帆软 x BI佐罗 | 为什么数据分析师需要函数？

内容摘自《FineBI不只是可视化：函数体系是数据分析师的必备利器》直播中BI佐罗老师的分享：

我在十多年以前用 Excel 的时候发现了一个问题，大家刚开始接触数据分析，肯定会先在 Excel 里面去做，而你很快就会遇到各种能力边界，比如说 Excel 数据量级的能力边界、Excel可视化的能力边界、Excel 函数复杂度的能力边界，这个时候我们自然就会去寻求下一个阶段的工具。

在最近几年，商业智能工具发展非常快，这个概念也变得更加普及，叫做自助商务智能分析。其实在十几年前，这个概念并不算那么普及，当时Gartner作为一个全球最知名的咨询公司，他在 2015 年发布了一个报告，说在目前世界范围内以自助分析为主的产品已经形成了一种不可逆的趋势，是商业智能分析的一个必然阶段。

那也就意味着如果你在工作当中正在进行数据分析，很快会触达刚才所说的这些边界，一旦触达边界以后，除了做一些好看的图以外，如果要实打实的解决问题，必然是需要一套函数体系来支撑我们来做这件事情的。所以，我们考察一个 BI 产品是不是具有更深度的能力，会从这些能力边界的角度去界定，而不仅仅是可视化的能力。

我从最自私的一个观点来讲——函数体系有什么好处？

大家不知道有没有这种体验，当你旁边的同事有一个公式写不出来的时候，他来找你你一句话一个小公式就解决了，然后他为了感谢你，可能就给你买了一杯星巴克，也许就是这么一个小小的激励，大家就更有动力一定要把函数学好，变得更加厉害。

当然这是一个玩笑，但是话说回来，这说明我们做数据分析其实是有纵深的。在一开始的时候大家可能是想偷懒，找一找比较好的工具，能不能点点按钮就能把它做出来，这是没有问题的，这是一个工具应该帮我们去实现的。更重要的是，你能点一个按钮把它实现，那么别人也可以，所以我们需要一种可积累的个人能力。比如你学习了一些高阶函数，那么别人想要做出一样的高阶分析，必须也要花同样的时间，这就变成了一种很公平的投资，在当时我就发现了这个特点。

那么作为我们广大的数据分析师，都是工作在企业的一线，我们最朴素的目标就是实现个人成长，能够多挣一点工资，能够早点解决我们生活问题。那么我们能投资的东西有什么呢？只有把时间投资在一项可期待和值得持续积累的技术上。这个东西如果是函数，我们就需要它有纵深，不要让我学了两天它就没东西可学了，不要让我学了两天别人也可以代替我的工作，我们需要让自己的投资和学习是长效的。

所以为什么更应该去学习函数？我们需要这个函数有纵深，能让我们去不断积累自己的数据分析更深度的能力，这也是我们职场发展保驾护航的关键本领。这个需要工具给我们做支撑，现在看来 FineBI 在这个方面是做了很大提升的。

数据分析师为什么需要函数？

如果说我们需要一个武器的话，那函数就是我们的武器。在数据分析的时候，其实有的时候会被打断，那么作为一种理想的产品，其实我们需要的是一种沉浸式的体验，就是不要中断。

我不知道大家有没有这种感觉，你本来在做着分析，突然发现这个地方少一点儿数据或者计算，此时你可能会回退到数据库端，但你不会数据库，那你就要去找it小伙伴儿来给你做支持，这些东西都会打断我们数据分析的过程，所以我们需要的是一种深深沉浸在数据分析问题当中的体验。

而在这个体验中，我们不希望再去依赖于前序的工作，也不希望自己要准备额外的数据，我们希望工具得跟手：比如男生打游戏，鼠标必须得能跟手，跟上你的思路。我们的脑子永远想的是业务问题，工具帮我们写了一个小小的公式，就能帮我们解决问题，我们需要的是这样的一种感觉。当有了这种感觉，我们才说工具帮我们实现了自助商业智能分析。

这样的工具需要具备什么样的条件呢？

我们可以看到从电子表格到商业智能，不同的不只是工具，还有用工具的人的水平。以前在 Excel 的阶段，我们用工具其实就是像自行车，自行车核心的传动装置、或者说引擎就是它的链条，我们使劲儿主要靠自己的脚，所以去做数据分析自然是慢的。
 

那么我们升级了商业智能产品以后，可以打个比方：如果你去买过车，你就会发现车其实也分两种，一种是普通的商务车，另外一种是高性能的运动车。普通车的发动机比较简单，只有踩油门和刹车，而高性能的车就不一样了，它很有可能是 V8 引擎、有各种换挡拨片、在不同转速的时候可以做不同运作，不管是弯道、还是起步、还是十字路口，都会有各种不同的控制。同样是商业数据的分析工具，如果一个工具只给了你油门和刹车，看上去你也拥有了一辆车，但是它在一些复杂的场景不能帮你灵活的掉头，也不能帮你去实现很多你想要的东西，所以我们更需要一种支持高阶公式的引擎。

在现在这个范围内，有一些商业智能产品的确做到了这个阶段，FineBI也是朝着这个方向去做的。我们目前体验到FineBI产品里的函数就包含了数据处理的基本函数、做分析的基本函数，以及在FineBI 6.0 里面推出的DEF函数，这个函数是动态高阶函数。

数据分析模型中的函数体系
我们来看一看具体的例子，第一个例子是帕雷托分析，如果在 ABC 分析里面的元素是客户，那么我们要对客户的某个指标去进行分析，比如利润；那我们要知道哪些是头部的客户，所以要把客户分成a、b、 c 三类；要看这a、b、 c 三类里面客户对创造利润的积累占比到底是怎么样的一个状况？那我们要把这个 a 类重点客户、 b 类客户和 c 类客户找到；在资源有限的情况下，我们就会去服务 a 类客户了。
 

我们想要实现帕累托分析，有可能在电子表格里也可以编出来，但现在复杂的问题就来了，如果你多了一个切片器怎么办？

如果你选了不同的地区的话，实际上是需要重新计算分类的，这时候就跟我们在传统的场景下不一样了。所以有过这种痛苦的人就知道，在电子表格里面算某种东西，如果换了一个地区，就又要重新来一遍，如果又换了一个公司，又要重新算一遍。但是如果你会用一些高阶函数的话，就能把这个过程完全自动化，当切片器变化的时候，这个内容仍然可以自动计算，这个问题就可以迎刃而解了。

我们再来举一个例子，波士顿矩阵。刚才的 ABC 分析是分成了三类，波士顿矩阵则是把各种元素分成四类，比如增长率和市场占有率。这时需要针对一堆元素去计算它的指标，这时候指标至少就有两个了。那么这时候你需要写两个指标，你需要在两个指标里面去计算出来了一个客户增长率和客户市场占有率。但现在你需要知道一根平均线在哪里？这个平均线是什么，所有客户增长率的平均是不是就是总体的平均增长率？作为数据分析师，一定要能够回答出来这个问题，就是每一个微观元素的增长率的算数平均，是不是相当于总体的平均增长率，也就是我们要做的平均线？
 

这件事儿说明什么？说明我们在分析问题的时候，需要用函数把它写出来，如果没有一个函数提供这个机制，我们必然要回到前面的数据准备阶段，去准备不同的参数。还有可能是有切片器的存在，我们需要在选中地区或选中业务下动态计算，更需要函数的支持。

我们再来举一个例子， RFM 模型。这几个模型的本质是相同的，只不过这里会需要用到三个指标，我们要把客户可以分成八种类型，对于不同的客户，给予的资源配置是不同的。而我们需要在分析工具里用函数进行实现，并且是动态实现，这个就有深度了。
 

所以如果说你可以做到这一点的话，那么你已经可以去灵活运用这些模型了，你需要的是可以支撑这个状态的工具， FineBI 是可以做出刚才我们所说的这些内容的。