今天来谈谈一个大数据时代下普遍存在的问题：越来越多的数据，越来越多的需求，越来越多的不满意。
每个大型一点的企业都至少有一个报表平台系统，如果只要出报表就算的话，报表平台的数量不会是小数目，以下是工作中的真实场景：
- 报表数量惊人，最多的上万，几百张是常态；
- 业务部门没有办法快速找到需要的报表；找到了，报表平台操作缓慢；
- 科技部门抱怨业务部门动辄提报表需求，根本不管是否已有报表实现其需求；报表之间的口径似是而非，业务部门不能或不愿明确其中差别；
- 运维部门投诉报表系统运行效率低下，很多报表无人使用；经常遇到数据质量问题，相互扯皮，没人说得清楚；
其实，现在大数据、数字化的概念已经深入人心，都知道数据辅助决策，但是正是在这种环境下，会使人病急乱投医，每个部门都承受着很大的压力，上到CIO、数据部门，下到表格表姐，IT开发。
我认识的很多数据负责人，乃至于数据总监，都因为承受不住压力而主动辞职了，原因有很多吧，项目推动不了，规划没有效果，得不到老板支持，没有好的工具等。
如何做好面向全公司的数据支撑，哪怕只是简单的报表提供，其实也是一件复杂且考验思维逻辑的事。
作为一路走来，挖坑再填坑并且取得了不错成绩的我，有几点经验要和各位分享，这些经验无论是企业还是个人，我相信看完之后对你的帮助都很大。
一、搭建企业数据框架
互联网企业对于数据的利用率肯定比传统企业要高，内部自带BI报表系统和大数据平台，而且对于数据需要的维度很多，这点是传统企业比不上的。
我们就拿传统企业的数据源头来说，从各个渠道（财务系统、ERP系统、手工报表、自开发系统）把数据都要整合到一个数据仓库里就是超超超大量的工作，ETL要干到吐血。除了工作量，还要面临众多的关联方，甚至还有很多利益冲突的关联方。
所以需要首先明确框架，也就是未来发展的方向，而不是毫无目的，走一步看一步。
二、明确团队价值
你要问我现在最火的部门或者岗位是什么？我肯定会告诉你是大数据或者BI，或者更加细分一点的话，有的企业叫商业分析或者数据管理。
我就见过有公司的数据/商业分析部门定位为“出报表的”，被挂在IT部门下面；也有公司的数/商分部门挂在战略部下，作为公司战略决策的重要部门。而一个部门的定位往往决定了其价值的大小，做报表的部门VS做战略的部门，谁价值更高不是显而易见？不是说做报表的不好哈。
三、梳理数据体系
这是数据管理金字塔，其实每个点要是展开讲，都可以讲很多，我这里就选几个重点说说，以后如果有机会的话，会专门写一篇文章。
前面说到，传统企业的数据很多很乱，这种情况下，即使是有了框架，底层的数据逻辑很乱，那么最后的数据报表还得重新做，得不偿失。
所以统一数据口径，做好元数据管理就显得尤其重要，数据负责人得从业务的角度，重新梳理一下数据体系，这样才能为以后打好基础。
四、用好数据工具
最后再来讲讲和每个人息息相关的数据项目吧，我相信很多人都了解报表或者知道报表，但是报表其实只是数据工具的一个部分，具体分类是这样的：
- 编程处理类：python、R等，但上手难度较高
- 数据报表类：FineReport，对于日常的报表制作，更加易学实用
- 可视化BI类：FineBI，业务能直接上手，根据自己的需要做出多维度分析
finereport做出的可视化驾驶舱
如果此时此刻有人和我说为什么没有Excel，那我觉得你应该好好看看它的缺点：呈现方式比较土，呈现周期很长，而且遇到数据的改动，每次都要交流很久....
再加上一开始提到的几个报表难点，我们应该从如下的3个点开始改变。
我把报表分为基础报表、管理报表和分析报表，在这里推荐一个数据报表的超强工具FineReport，既能周报日报一手抓，查询填报不在话下，灵活的参数传递，轻松实现报表间的联动、钻取等分析操作。
除却常规参数查询，还提供对结果报表的再次分析，同时还提供企业级的报表管理，这可能是业内较为好用的报表工具系统。
它是类Excel的设计器，无需编程，拖拖拽拽即可生成报表，且上手成本非常低，自带的丰富社区教学体系，让它对做报表的业务和开发报表的IT，都很友好。
同时，一张报表模板，可以让多个报表复用，一张报表模板做好后，其他部门直接用就可以了，维护起来也非常方便，只需要改这张报表就好可以实现所有报表的统一维护了，效率提高的不是一点半点。
就拿填报来说，多表填报是一个很常用的场景，FineReport丰富的填写控件类型，支持大数据量填报，要是电脑突然崩溃了怎么办？别怕，暂存功能完美解决。
管理层的需求一般都是业务实时数据看板，让他从以往无法实时掌握业务状态变成能够随时随地查看业务数据。那这时候FineReport的可视化大屏和管理驾驶舱就显得尤为重要了。
无论是自研的图表效果，还是定制化开发，其丰富的图表样式，都能帮助打造炫酷的数据可视化效果。
总结
无论是工具还是方法，最终还是需要对数据有一个最清晰的认识，如果真的要做，那就要下定决心把数据工作做好，这对企业和个人，都会是一件回报远大于付出的事情。