为什么有些企业智能问数项目上线后没人用？问题出在技术路线选择上

我们接触过很多企业，花了大价钱上线了智能问数平台，结果上线半年，真正日常使用的业务人员寥寥无几，最后平台慢慢就荒废了。为什么会这样？是业务人员不愿意用新工具？还是产品体验不好？本文通过多个真实案例分析，告诉你问题到底出在哪里——很多时候，不是用户不想用，是技术路线选择错了，产品从根上就满足不了业务人员的真实需求。

一、真实场景：上线六个月，日活不到十人

我们来看一个典型案例。某大型国企，听说现在流行智能问数，于是花了几百万采购了一套知名厂商的智能问数平台，按照厂商顾问建议，做了几十张宽表，做了上百个预制指标，项目验收也通过了。

CIO很困惑："我们项目立项的时候，业务部门都说有需求，说每天被取数需求折腾死了，盼着有个自助工具。怎么真的上线了，大家又不用了呢？是用户观念太保守，不愿意拥抱新事物吗？"

我们去调研了一下业务部门的使用情况，业务经理说的一句话很扎心：

"我想问的问题，系统里没有；系统里有的，我不关心。我每次想问点新东西，都要找IT提需求，等一周才能加上。那我为什么不直接找IT要？反正也要等，用你这个平台还不够麻烦的。"

一句话点破了本质问题：你让业务人员只能用你提前做好的那些指标和维度，这不叫自助分析，这叫"提前点餐"。真正的自助，应该是我想吃什么自己点，不需要等厨房提前备好。

二、四个原因告诉你，为什么预制路线做出来的产品没人用

为什么采用预制指标/预制宽表技术路线的智能问数平台，上线后经常遇到使用率低的问题？我们总结了四个核心原因。

1. 需求永远在变，你跟不上业务的好奇心

业务人员做分析的时候，不是所有问题都是提前想好的。很多时候是"想到哪儿问到哪儿"，看到一个数据异常，就想继续往下钻，看看是什么原因导致的。这个过程是探索式的，你没法提前预判。

举个例子：

1. 业务经理看报表发现"这个月华东区域销售额下降了"
2. 他想知道"是哪个省下降了？哪个产品下降了？哪个客户下降了？"
3. 继续想"下降的客户里，新客户多还是老客户多？和促销活动有关系吗？和竞争对手新开店有关系吗？"

这个探索过程，需要不断组合新的维度和指标。如果你的平台只能查提前预制好的宽表，遇到没预制的问题，就要走需求流程等IT添加，那这个探索过程就被打断了。用户试了两三次，自然就不愿意用了。

根据我们对多个企业的调研统计，超过60%的业务查询都是临时即兴的探索式查询，只有不到40%是固定周期性查询。你只覆盖了40%的需求，怎么能指望用户天天用？

2. 门槛太高，业务人员懒得学

很多预制宽表路线的平台，有个共同特点：需要业务人员自己理解"有哪些宽表"、"每个宽表里有什么字段"、"我这个问题应该去哪个宽表里查"。

这就有问题了：业务人员天天忙着打仗，谁有空去记你的数据模型？我就想查个数，还要先学习你们这套数据模型，我为什么不直接找IT帮我查？

我们见过一个平台，光给业务人员的培训就做了三天，还印了一本操作手册。结果呢，三个月后，没人记得住操作步骤，自然就没人用了。

真正好用的工具应该是什么样？我打开就能问，用自然语言说我想知道什么，你给我结果就行了。我不需要学习你的数据模型，不需要记你有什么表什么字段。

3. 数据过期了，没人维护

业务在发展，组织架构在变，产品在迭代，市场环境在变。你的预制宽表和指标，如果没人持续维护，很快就会过期。

举个常见的情况：

• 公司新并购了一家子公司，数据要合并进来——需要修改宽表结构
• 产品线重新划分了，维度要调整——需要重新计算指标
• 新上了一个业务系统，有新的数据来源——需要新增宽表

每变一次，都需要IT数据开发团队修改ETL、重新跑数据。如果IT团队人手不够，维护跟不上，数据不准，用户自然就不用了。

我们调研发现，预制宽表路线的项目，上线一年后，大约有30%-50%的指标已经和业务实际对不上了，需要花很大力气维护才能保持数据准确性。

4. 权限管控太严，想用用不了

这个问题有点讽刺：很多企业上智能问数，初衷是让业务人员自助取数，解放IT。结果呢，因为担心数据安全，权限卡得非常死，大多数业务人员只能看很小一部分数据，想看的看不到，自然就不用了。

当然，数据安全很重要，该控还是要控。但问题是，有些平台的权限管控是基于宽表做的，配置起来非常麻烦，开个权限要走审批流程，等批下来，业务人员黄花菜都凉了，几次之后，用户也就放弃了。

三、语义建模路线为什么能提高使用率？底层差异在哪里？

我们来看另一个案例，同样是大型集团企业，采用本体语义建模路线建设智能问数平台，上线后的使用情况完全不同。

为什么差别这么大？因为语义建模路线从底层设计上就解决了刚才说的那四个问题。

具体来说，语义建模路线解决了这几个关键问题：

1. 支持探索式分析，满足即兴查询需求

在语义建模路线中，你只需要梳理清楚业务概念和它们之间的关系，不需要提前预判业务人员会问什么问题。不管用户怎么组合维度，系统都能自动理解，自动生成SQL去查询。

业务人员可以顺着问题一直往下钻：从整体到区域，到产品，到客户，想怎么探索就怎么探索，不需要停下来等IT加需求。这个流畅的探索体验，用户自然愿意用。

2. 自然语言直接提问，零学习门槛

业务人员不需要知道有哪些表，不需要知道每个表有什么字段。你就用中文问问题就行了，比如"上个月华东区域哪个产品销售额最高"，系统直接给你结果。

不需要培训，不需要记操作手册，拿来就能用。新员工上来就能问，门槛降下来了，使用率自然就上去了。

3. 直连原始数据，数据永远不过期

语义建模路线不需要预计算，系统直接连原始数据库查询。业务变化了，原始库数据已经更新了，查询结果自然就是最新的。你只需要调整一下语义映射关系，不需要重新跑ETL。

维护成本降下来了，数据准确性有保障，用户自然信任你的数据，愿意用。

4. 基于业务概念做权限，配置简单直观

权限管控也是基于业务概念做的，管理员不用对着一堆物理表和字段配权限，直接按照业务概念给权限就行了，比如"销售经理只能看自己区域的数据"，配置起来非常简单。审批流程也能简化，用户能快速拿到权限，自然愿意用。

四、数据告诉你：两种路线实际使用率对比

我们收集了多个项目的实际使用数据，做了一个对比：

从数据可以清楚看到：

• 语义建模路线的用户渗透率是预制路线的3-4倍
• 平均使用频率是预制路线的5倍左右
• 维护成本只有预制路线的1/4到1/5
• 用户满意度显著更高

这不是厂商品牌差异，这是方法论选择带来的结果差异。你选了预制路线，从产品设计上就决定了它很难获得高使用率。反过来，语义建模路线从设计之初就是为了满足业务人员灵活查询的需求，使用率自然就高。

五、给企业决策者的建议：怎么选才能避免上线没人用？

如果你正在规划智能问数项目，或者你的项目已经上线但没人用，我们给你几个具体建议：

如果你还没启动项目：

1. 想清楚你的目标是什么。

   如果你的目标只是做几张固定的经营分析报表，那预制宽表没问题。如果你的目标是让业务人员真正能自助分析，满足灵活查询需求，优先选语义建模路线。

2. 算总成本账，不要只看License价格。

   有些产品License便宜，但实施和年维护成本极高，三年总投入反而更高。而且做出来使用率还低，ROI更差。

3. 先试点，再推广。

   选一个业务需求最迫切的业务域做试点，三个月做出能用的版本，让业务人员实际用起来看看效果，好用再推广全集团。

4. 关注使用门槛，不要只看功能清单。

   功能清单上大家都差不多，但使用体验差很多。让业务人员实际试试，看看是不是真的不用培训就能用。

如果你的项目已经上线但没人用：

1. 先做用户调研，找到真正原因。

   去问问业务部门：是找不到想要的数据，还是太难用，还是数据不准？绝大多数情况都是这几个原因。

2. 如果是技术路线问题，不要舍不得重构。

   继续往错的路线上投钱，浪费更多。停下来，换一条路线，可能反而更快看到效果。

3. 可以考虑双路线并存。

   固定报表用预制，灵活查询用语义，两条腿走路，满足不同需求。