所面临的挑战
你的公司为你的客户提供分析作为一种服务. 每次你带来一个新客户, 它启动了收集客户端数据的过程, 了解格式并访问数据的内容, 通过清理和标准化问题区域，为分析准备数据, 验证输出, 然后将这些数据上传到你的平台，为客户提供有价值的见解. 在这个过程中，最大的挑战无疑是加载新客户端的数据, 理解和准备数据吗. 这个过程不仅痛苦且效率低下，而且也是扩展业务和成为更高效业务的最大限制因素. 听起来很熟悉?
许多团队依靠Excel来完成这项工作. 客户通过sftp发送数据，然后您的团队在Excel中打开各种数据集，并开始滚动浏览数据内容的耗时过程, 识别数据质量问题, 了解可用的列和列格式, 然后开始搅拌, 清洁, 并将数据重新格式化为您的分析平台所需的确切规格. 在对新客户这样做了几次之后, you start to get comfortable with the client’s data; but it still requires a manual and tedious process each time you need to update the analytics with the new batch of data. 数据量较大的客户尤其感到沮丧，因为Excel中的每个新步骤都需要几秒钟或几分钟才能加载, 或者使整个应用程序崩溃.
另外, 这就要求你的团队在每次客户想要更新他们的分析时都要经历相同的准备步骤. 第一次装载这些数据非常耗时, 但是当你必须一遍又一遍地重复这个过程时，你只会通过熟悉来节省一点时间. 许多依赖Excel的团队不得不在每个团队成员的工作日中投入很大一部分时间来重复地在Excel中准备数据. 这个手动过程导致许多分析提供者寻求工具来自动化这个过程. 其中最常见的是像Python这样的编程工具. 对于每个新客户, Python允许实现团队构建一个脚本，然后可以将其自动化并用于每批新数据. 麻烦的是, Python需要大量的技术专业知识, 即使是经验丰富的用户也很难理解他们的数据内容, 当与新客户合作时，哪一个是必不可少的. 您可能会考虑将此脚本工作传递给工程团队, 但是他们已经忙于软件开发，不可能及时实现一个新的客户端来满足客户的需求.
那么，你会怎么做呢?
设计师云提供了易于使用的工具(如Excel)与工具(如python)的自动化功能相结合，并添加了可视化和数据质量信息，使发现数据内容变得快速轻松. 在准备过程中在设计师云中创建的每个步骤都存储在一个配方中, 可以安排哪一个为每个客户创建新的自助服务数据管道. 设计师云加速了发现每个客户数据内容所需的时间, 准备数据, 并将数据发布到分析产品中, 但是真正的价值和时间节约来自于在设计师云中完成的工作的自动化. 一旦创建了一个食谱，将客户的数据从原始到精炼, 该配方可以安排每小时运行一次, 每天, 每周, 或者任何需要的时间间隔，以确保您的客户在需要时获得最新的分析.
有兴趣尝试设计师云为自己? 报名 今天免费.