一段时间以来，自助分析软件一直是软件发展的趋势。从概念上来说，它并没有太多的新颖性——自助服务作为一个概念，已经应用于快餐店、金融服务等行业，软件领域只是根据其独特的需求进行定制。
自助分析专门针对需要轻松操作数据和创建分析而不依赖技术上合格的数据人员(如数据科学家)的业务用户。有一种观点认为，自助式分析会减少对数据科学家的依赖。另一组专家认为，绝对将分析传递给业务用户可能会破坏治理，业务用户需要高质量的培训。两种观点都有实质内容。虽然自助分析市场的预测是积极的，但是培养用户正确使用软件是非常重要的。企业学习这类软件工具的空间很大。(要了解有关商业智能和分析的更多信息，请参见大数据分析能否缩小商业智能差距？)
大数据和商业智能(BI)背景下的自助服务
想想这个用例：在一个组织中，客户或以市场为导向的人非常依赖数据来做决策。现在，想要得到定制化的分析并不容易，因为数据量巨大，而且来自多个来源；它需要特定的技能来操作数据并以可理解的格式生成分析。因此，数据科学家和其他技术人员需要参与进来。这样会造成很多问题。比如技术人员和数据科学家的带宽是分开的，过于依赖技术人员可能会延迟分析的获取，可能会阻碍决策。
这个问题可以通过授权给商业用户来解决。用户可以准备操作数据并生成自定义报告。现在我们来谈谈自助服务。大数据和BI环境中的自助服务是业务用户根据需要操纵和生成分析的能力。业务用户独立生成报表，就像快餐店的自助概念一样。当然，在用户可以生成报表之前，他们必须收集、处理数据并将其转换为某种格式，这不是业务用户的责任。
自助服务有很多优点和缺点。但是现在市场上有很多自助服务产品是以商业用户为主的。这些产品有一些共同的特点：直观友好的用户界面、定制的报告生成和业务术语。假设这类产品内置了接受、挖掘、处理大数据的功能，不需要业务用户的参与。因此，你可以说自助服务软件通过减少(但不是消除)对技术人员的依赖来解决授权业务用户的用例。根据Forrester Research，Inc .的说法，只有20%的生成报告和查询的请求应该发送给BI团队或IT部门。
自助服务的优势
可能已经很明显，拥有自助服务软件的主要优势在于它为业务用户提供的独立性。用户无需依赖BI团队或IT部门来运行查询或生成报告。这也使技术人员能够专注于其他重要任务。由于业务用户可以独立创建自定义报告和分析，他们可以更快地发现见解并做出重要决策。SAS按需解决方案和高性能计算东南亚总经理詹姆斯福斯特(James Foster)表示，“因此，在业务线中嵌入更多决策能力只是一件好事，”他说。“此外，转向自助服务也将对IT产生积极影响，使他们能够更具战略性地思考，专注于公司的增值活动，而不仅仅是‘保持关注’。
自助服务面临的挑战
自助服务模式是基于授权的业务用户进行查询和生成分析，BI团队和IT部门负责后端系统和数据集成。然而，这种模式带来了挑战。从技术上讲，将数据与BI系统集成是一项复杂的任务。BI团队努力提供企业系统的单一和统一的视图。(有关分析的更多信息，请参见权衡实时大数据分析的优势和劣势。)
第二个挑战是数据治理。让业务用户完全自由地使用应用程序充满了风险。例如，它可能导致重复的数据和报告，查询和请求的峰值可能导致服务器崩溃并报告过时的数据或结构。显然，需要在数据治理策略和用户访问之间取得平衡。
个案研究
许多组织，无论大小，都从采用自动化或自助服务软件中受益。这些公司降低了成本，提高了生产率和客户满意度。第一个案例是微软呼叫中心。微软的内部服务台支持超过105，000名员工、供应商、承包商和客户。它希望减少呼叫量，因此部署了许多自助服务工具、一个在线支持门户，并提供了对知识库文章的访问。因此，微软能够以每次通话约30美元的速度将通话成本降低15.4%。
咨询公司eVergance Partners，LLC进行的一项研究表明，如果一家公司在网上回答客户的问题，其成本比通过呼叫中心回答问题低4到40倍。
充分利用自助服务和自动化
首先，从行业的角度来看，没有自助化和自动化的回归。然而，这些机会需要仔细研究。以下是一些建议：
为您的客户提供良好的自动化体验。例如，如果您的客户使用在线聊天或网站资源，而不是呼叫中心，请确保该过程简单、快速、顺畅。如果客户体验差，可能永远不会回来。
培训业务用户使用符合最佳实践的应用程序。应该对应用程序处理进行广泛的培训，BI团队和业务用户之间应该有明确的职责分工。
逐步构建自动化工具，并利用您的经验来改进它们。eVergance战略和营销高级副总裁艾伦邦德(Allen Bond)表示，“充分利用过去十年建立的管道。”你可以做很多事情。
情，比如薪资业务流程，自动化界面但是，对于人力资源和移动现场服务团队的呼叫调度请求。这不能保证客户获得或保留.Bonde补充说，“不要以为这只是因为'你建造它，它们会来。'”处理大数据的行业中的自助服务和自动化被认为是巨大的机遇。但是，公司在使用这些机会时需要小心，因为不小心执行可能会导致声誉和客户流失。适当的培训和智能政策是前进的方法。
