------需求決定了數據產品方向-----
傳統BI最大的困惑在于盲目跟著需求開發，導致開發成果無法確定是否在用、夠用，也無法避免無休止的需求變更，這導致BI開發成本高、周期長、失敗率高（前些年流行BI70%以上失敗的說法）。這樣的BI最大的特點就是沒有系統化、產品化，只是數據堆砌、死報表或CUBE開發，設計和開發者與業務需求沒有任何銜接。
例如我們以前在創建BI團度之前，公司曾經找第三方實施過BI，建立了數據模型和數據處理，然后最終成果是開發出業務需求者想要的某些報表，例如零售日、周、月報，代理商配發日、周、月報。然后這個BI的成果沒人用，因為它不能滿足后來管理者的需求，一是數據質量還是有問題，二是反映的問題模糊，數據堆砌效應。而最終是數據模型得到了后來的重復利用。
后來針對公司核心業務管理部門，來重新梳理需求，方做成一個被廣泛認可的維度層級、指標體系，在BI前端通過建模，形成基于ROLAP的數據產品。在這個過程中，我們通過反復交流發現，他們的（數據產品）需求包括：
1。一個統一維度、指標定義的數據模型，并在ROLAP平臺上，方便隨時抽取數據，自己進行二次分析；
2。方便應用的ROLAP邏輯和開發培訓，能讓業務部門隨心所欲自己開發報表或儀表盤；
3。復雜運算、復雜儀表盤由BI部門完成，其中復雜運算分別在數據處理、BI邏輯模型中完成。例如商品動態營銷屬性計算（如在某周毛利率和毛利都高的商品，毛利率高但毛利低商品，毛利率低到毛利高的商品，毛利和毛利率都低得商品）、財務動態周期（如1萬件商品原價100，市場生命周期3個月，原價的毛利率50%，預計平均毛利率35%，總毛利預期35萬，依次動態計算）

-------有明確需求的數據產品------
在企業內部應用中，成熟的老業務往往有明確的需求，所以成熟企業內部應用中，常規統計分析占據90%甚至95%以上，數據挖掘一般存在用戶相關分析、市場和商品預測等方面，而很多傳統企業客戶信息都不全。
有明確需求的情況大致分為如下類型：
1。有明確圖表需求，例如報表格式，報表指標、維度，圖形甚至顏色要求；
2。有明確計算規則的需求，例如物流對貨物分配優先級的規則；
3。有明確業務場景的需求，例如某次銷售會議，區域總監和銷售副總需要看銷售數據來判斷下一步策略，是否增加增加店鋪，是否加大促銷力度，是否需要調整區域間貨品優化。

有計算規則的需求，往往是將結果存儲在數據中，或者在BI邏輯模型中存儲其邏輯規則，業務部門自己查詢或指導業務工作。例如物流新到一批貨，A商品1萬件，總需求卻有1萬2千件，如何分配呢？于是就有優先級規則，按照代銷合同緊急需求、直營緊急需求、代銷合同非緊急需求（可延遲）、直營非緊急需求等排序，然后循環計算分配。這樣物流部門手里的數據就可以直接指導倉庫分配貨物給各個內部和外部的需求方，并無報表、圖形等展現分析的必要。自從有了這些計算，物流分配貨物準確及時性就大幅提高，供應鏈效率自然提高不少。

在業務場景需求中，曾經碰到這樣一種情況，就是剛才提到的銷售會議，業務部門拿來的直接需求是一個具龐大的報表，橫面是區域、店鋪，字段達百以上，而報表統計數據達到數萬行。當我們BI了解本身目的之后，就建議他們這個數據可以拿去，但銷售管理層沒法做決策，于是決策的具體問題，分別進行了統計分析。而事后得知，會議根本沒看百個字段，數據達數萬行的超大報表，而是看了我們額外自制的統計分析，并從銷售管理角度給了意見，再稍作調整。

-----無明確詳細需求的數據產品-----
無明確需求的情況，常常出現在新生業務、業務變遷需要數據依據的時候，如傳統企業轉電商和實行VIP制度、供應鏈都知道要優化，怎么做符合企業自身情況下來入手呢？

這類情況，一般需要商業分析師與數據產品經理緊密合作，同時分析需求，如果是商業分析師僅傳輸需求給數據產品經理，是做不好數據產品的。

在客戶管理中，我們BI既是商業分析師，也是數據產品設計和開發者，但在商品管理和供應鏈管理中，從業多年的專業人士是可以進行較專業的商業分析的，這當中BI部門也學到了很多這些業務方向的商業分析。例如在供應鏈優化中，業務部門提出了實用的解決思路：
1。根據供應鏈幾個業務線的計劃變化、動態并多對多靈活協調；
2。提高優先級自動分配，使得重要、緊急需求能都得到充分滿足；
3。加強供應鏈操作效率，包括出、入庫周期監管，以及倉庫內部效率的提升。

在計劃變化跟蹤的業務需求清晰，數據產品完成之后，當生產入庫計劃提前之后，物流部門馬上統計從現在到計劃期間凈出庫和當前庫存，看是否有空間存放，如果不夠則需改動物流計劃，生產入庫倉庫目標放到其他有空余的地方，或者推動下游需求，某些商品提前出庫配發。這個數據產品集合了生產計劃、物流出入庫、倉庫容量、配發需求等為一體，物流部門可以根據實際變化情況，自己查詢數據或者開發跟蹤監控圖表。

然而有的商業分析是難以落地，只有條件成熟，才能推動。某一段期間，曾經有國際經驗資深供應鏈管理者×××，但不一定能有效推動。例如庫存不高又要滿足營銷，他建議總倉只發一部分貨給各渠道，剩下的按照需求，誰銷得多、需求快就優先配給誰。這個理論上是不錯的想法，我們BI當時就給他們說了下企業那個時候的實際困難，包括代銷合同限制、頻繁配送到渠道到底需要多頻繁，每次配多少？實際情況是制約完美經驗的最大障礙，企業應用中有解決實際困難的方法才是王道。在當時情況下，他們無法推動，謹慎也是沒問題的，如果管理跟不上，成本反而大幅提升。

--------方向不明確的數據產品-------
在電商分析中，常常會連分析方向都不太明確，因為這個行業相對傳統零售遠不夠成熟，業務部門也在摸索，那BI就不能完全指望業務部門了。

建議數據產品從基本數據產品、具體分析挖掘逐步展開。例如我們在還沒有明確需求前，將訂單、客戶行為（一般先有訂單數據）、物流倉儲數據集成，在有日志樣本數據的時候，就對日志數據訪問指標統計、路徑分類、訪問與客戶訂單集成。同時抽時間，根據行業特點，對客戶RFM建模、商品生命周期結合客戶生命周期（詳情參考客戶商品生命周期文章）。

當我們發現，或業務提出要求的時候，分析就能很快達成，例如推廣ROI不高，為什么？原來某渠道一、兩月內吸引注冊用戶9千，實際下單不到30，且實際付款成交的只有一單，像這樣的渠道不抓出來，怎么能提高最基本的ROI？還發現某些渠道客戶第一次購買后，大部分不但之后未下單，連訪問也非常稀疏，這為短期ROI還可以，但長期ROI弱的渠道，該渠道的客戶可能目標客戶群體不多，沖著活動買一把就算了。那趕緊出評估系統吧。

--------總結-------
數據產品是數據分析、商業分析的基礎，但最好不要接二次需求，數據產品經理應充分參與需求的開發，這樣的數據產品才能更受用、更有前瞻性、能讓分析快速產出。

大數據／數據分析／數據庫方面培訓優惠碼 A24M，Dataguru煉數成金培訓報名使用立減50%固定學費！

轉載于:https://blog.51cto.com/2875718168/1426852

總結

以上是生活随笔為你收集整理的商务智能的需求驱动的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。