BI做表SOP

显示全部楼层

本帖最后由 szhpq 于 2022-4-28 10:54 编辑

BI日常工作很重要的一部分就是在BI工具上做仪表盘，俗称做表。所以设计师们就是传说中的表哥表妹？

数据分析四个主题：描述，归因，预测，控制。报表开发主要承担描述业务监控指标作用(也承担维度分拆的归因功能)。

本文梳理报表开发的一般流程：

1、业务方需求发起

业务方发起需求时，需要提供的信息包括：

对于专题分析需求，业务方没想明白拉着分析师开会讨论，这是没问题的。对于BI报表需求，如果业务方没想明白自己需要什么，那就是偷懒，对于这种行为，BI是可以主动push其进行思考的。

2、BI可行性评估

可以从以下三方面进行评估：

有没有必要做

能不能做

有无更合适的人

3、需求排期

在考虑报表需求的重要性、紧急程度的同时，还需要对需求方进行预期管理，留够充足的时间。新人通常对需求的"坑"了解不够，对需求预留时间不够，最后需求delay，给人留下不专业的印象。建议新人对需求或者给需求排期时主动请教"师傅”给工作预留足够的安全垫。

此外，为了避免反复沟通以及可能的"背锅"，在需求还未开始前，就需要做好文档留存，比如报表的编号，业务线归属，报表中文名称，报表类型，需求方，需求提交日期，预计上线日期，开发负责人，当前进度等。

4、数据模型开发

数据模型开发主要是数仓ETL的职责，随着技术发展，各种便捷工具的出现，比如阿里云dataworks的出现降低了数据模型开发的门槛，很多分析师也可进行模型开发和设计。

通常来说，埋点，交易域等极其重要或较复杂的数据交给数仓做更专业，手工填报或竞品爬虫可以由分析师负责模型开发和维护，前者确定，后者灵活且相对不确定。需要注意的是，无论是数仓还是分析师开发数据模型，都需要对模型质量负责。

需要强调的是：模型开发涉及多部门协作，比如产品-分析-测试-后端-数仓，一定要写好文档，拉会议进行信息同步。

5、数据校准

数据验证主要是核对数据是否准确、完整。一般的方式如下：

数据验证阶段，发现的问题通常在以下几个地方：

统计逻辑，比如隐藏前提，交叉标签等；
数据抽取，比如数据增量抽取时依赖update_time字段，而该字段在生产库没有同步更新，这种情况下要么改抽取方式为“全量抽取”，要么生产库的字段更新逻辑要进行调整；
生产库改动，比如生产库的业务逻辑改动(业务分流)，或者先前的表的字段已被弃用(不再更新)；
业务数据出现重复错乱，比如手工填报数据由于业务方疏忽，同样的数据上传了两条或者本周与上周传的同一粒度的数据不一致。
埋点漏传，想要的数据取不到。

如果数据核对不上，则建议按上述的顺序一一排查。

6、BI展示

BI图表如何选择，可以参考《用数据讲故事》、《Excel图表之道》和《用图表说话：麦肯锡商务沟通完全工具箱》，以及各家BI厂商的用户文档，比如Tableau、国内的永洪等。各厂在降低用户上手难度上都做了蛮多工作，也有BI的操作视频，感兴趣可以百度一下。

值得注意的是，有些用户喜欢看图，有些喜欢看信息密度更高的表，如何在图与表之间进行平衡，特别考察BI。列举常见的一些比较“难”的实现功能点：

7、报表验收

第5步已经讲过数据验收了，报表验收主要对以下点进行核查：

8、报表上线

BI仪表盘开通，通常需要申请权限，那么报表上线后需要告知业务方报表申请路径(走OA或者发邮件)、报表名称等信息。

此外，BI分析师需要主动跟进业务方是否通过BI看数，看了数据后怎么用，定期反馈优化。

原文地址有节选：

[数据分析] BI做表SOP