其实没多少！ 从早期喊的多维分析到近年来喊敏捷 BI，BI 厂商一直在强调自助能力，宣称可以由业务人员自己随心所欲地分析数据，而用户也常常有强烈的需求，双方一拍即合，很容易形成购买行为。 不过，就大多数缺乏 BI 应用经验的用户所期望的工作内容而言，自助分析的目标就可以说远远达不到！从经验上看，最好情况也就能解决 30% 左右的问题而已，而大多数 BI 产品连这个数也达不到，只能处理 10% 左右的需求。
数据分析的根本在于数据，或者说是在于计算，而不是界面。新一代敏捷 BI 产品在界面美观度和操作方便度上有了不小的进步，但数据运算能力还是没能超出多维分析的范围。 多维分析是指针对某个事先准备好的数据集（称为立方体 CUBE），以一定的条件过滤后（称为切片）按指定维度查看某些统计值，比如某年中某产品按地区和月份汇总的销售量和销售额，用 SQL 写出来都是这么一种样子：
代码语言：javascript复制SELECT Di,...,SUM(Mi),COUNT(Mi),... FROM T GROUP BY Di,... WHERE Di=... AND Di IN (...) ...
SELECT Di,...,SUM(Mi),COUNT(Mi),... FROM T GROUP BY Di,... WHERE Di=... AND Di IN (...) ...BI 软件的作用在于让用户改变过滤条件和查看维度时特别方便，可以从当前已经看到的状态走到目标状态，就是所谓的旋转、钻取、切片等动作，这对于交互分析很有意义。但是，无论怎样的方便流畅，能做的运算也还是这么一句 GROUP BY WHERE，并没有更多。
BI 产品有时还能支持一些简单的跨行组运算，比如计算比上期、排名、占比等，显然这些运算的结果对于商业分析也有着重要的意义。跨行组运算和常规汇总不同，常规汇总只有给定一组维度就可以统计了，而跨行组运算还要多一个范围层次，但市面上大多数 BI 软件并没有关注这个，会武断地把范围层约定为全集。这样如果想看看某地区销售额在省内的排名，就只能先把数据切片限定在省内，然后一个个省来看，否则就只能看到在全国范围内的排名了，这很不方便。考察 BI 软件时要特别注意这一点，是不是支持给跨行组运算设定范围层，厂商当然都会说能支持跨行组运算，但支持程度弱的时候就会导致有些分析任务做不了。 做到多维分析这一步，其实只能解决 10% 左右的自助需求，这是 BI 产品最常见的自助能力。
多维分析的主要问题在于有个建模过程，也就是要事先准备数据集，分析的数据也要限定在数据集中。但实际应用中会经常超出这个范围，可能会涉及到以前没想到的数据项，或者和另一个数据集做一个关联运算，这都会导致再建模。而建模需要求助于技术人员，这样业务人员的自助就无从谈起了。 为解决这个局限性，有些 BI 产品开始提供关联查询能力。一般是在多维分析前面增加一步，能够基于多个数据集关联计算出新的数据集再来做多维分析，或者在多维分析过程中支持多个立方体间的某些关联运算。这相当于允许业务用户一定程度可以自己建模。 不过，实现关联查询并不容易，其根源是关系数据库对关联运算（JOIN）的定义过于简单造成的，导致数据集之间的关联关系看起来过于繁琐，超出许多业务人员的理解能力。这个困境在 BI 产品的界面协助下能有一些改善，好的 BI 产品能够让业务人员自动处理表间唯一的关联关系。但面向不唯一的情况（企业应用中很常见）仍然很困难，我们之后会再仔细讲这个话题。要从根本上解决这个问题，就要改变数据库层的数据组织模型。而几乎所有的 BI 产品都不会重新定义数据库的数据模型，其关联查询能力就会受限。 一个可用于检验 BI 产品关联能力的通俗例子：查询女经理的男员工。这个很简单的查询需求中涉及到同一数据集的多次关联，大多数 BI 产品都处理不了（除非事先建模）。 有了关联查询能力后，BI 产品能解决的自助需求占比能提高到 20%-30%，具体程度要看产品提供的关联能力的强弱。
剩下更多的需求，就都会涉及到有多步骤的过程计算，这完全超出绝大多数 BI 产品的设计目标了，但却是用户特别希望解决的问题，做到这一步，才能叫业务人员随心所欲地分析数据。 一个简单办法是使用 BI 产品导出基本数据，由业务人员自己用 Excel 等桌面工具去做，Excel 足够灵活方便，可以相对随心所欲地完成多步骤运算，从这个意义讲呢，Excel 才是最重要的 BI 工具。 不过，Excel 面对较复杂的数据计算以及要反复执行的运算也会无能为力，而且数据量大了也撑不住，在许多应用场景无法胜任。Excel 这些缺失，都可以用 SPL 来配合补充，不过说来话长，之后再讲。
针对于用户最普遍的自助数据分析需求，BI 产品的能力实际上是相当弱的。经常的情况是：BI 厂商说的是多维分析，而用户想的是那些需要过程计算才能解决的问题，这个错位就会导致期望高而失望大的局面。用户要清楚自己的自助需求：是否做到多维分析就够了？有多少关联查询需求？业务人员是否会提出大量需要过程计算的问题？这样才能设定合理的期望值，知道 BI 产品对自己的作用在哪里，不被产品的花哨界面和流畅操作迷惑，避免事后的遗憾。 BI 界以前有个词叫 shelfware，就是用来描述这种中看不中用的产品。厂家人员开玩笑说卖的不是 software，而是买来就被扔进柜子不再动的 shelfware。在演示阶段让用户产生极大的期望以为真能让业务人员自己分析，实际用起来完全不是那回事，结果都被当作报表工具在用，而这些 BI 软件做报表的能力还很差。这是购买 BI 产品的一个大坑！
