80/20法则是计算机领域经常见到的现象，比如一个软件80%的时间只是在运行其中20%的代码，或者计算机芯片CPU只有20%的时间在做计算，其他80%的时间在休眠或者等待其他操作。
在数据分析特别是商务智能（BI - Business Intelligence）中同样存在类似的情况。在企业中，常常需要根据积累的数据来制定商业决策，最常用的方式是制作各种报表为企业管理人员提供决策支持。这里的80/20现象就是人们发现80%的时间花费在报表系统的开发构建上，而真正使用报表的时间只有20%。或者总的来说，80%的报表只有20%的人看。
通常的流程是：
管理层提出初步报表需求 -> 开发部门实现报表
-> 管理层提供反馈或者需要加入新数据 -> 开发部门完善报表 -> 管理层得到最终版本的报表进行商业决策通常一个流程需要一至两个星期的时间，耗费的开发成本和时间成本比较高，有时候开发时间过长甚至会对商业上的决策造成拖延。
解决这个问题的办法就是打破80/20法则，甚至颠倒其中的比例，比如将开发报表的时间缩减至20%，进而让80%的时间花费在使用报表上。这也是进几年流行的自服务数据报表系统（Self－Service BI）。
要达到这个目标，有一些技术挑战：
方便易用的数据可视化工具
强大灵活的数据模型构建工具
集中管理的企业虚拟化数据仓库
解决以上技术挑战之后，整个企业的数据可以物理上存放在不同的地方，但是有一个统一的访问路径，开发人员定义好数据模型之后，企业管理人员或者非技术人员可以使用傻瓜式的数据可视化工具，自己选取想要查看的数据，进行数据分析。新的报表流程简化为：
管理层提出报表数据需求 -> 开发部门建立数据模型 -> 管理层自己查看数据
完成这个改造后的流程之后，当有新的报表需求，开发人员所需要的工作仅是创建和维护数据模型，从企业角度，报表开发时间降低到20%，而80%的时间是用户在使用报表系统。
由于篇幅所限，这里就不展开对这些技术的具体阐述了。有兴趣者可以联系作者进一步交流（boyang798@gmail.com）。
现在国内有些公司已经开始在这个领域做了扎实的基础工作，比如数据可视化工具已经比较成熟，数据仓库也有公司在做底层数据平台，在数据模型构建工具方面，目前还不是很成熟，希望未来有更多的公司进入这个领域，提供成熟的解决方案。
扫描微信二维码联系作者
