打造人人易用的数据分析平台 诸葛io权限功能升级

新闻
近日,诸葛io更新了细致的应用权限和看板权限功能,将不同的应用/产品对应不同的成员,同时可设置私人看板和共享看板,屏蔽无关看板,同时获得更好的多人协作体验。

进入数据时代,能跑在互联网时代超车道上的企业,一定对他们的用户有着深刻的认识和理解。互联网发展至今,数据对企业客户的重要性已经上升到战略层面。不同于大企业投入足够的精力和财力构建大数据团队,中小企业用户对数据的探索相对滞后,滞后的原因并非是缺少对用户行为数据分析的需求,而是迭代压力过大,很难分散精力和资源兼顾数据分析。中小企业该如何揭开纷杂的用户行为数据,透过表象探究因果,灵活调整业务及产品航向?如今这一切并非难事。

不同于传统统计工具,诸葛io关注用户全生命周期流程,帮助客户捕获颗粒度极细的用户数据,并使之相互关联,多维度交叉分析出有效信息,促使产品及业务有针对性的优化。数据分析从行业、角色、部门和场景都具有差异化,面对这些细分角色细分场景的分析侧重点,诸葛io平台可以自定义若干“看板”,CEO、产品经理、市场、运营……不同的角色可以设置不同看板,每个人都能建立属于自己的个人看板,关注自身最在意的数据指标变化。

诸葛io作为人人可用的数据分析平台,企业中的每个人都能通过数据分析获得工作效率的提升,从中激发出有据可依的创新想法,并在数据中不断检验和印证。随着企业应用的增加以及使用者增多,应用数量和看板数量随之递增,面对数十、上百个看板,很难一眼找到个人所需的看板,甚至可能出现误修改了他人看板的现象。近日,诸葛io更新了细致的应用权限和看板权限功能,将不同的应用/产品对应不同的成员,同时可设置私人看板和共享看板,屏蔽无关看板,同时获得更好的多人协作体验。

更明确的应用权限细分

数据安全是数据分析的一把双刃剑,权限功能正是规避内部数据风险、减少误操作等问题的有效方式。此次升级,诸葛io加入了更为细致的权限控制,可以为每个应用单独添加成员,同时设置每个成员在应用中所属的权限。在应用中,可设置三种角色,管理员、普通成员、普通成员仅看板,由管理员分配相应权限给应用中的成员。

管理员可以使用该应用的所有数据分析功能,并可以管理该应用的成员、基础数据等。普通成员分为两种,一种是具备除管理功能外的所有数据分析功能,另一种仅能查看看板,不能进行相应的事件分析。



管理员进入应用后,可点击左下角的「邀请成员」或右上角菜单中的「应用成员」,进行成员添加及权限设置。在未经使用培训前,可将新成员设置为「普通成员仅看板」,仅具备查看看板的权限,熟悉自身关注指标的数据变化,通过一段时间的熟悉和学习,逐步开放普通权限。

加速协作,提升看板使用效率

那么什么是看板?诸葛io提供快速了解相应数据指标的“看板”,只需简单设置,就可以提取出常用几项数据指标,方便随时查看,无需每次进行查询。不同角色关注的指标不同,因此也就有了不同的看板。比如产品经理关注活跃用户比例、新功能转化率表现等;而市场人员关注渠道质量、新用户数量变化等。

同一部门的不同角色也有不同的关注数据指标,比如同样在产品部门,负责不同功能的产品经理,细分指标也有所不同,诸葛io提供极细的颗粒度,细微的偏差也可以轻松捕捉到。因此随着企业使用诸葛io进行分析的深度增加,看板数量也越来越多,一眼望去很难找到自己的看板。

 

此次更新诸葛io将看板区分为公开看板、私人看板和共享看板。创建看板的人会成为看板的拥有者, 如果创建人想让更多人使用这个看板,可以将它设置为“公开”;如果只想自己用或指定几个人使用,可以将看板设置为“指定成员可见”。公开看板即该应用下的所有成员均可查看并编辑的看板,适合全公司人共同使用,相应的数据可以设置为最基础的数据指标。私人看板是只能个人查看的看板,避免众多看板扎堆出现的现象,从而提高看板的使用效率。而共享看板是创建者添加共享成员后的看板,可分别设置编辑或查看的权限,便于关注共同的数据、有统一目标的同部门或跨部门的不同成员实现相互协作。

权限细分一小步,管理协作一大步,随着诸葛io的用户不断扩大,未来诸葛io也将不断提升更便捷的管理协作功能,愿诸葛io的客户们能在数据的驱动下更上层楼。

责任编辑:鸢玮 来源: 诸葛io
相关推荐

2016-11-03 15:08:29

诸葛io数据分析

2017-04-27 17:50:40

诸葛io数据分析

2017-03-24 10:58:11

诸葛io数据分析

2015-09-17 18:53:17

诸葛io

2015-09-21 15:35:18

诸葛io

2017-08-17 10:00:22

诸葛io大数据数据分析

2016-12-20 14:31:00

2020-03-23 14:55:47

数据分析诸葛io

2011-06-01 11:26:39

宽带山 团购

2017-07-22 00:41:27

大数据数据存储

2013-03-15 10:11:25

Teradata 大数据分析天睿

2018-08-27 11:18:01

存储

2017-05-16 13:00:24

大数据数据分析

2017-09-27 14:29:41

SupersetPython数据分析

2020-07-21 10:09:01

数据分析技术IT

2013-05-17 08:52:10

Teradata 大数据天睿

2018-06-15 20:44:40

Hadoop数据分析数据

2014-05-19 10:48:05

2017-04-20 18:43:32

诸葛io数据分析
点赞
收藏

51CTO技术栈公众号