数据协作：自助式BI的必备功能

也正是基于这样的特性，使得企业内部人人都可以使用自助式BI产品，特别是业务和分析人员。以往，在传统BI时代，企业内的数据分析工作往往由IT部门主导，任何分析需求都需要依靠IT人员实现，而借助自助式BI产品，业务和分析人员完全可以“自给自足”，这也让“人人都是数据分析师”成为了可能。

可以说，自助式BI产品让企业内的每个人都可以自行处理数据、分析数据，从数据中发现更深层次的价值，但在这个过程中，企业往往忽略了一个核心流程，即分析过程中的协作和结果共享，也就是数据协作。在愈发强调团队协作的今天，企业不仅需要自助式BI的简单、易用、灵活，更需要一个可以让各部门共享数据，协同完成业务分析流程的平台，同时，决策者也可以基于该平台沟通问题，制定决策。

在Gartner对未来BI发展趋势的预测中，也曾提到，未来几年，有15%的BI产品将整合协作和社交功能。在国外，像Tableau、Qlik等BI产品已经加入了这一特性，而在国内，这样的产品还不多见。据了解，DataHunter是少有的一家基于数据协作打造智能BI产品的企业。

为何数据协作如此重要?数据协作平台与传统BI以及自助式BI产品有何区别?下面，我们以DataHunter数据协作平台为例，为大家一一介绍。

高效处理数据

数据协作的最大意义就在于提高效率。当然，这其中不单是指分析过程，而是指从数据整合、可视化呈现、再到分析协同、共享讨论这一完整流程。所以，数据协作平台首先能够帮助企业高效的处理数据。

基于异构数据源整合，DataHunter数据协作平台能够帮助业务和分析人员轻松导入所有业务数据，包括企业内的各个业务系统以及Excel和CSV等离线数据文件，同时，DataHunter数据协作平台还支持一键导入第三方互联网数据，包括人口数据、金融数据、天气数据等等。

此外，同大多数自助式BI产品一样，DataHunter数据协作平台的建模过程也非常简单，业务人员在导入数据后，只需要进行简单的数据关联操作，就可以完成建模过程。同时，系统还支持对元数据进行一系列的修改操作。

可以说，借助DataHunter数据协作平台，几分钟完成从数据整合到建模这一复杂的数据处理过程，最大限度的提高了业务和分析人员的数据处理效率。

协同分析

我们知道，传统BI仅仅是给用户提供静态的数据报表、OLAP报表、记分卡等功能，而且，传统BI更达不到多人分析、协同决策的高度。相对来讲，自助式BI产品在这方面则要完善很多，就像我们之前提到的，目前有不少国外BI产品已经加入了协作功能，而在国内，集成度比较高的可能只有DataHunter。

DataHunter数据协作平台完美支持多种业务层级下的数据分析和决策的协同方式，特别是满足跨部门的协同分析需求。DataHunter数据协作平台支持基于业务看板的实时评论、在线讨论等功能，用户可在讨论过程中发送文字、快照和图片等内容。同时，针对团队成员的评论、分享等操作，用户也可以在消息通知中第一时间查看到。

DataHunter数据协作平台真正实现了多人、跨团队的协同分析，在提高分析效率的同时，也让决策制定的精准度更加科学合理。

看板分享

除了实时评论、在线讨论功能以外，DataHunter数据协作平台也支持看板的共享和分享功能。用户可针对某一业务看板，共享给团队其他成员或跨团队共享。同时也可以像网盘一样，通过链接分享功能，快速将看板分享给其他人。

这里特别要提到的是，DataHunter数据协作平台对移动端的支持也很出色。用户在智能手机、平板等设备中，不仅能够查看看板，也可以进行协同过滤、数据钻取等分析操作。

结语：通过数据协作平台，企业内的业务和分析人员可以更加高效的基于数据进行工作的协同和决策。从异构数据源的整合到协同分析，再到分享讨论，应该说，数据协作平台比一般的自助式BI产品要更加的全面和高效。