业务赋能，企业数字化转型的核心引擎
自助分析是一个很上层的数据应用，对企业的数据架构、数据模型、数据人才等有很高的要求，尤其是对企业数据底层要求很高。自助分析作为一个在线互动式的分析，对底层的计算速度和响应速度要求很高。推广BI之前有必要对企业白天的计算能力进行摸底。
数据平台技术架构升级
- ETL选型：talend
- OLAP多维数仓（多维立方体）选型：kylin（国内很多银行在用）
- 高性能内存数据库：DWS层、APP层、BI自助数据集数据
- HIVE：DWD层以下的数据
自助分析数据集设计
自助数据集是整个BI分析的起始点。
数据集的设计和规划是推广自助分析的核心工作，设计自助数据集要同时兼顾，泛用性、高效性还有易用性。不要用程序员写代码的思路去建立自助数据集，要贴合BI工具的使用特点。
- 泛用性：数据集要能同时满足多个有相关性的分析需求，而不是像固定报表一样，只能满足某个固定的分析需求。
- 高效性：要能快速开发数据集。
- 易用性：对用户友好。其实关键在于数据集设计得好不好，用户只需简单的操作，就能拖拽出想要的数据，即“所见即所得”。
自助分析要建立在企业有一个完备的数据仓库的基础上，千万不要直接在业务系统上玩，会很痛苦。
不要幻想能设计一个非常完备而且覆盖面极其广的数据集，也不要等着数据集完全搞好再去推广自助分析，好的数据集是不断使用中磨出来的。