京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据与BI的建设方法 | 平台建设第一步,做好需求调研
随着数据时代的到来,大数据技术吸引了越来越多的关注,深度数据分析已成为企业提升效能、洞察先机必备的重要能力。而如何有效实施大数据项目,充分发掘数据中蕴含的价值,则成为越来越多企业开始关注的问题。
然而很多企业在大数据项目开展之初,就在需求调研环节遇到了意料之外的困难。大数据项目的成功落地,是建立在完善的需求调研基础之上的;毕竟对于用户需求的有效满足,是项目实施的根本目的。而对于很多企业来说,在部署大数据项目的过程中,得到的结果却总是和自身的需求南辕北辙,导致项目失败。究竟是什么原因导致了这种情况的发生?
需求去哪儿了?作为导致项目失败的重要原因之一,对需求理解不一致的情况经常出现在项目部署的过程中——客户、销售、设计、开发等各方对于需求的表述和理解,很可能千差万别。著名的“需求秋千理论”形象地阐释了这个过程:
需求秋千理论
为什么会有这种不一致的情况出现?一般情况下,需求调研作为项目部署的第一环节,是之后开发、实施、维护的基础所在,而一旦客户与服务提供者在需求调研阶段就产生了沟通错位,很可能会导致之后的一系列环节出现偏差“追尾”,最终导致结果与预期相差万里。
在大多数项目实施流程中,对客户需求的获取是由企业服务提供商与客户通过反复沟通交流完成。这一步骤看似简单,但由于客户可能对大数据技术具体实现细节关注较少,表述较为简单;服务提供商缺乏沟通技巧、对需求理解认知出现偏差等原因,容易导致需求调研过程困难且易出错,直接影响到项目的实施成果。
需求调研:找回丢失的需求
由于需求引导与打造共识环节的缺失,导致需求认知出现的问题,必须在项目部署的初期得到妥善解决,通过完善的需求调研为之后的开发与实施打下坚实的基础。而对于需求的引导,可以参考“需求引导六步法”:
【前期准备】充分了解客户业务状况及基本需求,准备访谈提纲、对象、设计访谈环节等,通过前期准备保障需求引导过程的可操作性及高效性。
【访谈前导】浅谈调研目标、范围、时长及保密事宜,保障过程双方频道统一。
【分析业务】通过聚焦客户关注点,逐步引导客户在问题情境中阐明改善期望,分析当前业务举措。
【挖掘需求】根据业务表象深挖业务难点及痛点,探讨问题的根本原因。
【达成共识】根据实际业务场景与专业理论知识及行业案例相结合,提出合理化的建设方案,在双方充分沟通够并达成一致。
【赢得支持】与高层统一建设目标,逐级分解目标,落实行动计划,赢得全员支持。
通过这些步骤,能够将客户与服务提供商之间对于客户需求的认知的误差降到最低,从而在最大程度上确保项目初期不会因为需求理解不一致产生方向偏差。成功的企业是如何完成需求调研的?
经过多年的发展,大数据行业已经逐渐由概念走向实战,然而大多数大数据项目的发展依然进展缓慢。相关数据显示,美国平均100个大数据项目只有40个左右可以成功交付,无形中造成一种巨大的消耗和折损。不过令人意外的是,大数据技术领导厂商永洪科技旗下产品永洪一站式大数据分析平台部署成功率高达90%-95%,超过行业一倍的交付成功率引人注目。这与永洪在精准定位客户需求方面的做法不无关系:
在团队建设方面,永洪拥有上百人的专门服务团队,团队成员具备优秀的专业背景和丰富的实践经验,累计支持了超过2000家企业,拥有20多个行业的服务经验,已经达到了世界级的服务标准,能够快速精准了解客户需求,快速响应客户需求。在需求识别方面,永洪通过客户座谈、详细问卷、查阅资料、走访等方式,对客户特点、企业资源、项目目标、工期及预算等需求做到初步的了解和确定;同时深入学习了解客户公司所处的行业、公司概况,清楚掌握行业及公司发展特点、业务流程、数据分析模式等业务与技术内容,确保对客户需求理解的准确性和一致性。
在客户沟通层面,永洪选择在保护客户商业机密的前提下,从领导层的宏观需求到技术层的细节需求进行多层次的分析,了解客户真实想法,收集汇总所有意见,避免出现表达与沟通导致的偏差;同时,尽量接触到系统覆盖的所有部门需求,着重听取业务部门意见,形成对客户需求的立体化、多角度理解,防止出现沟通死角。
在确认需求层面,永洪对客户业务流程进行深入了解之后,从大数据业务流程介绍,重点需求分析入手,与客户一同深入分析项目的实现逻辑,分析解决方案和协商分歧,帮助客户充分了解项目实施过程的每一环节,尽可能减少信息不对称性所引起的矛盾,协助客户进一步明确核心需求,并最终实现项目质量、精度、细节等的确认和共识。
这些特质在永洪的客户案例中有鲜明的体现。永洪的某客户企业是国内知名汽车制造厂商,项目初期客户提出“各系统数据独立,需要形成整合在同一数据平台进行统一管理”的需求。针对该需求在进行简短的沟通后,了解到客户对于BI的理解不是很清晰,并且对自身的需求也并非特别明确。永洪团队按照需求引导六步法对客户进行了深层次调研。了解到客户工作开展的根本难点在于:
1. 数据量大(百亿级数据量)、数据源多(多套业务系统、不同的数据库类型)、规则不统一,在导入BI系统之前需要从各系统导出,再手工汇总到汇报材料,统计效率低、易出错,决策者看到的数据有延迟现象。
2. 分析需求不能及时呈现。在有新的分析需求时,需要先通过IT部门对接,进行需求传递,反复碰撞、建模,通过长时间建设后才能实现该分析需求。
3. 业务系统的OLTP架构和办公软件通用性设计都无法满足现有的业务分析需求,尤其是对历史数据的追溯和分析等。
基于以上几点,通过反复调研沟通,在了解到客户的根本需求的基础上,永洪针对性地完成了项目体系的搭建:
1. 搭建hadoop分布式数据管理体系,通过ETL定时自动汇总到数仓中,建立历史数据存储机制,进行数据源统一管理。
2. 按业务分析主题方式进行业务建模,能够快速输出现有的分析需求报告,同时业务人员可通过永洪产品进行自助式查询和分析,业务分析需求实现敏捷化。
最终将该需求及解决方案提交给客户高层确认时,得到了客户方的认可,并已经实施上线。
结语
需求调研是大数据项目开发与落地的基础,永洪正是在夯实这一基础之上,才实现了超出行业平均值一倍的交付成功率,打造出覆盖金融、制造、电信、医疗、政府、咨询、互联网、通讯、能源等领域的一系列优秀需求解决方案,也成为大数据技术在各行各业的普及推广与项目落地的优秀范例。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析、后端开发、业务运维等工作中,SQL语句是操作数据库的核心工具。面对复杂的表结构、多表关联逻辑及灵活的查询需求, ...
2026-01-26支持向量机(SVM)作为机器学习中经典的分类算法,凭借其在小样本、高维数据场景下的优异泛化能力,被广泛应用于图像识别、文本 ...
2026-01-26在数字化浪潮下,数据分析已成为企业决策的核心支撑,而CDA数据分析师作为标准化、专业化的数据人才代表,正逐步成为连接数据资 ...
2026-01-26数据分析的核心价值在于用数据驱动决策,而指标作为数据的“载体”,其选取的合理性直接决定分析结果的有效性。选对指标能精准定 ...
2026-01-23在MySQL查询编写中,我们习惯按“SELECT → FROM → WHERE → ORDER BY”的语法顺序组织语句,直觉上认为代码顺序即执行顺序。但 ...
2026-01-23数字化转型已从企业“可选项”升级为“必答题”,其核心本质是通过数据驱动业务重构、流程优化与模式创新,实现从传统运营向智能 ...
2026-01-23CDA持证人已遍布在世界范围各行各业,包括世界500强企业、顶尖科技独角兽、大型金融机构、国企事业单位、国家行政机关等等,“CDA数据分析师”人才队伍遵守着CDA职业道德准则,发挥着专业技能,已成为支撑科技发展的核心力量。 ...
2026-01-22在数字化时代,企业积累的海量数据如同散落的珍珠,而数据模型就是串联这些珍珠的线——它并非简单的数据集合,而是对现实业务场 ...
2026-01-22在数字化运营场景中,用户每一次点击、浏览、交互都构成了行为轨迹,这些轨迹交织成海量的用户行为路径。但并非所有路径都具备业 ...
2026-01-22在数字化时代,企业数据资产的价值持续攀升,数据安全已从“合规底线”升级为“生存红线”。企业数据安全管理方法论以“战略引领 ...
2026-01-22在SQL数据分析与业务查询中,日期数据是高频处理对象——订单创建时间、用户注册日期、数据统计周期等场景,都需对日期进行格式 ...
2026-01-21在实际业务数据分析中,单一数据表往往无法满足需求——用户信息存储在用户表、消费记录在订单表、商品详情在商品表,想要挖掘“ ...
2026-01-21在数字化转型浪潮中,企业数据已从“辅助资源”升级为“核心资产”,而高效的数据管理则是释放数据价值的前提。企业数据管理方法 ...
2026-01-21在数字化商业环境中,数据已成为企业优化运营、抢占市场、规避风险的核心资产。但商业数据分析绝非“堆砌数据、生成报表”的简单 ...
2026-01-20定量报告的核心价值是传递数据洞察,但密密麻麻的表格、复杂的计算公式、晦涩的数值罗列,往往让读者望而却步,导致核心信息被淹 ...
2026-01-20在CDA(Certified Data Analyst)数据分析师的工作场景中,“精准分类与回归预测”是高频核心需求——比如预测用户是否流失、判 ...
2026-01-20在建筑工程造价工作中,清单汇总分类是核心环节之一,尤其是针对楼梯、楼梯间这类包含多个分项工程(如混凝土浇筑、钢筋制作、扶 ...
2026-01-19数据清洗是数据分析的“前置必修课”,其核心目标是剔除无效信息、修正错误数据,让原始数据具备准确性、一致性与可用性。在实际 ...
2026-01-19在CDA(Certified Data Analyst)数据分析师的日常工作中,常面临“无标签高维数据难以归类、群体规律模糊”的痛点——比如海量 ...
2026-01-19在数据仓库与数据分析体系中,维度表与事实表是构建结构化数据模型的核心组件,二者如同“骨架”与“血肉”,协同支撑起各类业务 ...
2026-01-16