BI需求分析有哪些坑？德昂信息五个项目的教训与规避方法

  【天极网IT新闻频道】BI 项目在需求分析阶段*容易踩五个坑：指标口径算错、一张看板服务所有角色、数据粒度与统计周期不匹配、历史数据的时间口径没有定义、客户期望超出数据底座的能力。这五个问题在需求阶段解决，成本是几次会议时间;拖到开发或上线后，代价是返工、延期和信任。以下总结来自德昂信息的项目经历。

  一、指标口径为什么会算错？

  指标口径是一个指标在计算时，哪些数据算进去、哪些不算，它不等于计算公式。

  以毛利率为例，按“(销售收入 - 销售成本)/ 销售收入”直接计算，公式没错。但销售收入里带着退货和赠品，算出来的毛利率和手工账对不上。测试阶段双方各拿一张表，谁也说服不了谁，只能回头改逻辑，前面的开发等于白做。

  做法很简单：每个指标在需求文档里写一句计算规则，由业务方确认，不能只留公式。毛利率写成“销售收入剔除退货、赠品”，一句话省掉几轮对数时间。

  二、为什么一张看板满足不了所有人？

  不同角色对同一组数据的使用深度不同，需要的不是同一张看板加筛选器，而是不同粒度的视图。

  销售总监要从省区穿透到主管，再往下没有意义;一线销售要看每个客户的偏差和排名。用一张看板兼顾，结果是指标堆满一屏，总监找不到达成率，销售看不到自己客户。

  调研时问清三件事：谁看、看到哪一层、看完做什么动作。答案不同就拆看板，不硬塞进一张。

  三、数据粒度不对，会带来什么后果？

  数据粒度是一个指标在系统里*细的记录层级，由原始数据的产生频率决定，不由分析需求决定。

  有个项目考核经销商采购金额，指标按季度填报。看板做的时候筛选器默认放了“年月”，因为大家习惯时间维度都这么给。上线前评审才有人问：季度数据按月筛选，是拆到月，还是把重点从指标达成率改成指标完成率？这个问题没有标准答案，讨论它花掉的工时却是实打实的。

  判断方法一句话：原始数据多久产生一次。季度填报的数据，筛选器*多给到季度。

  四、历史数据要不要按新口径重算？

  取决于同比要回答什么。要回答“今年比去年好还是差”，历史数据必须用同一套口径重算;要回答“当年考核完成得怎么样”，就保留原值。

  考核销量通常是把各产品销量乘以一个系数再相加，系数每年都变。用今年系数重算历史，同比才有意义;保留原值，同比比的是两套规则。两种做法都合理，但不能混用，也不能留到上线后再定。

  需求书写清两件事：历史数据是否按*新系数重算，同比基于哪套口径。

  五、客户期望超出数据能力，怎么办？

  需求阶段一定要引导客户把做不到的部分去掉，而不是上线后解释。

  企业上了 BI，自然期待它解决很多问题，包括 BI 解决不了的。某质量主题项目，甲方在需求里要“人机料法环测”的质量归因和数理统计，但企业没上 ERP，HR 系统老旧、数据取不出来。底座不支持，BI 再强也算不出结论。

  做法是列一张数据来源清单，把现有系统能提供什么、缺什么、能不能补，和用户过一遍，当场划掉做不到的。当时不舒服，好过交付不了。

  六、这些坑的真实成本

  需求分析的坑，损失在信任和成本两头。

  开发和测试阶段每发现一个口径问题，就要停下来确认、改逻辑、重新对数，一次至少三到五天。多数 BI 项目延期不是开发慢，而是需求阶段没定下来，后面每个问题都要用开发测试时间买单。

  七、把三件事做在前面

  三件事落到文档上，是三份清单。指标清单，每个指标一句计算规则;数据来源清单，写明现有系统能提供什么、缺什么;角色看板清单，写明谁看、看到哪一层、具体的页面原型。三份清单是开发、测试、验收的共同依据，也是判断需求变更的基准。

  八、怎么判断一个团队的需求分析能力

  不用听方法论，看他们问什么问题。

  只问“你要什么报表”的，是把需求当订单接。会问这个指标的数据多久产生一次、历史数据要不要按新口径重算、现有系统能不能取到这些字段、这个指标的业务价值在哪，才是做过项目的人。这些问题答不上来，后面的交付大概率返工，因为坑要到开发阶段才暴露，那时改的成本要翻好几倍。

  九、关于德昂信息

  德昂信息技术(北京)有限公司(DataOnDemand)，简称德昂信息，成立于 2009 年，专注数据仓库与商务智能(BI)实施服务十七年，目前累计服务 500 家企业客户，覆盖金融、制造、汽车、医药、零售、轨道交通等行业。服务范围包括 BI 选型与业务咨询、数据仓库建设、ETL 数据整合、指标体系梳理、报表开发、上线培训与持续运维。