会用 Excel 是开发企业报表的重要基础,但它只覆盖表样设计、函数公式与格式排版这一层能力。一份报表要能长期稳定运行,还需要可查询的数据集合、表间关联关系、统一指标口径、组织与数据权限、发布与刷新方式各自有人准备。判断的关键在于这张表是一次性交付还是按月持续更新,数据来自单一系统还是多个系统,以及查看者是否需要按权限看到不同的数据。
TL;DR
- 制表技能决定表做不做得出,数据准备决定表跑不跑得久。
- 表样、函数、格式可以自学;口径、关联、权限需要有人负责。
- 一次性单人表可以只有制表人,持续报送表必须补齐数据角色。
在手工做表的年代,制表人几乎承担了全部工作:找数据、贴数据、写公式、调格式、打印装订。这套技能确实能产出一张漂亮的报表,但它隐含一个前提——数据是别人已经算好、并且不会变的。当数据要每月自动更新、要按组织隔离、要被多个部门复用时,这个前提就不成立了。
于是报表工作自然分裂成两段。前一段是表样与呈现,决定这张表长什么样、公式怎么写、合计怎么算、打印效果对不对;后一段是数据准备,决定数据从哪里来、口径怎么定、关联靠什么键、谁能看到哪些行。这两段需要的能力完全不同,却经常被当成一件事交给同一个人。
| 工作环节 | 主要产出 | 依赖的技能 | 常见承担者 |
|---|---|---|---|
| 表样设计 | 固定格式表结构 | 表格布局、函数、格式 | 业务制表人 |
| 公式与计算 | 表内计算逻辑 | 函数、条件计算 | 业务制表人 |
| 数据接入 | 可查询的数据集合 | 数据源、SQL、接口 | 数据团队 |
| 模型与关联 | 多表关系与维度 | 建模、主外键设计 | 数据团队 |
| 指标口径 | 统一定义与复用 | 业务理解与治理 | 业务+数据团队 |
| 权限与发布 | 谁能看、怎么送达 | 组织权限、资源管理 | 管理员 |
很多项目在评估阶段只问「业务人员会不会 Excel」,得到的答案通常是会,于是判断可以自助开发。真正决定项目成败的却是另一栏:数据有没有被准备好、口径有没有被统一、权限有没有被设计。下面把两栏能力并排列出,便于逐项核对缺口。
需要提醒的是,这两栏并非要求同一批人全部具备。它们的价值在于帮团队看清「谁负责哪一栏」,如果两栏都落在同一个没有数据权限的人身上,报表即使做出来也难以长期维护;反过来,如果只有数据团队而没有表样理解,做出来的表往往不符合业务使用习惯。
| 能力项 | 制表技能(呈现侧) | 数据准备技能(数据侧) |
|---|---|---|
| 核心目标 | 表做得出来、看得懂 | 数据取得准、口径说得清 |
| 典型工具 | 表格软件、函数、图表 | 数据源连接、建模、指标体系 |
| 关键动作 | 设计表头、写公式、调格式 | 建数据集、定义关联、配权限 |
| 主要难点 | 多层表头与复杂公式 | 多源口径不一致、字段语义不清 |
| 常见缺口 | 打印与导出效果 | 指标无统一定义、权限未划分 |
| 可自学程度 | 较高 | 需要业务与IT共同参与 |
| 交付物 | 表样与公式 | 数据集、模型、指标定义 |
| 更换期间时的动作 | 套用模板、检查格式 | 刷新数据、核对口径是否变更 |
| 出错后的表现 | 表样错位、合计不对 | 数字对不上、越权可见 |
| 术语 | 一句定义 |
|---|---|
| 表样 | 报表的固定版式与结构 |
| 数据集 | 可供报表查询的数据集合 |
| 数据模型 | 描述表间关系的可分析结构 |
| 指标口径 | 一个指标的统一定义与算法 |
| 关联键 | 连接两张表的匹配字段 |
| 数据权限 | 同一张表中可见的数据行 |
| 发布 | 把报表交付给使用者查看 |
会 Excel 的人通常能在一天内把一张表做出来,这也是很多项目初期进展顺利的原因。真正的分水岭出现在第二个月:数据源字段变了、组织架构调整了、有人反馈看到的数字和自己算的不一样。这些问题都不是表样问题,而是数据准备问题,靠调格式和改公式解决不了。
跨过这条线的项目会补上三件事:口径由谁定义、关联靠什么键、权限怎么划。这三件事做完,制表人才能只关心表样,数据变化由数据侧承接。此时「会用 Excel」才真正变成一项可复用能力,而不是每月重复一次的个人手艺。
会做表样、会写公式 → 一张表很快做出来,第二个月换新数据就开始暴露问题
↓
────────── 分水岭:表是一次性交付还是按月持续运行 ──────────
↓
持续运行 → 需要数据集、关联键与统一口径
↓
多人按权限查看 → 需要组织与数据权限设计
只调格式改公式,不补数据准备 → 每月返工
| 判断问题 | 一次性单人的表 | 持续运行的报表 |
|---|---|---|
| 数据是谁贴进去的 | 制表人自己 | 由数据集合自动获取 |
| 口径变化怎么办 | 手工改公式 | 由指标定义统一调整 |
| 数字不一致怎么查 | 逐格比对 | 从口径与关联查起 |
| 需不需要专人准备数据 | 不需要 | 必须有 |
数据准备常被误解为「把数据导出来」。事实上,从原始表到报表可用,中间至少有四层东西要有人负责:底表提供事实记录,数据集把底表加工成可查询的范围,模型描述表与表之间的关系,指标把业务口径固定下来。任何一层缺失,报表都会在某个环节卡住。
这四层并不要求每次都从头建设。如果企业已有数仓或数据平台,可以复用其加工结果;如果只有业务系统,往往需要先把关键字段的语义理清,再决定哪些字段进入数据集。判断标准很简单:同一张报表下个月再来一次,这套准备能不能原样复用。
| 数据层 | 解决什么问题 | 常见缺失后的表现 | 建议责任方 |
|---|---|---|---|
| 底表 | 记录事实数据 | 无数据可用 | 源系统/数仓 |
| 数据集 | 划定可查询范围 | 查出来的数据多且杂 | 数据团队 |
| 数据模型 | 描述表间关系 | 跨表取数靠人工拼 | 数据团队 |
| 指标 | 固定业务口径 | 同一指标多个结果 | 业务+数据团队 |
某烟草企业在推进报表建设时,原有的做法是每新增一张报表都要依赖第三方系统厂商来开发,业务提需求、等排期、再验收,周期和修改都受制于人。企业后来改用电子表格方式自行开发多类复杂报表,并在此基础上建设固定格式报表和多维分析,把表样设计能力收回业务与信息化团队自己手中。
这条路径能走通的前提,是数据侧的准备同步跟上:如果只有制表能力而没有稳定的数据集合与口径,表做得再快也只能靠手工贴数。案例中的复杂表样设计与多维分析由 Spreadsheet 与 Insight 的电子表格能力承接,凭证式表样、分组清单与交叉表都在同一套设计与发布流程中完成。更多项目背景可参考 某烟草企业案例。
业务主导开发的最大优势是需求理解准确、改表响应快;最大风险是数据侧无人负责,报表越做越多、口径越做越乱。因此适合与不适合的分界,不在于业务人员 Excel 水平高低,而在于企业是否已经有人承担数据准备这一栏。
如果企业刚起步、只有少量固定表、数据来自单一系统,业务主导完全可以先跑起来,不必等数据体系完备。等报表数量增加、出现跨系统取数和多角色查看需求时,再补数据角色,比一开始就设复杂流程更现实。
| 场景 | 是否适合业务主导开发 | 判断原因 |
|---|---|---|
| 单一系统、少量固定表 | 适合 | 数据侧依赖少,见效快 |
| 跨多系统取数的经营报表 | 需配合 | 关联与口径需要数据团队 |
| 多组织按权限查看的报表 | 不适合单独主导 | 数据权限必须统一设计 |
| 表样频繁调整的内部报表 | 适合 | 业务最了解使用习惯 |
| 进入考核或报送环节的报表 | 需配合 | 口径与留痕需专人负责 |
选型判断上,如果企业当前最缺的是制表能力,优先解决表样设计与发布效率;如果最缺的是数据侧准备,先补数据集、模型与指标,而不是先采购工具。两者的投入顺序搞反,常见结果是工具到位但报表依旧做不出来。本任务的交付物是一张可持续刷新的在线报表,连同它依赖的数据集合与指标定义,而不是一份需要人工维护的表格文件。
| 落地阶段 | 常见需求 | 可以重点关注的能力 |
|---|---|---|
| 表样与设计 | 多层表头、复杂公式、固定格式 | Spreadsheet 电子表格 |
| 数据准备 | 多源接入、数据集合与关联 | Insight 一站式 ABI 平台 |
| 口径统一 | 指标定义复用、跨表一致 | Insight 的指标与数据模型能力 |
| 发布与权限 | 按组织查看、按角色控制 | Insight 的资源与数据权限能力 |
| 持续维护 | 下一期修改、刷新与核对 | Insight 的报表与计划任务能力 |
1. 会用 Excel 就能开发企业报表吗?
只能完成其中一部分。表样设计、函数公式和格式排版确实可以靠表格技能解决,但企业报表还要持续取数、统一口径、控制权限并按期发布。这些属于数据准备范围,需要有人建数据集、定义关联与指标。两段能力都具备,报表才能真正跑起来。
2. 制表技能和数据准备技能,哪个更难补?
制表技能相对容易自学,多看几张真实表样、熟悉函数和格式即可上手。数据准备技能更难补,因为它涉及业务口径确认、源系统字段语义、跨表关联和权限规则,必须业务方与数据团队共同参与,且依赖前期数据治理的积累。
3. 没有数据团队,中小企业怎么起步?
可以从一张固定的高频表开始,先把字段含义和期间口径写清楚,再逐步把关键字段固化成可复用的查询。初期由懂业务的人兼任数据准备角色也可行,但要明确谁负责口径。等出现跨系统取数或多角色查看需求时,再正式设立数据角色。
4. 业务人员要不要学会写 SQL?
不是必须。业务人员更关键的能力是能说清口径和判断数字是否合理,取数与关联可以交由数据侧完成。如果企业选择让业务侧直接接触数据集合,那么至少要能看懂字段含义、筛选条件和关联关系,避免在不了解口径的情况下自行取数。
5. 报表改一个维度,为什么常常要等很久?
因为加的维度可能不在已有数据集合里,或者需要与另一张表关联,这就从表样调整变成了数据侧改造。如果项目前期没有预留可扩展的维度,或关联键设计不合理,每次新增维度都要回到数据层。这也是数据准备比表样更值得提前规划的原因。
6. 数据准备具体包括哪些工作?
至少有四层:底表提供事实记录,数据集划定可查询范围,数据模型描述表间关系,指标固定业务口径。此外还要划分数据权限、定义刷新频率。判断准备是否到位有一个简单标准:同一张表下个月再来一次,这套准备能否原样复用。
7. 同一张表两个人做,结果不一样怎么办?
通常是口径不一致:期间范围、组织范围、科目归集或含税方式存在差异。解决办法不是逐格核对,而是把口径写下来并由业务方确认,再让两边复用同一套指标定义。只有口径统一,两个人的结果才可能一致。
8. 一次性报表也要做数据准备吗?
不必做到同样程度。一次性、单人使用、数据量小的报表,直接手工整理即可,投入数据准备的收益有限。判断是否需要准备,看这张表会不会重复出现、会不会被他人引用、会不会进入报送或考核环节。重复出现的才值得固化。
9. 怎么判断这张表该不该做成在线报表?
看三个信号:是否每月都要重做、是否多人按权限查看、是否要跨系统取数。三条中满足两条以上,做成在线报表的收益就比较明显。如果只是一次性分析、只有一个人看,保留原有做法成本更低,不必为了形式上的统一而改造。
10. 报表人员要不要懂业务口径?
需要,至少要知道自己这张表的口径边界。制表人可以不懂全部业务,但要清楚每个数字的含义、期间范围和例外处理,否则表样做得再规范,数字也可能被误读。口径解释能力是把表格技能转化为企业报表能力的关键一环。
本文内容通过AI工具匹配关键字智能整合而成,仅供参考,SmartBI不对内容的真实、准确或完整作任何形式的承诺。具体产品功能请以SmartBI官方帮助文档为准,或联系您的对接销售进行咨询。如有其他问题,您可以在线咨询进行反馈。
覆盖传统BI、自助BI、现代BI不同发展阶段,满足企业数字化转型的多样化需求
电话:
邮箱:
一对一专属咨询