本文作者结合数据分析产品从可视化升级到智能化的一个实践案例，对“今天订单量为什么下降了”这一问题展开了分析探究，并对过程中存在的问题和解决方法进行了总结，与大家分享。

提到数据产品，大家经常会想到的可能是tableau、growing io、神策数据、诸葛IO等商业化数据产品，也可能是企业内部的报表工具、提取工具等数据平台产品，或者是A/B-test、用户画像、埋点系统等数据应用产品，以及面向业务的各类数据可视化、Dashboard等数据分析产品。

今天我为大家分享下数据分析产品从可视化升级到智能化的一个实践案例。

在企业发展初期，最需要的其实是报表工具和提取工具等平台型数据产品，面向分析师和开发团队，实现数据的提取和加工过程，业务侧也基本上只看几个核心指标。发展到一定阶段，才会有数据可视化分析产品的需求，或采购tableau、BDP、网易有数等商业化产品，或自研分业务主题的Dashboard数据产品。

从基础的报表工具进化到数据可视化产品后，在用户体验上有了极大地提升，数据统一、及时性也可以通过数据产品的反推方式，逐步得到保证。但如何更好地提升业务团队的数据分析水平，还是会存在一些问题和提升空间。举例来讲：

• 问题一：方法论不统一和水平参差不齐。有了各类Dashboard，但还是无法保证每个业务同学都能按照预想的思路去使用数据产品，也无法确保业务同学能够自我探索新的分析思路，以及每位同学分析水平的高低。
• 问题二：分析过程仍旧很繁琐耗时。各类Dashboard虽然以自动化的形式提供了数据，并且不需要再进行数据处理，有一定的可视化分析能力，但遇到问题后的分析过程并不能减少，还是需要进行大量的多维度多角度下钻分析，时间效率上还有待提升。

那如何来解决这个问题呢？答案是数据分析产品的分析智能化。我以各大企业业务团队和分析师团队经常会遇到的问题「今天订单量为什么下降了」，来分享下数据产品应该如何快速、高效、直接地回答业绩波动的问题，并且以产品的方式统一方法论、拉齐分析水平。

分析智能化的两大核心：分析方法抽象化+产品自动化