随着对数据安全要求的不断提升, 企业逐渐意识到国外工具在本地化适用上的局限, 转而寻求更符合自身使用习惯与业务需求的数据分析工具。与此同时, 信息技术应用创新 (信创) 的不断深化, 推进加速了企业对国产 BI 解决方案的需求增长, 标志着数据分析工具国产化替换进程的全面开启。
A 航空股份有限公司 (以下简称“A 航司”) 便是其中的代表。作为连接中国大陆、港澳台、东南亚等 28 个城市的重要枢纽,A 航司固定运营航线超 30 余条, 每年运送旅客超百万人次, 使其积累了海量出行数据, 催生出广泛而多样的数据分析需求。
本文将以该航司为例, 分享其在 BI 工具国产化替换之路的思考与选择。
01 替换 Tableau 的考虑
A 航司高度重视企业内部的数据建设, 选择替换 Tableau 的原因主要包括以下几点:
1、航司经营要求
作为一家服务全球的国有航空公司,A 航司承载着重要的国际形象与责任。随着全球数字化转型的加速, 信息安全和数据自主可控已成为航司运营的核心诉求。作为涉及大量旅客信息、航班数据等敏感内容的企业, 该航司亟需通过国产化软件替代, 确保数据主权与业务连续性, 同时为行业树立国产化转型的标杆。
2、数据安全合规
作为对数据高度敏感的行业, 航司在服务旅客过程中产生的数据涉及隐私保护与国家安全, 其安全性至关重要。采用国产 BI 工具不仅能够严格遵循国内《数据安全法》《个人信息保护法》等法规要求, 还能有效规避因国际局势变化带来的潜在风险, 为企业构建更加稳健的数据安全防线。
此外, 国产 BI 工具凭借对本土企业业务场景的深刻理解, 能够更好地适应中国企业的独特需求。无论是复杂的多维报表, 还是灵活的数据分析场景, 国产 BI 工具都能提供更贴合实际业务需求的解决方案, 助力企业实现数据驱动的精细化运营。
02 客运航空的数据难点
作为服务全球的国有航空公司,A 航司需要强大的数据分析工具来支持其日常运营。
在基础数据建设方面, 该航司已经构建了数据仓库平台, 并实现了大部分业务数据的统一管理和整合, 为用户分析提供了一个统一的数据来源。然而, 除了数据仓库外, 还有来自电商网站、线下手工录入、外部互联网以及国航总部系统的数据等多种数据源。
在进行业务数据可视化分析时,IT 团队面临着来自业务部门频繁且多变的需求挑战。一方面,IT 团队缺乏足够的资源来及时响应所有业务请求, 另一方面, 由于业务类型广泛, 也难以迅速理解需求场景和分析目的, 并据此开发出相应的报表。这些因素导致了业务需求往往需要较长的时间才能得到回应和解决。
在这种情况下, 业务团队不得不依赖于大量的人工处理, 生成大量的 Excel 表格来部分解决问题。虽然这种方法可以在一定程度上缓解燃眉之急, 但从长远来看, 无论是对于企业人才的成长还是提高数据分析效率而言, 都不是最优解。
为了更好地支持业务发展, 提升工作效率, 公司 IT 部门一致认同: 有必要进一步优化现有的数据处理流程和技术支持体系。
在企业数据分析效率提升以及人才培养的多重考虑下, 团队发现 Tableau 已无法全面满足业务对于高效开发、及时响应的诉求, 如何借助新的 BI 工具打造更符合自身使用场景的分析平台, 成为 IT 部门新的诉求。为了探索更高效的本土化 BI 应用方式, 该航司在众多国产 BI 工具中, 将目光锁定了 Quick BI。
03 为什么选择 Quick BI?
1、多平台零散数据高效集成
A 航司通过 Quick BI 成功将多源数据集成至同一平台, 实现了企业内部数据的高度融合。管理层能够实时查看关键运营指标, 全面掌握电商、内部系统、线下录入等不同渠道的状况, 为各级决策者提供更完善的决策支持。
2、信创兼容与安全管控能力
Quick BI 在国产信创和数据安全管控方面表现卓越, 在国产软硬件适配方面, 与达梦、人大金仓等数据库, 鲲鹏、海光等芯片, 银河麒麟、统信等操作系统, 以及东方通中间件、360 安全浏览器等完成兼容认证, 满足企业信创需求。
在数据安全层面,Quick BI 支持行级权限管控, 可实现细粒度管控; 支持作品复制管控、导出全流程审批及审计日志追踪, 防范数据泄露; 基于阿里云安全架构, 通过 ISO 认证, 提供多租户隔离、企业级权限体系及统一登录门户, 确保数据全生命周期安全。
3、培养数据人才的“源头活水”
Quick BI 团队为 A 航司不同业务部门提供了多轮专项培训课程, 鼓励业务部门减少对 IT 团队的依赖。目前, 电商、运营等部门已初步掌握了 Quick BI 的数据集创建、指标新建和仪表板分析等核心操作, 可以独立完成简单的数据分析任务。
04 基于业务场景的应用落地
经过前期调研和实施推进,A 航司成功部署了 Quick BI, 并在多个重要业务场景中实现了应用。
场景 1: 告别复杂公式, 高级计算简单用
航司数据“管起来, 用起来, 活起来”的难点之一, 在于数据维度太庞大, 衍生计算太复杂。
以往, 运营团队需要依赖 Excel 编写复杂的公式和表格, 才能从区域、始发地、航线、航段等多个维度对收入、客座率、平均旅客收入等指标进行本期值、上期值、对比值、环比值等衍生计算, 这一过程不仅耗时耗力, 还容易出错。
如今,Quick BI 将这些复杂的衍生计算封装为高级算子, 用户只需通过简单的自定义高级计算功能, 即可快速完成多指标及其衍生指标的分析。这一创新不仅大幅减少了 Excel 手工统计的工作量, 还显著提升了数据分析的效率和准确性, 为运营团队提供了更强大的决策支持工具。
* 仅为测试数据, 非真实业务数据
场景 2: 打通内外数据墙, 文件追加更轻松
A 航司的多渠道订单代销数据, 每周都需要业务团队从公网页面下载大量 Excel 数据, 同时从数据仓库导出公司内部数据, 再进行繁琐的关联分析。
这一过程存在两大痛点: 首先, 下载的数据量庞大, 导致 Excel 运行速度极慢, 严重影响工作效率; 其次, 数据仓库的数据无法实现在线分析, 必须导入 Excel 后才能进行关联操作, 增加了不必要的步骤。
如今, 借助 Quick BI, 业务团队可以直接在前端上传、替换和追加外部下载的 Excel 明细数据, 并实时关联数据仓库的数据进行联合分析。这一创新方式不仅显著提升了数据分析的效率, 还优化了系统性能, 真正实现了业务自助化操作。
* 仅为测试数据, 非真实业务数据
场景 3: 电商数据不封闭, 跨源数据可关联
A 航司的电商平台数据因业务部门对时效性要求较高且数据相对闭环, 暂未纳入数据仓库。然而, 当电商团队需要结合数据仓库的数据进行联合分析时, 往往会因数据库异构问题而无法实现关联分析。
Quick BI 凭借其强大的跨源关联查询能力, 巧妙地解决了电商团队“既要数据独立, 又要数据联通”的难题。在确保业务数据相对独立的前提下,Quick BI 实现了数据的流通共享与跨源分析, 为电商团队提供了更加全面、深入的数据洞察。
* 仅为测试数据, 非真实业务数据
写在最后:
A 航司选择 Quick BI 不仅是工具迁移, 也是一次国产化实践的优先选择。随着国产软件陆续崭露头角, 中国企业的数字化实践正走出一条更具本土化特色的发展路径。
十余年来,Quick BI 不断助力中国企业的数字化转型, 目前已成功为各行业用户提供优质方案与服务, 特别是对数据安全自主可控要求高的企业, 证明了其在 Tableau 国产化替代方案中的竞争力和适用性。
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。