如何設計企業內部的數據平台？

數據平台的建設可以當做一個產品來設計。從廣義上來講，所有以數據驅動為核心的都可以稱為數據產品（如數據報表平台，DMP，BI平台），從狹義上來講，就是公司內部的數據平台。今天我們要討論的，主要是在公司內部搭建數據平台。

公司的內部數據平台，主要是給各業務提供數據處理、分析、展示，供內部所有部門人員使用的，涉及數據的收集（填報）、數據的整合、業務報表製作、業務員數據分析以及可視化數據展示，目的是讓公司內部的所有業務都能通過數據來驅動和輔助決策。簡單點講就是通過數據分析平台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台呢？

1. 平台建設主導人需要對每一塊業務需求有深刻的了解，知道每個業務部門想要看什麼樣的數據，需要什麼樣的分析報表；這些數據是否現在就可以獲取到，是否需要收集；業務部門通過這些數據分析，是如何推進和改善業務，是否有提升的價值意義。

2. 平台的設計需要根據業務的要求設計符合使用者需要的內容，產品要有層級和結構。如果設計的一張數據報表既要滿足管理層的需求又要滿足一線業務人員的需要，那麼這樣的數據產品體驗很大可能是比較差的。因為領導和業務人員的關注點不一樣，看數據的視角也不一樣。領導往往需要一些能幫助把握大方向的關鍵指標，並且希望知道這些指標之後的問題是什麼？原因是什麼？所以給領導設計的報表需要直觀易懂，並且能夠基於這些指標的一場定位到問題。而業務人員更在乎業務的執行，關注的數據往往粒度很細，需要知道各項指標的明細。

領導關注的報表（FineReport製作）

銷售領導關注的指標明細（FineReport製作）

3. 數據平台一定要注意數據質量、規範、統一。因為數據分析平台是面向所有業務的，怎麼保證公司的所有部門人員對於數據的理解是一致的，這點特別難。（比如服裝行業的「斷碼」，從領導層來講，公司倉儲的服裝全部尺碼如果不完整就是斷碼；從倉庫的倉管員角度來講，倉庫內的服裝尺碼不全就是斷碼；從門店的業務員角度來講，客戶需要的尺碼當前門店無貨就是斷碼）。公司的業務系統各有不同，資料庫分佈，數據口徑不一，數據孤島問題，導致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為重要。平台的數據質量依賴於數據倉庫底層的數據模型，所以一個好的數據倉庫很大程度上決定了數據分析平台的數據質量。

4. 工具選型上，有報表平台、BI。報表平台適合構建基礎的規範化的數據分析平台，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，文中的所有demo就是用FineReport製作，側重於展示和報表管理。BI側重於分析，拿到數據可以自己拖拽維度來分析，不同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，製作要簡單很多，大數據量的處理性能也強勁很多，代表：FineBI、Tableau.

下面我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需要看哪些數據呢？首先收集日常常用的數據指標，哪些是經常要查詢的，哪些是要日常填報的，這些在過往的經營中都有備案，好收集。這就構成了日常的基礎查詢類報表，這類報表最佔大頭。

其次，我們可以觀察一下各部門的KPI是什麼？下放到團隊以及個人的KPI是什麼？是否能以具體的數字來量化？如果對負責支持的部門的KPI不了解，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？通常粗略的，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，這就構成了各部門日常管理的報表。

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

比如，我希望知道這個月我的績效完成的怎麼樣？在團隊內排名是提升還是下降？每個人的績效結果明細是怎樣的？——這就構成了日常考核報表。

又比如在分析產品時，需要重點關注某些產品的相對市場份額和市場增長率，則要建立波士頓矩陣分析，以便讓資源有效地分配到合理的產品結構中（當然還有其他分析角度）——這就是品類分析。

產品分析（FineReport製作）

再從業務分析和使用場景入手，拿採購部門的小王來說，他是怎樣看數據的呢？

每天早上，我希望知道昨天的銷售情況怎麼樣？所以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有以下功能和內容：

1.能夠查看昨天以及過去各時段的數據；能夠按照產品、地域來統計；能夠與過往的平均值做比較，看看是不是某區域某產品的趨勢上有大的變化，是不是廣告投放，活動推廣帶來的，影響大不大。其次，每個月，每季度的數據是多少，能夠選定時間段自動展示。

2. 指標越豐富越好，如果銷售額下降了，看看是不是訂單數下降了，訂單數沒變是不是客單價的問題，是由於商品結構的原因還是活動門檻調整導致的。

3. 數據分析的能夠下達的粒度越細越好。比如數據粒度可以從全國下鑽到省份，從省份下鑽到城市，這樣交易額下降了就能知道是哪個省哪個城市出了問題？就能針對性的解決。

經過以上幾個步驟，即可形成平台雛形，形成規劃文檔。但一個數據分析平台，無論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，分析的內容也越來越豐富，在這過程中總需要不斷磨合和調整，只有不斷完善之後，才能形成一個更加量身定製的實用平台。