首先,把工具下载地址分享给大家,直接去体验一下区别。
工具及素材下载地址合集
接着,来听一个案例。
前些日子和一个客户聊天,他们用FineReport 表工具有5、6个年头了,先后做了财务 表、营收分析、月营收 表,细分到200多家门店以及2000多名员工的财务数据汇总。
之后又用到业务层,做了OA流程分析、BOSS驾驶舱和经营可视化大屏,可以说把FineReport的功能和场景用得很全了。而且带来的效益也很明显:
通过填 规范化各业务线的数据收集流程,利用帆软主数据管理帮忙打通了业务系统,就主数据整理这块,就节约了7个人力。
当初上FineReport,通过 表的中国式复杂 表、灵活参数查询、丰富的图表展示、自由的数据填 上 采集、企业级门户管理等功能解决了企业信息化的不少难题,业务的数据 表可视化展示成果也是受到了领导的不断好评。
可以说“IT+数据”,价值越发凸显,盘子也越做越大。
但是任何事总会遇到上升的瓶颈,随着公司的发展,随之而来的是销售、门店、市场、人事的业务分析需求接踵而来,企业的各数据采集模块越来越丰富,即便是有 表系统,但 表需求也如井喷。
最重要的是,业务的需求越发专业和个性化,需要IT对业务场景越发了解,这种需求很费时间,沟通稍有不慎之后就是不断打回,要么改需求要么继续优化,教业务取数做 表又不现实。
问题分析
基于以上种种企业数据应用的痛点,我们需要进一步的思考。
首先,要肯定 表工具的功劳,它实实在在解决了很多数据填 上 录入、日 月 、中国式复杂 表、以及企业数据 表管理的问题,同时极大地提高了 表开发效率,功不可没。
但 表只覆盖了企业部分数据应用场景,且他的上手难度对多数人,尤其是业务人员有一定门槛。
对于一些数据工作走在前列的企业来讲,有些数据问题还得靠BI来解决,比如:
所谓自助式BI,就是解决这类问题的
FineReport和FineBI的区别?
FineReport属于 表工具,为了实现固定样式的精细化/复杂 表,还有酷炫的大屏,主要功能就是:数据录入(填 )、数据查询和数据展示( 表、可视化大屏),还有 表权限管理。一般企业内流程是IT按照业务需求制作 表,业务和领导查看即可。
而FineBI属于商业智能工具,面向零技术基础的业务人员,让他们也可以自主探索式地分析数据。主要功能有简单 表(汇总表和明细表)、Dashborad和自主数据分析功能。企业内流程是IT整理好数据之后,业务可以自己做分析表,灵活做表的过程就是分析的过程。
FineReport能制作各种复杂 表,而FineBI能将大数据量级的数据快速进行分析展示。
FineReport侧重固定 表的展示,而FineBI侧重基于问题导向的灵活分析,例如销售数据、人员流失数据分析,快速搭建各种业务模型(杜邦分析法、KANO模型等)。
两者如何配合?
配合上,比如FineReport用于固定日周月模板、填 场景、大屏和一些复杂 表的开发工作,BI用于发现探索问题等灵活的业务分析需求。
举个例子
以某银行为例,下辖13家省内分行、4家省外分行,营业 点541家,员工1.4万人。全行的生产实际ODS总共的数据量20几T,单表数据量最大1亿3千万。
上FineBI产品之前,信息科技部承担着全行内日常的数据管理以及响应各部门的 表制作需求。比如,营运客服中心需要定期对客户进行跟踪、电话回访,信息科技部通过sql将数据库中的数据取出来,再展示成 表提供给营运客服中心的客户人员进行查询。
行内的其他业务部门,有计划财务部,公司业务部,消费金融与信用卡中心,风险管理部,营运部,各部门对自己的业务数据都有自助分析的需求。比如计划财务部要做经营分析、资金清算,消费金融与信用卡中心要做信用卡发放的覆盖率、信用卡消费的分析,公司业务部要做增长的趋势、增长速度的分析,风险管理部有对对标上市银行的相关分析。
这些业务部门的数据指标的特性是变化快,不但经常增加新的指标,而且已有指标的计算方式也在变化,所以需要经常调整。一般信息科技部会按照业务部门提过来的需求来做指标,但苦于对业务的理解不深,导致沟通成本高、实现效果不及预期。
目前全行各部门有效的分析模板300多张,各部门对自己的数据和分析模板有着绝对的自主性,同时也方便了汇 工作,譬如计财部总监给董事会汇 ,以前都采用先查询 表,然后将结果粘贴到PPT汇 ,现在直接使用FineBI平台,边汇 边切换指标讲解,方便直观。
总行顺利推进,近期各分行也正在积极推广使用中~
写在最后
回到标题,有了 表FineReport,为什么还要上FineBI?
当前,商业智能(BI)的发展趋势正从IT主导的 表模式往业务主导的自助式分析模式演变,越来越多的企业和部门希望能够自己处理和分析数据,减少数据建设到决策分析的时间。
而FineBI让人人都是数据分析师成为可能!没有技术基础的业务人员、决策者都能根据自身需求,进行指标拆解、层层钻取,借助各种分析模型,找到问题原因,及时做出调整和部署,科学决策!
声明:本站部分文章及图片源自用户投稿,如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢!