據沒有或者不對。2.數據口徑不一致，數據核對校驗工作量大。3.需求背后，如何有深層次商業問題的洞察。
分析師G
1）基礎數據支持和分析工作的時間協調困難，取數、報表這樣的基礎工作占據了大部分時間，部門里很多人都在做這樣的工作，沒時間做商業分析，分析師的成長緩慢；2）分析方向和方案的輸出把握不準；3.擔心分析師的價值不夠，害怕未來這個行業被替代或消失；
3、一張圖看BI工作的上下游
BI承接上游的需求，明確需求背后的動機后，再對需求拆解，進而形成分析思路，再從下游獲取數據，而后輸出分析報告，再得到分析價值反饋，很可能還需要追加分析。
這其中，任何一個環節不給力，都會對BI形成壓力。
4、BI的用戶:不理解數據或不清楚自己要什么?
BI的需求來自CEO、管理層、業務方，每個需求方對數據的認知不一樣，商業判斷力也不一樣。?同樣是CEO，財務背景的CEO對數據敏感度高，數據敏感度高導致大佬們不需要BI解讀數據，只要BI告訴他客觀數據就可以，因為他對數據的解讀比BI還厲害。銷售出身的CEO有的懂數據，有的一知半解。其他背景的就不好說，管理層受自身過往經驗、認知的影響，又身處高位，有自己的判斷，且判斷不輕易被改變。?如果大佬們不理解數據，中層、一線業務小二們往往更不理解數據，因為很多企業的運作自上而下。?如果有個大佬，每天要和他的團隊review數據，那這條線的BI就該笑了，因為他們會被需求方重度依賴，自然也多了機會。
而現實往往比較殘酷。經常是大佬們臨時想起來要看個/些數，他們也不知道數據背后的流轉、邏輯，還把BI當成乙方的角色，心里想著數據不就得按照我想的來。根據菩提的觀察，越傳統的行業，對數據的認知越處于石器時代。?即使在數據大行其道的今天，依然有些合作伙伴不了解數據。我們和某業務管理團隊溝通數據需求，業務老大說，我是傳統行業過來的，不懂數據，我提不出需求。?除了需求方不了解數據，同時，需求方可能商業判斷力也不太夠，沒有體系化的思維，不知道業務哪里出問題了，也不知道BI能幫他解決什么，于是變成條件反射，提各種臨時、瑣碎的需求給BI，口頭禪變成你們BI從數據上看看吧。?這時候，BI不管出于什么樣的原因，如果無法輸出高價值的商業分析，又處在乙方位置，價值感就會油然下降。?進而，需求方就會對臨時、瑣碎的數據需求形成依賴、慣性。因為需求方不知道BI能做什么，BI也沒有告訴需求方BI可以做什么，仿佛雙方都接受了臨時取數的現狀。長此以往，對BI來說就很難從沼澤地抽身出來。?這種情況下，BI必然痛，痛在沒有價值，痛在對成長焦慮。
5、BI的數據生產資料不足?
巧婦難為無米之炊。BI依賴好的數據中臺、數據倉庫，如果底層數據質量差或者數據缺失，就是BI的災難。BI如果有10分的時間，可能6分得用在數據獲取、清洗、校驗上。?BI和ETL的協同一直是常見問題，BI把自己當ETL來用的情況，不少見。?殘酷的現實：業務先行，技術為了滿足業務需求，忙著搭系統，顧不上數據，甚至都沒想起來數據，也沒有數據的意識，系統遷移、接口變化未必告知數據，更不要說數據采集、數據規范之類問題?；蛘邩I務系統本身就是個半吊子，一部分數據在系統，一部分數據在線下維護。這種情況下，數據集市、數據倉庫必然難以滿足BI的需求，其實ETL也是被背鍋的。
在企業一定的發展階段，數據建設差，可以理解。因為所有的企業必須先活下來，活下來就需要業務滾起來，資源向業務、向銷售傾斜，BI、ETL的人又貴，產出還不直接，導致數據建設遲遲沒有進展。?隨著企業發展到一定階段，數據會成為制約企業發展的瓶頸。菩提溝通過的有些企業就面臨這樣的現狀，公司幾百號人，沒有1個專業做數據的人，又似乎從業務到財務，人人都在看數據。他們再不做數據化的管理，管理邊界就無法擴大，團隊中人人竭盡洪荒之力從各個系統中，給自己和老板找數據，但各團隊的數據從來沒對齊過，管理無處下手。?這種情況，一方面取決于管理層怎么看待數據化運營和管理，以及企業長期發展，另一方面也取決于數據團隊的戰果能不能說服管理層。?底層數據質量差的問題，對于BI個體來說，在短時間內很難改變，我們能改變的只有自己。?
6、BI自身：商業分析的意識、思維、方法不夠?
打鐵需要自身硬。自己硬氣的話，需求方再不靠譜，底層數據再差，依然能找到自己的價值。?最糟糕的是，被需求方和底層數據同時夾擊，自己又無力還招，這種狀況持續得不到緩解，就只能越來越越痛。缺少價值感、生產資料不足、對成長焦慮，這3個痛還時常并發。
有人覺得分析師未來的成長空間小，崗位會被替代。?菩提的理解：會被替代的是低價值、可以標準化的流水線工作，商業分析需要好的商業洞察、分析框架和邏輯、分析方法，很難被替代。
好的分析師和好的產品經理一樣，1人難求。頂級的分析師最重要的特質是商業敏感度、思維方式，看看那些投行里的分析師齁貴齁貴，這種分析師到哪都搶手，做好了，不用擔心以后沒有機會。?少些焦慮，把能量放在思考、學習上，提升分析質量是關鍵、王道。信心和價值要靠自己賺回來。
BI受需求方和底層數據的兩面夾擊，需要有好的內功（商業洞察力、分析能力、溝通能力），一方面理清需求，超越需求（1號位思維），進行問題拆解，一方面從各種渠道獲取數據（BI不止從數據倉庫拿數據，也要向市場、行業、用戶拿數據），而后用系統化的方法去分析、驗證，最后產出分析報告。?內功不到位，又被需求和數據源雙面夾擊，生存和發展當然就難。內功到位，則可以向需求、數據源兩個方向都給自己撐開空間。需求和數據源是外因，以一己之力，很難快速改變，只能緩解，練內功才是正解。
7、對BI破局的小結：
互聯網和數據發展階段，決定了BI現在的痛無法避免。
緩解這種痛需要組織和自己的努力。
組織上：
1）為BI努力，構造好的氛圍，包括理解大家的痛苦
2）巧借各種場合向業務、管理層宣講BI的規劃、職能定位
3）職能上保障BI在商業分析上的投入；
個人努力：
1）清醒的認識到1萬個臨時取數也換不來商業分析的能力
2）深貼業務，做業務的大腦，不是維修師、預警器
3）多跑市場&客戶，立體了解業務，提高商業判斷力；
4）找1-2個機會點突破，嘗試商業分析；
5）結識高手；
