- 產品
- 產品解決方案
- 行業解決方案
- 案例
- 數據資產入表
- 賦能中心
- 伙伴
- 關于
時間:2019-01-16來源:看數據談智能瀏覽數:651次
介紹前,我想先說一下由上至下(Top-Down)和由下至上(Bottom-Up)的區別。由上至下可以簡單的認為是某個業務組、部門老大、或者公司老大來授權或者牽頭的“輕量級”BI實施項目,目的是解決某個小組,某項業務,或者某個部門的業務痛點或者需求。在您寫此類項目的標書或者啟動報告時會深有體會。
由下至上的項目正相反。其目的是優先摸清整個公司的數據,系統,流程,組織結構,業務重點等,然后通過數據和業務的整合,統一建模,開發出集中的數據倉庫或平臺,然后通過這個平臺來解決不同用戶的業務痛點或需求。
由下至上的BI項目一般是“重量級”的,其用時長,資源耗費大,單一業務部門很難駕馭,通常由IT部門發起并管理。
項目建立
由上至下的項目目的一般都很明確,某個業務組,某個經理,某個部門老大都可以牽頭實施這樣的項目。它主要有以下幾個特點。
首先是實施團隊比較靈活。可以是內部IT幫助實施,也可以聘請外部顧問或者實施團隊來完成。由于此類項目的時間、范圍、和涉及的業務都相對較小,聘請外部團隊會更加合算。一般4到5人的小團隊就足夠了(采用敏捷方式和新型BI工具。對于SAP等傳統大型項目要另行考慮),有業務專家助陣的話還可以事半功倍。
如果是業務部門自己牽頭的項目,聘請外部團隊在數據、資金、和產品所有權方面可以靈活操作。完成之后要么交付給IT,要么繼續由外部公司來維護,應該都不是問題。
其次是需求明確。第二部分重點描述了過度期待、需求變更、和項目范圍蔓延等BI項目常見的問題。我認為這些是國內大部分BI項目失敗的主因之一。由上至下強調的是“小范圍”,“小流程”,“小部門”。業務部門一般都帶著明確的痛點或者需求,不會無厘頭地要求項目組跑東跑西。另外此類項目大多是老大牽頭,只要優先滿足老大的意見和方向,其他人都好說。因此需求分析會相對簡單。
數據是BI的靈魂。由上至下因為范圍相對小,項目組在先期可以把數據的功課做足,這樣項目經理可以更準確地預估時間和風險。此外由于此類項目是業務老大牽頭,遇到突發的或者范圍外的數據,由業務部門幫忙獲取的成功率一般要高于IT或者外部顧問去獲取。
由上至下的項目在時間上大多有明確的起點和終點,不會糾纏沒完。起點可能就是老大的一句話,或者某個部門的RFQ,終點就是測試完成,解決了用戶痛點或需求,并成功上線。由于項目時間相對短,用戶不必等很久就能享受分析的結果。對于外部公司,參與這種項目的風險要遠小于由下至上的項目。
具體的項目操作流程
介紹完特點之后我們上干貨。先看看總結的項目實施7步驟:
由上至下的7步實施流程
1.了解用戶需求和優先級(Understand Business Needs and Priorities)
由上至下的BI項目目的明確,啟動快。因此項目組在初期就可以直奔主題:收集客戶需求。我的建議是從“頭”開始,先單獨了解組長或者經理的目的,痛點,或者需求,然后再接觸下面的業務人員。
很多人會建議通過討論會(Workshop)的形式一次性地收集需求,但從我目前的經驗來看,討論會效率非常低,大多都會演變成吐槽大會。另外管理人員和業務人員坐在一起,很多話不好說,也不會說。因此如果有條件的話,一對一或者小范圍的面試(Interview)是最高效的。這里有一個例外:如果公司已經有BI系統,或者大家對BI很熟悉,那么集中起來開討論會還是可以的。
一個容易被忽視的地方是優先級。80/20原則大家都知道。掌握了用戶尤其是經理的優先級,項目組就可以從重點著手,優先分析數據,嘗試整理模型,早發現問題早解決。只要達成80%的目標,尤其是高優先級的目標,到后期項目時間或者資源緊迫時,我們可以忽略不重要的內容來避免項目延遲和用戶不滿。
2.分析相關系統和數據(Analyze Linked Applications and Data)
很多業務人員沒有BI或者技術基礎,因此他們會完全站在業務的角度提出需求或者痛點 。這就需要項目組分析用戶需求,找出背后所隱含的業務流程,系統,和數據,逐一分析它們,并最終轉化為技術人員能夠看得懂的文檔。
此外業務人員往往會重點描繪自己的部分,而忽略別人的部分。因此項目組還要分析了解流程的上游和下游,關鍵點和瓶頸在哪里,每個點都涉及到哪些人和部門,每個環節會涉及到哪些數據,數據權限如何,訪問權限如何等等要素。
系統分析的困難可能會多一些,例如沒有訪問權限,幫助文檔不足,系統所有者不配合,IT不配合,或者大量技術缺陷等。如果系統很老或者是內部開發的,就涉及到將來怎么抽取數據的問題,以及數據質量問題。這些都要在這個階段分析并解決。
數據的分析是最費功夫的,例如業務人員會簡單地要求項目組做出PPT里的某張圖,但是他不知道也不關心后面包含了多少歷史數據,數據質量如何,數據所有權,有沒有手動調整的痕跡,數據維度有哪些,維度是否有變化,多數據整合問題,數據口徑問題等等。這些都需要項目組辛辛苦苦地去發掘和注意的。