
调查显示近八成员工需向他人索要工作数据
来源标题:The 79% Problem: Why the People Who Need Data Still Cannot Get It
行业研究显示约79%需要数据开展工作的员工必须向他人求助才能拿到数据,只有少数人能自行获取。这种从提问到拿到答案之间的缺口让企业付出时间、金钱和决策质量的代价,而最了解客户和业务的一线人员往往无法自行回答简单的问题。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
近八成员工不得不向他人索要完成工作所需的数据。问题与答案之间的这道鸿沟,让公司付出了时间、金钱和更好决策的代价。分析师的瓶颈为何持续存在,以及如何在不动摇数据信任的前提下打破它——这就是本文要探讨的。
想象一下最了解你客户的那个人。也许是每周都与客户沟通的客户经理,也许是目睹每一笔延迟订单的运营负责人,也许是清楚知道哪些交易即将告吹的销售代表。
现在问这个人一个简单的问题:上个月流失了多少客户,分别是哪些?
在大多数公司里,他们自己答不上来。他们得提工单、发消息,或者走到数据团队某人跟前。然后等待。在等待的过程中,他们继续凭直觉、凭记忆,或者凭三个月前手工搭建的表格做决策。
这可不是小小的效率损失。行业研究一再发现,大约79%需要数据来完成工作的员工,必须求助他人才拿得到数据。只有少数人能自行取到所需的数字。离问题最近的人,在结构上恰恰与证据隔离开了。
人们很容易把矛头指向数据团队太慢。这既不公平,也没抓住要害。
分析师慢,不是因为粗心。他们慢,是因为公司把每一个问题都压在他们这一个入口上。一个典型的数据分析团队会收到源源不断的临时请求,在提问者眼里每一个都十万火急。每个请求都得先被理解、翻译成查询、验证,再加以解释。这是技术活,而一周就那么多小时。
结果就是排队。而排队不只是延迟答案,它会改变行为。当人们知道提个问题要等三天,他们就不问了。他们要么没有数据就做决策,要么自己偷偷建个表格,要么干脆猜。组织不会变得更有数据驱动,只会变得更将就。
还有一项很少被衡量的第二重代价。分析师周二花时间回答上个月流失率的问题,就没在周二构建本可以预测下个月流失率的模型。最有价值的分析工作,是那些没人来得及提需求的工作。当团队被工单淹没时,最先消失的正是这类工作。
自助式分析的承诺,本应正好解决这个问题。给业务用户一个工具,教他们拖拽,让他们自己回答自己的问题。
但事与愿违。多年来,传统BI工具的员工采用率一直在25%左右徘徊,尽管投入了十年,几乎没什么起色。工具很强大,但它们要求一套新的词汇。用户得理解维度、度量、筛选、连接,以及求和与平均的区别。他们得知道数据存放在哪里、意味着什么。很多人试过一次,拿到一个出乎意料的数字,失去信心,从此再也不碰。
更深层的问题在于,自助式仪表盘仍然要求用户自己完成分析思考。他们得弄清楚该打开哪个视图、该套用哪些筛选、该如何解读看到的东西。这是实打实的技能,而大多数人并不具备。他们是自己领域的专家,不是数据建模的专家。
他们真正想要的,比仪表盘更简单。他们想用开会时说的同一套语言提问题,然后得到一个信得过的答案。
自然语言查询听起来像是个已经解决的问题。你输入一个问题,系统生成SQL,答案就出现了。如今已有不少产品能做到这一点。
但难点从来不在SQL生成。难点在于它周边的一切。
系统必须了解业务的形态。像“销售情况怎么样”这样的问题,在订阅制企业里和在零售企业里含义完全不同。如果不理解schema、表关系以及存在于应用中的业务定义,生成的查询在技术上可能合法,实际上却是错的。
系统必须尊重权限。如果区域经理查询营收,他应该看到自己的区域,而不是整个公司。如果客服人员查询客户数据,他应该只看到自己有权看到的客户。对话式访问如果同时是个随时可能引爆的安全事故,那就毫无价值。
系统必须安全执行。对生产数据库运行生成的查询是有风险的。正因如此,只读执行才重要,同时还要验证查询不会做出破坏性或高代价的操作。
系统必须能自我解释。没有上下文的答案只是个数字。用户需要知道它覆盖什么时间段、包含什么、不包含什么。这样才能把一次查询结果变成一个人真正能用来做决策的东西。
这正是BlunxAI后端所采取的方法。SDK会扫描应用自身的数据库schema,通过专用角色强制执行只读SQL执行,并在任何结果到达用户之前应用基于角色的访问规则。答案以图表、表格和通俗语言摘要的形式返回,全都呈现在用户本就在使用的应用内。问题用自然语言提出,但护栏内建于架构之中。
真正的变化,不在于用户能打字提问而不用点击筛选器。真正的变化在于,分析师不再是每个简单问题都绕不过去的中间环节。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。