关注并将「大鱼的数据人生」设为星标

分享数据驱动业务的思想

业务部门会抱怨报表数据不够及时和准确，IT部门则会抱怨业务部门需求太多太急，这种矛盾在大部分企业都会存在，这些问题的解决不是仅靠资源的投入、技术的提升能解决的，往往涉及到企业组织、机制和流程等更深层次的问题。

今天就来跟大家聊聊如何提升做报表的效率。

1、组织优化：在业务部门建立小IT团队

业务部门提报表需求，IT部门实现报表需求的“授人以鱼”的传统支撑模式速度是很难起来的，因为管理成本太高（比如需求分析、流程审批、资源分配、运维调度等等），如果业务部门能自己进行报表开发，则可以从根本上解决问题。

业务部门不可能成为IT部门，但业务部门却可以拥有自己的小IT团队，从而自给自足的解决报表开发问题，这个在数据中台建立起来后变得非常现实。

数据中台可以为业务部门的小IT团队提供三种能力：数据仓库模型、开发工具和BI工具。其中数据仓库模型解决报表数据生成效率问题，数据开发工具解决业务人员操控数据的问题，BI工具解决业务人员设计和发布报表的问题。

中台确保了业务部门的小IT既不会导致IT系统的重复建设问题，也能给予业务部门足够的自由度和自主权。

现实中最大的挑战其实不在技术上，而是在观念上，让业务人员自力更生并不是那么容易，即使你提供了很好的平台或工具，但的确“在业务部门建立小IT”是很好的方法。

正如现在的HRBP一样，ITBP也该出现了。

2、业务归口：实现报表的集中管理

报表的口径混乱导致业务部门花费巨大的精力去核对数据，IT部门为了配合数据核对也需要投入巨大的成本，这是企业报表支撑效率低下的一个原因，我们不是在做报表的路上，就是在核对报表的路上。

报表口径混乱的根源当然不是IT问题，而是业务问题。公司的某个业务也许可以归口到某个部门管理，但并不代表这个业务的报表有了归口部门管理，任何跟这个业务相关的组织或个人都是有权利向IT部门提出该业务的报表需求的，这是成千上万报表产生的一个原因，也是口径混乱的根源。

比如集团总部要看省公司维度的的报表，而省公司要看地市公司维度，虽然大家关注的是同一个业务，但你会发现IT不得重复去实现一遍。

但只要有重复实现就会产生不一致问题，因为不同的组织或个人对于同一事务的理解肯定有偏差，特别是业务口径，一字之差，谬以千里，即使业务口径一致，实现方式的不同也会导致不一致。

企业与其花费巨大的精力去核对报表，还不如针对每个业务的报表去明确下归口管理部门，跟IT部门做个协同，比如不允许IT部门接收非归口管理部门的报表需求，在这个前提下IT部门去开展报表治理的工作才有些意义，否则垃圾还在不停的进来，怎么治？

现实中IT往往成了背锅侠，这是挺扯淡的事情，只能说IT在很多企业太弱势了，业务部门从来就不曾真正的解决问题，它永远是要求当下IT必须给我正确的数据，至于如何才能从根本上解决问题，下次再说吧。

3、指标统一：实现报表的中台能力

有了报表的业务归口的前提，才轮得上去谈技术的解决方案。有人总是强调指标的神奇作用，但如果没有业务管理上的支持，说用指标的方式来提升报表的开发效率也是美丽的泡沫，长远来讲难以坚持。

从纯技术的角度讲，报表都是由指标组成，只要指标能够标准化，理论上任何新增报表都可以由标准化的指标组装生成，这是典型的中台化的思想。可惜的是，指标不是功能，其牵涉的维度和粒度太多，变化太快，基于指标搭建的这个报表中台就有点脆弱。

报表的中台化实现方案可以参考阿里的的数据中台DATAPHIN，其对于指标的实现有严格的控制，但前提是需要公司顶层的支持，因为整个数据的支撑模式将发生巨大的变化，开始的时候成本是巨大的，而未来则是不确定的。

比如当业务人员提一张报表需求的时候，IT会先评估下是否有现成的指标可以支撑，如果没有，则要先实现这些指标，而为了确保这些指标的共享性，指标的设计和实现过程将花费更多的时间和精力。

但企业有多大的耐心呢？

在市场响应的及时性和IT的可复用性之间，你觉得它会做出何种选择？因此笔者看到了太多指标化神坛的垮掉。

无论如何，指标化是提升报表效率的利器，如果你能坚持到最后，那一定是很好的，但千万要获得企业的支持，这不是IT部门能自己搞定的事情，更不能两边骑墙。

4、人才引入：拓展做报表的边界

再好的组织、机制、技术的设计，如果没有优秀的人去落地实施，一切就都成了空。要提升报表效率的最简单方法就找靠谱的人去做。

比如报表数据稽核吧，专家和新人的效率就不可同日而语，在最危急的时候，leader总是想到团队最靠谱的人来搞定数据质量问题。

因此，要提升做报表的效率，你首先得看看最优秀的人是否被安放在了这个岗位上，牛逼的表哥做报表能做出不同的境界。

他不仅可以快速的领会业务人员的意图，准确的进行报表的评估及高效的进行数据质量稽核等等，还会主动进行报表体系架构的调整、数据模型的优化及脚本效率的提升等等。

但在一支数据团队，我们往往不愿意把最优秀的人放去做报表，即使他现在在做报表，你也会把他调离去做更高level的事情。

现在提做大数据，大家首先想到的就是平台、建模、挖掘及应用，没有人会将报表当成自己未来的专业。

倒并不是说报表不重要，而是做报表往往处于价值创造的中间地带，其在业务上的贡献大多被过顶传球了，很难有亮点可言，而在技术上的贡献，似乎也很少。

这里笔者要为报表的价值和内涵正名一下。

从价值的角度看，报表是衡量企业运营正常与否的晴雨表，在企业的决策支持方面发挥着巨大作用，其重要性往往远超那些模型和标签，只是大家习惯了而已。

事实上，只要报表效率提升那么一点点，其创造的价值就会很大，比如财务报表提个速，虽然可能是润物细无声的。

从内涵的角度看，表哥往往将自己局限在了设想的专业领域，但事实上，要做好报表，牵扯到了组织、机制、流程、中台、技术等各个方面的问题，正如我前面提到的内容一样，我们还有太多技术含量很高的事情要去做，只是挑战都很大。

谁都会做报表，但要做好的确很难。

—————— / END / ——————

大鱼先生，给你提供最新的数据思想，欢迎关注！