在 Day 13 文章，我建議不要當 Data ATM 而是打造一個，但也不是從此就幸福快樂 👸。提供 BI 工具後，還需要提供教學、使用範例以及顧問服務。這後續文章會再聊到。

寫這篇文章，因為我發現有點出乎意料的事實 😲 ，一開始 Data People 不太理解為何一定要將報表送上門，都已經有 BI 工具是不能自己查一下嗎？

想一下誰是使用者 🧐

誰會使用 BI 工具？有誰需要自助式的查詢跟做資料分析？為什麼他們需要這樣做？他們希望完成的事情是什麼？

• 主管通常希望看到一個比較 High level 的全貌，當他們需要看細節的時候，通常會有其他成員提供；或者主管只要在會議上發問，就會有人回答細節。越高層的主管越不需要自己動手操作 BI 工具。
• 準備報表的人，才是最會操作 BI 工具。

自動化 🔄 及定期更新報表 📧

有個常見的需求是，定期自動更新報表，每天、週或月。這不只是例行公事或者週會上的慣例議程，定期查看報表的目的是為了要對產品有個全貌，當然看你的全貌是多大。我們不希望大家自己腦補或者瞎子摸象 🐘。

sample dashboards from Metabase, BI dashboard best practices

這種情境，自動化報表是滿有幫助的。沒有人喜歡做機械式的更新，每週花時間做一樣的事情。不喜歡的事情就交給 🤖。多數的 BI 工具也可以直接將報表用 email 送給需要的人，節省下來的時間就去喝個咖啡吧 ☕。

👉 滿推薦去玩玩看 Lightdash 的 live demo dashboard

吸引注意 🚨

在看報表的時候，不尋常或奇怪的事情可能會吸引你的注意，例如：

右上角的線圖有個異常

這樣看報表，眼尖的人可能會發現問題，但如果有問題才通知是不是更好。就不用等到每週、月要看報表的時間才發現問題，可以盡快處理，節省時間跟資源。

定期報表的目的是為了檢視，是否有異常發生、是否有機會，讓平常埋頭做事的大家可以抬頭看一下 👀 全貌。

如何自動化？ 🛠️

多數的 BI 工具都有提供自動化功能，多半也都整合 email 及 Slack 通知。

Meta bot on Slack

有時候，自動通知就夠了 👌

理想狀況，如果一切表現良好，穩定向上成長，其實不太需要做很多分析，這反而是好事。有時不要太失望，推出了 BI 工具但沒什麼人用。

資料分析的主要目標是希望挖掘可能性。不要太希望每個人都要會使用 BI 工具，沒事就檢查數字、深入分析。他們的工作太多了，要做好行銷、財務或產品開發。雙方都有個現實的期待，也會讓工作氛圍更好 😊。

你能提供的不只是自動化 ⚡

反過來說，雖然有時候自動化就夠了，但身為 Data Team 你能提供更多價值，像是探索資料、用數字說故事，引起注意跟好奇等。

雖然說，同事們一開始可能不太知道要怎麼跟 Data Team 合作，當你問他有什麼資料需求？他們可能會說：「可以幫我自動化這份報表嗎？每週或天都花我 X 時間。」不要感到氣餒，這代表你有機會去了解他們的工作。

好好把握這樣的問題，用 user interviews 👥 的方式挖掘需求。當有人這樣說，代表資料是他工作上的一部分，是有用的，他只是不知道該如何描述資料對他的幫助，也不知道其實 Data Team 可以提供更大的幫助。產品人樂於找人來訪談，既然你的使用者就在你眼前，快跟他訪談吧 😆。問問他面臨的挑戰、他需要資料做什麼決策、他在看什麼數字？怎麼看的？通常當你挖到問題，身為資料人，你可以提供使用者想像不到的解法。

下一篇 ⏭️

接下來的幾篇，我想聊聊如何探索隱含在這些需求描述後的痛點、需求以及希望做到的事。

對 dbt 或 data 有興趣 👋？歡迎加入 dbt community 到 #local-taipei 找我們，也有實體 Meetup 請到 dbt Taipei Meetup 報名參加