刘伟，CDA数据分析师三级持证人，北亚利桑那大学数据分析硕士研究生（在读），扬州农商银行科技部数据治理岗，CDA会员俱乐部实践部干事。
BI工具选择原因
作为数据分析工具，除了BI，我们一般有excel，mysql，python还有saas这些工具，我们为什么要选择BI？因为数据可视化的要求，尤其对于我们做贷款相关业务的，BI可以更直观展示数据，通过图表直观展示贷款经营数据便于理解和分析。另一方面，可以提升决策效率，数据可视化有助于快速识别问题提升决策效率和准确性。
举个例子，这个电商销售分析看板，包含了电商最核心的客户数、浏览量。以及求双开的浏览量占比、环比增长率对比等关键指标。这些都是我们在日常工作中可能会用到的数据。通过这个看板，我们可以更全面地掌握电商经营销售的动态，从而做出更准确的决策。简而言之，这个看板囊括了我们在电商经营销售业务分析中可能会遇到的各种数据和信息。
另外，与Excel、MySQL和Python相比，对于业务人员来说，BI工具的优势在哪里?用户友好性: BI工具通常设计有直观的界面和拖拽式操作，使得没有编程或数据分析背景的业务人员也能快速上手。相比之下，Excel虽然普及，但复杂的数据处理和分析仍需要一定的技巧；MySQL需要SQL知识；Python则要求编程能力。
搭建数据指标体系
在搭建数据指标体系时，我们需要遵循一些基本原则。这个知识点是CDA数据分析师一级重要的考点，我现在在工作中，指标体系搭建非常得心应手，与CDA数据分析师的扎实备考非常相关。建议工作中想提高个人数据分析能力的小伙伴也考一下这个证书，对工作帮助特别大。扫码关注CDA认证小程序，get考试大纲和备考资料。
1. 相关性原则
这是肯定的，我们的指标必须与业务目标紧密相连。例如，我们是制作贷款经营看板，那么我们就不会考虑与零售存款相关的指标。
2. 可衡量性原则
指标需要是可量化和可比较的。这一点大家应该都很清楚，比如我们会进行环比、同比等各类比较，比如日比、季比、月初比、季初比、年初比等，各种不同的比较方式。
3. 可操作性原则
这涉及到指标数据的获取和处理，因为我们的数据通常直接来源于数据库。所以，我们讨论的这些指标需要在数据库中有相应的字段，能够获取到我们想要的指标，并且能够容易地进行加工处理。
最后，我们还需要统一数据格式，整合来源数据，包括进行数据清洗，去除重复和错误的数据，以确保数据的质量。这些都是我们在进行数据预处理时常用的方法。
贷款经营看板设计
1、板块规划与布局
从图上可以看出我们的贷款经营看板概况，其中包含了贷款总额、利率等核心数据。在业务分析板块，我们也展示了贷款的业务趋势、结构等信息。比如，我们可以对比上日、月初、季初、年初等不同时间点的数据，并且可以根据贷款的期限，如短期、中期、长期，以及担保方式来进行分类。
在风险监控板块，我们关注的是风险指标，以确保业务的安全。这包括预期率、不良率、逾期率等指标。
2、数据展示形式选择
图表可以直观地展示数据，帮助我们更好地理解和分析。为了动态展示数据，我们可以采用实时更新数据的方式，这样可以提高决策效率。表格展示可以让我们详细地接收数据。通过数学知识，我们可以简单地展示数据，以便大家更好地理解。
3、交互功能设计
看板支持数据需求的筛选和查询，确保数据能够实时更新，反映出最新的贷款经营情况，使用户能够更深入地探索数据。不同的机构数据更新的速度可能会有所不同，有的可能实现T+1的实时更新，有的可能需要T+3，甚至更久。因为数据从数据库中抽取出来后，还需要经过一定的加工过程。