內容摘自《FineBI不只是可視化：函數體系是數據分析師的必備利器》直播中BI佐羅老師的分享：
👨💼我在十多年以前用 Excel 的時候發現了一個問題，大家剛開始接觸數據分析，肯定會先在 Excel 裏面去做，而你很快就會遇到各種能力邊界，比如說 Excel 數據量級的能力邊界、Excel可視化的能力邊界、Excel 函數複雜度的能力邊界，這個時候我們自然就會去尋求下一個階段的工具。
在最近幾年，商業智能工具發展非常快，這個概念也變得更加普及，叫做自助商務智能分析。其實在十幾年前，這個概念並不算普及，當時Gartner作爲一個全球最知名的諮詢公司，在 2015 年發佈了一個報告，說在目前世界範圍內以自助分析爲主的產品已經形成了一種不可逆的趨勢，是商業智能分析的一個必然階段。
那也就意味着如果你在工作當中正在進行數據分析，很快會觸達剛纔所說的這些邊界，一旦觸達邊界以後，除了做一些好看的圖以外，如果要實打實的解決問題，必然是需要一套函數體系來支撐我們來做這件事情的。所以，我們考察一個 BI 產品是不是具有更深度的能力，會從這些能力邊界的角度去界定，而不僅僅是可視化的能力。
01 函數體繫有什麼好處？
大家有沒有這種體驗，當你旁邊的同事有一個公式寫不出來的時候，你一句話一個小公式就解決了，然後他為了感謝你，就給你買了一杯星巴克。也許就是這麼一個小小的激勵，大家就更有動力一定要把函數學好，變得更加厲害。
只是一個玩笑，但是話說回來，這說明我們做數據分析其實是有縱深的。在一開始的時候大家可能是想偷懶，找一找比較好的工具，點點按鈕就能把它做出來，沒有問題，這是一個工具應該幫我們去實現的。但更重要的是，你能點一個按鈕把它實現，那別人也可以，所以我們需要一種可積累的個人能力。比如你學習了一些高階函數，那麼別人想要做出一樣的高階分析，必須也要花同樣的時間，這就變成了一種很公平的投資。
數據分析師都是工作在企業的一線，我們最樸素的目標就是實現個人成長，解決生活問題。那麼我們能投資的東西有什麼呢？只有把時間投資在一項可期待和值得持續積累的技術上。這個東西如果是函數，我們就需要它有縱深，讓自己的投資和學習是長效的，能讓我們去不斷積累自己的數據分析更深度的能力，這也是我們職場發展保駕護航的關鍵本領。這需要工具給我們做支撐，現在看來 FineBI 在這個方面是做了很大提升的。
02數據分析師為什麼需要函數？
如果說我們需要一個武器的話，那函數就是我們的武器。在數據分析的時候，其實有的時候會被打斷，那麼作為一種理想的產品，其實我們需要的是一種沉浸式的體驗，就是不要中斷。
大家有沒有這種感覺，你本來在做著分析，突然發現這個地方少一點兒數據或者計算，此時你可能會回退到數據庫端，但你不會數據庫，那你就要去找it小夥伴來給你做支持，這些都會打斷我們數據分析的過程，所以我們需要的是一種沉浸在數據分析問題當中的體驗。
我們不希望再去依賴於前序的工作，也不希望自己要準備額外的數據，我們希望工具跟上思路。我們的腦子永遠想的是業務問題，工具幫我們寫了一個小小的公式，就能幫我們解決問題。當有了這種感覺，才說工具幫我們實現了自助商業智能分析。
這樣的工具需要具備什麼樣的條件呢？
我們可以看到從電子表格到商業智能，不同的不只是工具，還有用工具的人的水平。在 Excel 的階段，我們用工具其實就是像自行車，自行車核心的傳動裝置、或者說引擎就是它的鏈條，我們使勁兒主要靠自己的腳，所以去做數據分析自然是慢的。
那麼升級了商業智能產品以後，可以打個比方：如果你去買過車，你就會發現車其實也分兩種，一種是普通的商務車，另外一種是高性能的運動車。普通車的發動機比較簡單，只有踩油門和剎車，而高性能的車就不一樣了，它很有可能是 V8 引擎、有各種換擋撥片、在不同轉速的時候可以做不同運作，不管是彎道、還是起步、還是十字路口，都會有各種不同的控制。
同樣是商業數據的分析工具，如果一個工具只給了你油門和剎車，看上去你也擁有了一輛車，但是它在一些複雜的場景不能幫你靈活的掉頭，也不能幫你去實現很多你想要的東西，所以我們更需要一種支持高階公式的引擎。
在現在這個範圍內，有一些商業智能產品的確做到了這個階段，FineBI也是朝著這個方向去做的。我們目前體驗到FineBI產品裡的函數就包含了數據處理的基本函數、做分析的基本函數，以及在FineBI 6.0 裡面推出的DEF函數，這個函數是動態高階函數。
03 數據分析模型中的函數體系
1、帕雷託分析
如果在 ABC 分析裡面的元素是客戶，那麼我們要對客戶的某個指標去進行分析，比如利潤；那我們要知道哪些是頭部的客戶，所以要把客戶分成a、b、 c 三類；要看這a、b、 c 三類裡面客戶對創造利潤的積累佔比到底是怎麼樣的一個狀況？那我們要把這個 a 類重點客戶、 b 類客戶和 c 類客戶找到；在資源有限的情況下，我們就會去服務 a 類客戶了。
我們想要實現帕累託分析，有可能在電子表格裡也可以編出來，但現在複雜的問題就來了，如果你多了一個切片器怎麼辦？
如果你選了不同的地區的話，實際上是需要重新計算分類的，這時候就跟我們在傳統的場景下不一樣了。所以有過這種痛苦的人就知道，在電子表格裡面算某種東西，如果換了一個地區，就又要重新來一遍，如果又換了一個公司，又要重新算一遍。
但是如果你會用一些高階函數的話，就能把這個過程完全自動化，當切片器變化的時候，這個內容仍然可以自動計算，問題就可以迎刃而解了。
2、波士頓矩陣
剛才的 ABC 分析是分成了三類，波士頓矩陣則是把各種元素分成四類，比如增長率和市場佔有率。這時需要針對一堆元素去計算它的指標，並在兩個指標裡面去計算出來客戶增長率和客戶市場佔有率。
但現在你需要知道一根平均線在哪裡？這個平均線是什麼，所有客戶增長率的平均是不是就是總體的平均增長率？作為數據分析師，一定要能夠回答出來這個問題，就是每一個微觀元素的增長率的算數平均，是不是相當於總體的平均增長率，也就是我們要做的平均線？
這件事兒說明我們在分析問題的時候，需要用函數把它寫出來，如果沒有一個函數提供這個機制，我們必然要回到前面的數據準備階段，去準備不同的參數。還有切片器的存在，我們需要在選中地區或選中業務下動態計算，更需要函數的支持。
3、RFM 模型
這幾個模型的本質是相同的，只不過這裡會需要用到三個指標，我們要把客戶可以分成八種類型，對於不同的客戶，給予的資源配置是不同的。而我們需要在分析工具裡用函數進行實現，並且是動態實現，這個就有深度了。
如果說你可以做到這一點的話，那麼你已經可以去靈活運用這些模型了，你需要的是可以支撐這個狀態的工具， FineBI （點擊試用）是可以做出剛纔我們所說的這些內容的。
數據君對此深有感觸，相對完整的函數體系搭配比較成熟的BI工具，數據分析的工作會進行得比較順利，這也是我們職場發展保駕護航的關鍵本領。
以上就是本期的內容分享~~，碼字不易，如果覺得對你有一點點幫助，歡迎「追蹤」，「點贊」，「分享」喔，我會持續為大家輸出優質的內容~~
※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※※
我是「數據分析那些事」。常年分享數據分析乾貨，不定期分享好用的職場技能工具。各位也可以關注我的Facebook，按讚我的臉書並私訊「10」，送你十週入門數據分析電子書唷！期待你與我互動起來~
☞☞☞點選下方圖片免費體驗FineBI工具demo！
文章推薦：
回顧十週入門數據分析系列文：
關注數據君的臉書，ins（全網同名）
我是「數據分析那些事」。常年在臉書，ins分享數據分析乾貨，不定期分享好用的職場技能工具。按贊我的臉書，並在臉書置頂帖子下回復SQL50,會有MySQL經典50題及答案贈送唷！
