公司的数仓建设到一定阶段之后，对于业务类型比较复杂（比如存在不同业务形态的事业部）的公司，业务部门之间会彼此争抢技术资源，对数据的时效性、准确性也有越来越高的要求。为了更快的满足业务部门的数据分析需求，搭建自助分析平台是大势所趋。

搭建自助分析平台需要分两个阶段：

1、实现不同事业部的数据隔离：这是由公司内部数据隔离要求决定的，为此我们给各个事业部都建立了部门数仓；

2、可视化分析工具的选型：由于可视化分析工具市面上已经有不少成熟的产品，相比于自研一个新产品，成熟产品的用户教育成本更低、实施更快、稳定性也比较好，因此有不少公司都不会重复造轮子。

本文就是在这种背景下，开始来谈谈如何进行产品选型（以可视化分析工具为例）。

所谓产品选型，一般是指根据实际业务管理的需要，对硬件、软件及所要用到的技术进行规格选择。本文中的产品选型特指公司因为技术实力、资质、市场环境等，对市场上的商业软件产品进行功能、性能、价格、运维等方面进行综合考量，并输出相应的选型报告进行对选型结果进行总结汇报。

产品选型的目标：输出调研过程分析、给出分析结果供管理层进行选型决策。

产品选型一般是按照以下四个步骤展开（以我们公司自助分析平台为例）：

1、确定目标，确定选型的功能、性能、要达到的业务要求等

功能要求--可视化分析效率高、权限完善（支持行级数据权限）；

性能要求--满足5000人的访问、并发量能够达到500、查询时效在20s以内；

业务要求--业务教育成本低、操作简单、支持多种数据源（含手工数据）；

2、选择竞品--产品资质、业务接受度（一般选择3-5个）

产品资质--可视化工具没有这方面的要求，但之前做过发票、税务系统需要有国家税务局的资质才能对接税局接口，所对接的税局接口数量也是公司资质的体现；

业务接受度--业务人员对于产品的熟悉程度越高越好，因此选型的产品池中要有常用的powerBI、tableau等产品；

3、选型分析--需求匹配度、矩阵分析

需求匹配度--分析每个产品与1中所定的目标之间的匹配程度；

矩阵分析--从各个维度对选型列表中的产品进行对比，找出各自的优劣势；

4、提供选型建议--选型分析结论、实施建议

选型分析结论--一般选择1-2个作为最优、次优选择，并输出选择的原因；

实施建议--对于选型的结果给出实施建议，比如是否需要售前咨询、是否需要定制开发、项目计划如何安排等；

经过以上分析之后，一般会输出选型报告，参考格式如下（也有PPT格式）：

在可视化分析工具的选型中，我们主要考虑了以下因素：

其中，技术上最关键的考虑因素是数据权限的支撑、查询效率的高低，数据权限的问题tableau本身支持是不太完善的，但是由于业内使用的人很多，因此能找到比较多的替代方案（关于tableau的数据权限后续会单独分享）；查询效率方面tableau的优势在于server服务器就是一个小型数据库，通过提取之后就可以提高查询效率，并且数据分析师自己就可以完成以上的操作。

业务上更加关心的是学习成本是不是很高，没有接触过的产品就会本能的抵触。这种抵触情绪其实也可以理解，毕竟新的东西需要花时间学习，推广起来就比较慢。因此，技术这边一开始选择的FinBI方案（公司之前用过Finreport）就一直没有被业务重视。

最后，在报价这一块，一次性付高额费用的产品一般在公司内部都比较难以审批，按月付费的产品相对容易一些；而后期运维也是一个大问题，powerBI没有作为最终选择的主要原因也是因为这个是纯产品一口价买卖，后期运维全靠自己解决。

基于以上的考虑，最终和业务讨论的结果是选择tableau作为可视化分析工具。

注意：这里需要再啰嗦一句，在选型的过程中业务是否能参与进来，很大程度上决定了选型的成败。由于业务的认可，因此在后期推广自助分析平台的时候比想象中要顺利的多。而反观之前在别的公司做的税务系统的选型，虽然也做了大量的前期选型工作，但最终项目做的非常艰难，失败原因主要有几点：

1、前期业务参与度不高，基于技术部的选型结果进行评估，因此后期出现了很多业务需求无法满足的问题，一直在返工；

2、对于产品价格过于敏感，在竞标的时候首先就将价格高的产品拒之门外（如航天金税），后来可选的产品范围就非常小了；

3、是否有同行业实施经验非常重要。有些小公司虽然资质不完善、要价也不低，但是已经在同行规模更大的公司中成功实施了，但由于价格问题最终还是没有选择。而报价更低的这个公司则是抱着树立这个行业“标杆项目”的目的，其实这个试错的成本溢价早就超过了项目的实际支出。