如何設計企業內部的數據平臺？

數據平臺的建設能夠當作一個產品來設計。從廣義上來說，全部以數據驅動爲核心的均可以稱爲數據產品（如數據報表平臺，DMP，BI平臺），從狹義上來說，就是公司內部的數據平臺。今天咱們要討論的，主要是在公司內部搭建數據平臺。

公司的內部數據平臺，主要是給各業務提供數據處理、分析、展現，供內部全部部門人員使用的，涉及數據的收集（填報）、數據的整合、業務報表製做、業務員數據分析以及可視化數據展現，目的是讓公司內部的全部業務都能經過數據來驅動和輔助決策。簡單點講就是經過數據分析平臺來驅動公司內部的數據化運營。

那麼如何設計符合企業實情並能解決實際問題的數據分析平臺呢？

1. 平臺建設主導人須要對每一塊業務需求有深入的瞭解，知道每一個業務部門想要看什麼樣的數據，須要什麼樣的分析報表；這些數據是否如今就能夠獲取到，是否須要收集；業務部門經過這些數據分析，是如何推動和改善業務，是否有提高的價值意義。

2. 平臺的設計須要根據業務的要求設計符合使用者須要的內容，產品要有層級和結構。若是設計的一張數據報表既要知足管理層的需求又要知足一線業務人員的須要，那麼這樣的數據產品體驗很大多是比較差的。由於領導和業務人員的關注點不同，看數據的視角也不同。領導每每須要一些能幫助把握大方向的關鍵指標，而且但願知道這些指標以後的問題是什麼？緣由是什麼？因此給領導設計的報表須要直觀易懂，而且可以基於這些指標的一場定位到問題。而業務人員更在意業務的執行，關注的數據每每粒度很細，須要知道各項指標的明細。

領導關注的報表（FineReport製做）

銷售領導關注的指標明細（FineReport製做）

3. 數據平臺必定要注意數據質量、規範、統一。由於數據分析平臺是面向全部業務的，怎麼保證公司的全部部門人員對於數據的理解是一致的，這點特別難。（好比服裝行業的「斷碼」，從領導層來說，公司倉儲的服裝所有尺碼若是不完整就是斷碼；從倉庫的倉管員角度來說，倉庫內的服裝尺碼不全就是斷碼；從門店的業務員角度來說，客戶須要的尺碼當前門店無貨就是斷碼）。公司的業務系統各有不一樣，數據庫分佈，數據口徑不一，數據孤島問題，致使數據的質量和結構也千差萬別，越是這樣，數據倉庫的數據建設就顯得尤其重要。平臺的數據質量依賴於數據倉庫底層的數據模型，因此一個好的數據倉庫很大程度上決定了數據分析平臺的數據質量。

4. 工具選型上，有報表平臺、BI。報表平臺適合構建基礎的規範化的數據分析平臺，從明細報表（表格類）的，項目檔案，文件報備，數據填報，數據報表，業務主題分析，文中的全部demo就是用FineReport製做，側重於展現和報表管理。BI側重於分析，拿到數據能夠本身拖拽維度來分析，不一樣於報表受模板框架的限制，涵蓋簡單的明細報表、分析報表和主題分析，製做要簡單不少，大數據量的處理性能也強勁不少，表明：FineBI、Tableau.

下面咱們就從實戰的角度來加以闡述。

某公司是一家電商公司，那麼該公司的各部門須要看哪些數據呢？首先收集平常經常使用的數據指標，哪些是常常要查詢的，哪些是要平常填報的，這些在過往的經營中都有備案，好收集。這就構成了平常的基礎查詢類報表，這類報表最佔大頭。

其次，咱們能夠觀察一下各部門的KPI是什麼？下放到團隊以及我的的KPI是什麼？是否能以具體的數字來量化？若是對負責支持的部門的KPI不瞭解，就去尋求部門領導幫助（使用者最懂要什麼），不落實指標如何能設計出好的數據報表？一般粗略的，例如採購部門的KPI基本就是銷售額、訂單數、銷售毛利潤、採購成本；運營部門的KPI就是新老用戶述、留存率、復購率、用戶流失、轉化率，市場部門的KPI就是PV/UV、新客數，這就構成了各部門平常管理的報表。

那麼知道各個部門的核心KPI後，下一步就是針對一些特定場景的主題報表。主題報表每每是記錄某一事件，其中的指標都是相互關聯的。

好比，我但願知道這個月個人績效完成的怎麼樣？在團隊內排名是提高仍是降低？每一個人的績效結果明細是怎樣的？——這就構成了平常考覈報表。

又好比在分析產品時，須要重點關注某些產品的相對市場份額和市場增加率，則要創建波士頓矩陣分析，以便讓資源有效地分配到合理的產品結構中（固然還有其餘分析角度）——這就是品類分析。

產品分析（FineReport製做）

再從業務分析和使用場景入手，拿採購部門的小王來講，他是怎樣看數據的呢？

天天早上，我但願知道昨天的銷售狀況怎麼樣？因此這時候應該設計一張基礎查詢報表給到他，這張數據報表應該具備如下功能和內容：

1.可以查看昨天以及過去各時段的數據；可以按照產品、地域來統計；可以與過往的平均值作比較，看看是否是某區域某產品的趨勢上有大的變化，是否是廣告投放，活動推廣帶來的，影響大不大。其次，每月，每季度的數據是多少，可以選定時間段自動展現。

2. 指標越豐富越好，若是銷售額降低了，看看是否是訂單數降低了，訂單數沒變是否是客單價的問題，是因爲商品結構的緣由仍是活動門檻調整致使的。

3. 數據分析的可以下達的粒度越細越好。好比數據粒度能夠從全國下鑽到省份，從省份下鑽到城市，這樣交易額降低了就能知道是哪一個省哪一個城市出了問題？就能針對性的解決。

通過以上幾個步驟，便可造成平臺雛形，造成規劃文檔。但一個數據分析平臺，不管前期規劃得多麼豐富，也不可能一蹴而就。公司的業務在不斷變化，分析的內容也愈來愈豐富，在這過程當中總須要不斷磨合和調整，只有不斷完善以後，才能造成一個更加量身定製的實用平臺。