-- 零售通自助分析平臺實戰分享
前言
零售通自助分析平臺是服務於零售通業務線運營和產品同學，無需SQL無需配置快速分析數據，定製個性化報表的地方。
傳統方式進行數據分析需要6步走，門檻高到攔下大部分到初學者：1. 申請數據項目空間；2. 查找對應數據底表並申請權限；3.D2中獲取AccessID；4.DI中配置項目空間和AccessID；5.DI中用數據底表配置數據源；6. 開始數據分析
而使用自助分析只需3分鐘兩步走，將入門門檻拉到了地板上：1. 申請自助分析平臺權限；2. 選擇標準化底表之一開始數據分析（例如交易數據）。
產品Demo長這樣~ 
用戶反饋長這樣~
零售通自助分析平臺上線3個月，取得了一定效果：
1. 報表閱讀用戶300+，月訪問PV 7000+
2. BU 30%員工開始在線數據分析，註冊自助分析用戶已達到300人。其中，月活躍自助分析用戶140人
為何各路表哥表姐都來投奔自助分析平臺了，連平時不太看報表的王小二都開始自助分析了？
原因很簡單，因為自助分析不用寫SQL，0門檻上手只要1分鐘，10分鐘的工作頂過去1個小時!
一、背景
作為新零售的八路大軍之一，零售通在過去的一年經歷了迅猛的發展
- 實倉銷售額增長超過100%
- 銷售動銷店增長30%
- 商家和商品數增長50%
- 成為快消行業No.1的B2B平臺
生意規模的快速增長帶來了大量新的場景和問題，管理複雜性大幅提高。為了達成“共建智能分銷網絡，讓百萬小店擁抱新零售”的使命，零售通將數字化能力定義為零售通致勝的四大能力之一。
在這樣的背景下，人民日益增長的數據需求與落後的數據生產方式之間的矛盾越來越難以調和：傳統數據驅動模型，即核心由BI/DA驅動，運營小二僅在外圍作為需求方和最終用戶的組織方式，已經很難滿足業務的快速變化：
- 需求響應時間過長：場景多，需求雜，資源緊，排期長
- 產品時效性不高：技術團隊難以快速充分了解變化的業務需求導致產品一期開發好之後，運維迭代成本高，無法滿足運營當下的訴求，而讓產品很難被運營廣泛使用起來
- 新業務開展無大數據分析基礎：新業務場景只能線下抽樣數據估計個大概
- 老業務開展靠“表哥/表姐”：缺乏工具支撐的運營小二隻能耗費大量時間在Excel數據分析中，低效低產
（傳統的數據驅動模型）
二、解法
零售通自助分析平臺就在這樣的背景下誕生了。平臺的定位是“數據驅動2.0，人人都是數據專家”，讓業務運營小二成為數據驅動增長的核心力量。
（以自助分析為核心的數據驅動模型）
在構建自助分析平臺之前，對數據驅動2.0時代、數據如何在業務中流轉、不同崗位的人如何協作進行流程說明。
圖中縱軸代表 數據建設的發展階段，分四層：
- Lv.0：底層建設：產品技術團隊做好平臺工具和數據底層支持
- Lv.1：自助分析：運營小二實時分析
- Lv.2：數據產品：日常工作流沉澱為數據產品
- Lv.3：產品化：將數據產品與工作流打通，實現產品化
圖中橫軸代表 數據驅動增長過程中相關的人員角色，有四類：
- 運營（普通用戶&創新用戶）
1. 針對新業務場景實時自助分析
2. 定製日常工作流提升效率 - 產品/技術
* 維護迭代自助分析平臺，改進體驗，給自助分析打磨工具 - 數據團隊DA
* 維護迭代數據寬表，確保數據準確、充足，給自助分析提供彈藥
三、方案實現
1. 平臺選擇
通過對比集團內的FBI、DeepInsight等各種產品，最終我們選擇了DeepInsight來進行方案實現，核心3個原因：
1. 易用性強：熟悉Excel的同學5分鐘即可上手
2. 配置門檻低：最終用戶僅需申請一個權限即可完成全站配置，即刻開始使用，無需理解各種複雜的項目空間、表權限等概念
3. 功能強大：支持多種圖表、計算字段，嵌入式Excel快速重現線下工作流
2. 產品結構
自助分析平臺基於DeepInsight的門戶模塊搭建：
1. 即席數據分析：核心功能是將可編輯的工作簿嵌入到門戶中，最終用戶只需申請門戶權限，即可擁有門戶中所有工作簿及其對應數據的權限，即刻開始數據分析。
2. 產品運維和權限：所有的底層數據維護和權限管理工作，全部交由門戶管理員統一管理，避免了每個最終用戶都需要開通數據訪問接口等步驟，降低了最終用戶的使用門檻。
按照第二節中介紹的4層結構，Lv.0 由門戶管理員和數據團隊負責，創建整體門戶結構和相應的底層數據集和工作簿，網站結構如下圖所示：
Lv.1 的最終用戶自助分析基於管理員提前製作好的案例開始，避免了新人上手不知從何下手的問題。
Lv.2 核心用戶沉澱下來的工作流，彙總到“報表廊”板塊集中展示，一方面供廣大最終用戶使用，另一方面也給大家提供分析思路借鑑
Lv.3 對於Top的數據產品，與產品合作打通與已有產品流程，數據看板嵌入到現有產品工作流，從數據分析直接觸發業務動作
3. 流程步驟
有了依賴的工具、和產品框架，需要從哪些地方開始做起來？這步會帶來解答，帶您瞭解一個自助分析平臺搭建起來的成本可能是怎樣的。
| 序號 | 步驟 | 負責人 | 關鍵點 |
|---|---|---|---|
| 1 | 確定需要發佈的數據集 | 全體項目組 | 與風控評估信息安全風險 |
| 2 | 開發底層寬表 | DA | 數據應保持最細顆粒度 |
| 3 | 創建底層寬表數據集與工作簿 | 產品/技術 | 調整字段類型；確定合適的加速方案，ADS默認加速上限1千萬條 |
| 4 | 為工作簿創建案例並設置為公開 | 產品/技術 | 創建必要的計算字段 |
| 5 | 創建門戶，並將工作簿嵌入門戶 | 產品/技術 | 外部頁面可通過鏈接嵌入 |
| 6 | 根據需要創建合理的自動權限審批ACL | 產品/技術 | 風控 |
| 7 | 產品發佈 | 產品 | 培訓與推廣 |
4. 案例分享
截止目前，平臺已經沉澱出大量成熟的工作流並納入報表廊，為BU工作效率和業務結果的提升帶來幫助
- 地區供應鏈的@知山 將自助分析全面推廣到前線小二，通過使用數據可視化分析，每日跟進配送項目進展，配送費用節省29%
- 品類供應鏈的@逍鴻 將品類計劃的日常工作流整合在一起，從缺貨、滯銷、週轉、拆零佔比、單坑效能、OB後追蹤等角度提供了一站式的彙總分析，並能快速定位當日需要跟進問題點，大大簡化了品類計劃同學的日常工作。
- 商品中心的@曠達 在雲倉戰役中運用自助分析平臺通過分析每個街道核心雲倉品牌覆蓋率，找到品牌發力點，提升雲倉商家在各個街道的銷售
- 行業運營的@趙倩 對重貨成本項進行拆解分析尋找降本機會環節，摸索重貨創新模式，為符合買家需求的頭部重貨品類尋找有效降本方案提供數據線索
- 4月迭代上線的拍檔寬表，為零售通的詠春戰役提供了個性化的數據支持，幫助小二精準定位問題點
5. 運營數據分析
為了便於運營，我們將用戶訪問分為4種類型，
1. 自助分析：通過自助分析平臺進行數據分析；
2. 自建流程：訪問自己創建的報表；
3. 獨立開發：申請單獨權限進行數據分析；
4. 報表閱讀：閱讀他人制作的報表
對於絕大部分用戶，我們期望更多人採用1.自助實時分析；以及使用沉澱出更多的2.自建流程；對於能力較強的創新用戶，鼓勵其進行3.獨立開發成熟的流程，並分享給團隊4. 報表閱讀 提升團隊效率。
整體數據如圖，上線3個月，註冊用戶300+，覆蓋BU 30%員工。月活躍自助分析用戶140人，報表閱讀用戶300+，月訪問PV 7000+，其中分析PV佔比49%，訪問量迅速增長。
針對用戶粘性的分析，從下圖的訪問數據可以看出：
- 左圖：在過去15天（包含51假期），對於自建流程的用戶，平均訪問天數達到11天，甚至不少人達到14、15天，說明適合自己的工作流才是最好的工作流；
- 右圖：自助分析的頁面訪問量部分人高達180+，核心用戶的熱情攔都攔不住
四、未來規劃
有了好的平臺工具，只能是個好的開始，最終的業務價值還要運營。幸運的是數據能力作為零售通核心的四大能力之一，得到了自上而下從領導層到HR和產品數據團隊到業務團隊的大力支持。
1. 組織體系方面
在新的財年，我們將通過棒棒堂整合數據領航班的形式，從各部門選拔有一定數據分析和數據工具使用基礎且數據驅動業務敏的感度高，業務理解能力突出的小二，作為領航班成員，參與數據能力體系化培養，參與零售通全域數據化項目建設，通過個人數據能力成長與數據驅動業務成果體現，將數據能力從內核向外圈病毒式傳播，帶動整個零售通數據思維和能力的整體提升。
2. 數據底層方面
基於用戶反饋和生意變化，產品定期進行迭代，不斷滿足新的業務場景。目前我們已經覆蓋了供應鏈進銷存、前線銷售、拍檔營銷、小店數據，未來會進一步拓展到前端App、後端倉儲物流等領域，賦予自助分析更大的發揮空間。
3. 產品化方面
經過一段時間的運營，我們已經沉澱出了一些成熟的流程，其中庫存相關的產品已經做到數據產品與現有產品的打通，實現了從看板分析定位問題，直接跳轉到相關產品進行具體的操作，未來將進一步探索更加深入的產品化模式。
同時結合零售通新財年將服務好商家為核心的策略，將會整合產品，開發適合商家使用的數據產品，期望未來能把分析賦能給到商家。
五、結語
對於用戶能力的培養，我們在提供線上視頻與線下培訓相結合的基礎上，提供了線上答疑群，同時對於常見的問題：如何下載數據，如何分享製作的報表等問題，製作了FAQ，方便用戶查詢：
https://yuque.antfin-inc.com/docs/share/9a356434-252a-4378-8f25-322b4e10603f
最後，感謝DeepInsight團隊的小夥伴做出如此出色的產品，讓我們的業務有可能架構在這個平臺上，感謝@源圓、@青夕、@嘉豪等諸位小夥伴忍受我不斷的騷擾幫我解決各式各樣的問題，才讓零售通自助分析平臺能順利走到今天。也要感謝項目組的 @超暉、@化泥、@秋萍、@蔣小賽同學一起推動項目向前，更要感謝巫曼、怡文、喬石、玲玲、家華等各位老闆的大力支持。
如果您也有類似的痛苦或者正在做類似的事情，歡迎在文章下方留言區交流或者釘釘搜索馮子睿，讓“人人都是數據分析專家”不再停留於口號，變成現實！