基於數據能給企業帶來的巨大效益，愈來愈多的企業都重視起來數據分析。而隨着BI需求響應時間愈來愈短，BI的普及度不斷擴大，同時使用數據分析的人員也在不斷的擴大，原來可能只是IT人員使用，如今須要業務人員也要參與進來，全員數據分析迫在眉睫！
算法
爲了讓業務人員也能參與進來進行數據分析，不少企業尤爲是大型的企業，都會面臨着和構建業務熟悉的數據倉庫模型，數據查找、數據資產開放、數據安全等等相關的問題。數據庫
一、 如何構建業務人員的數據倉庫？對於業務人員來講，他對業務熟悉，可是對技術不熟悉，可是他想進行自主的數據分析，就必須構建業務熟悉的數據倉庫模型，這個數據模型應該是由數據資產團隊封裝好的，業務人員能夠很方便的拿來使用。安全
二、 如何解決業務用戶尋找數據的困難？雖然數據倉庫模型構建好了，可是對於業務人員，進行數據分析要面對的第一個問題，就是「找數據」，用戶一般會有這些疑問：平臺已有哪些數據？怎樣快速找到我要的數據？我找到的數據究竟是不是我想要的？數據結構
三、 如何保證進行數據分析時數據的安全性？業務人員要進行數據分析，首先要有這個數據的權限，而數據自己又須要有安全的保證，這樣就產生了數據應用和數據安全的一個衝突，須要咱們在二者中找到一個平衡點。那麼如何開放這個數據權限？開放到什麼程度？以什麼方式開放？等等，都是咱們須要考慮的問題。ide
若是能把以上問題都解決了，咱們才能在企業實現全員數據分析上打通第一個關卡。那具體怎麼解決呢，聽我一一道來：工具
1、 構建企業的數據資產設計
一、企業數據資產的定義3d
首先，咱們先來了解一下什麼是企業的數據資產。對象
廣義的數據資產包含產品、模型、算法、服務、數據等相關資源，數據分析的一半工做實際就是資源轉化爲資產的過程。近兩年的中臺概念其中一點，就是將這些數據資產整理與暴露給一線（前臺）用戶。blog
這裏咱們講的企業的數據資產，是指爲了企業全員進行數據分析而封裝好的一個數據中臺。
二、語義虛擬層
爲了實現業務人員進行數據分析，這個數據中臺須要構建語義虛擬層。語義虛擬層 Semantic Virtual Tier，是Gartner明肯定義的概念。 跟語義模型差很少，但虛擬層不存儲數據。語義模型應該由IT創建，是指能涵蓋整個倉庫或者分析範圍的的邏輯視圖 。
三、數據資產的構建
如果企業有較好的數據處理方式，已經在數據庫層次建立好數據倉庫，並且他們獲得的數據質量是很是高的，那麼只須要使用業務主題封裝好能涵蓋整個倉庫或者分析範圍的邏輯視圖供業務人員使用便可，不須要存儲數據。
Smartbi業務主題虛擬的背後是物理數據庫，不管是數據倉庫仍是數據庫，不管是一種數據庫，仍是多種數據庫，在這裏均可以統一管理，而對於其餘產品好比BO，都是須要存儲的，並非邏輯業務上的封裝。
如果企業建立的數據倉庫質量不高，或是沒有建立數據倉庫，可使用Smartbi自助ETL來處理數據，而後再使用業務主題封裝。還能夠提供針對不一樣對象的數據集來直接查詢分析數據。
原則上是針對企業不一樣的需求，面面俱到給與不一樣的解決方案，構建覆蓋整個倉庫或是分析範圍的數據資產，以供企業全體人員使用並進行數據分析。這樣的數據資產咱們稱之爲企業的數據資產，在咱們Smartbi產品中，企業的數據資產概況包含數據源、業務主題、各類數據集、透視分析、即席查詢。
2、 解決業務人員的數據查找困難
咱們明確了企業的數據資產概念，並根據不一樣的需求構建好這樣的資產後，業務人員就能夠去使用這些資產，而使用這些資產的過程就是把「企業的資產「變成「個人資產」的過程。這個過程順利執行須要解決下面問題：
一、須要先知道有哪些數據。
咱們準備好企業的數據資產後，先根據不一樣的用戶羣進行類別的劃分，而後根據這些類別進行資源權限的控制，即設置哪些用戶容許概覽哪些數據。
說明：概覽是一種權限粒度，是指以脫敏的方式查看數據結果。
設置完成後，業務人員權限內的數據資產樹就能夠經過「數據導航」界面進行規劃統籌。在這個界面，業務人員能夠清晰的看到有哪些數據。
二、如何快速找到我要的數據
「數據導航」是以資源樹的方式展現數據資產的，那若是有具體的數據要求，我怎麼能快速查到呢？這裏咱們能夠經過搜索功能，以全文檢索的方式快速查找有平臺內部有哪些數據可使用，以實現快速定位數據。
三、我找到的數據究竟是不是我要的？
用戶在查找到哪些數據可用後，能夠對數據進行數據快查，肯定是不是本身須要的數據。數據快查包含數據結構、數據預覽、血統分析。其中經過數據預覽快查的數據，均處於脫敏狀態。這樣再次保證了數據的安全。
用戶肯定了是本身須要的數據後，可經過數據權限申請流程快速獲取須要的數據。當受權經過後，便可使用這些數據進行數據分析了。
3、 解決數據應用時的安全問題
數據不安全會帶來不少危害，企業尤爲是金融企業對數據安全性的重視是很是高的。那對於BI產品，咱們如何在推動數據分析普及度中又能保證數據的安全性呢？其實咱們在上面的章節中也有這方面的設計，下面咱們具體說一下：
一、 數據安全第一道屏障。
l 使用操做權限，根據不一樣的對象劃分角色，好比能夠分爲系統管理員、技術人員、業務人員等。好比系統管理員負責數據源的鏈接和權限的分配；技術人員負責數據處理、邏輯模型、數據集等的建立；業務人員使用權限內的資產進行數據的分析。
l 使用資源權限，實現企業數據資產的分配。好比信用卡用戶只能看到信用卡相關的數據資產。
l 使用數據行權限，控制不一樣維度下數據行的不一樣，好比不一樣區域下同類用戶下只能看到本區域的數據。
這些權限設置屬於BI工具中最基礎的權限設置。
二、 數據安全第二道屏障。
經過資源權限粒度，來控制權限內資源的數據開放狀況。好比資源設置爲概覽權限，業務人員在權限受控的前提下進行數據快查，這個時候看的數據是脫敏並抽樣的。
三、 數據安全第三道屏障。
咱們知道經過數據快查的數據是隻能看到脫敏的採樣的數據，用戶肯定了是本身須要的數據後，可經過數據權限申請流程快速獲取須要的數據。
這個操做是很是簡單的，咱們在數據快查界面能夠直接點擊申請受權按鈕，進入審批流程。而在之前，每每須要經過其餘方式進入企業設置的比較複雜漫長的流程申請，數據的審批會須要很長的時間才能完成。
當審覈經過後，用戶就能夠拿到數據去進行數據分析了。
出於數據安全的考慮，傳統的「預受權」方式須要額外的權限申請系統，業務人員每次有需求就要提流程，這與「自助分析提升效率」的初衷相違背。而EAGLE經過開放企業數據資產目錄、提供脫敏預覽和內置權限申請流程三個功能，完美解決數據安全前提下的數據資產開放應用的效率問題。