很多时候业务部门的需求,未必能全部实现的,很多数据可能不具备,又或者是技术架构不支持等,导致指标无法开发下去。因此,我们在正式开始前,先要进行可行性分析。

下面列出的评估项只作参考使用,实际评估的时候估计会复杂好多。。。


一、数据可性行分析

数据支持可行性分析,主要是看指标需要的数据,有没有存在一些字段是不存在,或者支持不了指标取数的情况。

  • 外部数据需求:有时候很多业务需要外部数据的需求,如人群热点数据等,这些数据采购需要费用,采购回来后还得加工,因此,外部数据需求分析是必不可少的一环。
  • 内部数据需求:内部数据也不一定能完全支撑指标的开发的,如数据不标准,数据之间有冲突等。


二、技术可性行分析

2.1 技术架构分析

主要是对现有技术架构对指标需要的支持方式进行分析,如:

  • 时效性分析:分析技术架构是否支持实时采集、实时分析等的需求;
  • 数据展示方式:是把数据推送给业务系统,还是从数据直接抽数据展示,还是其它的方式等;
  • 底层架构支持分析:如原来是ORACLE,有没有必要换成HADOOP等;
  • ......


2.2 IAAS层分析

  • 对数据量的支持情况,如内存,CPU,硬盘的使用情况,需要对现在正在跑的报表进行分析,看其CPU、内存、硬盘的使用情况,高峰期,堵塞点等;
  • 云/实时机分析:云的好处是扩展方便,但实话说会比较难维护,如果买阿里等的也不便宜;实体机就是便宜,但重装的时候就会吐血


三、业务可行性分析

这一块理论是指标咨询部分析内容,主要是看业务指标是否真的能支撑到他们做管理决策,可的是管理的,可以是市场的。由于咱们是技术博客,这里就不讨论了,业务之间区别很大,实话说也不好讨论。。。


全文连载结语

指标体系的建立,其实是前中后三步的过程。

第一步:找出指标

就是指根据业务的需求,定义需要考核的指标的过程。由于国内很多搞业务的同学,其实都IT都不了解,没有利用数据驱动业务的思维。因此定下来的指标都是比较传统的,然而IT的同学又帮不上忙,真的要帮,可能业务的同学又会觉得踩过界了。。。难。。。

这就是所谓的数字化咨询的过程,一般由咨询公司去完成


第二步:处理指标

就是我们这套连续文章的过程了,其实实话说就是一堆模板,不知道会觉得很高大上,弄懂了也就这样子了。。。


第三步:落地指标

指建模和开发的过程了。其实建模是非常重要的工作来的,也是数据治理的重要组成部分,建模要好,也得原始系统的数据过关,这又涉及数据治理的过程落地执行。但因为数据治理不能直接体现业务价值,所以其实中国老板们并没有这个意识要做好这个事,因为不能直接赚到钱嘛。就看十四五能不能较好地真正推动了,而不是喊个口号。

现在其实很多企业是喊着数据中台,喊着流批一体的口号,做T+1的报表,而且预算极低,导致很多细节很难做到位。


不论怎样,希望通过这次的分享,能让指标梳理这块更透明,希望能帮上大家忙...